【摘要】：為了緩解云數(shù)據(jù)中心處理海量互聯(lián)網(wǎng)數(shù)據(jù)時面臨的巨大壓力,如超額的通信負載、無法預測的延遲及對終端用戶移動的支持不足等,思科提出了新型計算模式“霧計算”。在霧計算中,霧節(jié)點可以在網(wǎng)絡邊緣實現(xiàn)低延遲交互,有效的降低響應時延,云數(shù)據(jù)中心能提供計算能力更強、存儲空間更大的中心化處理資源,從而實現(xiàn)快速計算。霧計算商業(yè)化逐漸擴大后,霧節(jié)點服務憑借其基礎設備價格低及部署、維護簡單等優(yōu)點受到用戶的關注,僅僅使用霧層資源能很大程度的節(jié)約任務執(zhí)行費用,卻需要付出很大的時間代價,影響了用戶的服務體驗,協(xié)同利用霧-云多層資源提供服務可以在保證時延不影響服務體驗的情況下降低費用。工作流系統(tǒng)能夠根據(jù)用戶的需求管理復雜的霧-云多層資源分配和優(yōu)化工作流任務調(diào)度,如何合理使用霧-云多層資源為工作流任務提供滿足服務質(zhì)量(Quality of Service,QoS)需求的服務是值得研究的問題。由于用戶具有移動性,且霧節(jié)點提供服務的范圍有限,用戶位置的變動會引起工作流中不同任務請求服務資源時連接到的霧節(jié)點存在差異。這在一定程度上限制了任務可使用的霧節(jié)點范圍,雖然任務傳輸?shù)届F節(jié)點上執(zhí)行能快速的得到響應,但是執(zhí)行速度慢、效率低。用戶位置變動雖然會影響請求霧節(jié)點資源,但是對請求云資源沒有影響,在用戶移動過程中協(xié)同利用霧-云資源執(zhí)行任務可以保證任務能及時的請求到資源。本文一方面研究霧計算環(huán)境中如何利用霧-云多層資源協(xié)同為工作流任務提供滿足QoS需求的服務,并結合粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)和Min-Miin算法提出霧計算環(huán)境中使用霧-云多層資源的滿足截止時間約束的費用優(yōu)化工作流任務調(diào)度策略(a Cost-effective Time-constrained task scheduling Strategy using fog-cloud multi-layer resources in Fog computing,CTSF)。另一方面,考慮到用戶位置變動會限制任務請求資源時連接到霧節(jié)點的范圍,進而會對執(zhí)行任務的QoS產(chǎn)生影響,本文在CTSF策略的基礎上,提出位置感知的霧計算環(huán)境中使用霧-云多層資源的滿足截止時間約束的費用優(yōu)化工作流任務調(diào)度策略(a Cost-effective Time-constrained task scheduling Strategy using fog-cloud multi-layer resources in Location-aware Fog computing,CTSLF)。本文的主要工作如下:1.由于使用單層霧資源無法為用戶提供同時滿足低時延、低費用要求的服務,本文研究在工作流任務調(diào)度中如何使用霧-云協(xié)同計算資源為任務提供服務。在任務調(diào)度中,利用PSO算法對調(diào)度方案進行優(yōu)化,并使用Min-Min算法解決調(diào)度方案中出現(xiàn)的資源沖突問題。本文將任務調(diào)度算法與霧計算環(huán)境中工作流任務執(zhí)行的時間模型、費用模型相結合,提出了CTSF策略。實驗從適應度值、執(zhí)行費用、執(zhí)行時間、計算時間和通信時間幾個方面對策略進行了對比分析,結果表明,本文提出的CTSF策略能夠產(chǎn)生滿足截止時間約束且費用優(yōu)化的調(diào)度方案。2.結合實際場景中用戶終端的移動性,本文在研究CTSF策略的基礎上,進一步考慮了用戶移動情況下如何利用霧-云協(xié)同計算資源為任務提供滿足QoS需求的服務,提出CTSLF策略。在CTSLF策略中,工作流任務請求資源時用戶的位置決定了任務可以連接到哪些霧節(jié)點,但是受前驅任務的影響,同一任務在不同調(diào)度方案中請求資源的時刻是不同的,為此本文給出了任務請求資源時如何定位用戶位置、以及如何確定任務可連接的服務資源范圍的方法。本文最終通過適應度值、執(zhí)行費用、執(zhí)行時間、計算時間和通信時間幾個方面的實驗結果說明了CTSLF策略的可行性。由于當前霧計算環(huán)境中單層霧資源為用戶提供的服務無法滿足用戶的QoS(如低時延、低費用等)需求,本文研究了如何管理霧計算環(huán)境中的霧-云多層資源使其以協(xié)同合作的方式為任務提供滿足QoS要求的服務,并結合PSO算法和Min-Min算法設計了能夠產(chǎn)生滿足用戶時間約束且費用優(yōu)化調(diào)度方案的調(diào)度策略CTSF。在此基礎上,本文考慮到實際場景中用戶的移動性,研究了移動情況下如何利用霧計算環(huán)境中的霧-云協(xié)同計算資源為任務提供滿足QoS要求的服務,并基于CTSF策略設計了調(diào)度策略CTSLF。最終通過實驗說明本文兩種策略的有效性。
【圖文】：

該架構中云服務器與霧節(jié)點共存，但霧服務不是必須的，用戶終端與霧節(jié)點、逡逑霧節(jié)點與霧節(jié)點之間通過局域網(wǎng)（ＬｏｃａｌＡｒｅａＮｅｔｗｏｒｋ，邋ＬＡＮ）通信，用戶終端與逡逑云、霧節(jié)點與云之間通過廣域網(wǎng)（ＷｉｄｅＡｒｅａＮｅｔｗｏｒｋ，邋ＷＡＮ）通信［８，９】，圖１．２展逡逑示了云計算與霧計算架構�？偟膩碚f，霧計算能夠提供和云計算一樣的服務，但逡逑２逡逑

（ａ）邋Ｍ２Ｍ邋Ｃｏｎｎｅｃｔｉｏｎ邋Ｆｏｒｅｃａｓｔ邐（ｂ）邋ＩＰ邋Ｔｒａｆｆｉｃ邋Ｆｏｒｅｃａｓｔ逡逑圖１．１：思科視覺網(wǎng)絡指數(shù)：預測與趨勢（２０１７－２０２２）逡逑Ｆｉｇ．邋１．１：邋Ｃｉｓｃｏ邋Ｖｉｓｕａｌ邋Ｎｅｔｗｏｒｋｉｎｇ邋Ｉｎｄｅｘ：邋Ｆｏｒｅｃａｓｔ邋ａｎｄ邋Ｔｒｅｎｄｓ邋（２０１７－２０２２）逡逑將會帶來較長的傳播時延，這對于用戶體驗來說是無法忍受的，，如工業(yè)物聯(lián)網(wǎng)解逡逑決方案要求低延遲和立即處理數(shù)據(jù)，企業(yè)無法承受終端設備層和基于云的物聯(lián)網(wǎng)逡逑平臺之間數(shù)據(jù)往返傳輸造成的延遲；其次，對移動場景支持不足，例如在高速移逡逑動的車載網(wǎng)絡中，司機要求快速實時的感知路況及交通流等數(shù)據(jù)；再有，大量的逡逑設備接入云端，網(wǎng)絡帶寬就顯得捉襟見肘，網(wǎng)絡擁塞則會影響用戶的ＱｏＳ；此外，逡逑云計算還面臨著無法滿足地理位置分布相關的感知環(huán)境的實時要求及安全性隱逡逑私性不容客觀等挑戰(zhàn)。為了緩解云計算的壓力以及為用戶提供良好的ＱｏＳ，霧計逡逑算的架構模式應運而生，該架構提供了計算、存儲和網(wǎng)絡資源在霧節(jié)點（如路由逡逑器、交換機、代理服務器、基站等）本地處理物聯(lián)網(wǎng)數(shù)據(jù)⑴。逡逑霧計算最初由思科定義為“云計算范式的擴展
【學位授予單位】：安徽大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP308;TP393.09

【相似文獻】

相關期刊論文 前10條

1 段們們;;基于云計算的艦船大規(guī)模任務調(diào)度優(yōu)化[J];艦船科學技術;2019年06期

2 李軍;王鈞;陳健;陳慧中;郭玉華;;基于多目標遺傳算法的衛(wèi)星成像任務調(diào)度技術[J];系統(tǒng)工程與電子技術;2007年07期

3 梁浩,吳洲;電子商務中供應鏈任務調(diào)度問題的研究[J];中國機械工程;2003年16期

4 陳軍;謝立;孫鐘秀;;分布式任務調(diào)度研究的新趨向[J];計算機研究與發(fā)展;1990年04期

5 ;簡訊[J];成都電訊工程學院學報;1988年02期

6 劉心松,李健;分布式計算機系統(tǒng)中的任務調(diào)度[J];計算機應用;1989年01期

7 呂英,李教材,房其敏;周期性混合任務調(diào)度[J];計算機工程與設計;1989年01期

8 李晨蕾;;云計算環(huán)境下基于蟻群算法的任務調(diào)度研究[J];科技創(chuàng)新導報;2019年02期

9 丁志鋒;;云計算環(huán)境下用戶任務調(diào)度效率優(yōu)化仿真[J];計算機仿真;2017年04期

10 陳利安;肖明清;高峰;趙亮亮;;人工蜂群算法在并行測試任務調(diào)度中的應用[J];計算機測量與控制;2012年06期

相關會議論文 前10條

1 張磊;馬軍;;描述短時資源混雜占用型任務調(diào)度的數(shù)學模型與算法[A];2005年全國理論計算機科學學術年會論文集[C];2005年

2 劉培培;李連;叢海鵬;謝勇;;基于多代理協(xié)商機制的任務調(diào)度系統(tǒng)研究[A];2006北京地區(qū)高校研究生學術交流會——通信與信息技術會議論文集（下）[C];2006年

3 張曉云;岳繼光;楊麟祥;;零星任務調(diào)度在多控制任務系統(tǒng)中的應用[A];第16屆中國過程控制學術年會暨第4屆全國故障診斷與安全性學術會議論文集[C];2005年

4 韓云;于炯;張偉;王命全;;基于負載均衡的任務調(diào)度改進算法[A];2010年全國開放式分布與并行計算機學術會議論文集[C];2010年

5 王全民;王靚;許智宏;;網(wǎng)格環(huán)境中基于蟻群算法的批量任務調(diào)度的研究[A];2006北京地區(qū)高校研究生學術交流會——通信與信息技術會議論文集（上）[C];2006年

6 劉宇;劉玉榮;周冰;;基于WCF的環(huán)境減災星座運控任務調(diào)度系統(tǒng)[A];第二十五屆全國空間探測學術研討會摘要集[C];2012年

7 楊艦;黃道平;李小亞;;GDCS任務調(diào)度的SPN模型研究[A];第二十六屆中國控制會議論文集[C];2007年

8 王巖;朱春鴿;劉欣然;徐倩華;張鴻;;一種基于虛擬計算環(huán)境的任務冗余調(diào)度機制研究[A];2011年全國通信安全學術會議論文集[C];2011年

9 宋華振;;1μS的任務等級-reACTION技術[A];2014中國數(shù)字工廠推進大會文集匯編[C];2014年

10 姜志陽;馮圣中;;基于遺傳算法的異構計算環(huán)境獨立任務調(diào)度[A];全國第20屆計算機技術與應用學術會議（CACIS·2009）暨全國第1屆安全關鍵技術與應用學術會議論文集（上冊）[C];2009年

相關重要報紙文章 前10條

1 曲芳 戴江勇 龔界文 院宣 肖文正 楊麗;堅決落實型號任務調(diào)度令[N];中國航天報;2008年

2 記者 秦娜;我省建立大氣污染防治目標任務調(diào)度預警通報制度[N];甘肅日報;2015年

3 綜合編譯 劉琦;Windows HPC Server 2008新特性解讀[N];中國計算機報;2009年

4 記者 謝霄凌;我市部署清理整治奢華浪費建設及專項整治任務[N];邢臺日報;2014年

5 何川 方興;運籌帷幄決勝千里[N];計算機世界;2001年

6 記者 張雷峰;貫徹落實好省相關會議精神 確�；顒尤〉酶蟪尚N];張家口日報;2014年

7 文海燕;統(tǒng)一認識 強化責任 確保完成目標任務[N];永州日報;2006年

8 記者 王彬;全力促增收 確保完成全年目標[N];濟南日報;2012年

9 王波;Linux與服務器集群技術[N];中國計算機報;2002年

10 記者 何雪峰;宿州搶抓時機引客商[N];安徽日報;2012年

相關博士學位論文 前10條

1 徐海燕;帶有學習與惡化效應的任務調(diào)度優(yōu)化方法[D];東南大學;2017年

2 柳運昌;多媒體云資源提供與任務調(diào)度技術研究[D];武漢理工大學;2016年

3 何華;云計算的調(diào)度策略研究與性能分析[D];天津大學;2017年

4 魯亮;大數(shù)據(jù)流式計算框架的任務調(diào)度優(yōu)化方法研究[D];新疆大學;2018年

5 賓雪蓮;實時系統(tǒng)中的任務調(diào)度技術研究[D];國防科學技術大學;2004年

6 吳琦;嵌入式操作系統(tǒng)功耗管理技術研究[D];電子科技大學;2006年

7 王濤;實時系統(tǒng)任務調(diào)度若干關鍵技術的研究[D];哈爾濱工程大學;2006年

8 陸平;云計算應用中的任務調(diào)度與資源分配的協(xié)同優(yōu)化[D];中國科學技術大學;2017年

9 黃萬偉;基于服務屬性區(qū)分的可重構任務調(diào)度研究[D];解放軍信息工程大學;2009年

10 王鈞;成像衛(wèi)星綜合任務調(diào)度模型與優(yōu)化方法研究[D];國防科學技術大學;2007年

相關碩士學位論文 前10條

1 楊雪;“雙循環(huán)”模式下自動化碼頭L-AGV任務調(diào)度優(yōu)化[D];吉林大學;2019年

2 汪麗娟;Flink下的K-Means優(yōu)化并行與任務調(diào)度研究[D];新疆大學;2019年

3 劉粟;基于Storm平臺的離線任務調(diào)度優(yōu)化方法研究[D];新疆大學;2019年

4 崔倩娜;帶懲罰費用的多維（重）任務調(diào)度問題[D];云南大學;2018年

5 李淑婷;云環(huán)境中基于混沌蟻群算法的任務調(diào)度研究[D];云南大學;2018年

6 丁瑞苗;霧計算環(huán)境中工作流任務調(diào)度優(yōu)化研究[D];安徽大學;2019年

7 況祥;云計算環(huán)境下面向調(diào)度優(yōu)化時效的預測方法研究與實現(xiàn)[D];浙江工業(yè)大學;2018年

8 徐建朋;云計算性能與節(jié)能的動態(tài)優(yōu)化研究[D];中國石油大學(華東);2017年

9 符曉;云計算中基于共享機制和群體智能優(yōu)化算法的任務調(diào)度研究[D];西南石油大學;2018年

10 靳暉;無源感知系統(tǒng)中的能量管理和任務調(diào)度研究[D];太原理工大學;2019年

本文編號：2620816