隨著云計算應(yīng)用的不斷深入以及對大數(shù)據(jù)處理需求的不斷提升,越來越多的企業(yè)選擇使用云平臺來處理海量的數(shù)據(jù)。由于云計算的商業(yè)性,這就對云計算中的任務(wù)調(diào)度提出了更加嚴(yán)苛的要求,如何合理且經(jīng)濟的完成任務(wù)調(diào)度成為了研究云計算的關(guān)鍵問題之一。批處理科學(xué)工作流是大數(shù)據(jù)時代的一種新型工作流建模形式,近兩年已引起業(yè)內(nèi)的重視,但當(dāng)前仍處于起步階段。傳統(tǒng)的科學(xué)工作流任務(wù)調(diào)度算法已經(jīng)不適用于批處理科學(xué)工作流。因此,本文在前人研究的基礎(chǔ)上,圍繞帶有截止期的批處理科學(xué)工作流任務(wù)調(diào)度模型,對整體調(diào)度成本進(jìn)行探討與研究,提出了一種批處理科學(xué)工作流基于規(guī)則迭代的動態(tài)Deadline劃分方法和一種基于改進(jìn)遺傳算法的批處理科學(xué)工作流任務(wù)調(diào)度算法。傳統(tǒng)的Deadline劃分方法不僅不能適應(yīng)批處理科學(xué)工作流,同時其劃分方式過于簡單也導(dǎo)致了在實際任務(wù)調(diào)度過程中不能合理的劃分各部分的任務(wù)調(diào)度時間從而導(dǎo)致任務(wù)調(diào)度成本大大增加。因此本文提出了一種基于規(guī)則迭代的動態(tài)Deadline劃分方法,該方法通過合理的降低并行度或升級虛擬機,同時并重收縮非關(guān)鍵路徑上的虛擬機使用數(shù)量,使得該方法可以更好劃分批處理科學(xué)工作流的Deadline。在傳統(tǒng)遺傳... 

【文章來源】：天津科技大學(xué)天津市

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖３－１科學(xué)工作流ＤＡＧ模型??

?３基于簡單規(guī)則的批處理科學(xué)工作流Ｄｅａｄｌｍｅ劃分方法???巨大，需要利用分布式處理環(huán)境進(jìn)行并行處理，因此這些節(jié)點變成了由批量獨立任務(wù)??構(gòu)成的批處理任務(wù)組，在原有科學(xué)工作流模型的基礎(chǔ)上形成了批處理科學(xué)工作流［６９］。??為了方便描述，對批處理科學(xué)工作流進(jìn)行如下建模：??１）圖３－２為一個批處理科學(xué)工作流ＤＡＧ?（Ｄｉｒｅｃｔｅｄ?Ａｃｙｃｌｉｃ?Ｇｒａｐｈ），對于一個標(biāo)??準(zhǔn)的ＤＡＧ圖來說，入口節(jié)點是其他所有任務(wù)的前驅(qū)節(jié)點，其優(yōu)先度是最高的，故在??所有任務(wù)節(jié)點中入口節(jié)點應(yīng)該最先獲得調(diào)度，出口節(jié)點與之同理［７＜）］。???２０＾—２０—２０；－?—１０—１０—１０—??????Ｃ（＾?ｄ）?＾））Ｂｏ?（ｊ）?＾）Ｔ?喊會?Ｊｇ〇Ｂ６??ｂｉ?ｂ?）Ｂ？??ｒＳ?￥））?Ｂｚ?（Ｓ?＆）?Ｂ５ｉ?ｋ?（§?＾）??Ｓｌ??ｉ任務(wù)單元（）任務(wù)批??圖３－２標(biāo)準(zhǔn)批處理科學(xué)工作流ＤＡＧ圖??Ｆｉｇ．３－２?Ｓｔａｎｄａｒｄ?ｂａｔｃｈ?ｐｒｏｃｅｓｓｉｎｇ?ｓｃｉｅｎｃｅ?ｗｏｒｋｆｌｏｗ?ＤＡＧ?ｄｉａｇｒａｍ??２）需要進(jìn)行任務(wù)調(diào)度的任務(wù)批為「Ｕ２，…，Ｃ）５其中（代表編號為／的任務(wù)節(jié)點。在??每一個任務(wù)節(jié)點上包含若干個子任務(wù)，即ｃ＝（（（ｉＵ（２），．ｗ），（（＊）代表彳任務(wù)節(jié)點上的??第左個任務(wù)包。??３）定義批處理科學(xué)工作流為有向無環(huán)圖ＤＡＧ，任務(wù)節(jié)點（為有向無環(huán)圖ＤＡＧ上??的一個節(jié)點。??４）假設(shè)云平臺提供Ｗ種不同類型的虛擬機，將任務(wù)節(jié)點（上的９個子任務(wù)調(diào)度到??不同虛擬機上的期望運行時間ＥＴＣ?（ｅｘｃｅｐｔｅｄ?ｔｉｍｅ?ｔｏ?ｃｏｍｐｕｔｅｒ）是一個所的矩陣，?

?４基于改進(jìn)遺傳算法的批處理科學(xué)工作流Ｄｅａｄｌｉｎｅ劃分方法???（?瓶?＾??ｉ??生成切始種群???］ｒ???ｉ十篤每個個體的適應(yīng)??度值???ｉｊｒ???以暖率遺傳ｓ子．￣??不■進(jìn)行交艾變舜操??作．淘汰劣質(zhì)解．：主成?ｉ??新的解。?ｊ?ｔｒ???］?ｒ???得－＿到新的種群??丄??７３Ｅ??經(jīng)過多次迭代達(dá)刻停止??條餑時，根據(jù)適應(yīng)度函??數(shù)保留一＾最＿??非關(guān)鍵蹈徑虛擬機使??用數(shù)Ｓ收縮操作???］［???（?親）??圖４－１改進(jìn)遺傳算法算法流程圖??Ｆｉｇ?．４－１?ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?ｉｍｐｒｏｖｅｄ?ｇｅｎｅｔｉｃ?ａｌｇｏｒｉｔｈｍ??２０??

【參考文獻(xiàn)】：
期刊論文
[1]基于云計算系統(tǒng)的數(shù)據(jù)傳輸安全與存儲安全的策略研究[J]. 趙瑞芬.  信息與電腦(理論版). 2018(23)
[2]云計算環(huán)境下虛擬機部署策略研究[J]. 袁愛平.  計算機與數(shù)字工程. 2018(08)
[3]截止時間約束云工作流調(diào)度代價優(yōu)化遺傳算法[J]. 余科軍,張建州.  計算機工程與設(shè)計. 2018(07)
[4]基于遺傳算法的云任務(wù)調(diào)度改進(jìn)算法[J]. 任金霞,黃藝培,鐘小康.  江西理工大學(xué)學(xué)報. 2018(03)
[5]云科學(xué)工作流中任務(wù)可完成性預(yù)測方法[J]. 吳修國,蘇瑋.  計算機研究與發(fā)展. 2018(03)
[6]云計算環(huán)境下基于改進(jìn)遺傳算法的多維約束任務(wù)調(diào)度研究[J]. 李超,戴炳榮,曠志光,吳小麗,孫融清.  小型微型計算機系統(tǒng). 2017(09)
[7]云計算環(huán)境下差異化資源的合理調(diào)度模型改進(jìn)[J]. 陳榕利,陳曉忠,方興.  現(xiàn)代電子技術(shù). 2017(12)
[8]云計算基于遺傳粒子群算法的多目標(biāo)任務(wù)調(diào)度[J]. 劉春燕,楊巍巍.  計算機技術(shù)與發(fā)展. 2017(02)
[9]基于混合遺傳算法的并行測試任務(wù)調(diào)度研究[J]. 秦勇,梁旭.  國外電子測量技術(shù). 2016(09)
[10]面向數(shù)據(jù)密集型工作流的QoS-aware調(diào)度算法[J]. 萬聰,王翠榮,王聰.  系統(tǒng)仿真學(xué)報. 2016(03)

博士論文
[1]云計算環(huán)境下工作流應(yīng)用的資源供應(yīng)方法[D]. 蔡志成.東南大學(xué) 2015

碩士論文
[1]面向云數(shù)據(jù)中心的動態(tài)高能效虛擬機調(diào)度算法研究[D]. 徐舒婷.西北大學(xué) 2017
[2]云計算環(huán)境下虛擬資源調(diào)度策略的研究[D]. 黃青.武漢理工大學(xué) 2017
[3]云環(huán)境下科學(xué)工作流執(zhí)行優(yōu)化策略的研究[D]. 段菊.西北師范大學(xué) 2016
[4]帶截止期約束的多模態(tài)云服務(wù)工作流調(diào)度方法[D]. 張躍.東南大學(xué) 2015
[5]云環(huán)境下的工作流調(diào)度方法研究[D]. 劉海濤.北京理工大學(xué) 2015
[6]云計算獨立任務(wù)及關(guān)聯(lián)任務(wù)調(diào)度算法研究[D]. 張曉磊.重慶大學(xué) 2014



本文編號：3073288