發(fā)布時間：2024-05-21 06:28

　　云計算產(chǎn)業(yè)的不斷升級和技術革新,使用戶對云計算提出了更高的要求。任務調(diào)度作為云計算中的核心算法,影響著用戶的使用體驗和云平臺的服務效率。但隨著任務數(shù)量和規(guī)模的不斷激增、數(shù)據(jù)中心能耗占比不斷增加的情況下,合理高效的任務調(diào)度算法成為了云計算研究中的重點及難點問題。一般的任務調(diào)度算法,缺乏對實際數(shù)據(jù)中心負載特征的細致分析,同時很少對任務和資源進行劃分,而增加了任務選擇資源的范圍。因此,本文根據(jù)實際數(shù)據(jù)中心任務到達的特性和任務自身的特點,以各時間段內(nèi)到達的任務構建動態(tài)任務流,提出了一種面向動態(tài)任務流的粗粒度任務調(diào)度算法,并利用仿真平臺對提出的算法進行了實驗對比分析。主要研究工作如下:(1)數(shù)據(jù)中心集群跟蹤數(shù)據(jù)的負載統(tǒng)計和分析。根據(jù)Google集群跟蹤數(shù)據(jù)對數(shù)據(jù)中心負載進行統(tǒng)計與分析,包括機器統(tǒng)計概況:各種機器事件分布統(tǒng)計、每天機器數(shù)量分布統(tǒng)計、機器聚類分析;作業(yè)統(tǒng)計概況:每天Job數(shù)量統(tǒng)計、Job中task數(shù)量分布、Job等待和運行時間、任務聚類分析。數(shù)據(jù)中心負載統(tǒng)計和分析的結果,可以作為數(shù)據(jù)中心任務調(diào)度的依據(jù)和支撐。(2)提出了一種任務負載預測模型及任務時間段劃分的虛擬機開啟策略。根據(jù)上述數(shù)...

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

圖1-1論文組織結構圖

8采用貪心調(diào)度策略。第5章總結與展望。概述了文章的主要研究內(nèi)容，并對未來繼續(xù)研究該方面內(nèi)容進行了規(guī)劃和展望。圖1-1論文組織結構圖

圖2-1云服務層次結構圖

10層框架，包括系統(tǒng)、服務器、網(wǎng)絡和操作系統(tǒng)等；平臺即服務提供部署到云基礎架構的功能，用戶使用PaaS提供的一組編程語言和工具生成應用程序，通過其平臺向其他的用戶提供服務，它的價值在于可以提供軟件開發(fā)所需的基礎功能模塊，特別是非核心，但又有普遍需求的模塊，例如通訊、存儲、推送等；....

圖2-2數(shù)據(jù)中心任務資源調(diào)度整體流程

11遇到的，所以需要設計合理高效的云計算數(shù)據(jù)中心任務資源調(diào)度算法，以適應和滿足不同業(yè)務場合的不同需求。圖2-2闡明了一個數(shù)據(jù)中心任務資源調(diào)度的整體流程，從圖中可以看出任務的調(diào)度分為多個步驟，各個步驟的具體描述如下：（1）用戶提交任務請求：用戶通過任務請求的方式向數(shù)據(jù)中心發(fā)出請求。....

圖2-3Job和task狀態(tài)轉換圖

13機器屬性表是表示機器屬性的鍵值對，例如內(nèi)核版本、時鐘頻率、外部IP地址等。它由列表示，包括時間戳、機器ID、屬性名稱和值，它還包含有關是否刪除屬性的布爾值信息。任務可以指定機器屬性的約束，如果該屬性名稱的值較少，則機器屬性值以整數(shù)形式提供，否則為機密屬性值。（3）作業(yè)事件表作....

本文編號：3979730