分享到:

基于并行遗传算法的对称多处理器任务调度策略研究

任务分配问题是公认的NP难问题。文章在以往有关多处理机任务分配算法的  (本文共4页) 阅读全文>>

《信息与电脑(理论版)》2016年17期
信息与电脑(理论版)

云计算任务调度策略研究

在任务量繁重的云计算中,高效快捷的调度将会大大地缩短完成任务所需要的时间,同时有效地提高资源利用率。由于目前云计算的时间利用效...  (本文共2页) 阅读全文>>

《计算机技术与发展》2017年01期
计算机技术与发展

云计算环境下基于马氏距离的任务调度策略研究

针对现有的云计算环境下的任务调度策略缺乏考虑用户任务偏好从而导致虚拟机资源利用不充分、用户对服务质量满意度不高等问题,提出了云计算环境下基于马氏距离的任务调度策略。该策略利用任...  (本文共4页) 阅读全文>>

重庆邮电大学
重庆邮电大学

QoS约束下基于蚁群算法的云计算任务调度策略研究

任务调度是云计算运行过程的重要环节,关乎着调度系统的整体性能。基于云计算的基础设施、平台、软件三层服务体系中均关联着任务调度与资源分配问题。好的任务调度算法可缩短任务完成时间,减少任务完成成本,从而提高用户满意度。基于云计算动态伸缩特征,在满足用户需求变化的条件下,实现计算资源高效率分配成为任务调度中研究热点。蚁群算法在解决NP-hard问题的云计算任务调度中广泛应用,并取得较好的调度效果。但蚁群算法的缺陷是初始信息素匮乏、容易陷入局部最优解。现有调度算法优化目标相对单一,大部分调度模型仅考虑任务完成时间、负载均衡、用户满意度等指标中的单一目标。对于用户任务具有截止完成时间和预期费用QoS(Quality of Service)约束下优化用户满意度的调度策略考虑较少。本文提出一种QoS约束下基于蚁群算法的云计算任务调度策略。本文的研究内容是任务调度到虚拟机上的策略问题。目的是提高虚拟机资源利用率的同时减少任务消耗时间并提升用户综...  (本文共63页) 本文目录 | 阅读全文>>

重庆邮电大学
重庆邮电大学

Spark平台中基于权重优先任务调度策略的内存优化算法研究

在大数据飞速发展的时代,传统的数据存储和计算能力已经无法满足大众的需求,因此Spark现已成为当前分布式计算框架的典型代表。然而随着Spark的发展,集群规模迅速扩大,如何合理地利用集群资源成为了当前研究的热门话题。Shuffle是介于Map和Reduce之间的重要阶段,因此Shuffle阶段的性能优劣会直接影响整个系统的运行效率。本文从Spark Shuffle过程的Task任务调度和内存分配两个方面,对Spark平台进行研究和改进。本文研究工作分为两部分,即提出基于权重优先的Task任务调度策略以及优化的空闲内存二次分配算法。具体完成了以下工作:1.对于Task任务使用默认调度策略而导致在Worker节点上负载不均衡的问题,本文提出了一种基于权重优先的Task任务调度策略。首先将Task按照资源需求量和读取速度分类;并实时监测各个Worker节点的情况,通过将CPU利用率、内存利用率以及单个Worker节点上Task任务的负...  (本文共75页) 本文目录 | 阅读全文>>

重庆邮电大学
重庆邮电大学

云环境下基于多目标优化的任务调度策略研究

任务调度策略则是云计算面对的一个不可避免的问题,良好的系统运行效率和较高的用户满意度需要一个较好的任务调度策略来支撑。在这种情况下,如何优化云计算中的任务调度策略来提高系统的运行效率和用户的满意度一直是云计算领域的研究热点和难点。目前,云计算中的任务调度策略种类较多,但大多数算法优化目标比较单一,以负载均衡、任务完成时间、成本或者能耗四个目标中的一个为优化目标的算法占多数。多目标优化的调度策略比如:以任务完成时间、成本和负载均衡三者共同作为优化目标的算法还比较少,也不够深入和全面。此外,蚁群算法在解决NP-hard问题方面应用比较广泛,而云计算任务调度就是这方面的问题。但是标准的蚁群算法具有容易陷入局部最优、在缺乏初始信息素的情况下收敛速度较慢等问题,经过改进的蚁群算法在应用到云计算任务调度的时候也具有优化目标单一的问题,将任务完成时间、任务完成成本和负载均衡三者作为共同的优化目标的蚁群算法还比较少。本文在对蚁群算法和现有的任务...  (本文共70页) 本文目录 | 阅读全文>>