云平台下任务调度算法的研究

第一章绪论 (1)

1.1 研究工作的背景与意义 (1)

1.2 国内外研究现状和发展 (3)

1.2.1 云计算研究现状 (3)

1.2.2 任务调度策略研究现状 (7)

1.3 本文的主要研究内容 (8)

1.4 本论文的结构安排 (8)

第二章云计算任务调度的理论基础 (10)

2.1 云计算概述 (10)

2.1.1 云计算的定义 (10)

2.1.2 云计算的核心技术 (12)

2.1.3 云平台 (13)

2.2云环境下任务调度相关技术与理论基础 (15)

2.2.1 云计算技术体系结构 (15)

2.2.2 虚拟化技术 (16)

2.2.3 并行编程模式 (17)

2.3云环境下与网格计算、分布式计算任务调度的关系 (18)

2.3.1任务调度 (18)

2.3.2 云计算任务调度与网格计算、分布式计算任务调度的比较 (20)

2.4 本章小结 (21)

第三章一种云计算任务调度算法FPA (22)

3.1 群智能优化算法 (22)

3.2粒子群优化算法 (22)

3.2.1粒子群优化算法原理 (22)

3.2.2粒子群优化算法参数设置 (24)

3.2.3粒子群算法的优缺点 (25)

3.3 蜂群算法 (25)

3.3.1 蜜蜂采蜜行为 (25)

3.3.2 蜂群算法的数学模型 (26)

3.3.3 蜂群算法流程 (27)

3.3.4蜂群算法的优缺点 (29)

3.4 FPA算法 (29)

3.4.1 FPA算法原理 (29)

3.4.2 FPA时间复杂度 (33)

3.4.3仿真实验 (34)

3.5 本章小结 (41)

第四章基于数据选择层的调度策略 (42)

4.1 HADOOP云平台 (42)

4.1.1 Hadoop的基本组件 (42)

4.1.2 HDFS (43)

4.2 选择层的背景 (44)

4.3 基于策略选择层的调度策略 (45)

4.3.1 海量数据的抽样 (45)

4.3.2 策略选择层调度策略的实现 (46)

4.4 数据选择层 (47)

4.4.1 数据选择层概述 (47)

4.4.2 数据选择层采用的算法 (48)

4.5 一种基于数据选择层调度策略的提出 (50)

4.5.1 数据分类策略 (50)

4.5.2 数据选择层的实现 (50)

4.6本章小结 (53)

第五章实验与结果分析 (55)

5.1 CLOUDSIM简介 (55)

5.2 实验方案 (56)

5.3 仿真实验结果分析 (58)

5.3.1任务完成总时间对比分析 (58)

5.3.2集群资源利用情况的分析 (59)

5.3.3系统吞吐率分析 (61)

5.4 本章小结 (62)

第六章总结与展望 (63)

6.1 全文总结 (63)

6.2 后续工作展望 (63)

致谢 (65)

参考文献 (66)

第一章绪论

随着计算机网络技术的发展，人们已经进入了大数据时代，每时每刻都会有大量的数据产生。数据是新型技术发展的背后动力，并且蕴含着无尽的商机，使得越来越多的企业投入到了数据领域的研究，作为分布式以及网格计算发展的云计算[1-2]技术应运而生。在大数据时代，如何行之有效的管理日益增长的数据量，如何从大量的数据当中提取出有用的信息，也就是说使数据由“数”到“据”的转化问题，成为当今IT企业以及研究机构迫切需要解决的难题。云计算致力于为人们提供快速且可靠的服务，而任务调度的优化以及负载均衡的发展成为了限制云计算服务质量的关键因素。

1.1 研究工作的背景与意义

新世纪以来，计算机网络技术迅猛发展，现在计算机网络已经深入到各行各业当中，甚至深入到每家每户当中。截至2014年12月，我国网民规模达6.49亿（如图1-1所示），全年共计新增网民3117万人。互联网普及率为47.9%，较2013年底提升了2.1个百分点[3]。计算机网络技术的迅猛发展给人们的生活带来便利，同时，也给从事计算机网络相关的人员带来了压力，从Intel公司的调查结果得知，随着计算机网络内节点的增加，计算机网络每天需要处理的数据量呈现指数级的增长，使得服务器面临巨大的挑战。

图1-1 中国网民规模和互联网普及率示意图