云計算應(yīng)用中的任務(wù)調(diào)度與資源分配的協(xié)同優(yōu)化.pdf

1、隨著業(yè)務(wù)的發(fā)展，越來越多的企業(yè)或組織開始采用基于多數(shù)據(jù)中心的云環(huán)境甚至多云環(huán)境為用戶提供服務(wù)。多數(shù)據(jù)中心或多云可以為不同地理位置的用戶提供時延更短、帶寬更高、成本更低的服務(wù)，同時多數(shù)據(jù)中心間可構(gòu)建互為容災(zāi)備份機(jī)制，從而提供高可靠的服務(wù)。多數(shù)據(jù)中心在提供更好的服務(wù)性能的同時，也增加了云應(yīng)用管理的復(fù)雜性和挑戰(zhàn)性。一方面，多數(shù)據(jù)中心環(huán)境將出現(xiàn)大規(guī)模的用戶到數(shù)據(jù)中心(U2D)和數(shù)據(jù)中心到數(shù)據(jù)中心(D2D)的任務(wù)，這些任務(wù)通常包含大量待處理數(shù)據(jù)，

2、有較高的計算、存儲、網(wǎng)絡(luò)等多維資源的需求。另一方面，多數(shù)據(jù)中心或多云環(huán)境存在大量不同類型、不同粒度的異構(gòu)資源，這些資源的配置、性能、費用模型都不盡相同。
　　隨著基礎(chǔ)設(shè)施地資源規(guī)模和異構(gòu)性地增加，越來越多的企業(yè)將基礎(chǔ)設(shè)施的管理和應(yīng)用開發(fā)分離，使得應(yīng)用開發(fā)人員可以敏捷開發(fā)，從而快速地應(yīng)對用戶需求和市場變化。這必將導(dǎo)致任務(wù)調(diào)度和資源分配分離，會帶來一定程度的資源浪費和應(yīng)用性能下降。現(xiàn)有的調(diào)度策略也未能充分考慮多數(shù)據(jù)中心環(huán)境的資源異構(gòu)性

3、以及云任務(wù)的特性，難以做到針對性的優(yōu)化。因此，研究多數(shù)據(jù)中心云環(huán)境下的任務(wù)調(diào)度和資源分配的協(xié)同優(yōu)化具有重要的理論和現(xiàn)實意義。
　　針對多數(shù)據(jù)中心環(huán)境下云任務(wù)調(diào)度的問題，本文從U2D和D2D云任務(wù)的特征出發(fā)，圍繞其在多數(shù)據(jù)中心環(huán)境下的調(diào)度機(jī)制和資源分配方式展開研究。本文的主要工作包括以下三個方面:
　　首先，本文研究了多數(shù)據(jù)中心環(huán)境下的U2D任務(wù)調(diào)度問題。為了更好地應(yīng)對資源異構(gòu)性，這里選取了較為復(fù)雜的混合云環(huán)境進(jìn)行研究。首先針

4、對不同區(qū)域的用戶請求和多數(shù)據(jù)中心環(huán)境進(jìn)行建模，設(shè)計了基于混合云的U2D任務(wù)服務(wù)模型和效益最大化優(yōu)化模型。然后，分別針對靜態(tài)和動態(tài)場景做具體分析，并設(shè)計相應(yīng)的分布式調(diào)度算法實現(xiàn)各區(qū)域的任務(wù)調(diào)度、私有云和公有云數(shù)據(jù)中心上的任務(wù)調(diào)度和資源分配。該算法分層分布式地實現(xiàn)了混合云中的任務(wù)調(diào)度和異構(gòu)資源分配，可以應(yīng)對大規(guī)模的U2D任務(wù)請求。仿真結(jié)果表明，該算法能夠保證任務(wù)時延需求，相對于基于提前預(yù)知的T-slot算法可以實現(xiàn)較高的服務(wù)效益，并顯著降低

5、算法運行時間。
　　其次，本文研究了多數(shù)據(jù)中心環(huán)境下的D2D任務(wù)調(diào)度問題。數(shù)據(jù)中心間網(wǎng)絡(luò)(Inter-DC)存在大量的數(shù)據(jù)同步或備份任務(wù)，這些任務(wù)通常具有任播特性，并且可以通過存儲-轉(zhuǎn)發(fā)機(jī)制實現(xiàn)數(shù)據(jù)傳輸。本研究首先結(jié)合上述這兩個特性，提出GlobalAny傳輸機(jī)制，動態(tài)地全局選擇任播目的數(shù)據(jù)中心。然后，本文設(shè)計了效益最大化模型，并利用BackPressure算法提出了逐跳的GlobalAny傳輸算法。為了降低傳輸時延，本文還綜合逐

6、跳傳輸和直接傳輸?shù)奶攸c，設(shè)計了數(shù)據(jù)傳輸?shù)募铀偎惴℅lobalAny_Ext。仿真結(jié)果表明，GlobalAny算法提高了平均服務(wù)效益，降低了算法運行時間，而傳輸加速方案GlobalAny_Ext則顯著降低了任務(wù)的時延。
　　最后，本文研究了多層Inter-DC光網(wǎng)絡(luò)(ML-IDCON)中的DoT任務(wù)調(diào)度問題。區(qū)別于普通IP網(wǎng)絡(luò)，光網(wǎng)絡(luò)擁有較大帶寬，但需要提前建立光路，并且資源分配粒度較大，因此ML-IDCON成為大型云服務(wù)商的選擇。

7、針對ML-IDCON中的DoT調(diào)度問題，本研究首先嘗試?yán)肐P層剩余的帶寬資源實現(xiàn)數(shù)據(jù)傳輸，即通過時間擴(kuò)展網(wǎng)絡(luò)(TEN)方法將多數(shù)據(jù)中心環(huán)境中動態(tài)的網(wǎng)絡(luò)、計算、存儲資源分配問題轉(zhuǎn)化為靜態(tài)的網(wǎng)絡(luò)流問題，并采用最小費用最大流算法來降低任務(wù)調(diào)度成本。若IP層資源不足，本研究將利用寬度優(yōu)先搜索方法，迭代地在傳輸路徑上找到成本最低的光路建立方案，并實現(xiàn)DoT調(diào)度和處理。仿真結(jié)果表明，對于DoT調(diào)度，靈活柵格ML-IDCON在阻塞概率，收發(fā)器的能量