云計(jì)算環(huán)境中任務(wù)調(diào)度算法研究.pdf

1、云計(jì)算作為解決大數(shù)據(jù)和分布式計(jì)算的主要手段，將集群資源以服務(wù)的方式提供給用戶，用戶只需像使用水、電、煤氣一樣按需使用、按使用量付費(fèi)。隨著大數(shù)據(jù)時(shí)代的到來，云平臺(tái)下?lián)碛械闹鳈C(jī)越來越多，已經(jīng)達(dá)到成千上萬，集群規(guī)模越來越大，集群主機(jī)節(jié)點(diǎn)存在著大量的異構(gòu)性、多樣性、不確定性和模糊性，資源劃分與任務(wù)調(diào)度已經(jīng)成為云計(jì)算領(lǐng)域研究的重點(diǎn)和難點(diǎn)。在應(yīng)對高維矩陣運(yùn)算時(shí)，傳統(tǒng)的串行模糊聚類劃分存在運(yùn)算效率低、空間不足等嚴(yán)重的問題，消耗時(shí)間較長，無法達(dá)到云平臺(tái)

2、下資源聚類的時(shí)效要求。同時(shí)在聚類基礎(chǔ)上進(jìn)行任務(wù)調(diào)度的研究還存在著很多不足，大多只考慮完成時(shí)間，沒有兼顧用戶QoS和系統(tǒng)負(fù)載均衡。因此，有必要對任務(wù)調(diào)度算法進(jìn)行研究與改進(jìn)，使其更好的應(yīng)用于云計(jì)算領(lǐng)域中。
　　論文主要針對云計(jì)算中的資源聚類和任務(wù)調(diào)度問題進(jìn)行了研究，論文所作主要工作如下:
　　1.針對傳統(tǒng)串行聚類算法無法處理云計(jì)算中大規(guī)模矩陣運(yùn)算所出現(xiàn)的運(yùn)算效率低、甚至運(yùn)算空間不足無法聚類等問題，提出了模糊C均值聚類算法的一種基

3、于MapReduee的并行化解決方案，有效地縮短了聚類時(shí)間，大大提高了運(yùn)行效率。
　　2.針對目前云計(jì)算環(huán)境中調(diào)度算法的不足，在基本Min-Min算法的基礎(chǔ)上提出改進(jìn)，考慮完成時(shí)間和執(zhí)行費(fèi)用，兼顧了用戶QoS，有效地解決了傳統(tǒng)的Min-Min算法造成的負(fù)載不均衡問題，并極大地提高了用戶滿意度。
　　3.通過對CloudSim平臺(tái)的擴(kuò)展、重編譯、運(yùn)行，分別實(shí)現(xiàn)了基于模糊C均值算法的并行化資源聚類和基于用戶QoS的任務(wù)調(diào)度算法，