云平臺(tái)下基于多適應(yīng)度的改進(jìn)任務(wù)調(diào)度算法.pdf

1、隨著計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，云計(jì)算逐步作為一種全新的計(jì)算模型，被提出并不斷加以改進(jìn)，經(jīng)過(guò)學(xué)術(shù)界和產(chǎn)業(yè)界的共同推進(jìn)，正在從理論基礎(chǔ)走向?qū)嵺`，我國(guó)政府也投入了大量的財(cái)力和物力來(lái)幫促進(jìn)“云計(jì)算”產(chǎn)業(yè)在我國(guó)的發(fā)展，全球各大IT巨頭分別進(jìn)入云計(jì)算領(lǐng)域，例如谷歌、IBM，亞馬遜等，都在開(kāi)源的云計(jì)算平臺(tái)上改進(jìn)然后提出了自己的云計(jì)算平臺(tái)。云計(jì)算基本思想是把網(wǎng)絡(luò)中的海量用戶提交的作業(yè)分割成很多的小型的計(jì)算任務(wù)，然后交給由多個(gè)服務(wù)器組成的服務(wù)器集群來(lái)執(zhí)

2、行計(jì)算，云計(jì)算的用戶群是非常龐大的，因此任務(wù)數(shù)量也是非常巨大的，所以任務(wù)調(diào)度是云計(jì)算平臺(tái)實(shí)現(xiàn)的關(guān)鍵點(diǎn)。
　　云計(jì)算技術(shù)的商業(yè)特性決定了它需要滿足用戶多方面的計(jì)算服務(wù)需求，因此必須通過(guò)特殊的任務(wù)調(diào)度策略來(lái)為用戶提供更高質(zhì)量的計(jì)算服務(wù)水準(zhǔn)，實(shí)現(xiàn)將不同的作業(yè)根據(jù)環(huán)境的實(shí)際情況調(diào)度到合適的資源上執(zhí)行，現(xiàn)有的任務(wù)調(diào)度算法都存在一些或多或少的問(wèn)題，如FIFO算法會(huì)造成系統(tǒng)整體的運(yùn)行效率不高，資源利用率也不高；公平調(diào)度算法會(huì)出現(xiàn)負(fù)載均衡差，系統(tǒng)

3、響應(yīng)久，另外配置文件的好壞也會(huì)影響系統(tǒng)的性能；計(jì)算能力調(diào)度算法需要手動(dòng)設(shè)置隊(duì)列和隊(duì)列組從而使得整個(gè)系統(tǒng)的易用性比較差；另外還有一些研究人員通過(guò)借鑒遺傳算法、免疫算法、蟻群算法等的原理，通過(guò)對(duì)任務(wù)執(zhí)行的過(guò)程進(jìn)行動(dòng)態(tài)的監(jiān)控，根據(jù)任務(wù)的執(zhí)行結(jié)果的反饋信息，動(dòng)態(tài)的調(diào)整后續(xù)相關(guān)任務(wù)的分配執(zhí)行，但是存在QOS考慮不夠全面、初始種群生成不均勻以及進(jìn)化速度慢的問(wèn)題。
　　針對(duì)已有的基于相關(guān)算法的對(duì)服務(wù)質(zhì)量(QOS)考慮不全面，以及初始種群生成不均

4、勻、進(jìn)化速度慢等問(wèn)題，提出了一種基于多適應(yīng)度的改進(jìn)任務(wù)調(diào)度算法(Multi-fitness Task Scheduling Algorithm MFTSA)，利用多個(gè)適應(yīng)度函數(shù)來(lái)優(yōu)化算法，該算法可以使用戶在具有模擬的獨(dú)立計(jì)算的能力基礎(chǔ)上，根據(jù)QOS特征向量來(lái)進(jìn)行資源與相關(guān)任務(wù)的分配，使得算法在總?cè)蝿?wù)完成時(shí)間、任務(wù)平均完成時(shí)間、任務(wù)完成總費(fèi)用、任務(wù)的安全性等級(jí)、可靠性等級(jí)、能耗等級(jí)方面均可以得到提高，這樣就可以區(qū)分開(kāi)不同用戶的不同需求，為