云計算任務調度算法研究

湖北工業大學 湛小舟

云計算任務調度算法研究

湖北工業大學 湛小舟

本文將成為一個熱門話題，到云計算平臺的信任機制是一個不錯的選擇。信任模型是抽象和總結了人類的信任關系的基礎上，現在已成為信息安全領域的重要研究分支，但信任模型仍處于初始階段，許多問題還需要深入研究和討論。

云計算；任務；調度；算法；研究

云計算是國內和國外商業和研究機構，網格計算，并行計算的熱點之一，分布式計算的發展是一個新興的商業計算模型。它采用了成熟的虛擬化數據中心的資源包在互聯網上提供給用戶點播服務。作業調度和資源分配的兩項關鍵技術，云計算和云計算業務，與對用戶的服務質量有關，虛擬化技術使資源分配和作業調度是從不同的過去，并行分布式計算。云計算最大的分布式計算模型，它使用相分離的“生產者”和“消費者”為客戶服務的商業模式，并使用最新的虛擬化技術之間的差異，將“云”端豐富的資源滿足互聯網上的用戶，從而最大限度地發揮其作用。但云計算環境需要大規模分布式計算機服務支持，僅僅依靠傳統的安全技術已經不能滿足用戶數據安全的需求，以及如何確保“云”端的數據，以解決云計算平臺的安全可靠性的核心任務，近年來，越來越多的用戶和學者關注的一系列問題，如云計算的安全性和可靠性。

以適應當今信息產品飛速發展的時代的IBM、谷歌、微軟、雅虎和其他行業的巨頭[2]，云計算一個巨大的優勢和強大生命力的推動下，云計算，這將徹底改變了信息產業的結構軟件組織生產和信息消費模式，使人們用更廣闊的視野來看待所有的人都在這個方向，發展和進步的同時。云計算最終將成為全球所有的東西連接，形成一個有機的整體。云計算的理念是“一切服務，”這是一個兼收并蓄，包容一切的思想。這給IT部門的想法，以更廣闊的視野思考和解決問題。面向服務的云計算基礎設施的開發和運行平臺，軟件作為的服務。顧客們沒有購買的存儲容量或擴展硬件成本高，沒有實現，維護和升級軟件，ISP會在各種云的服務器架構，為客戶提供各種服務，項目開發、維修人員，可以負責云運行、維護、升級。

在本文中，建議針對不同的應用和服務模式，在云計算基礎設施（硬件，軟件，服務），在云環境中，能源性能（能耗，散熱），該系統的設計負荷觀點。不同的CloudSim平臺模擬任務調度和資源分配策略，以量化一個非常具有挑戰性的問題。為了簡化這個過程中，云計算的模擬仿真CloudSim：廣義的，可擴展的云計算仿真框架，以實現云計算基礎設施和管理服務的無縫建模，仿真和實驗。CloudSim平臺是一個網格實驗室，并于2009年4月，澳大利亞墨爾本大學Gridbus項目宣布推出一個開源框架，它是云計算基礎設施和服務平臺的建模和模擬的框架。CloudSim離散事件仿真包SimJava庫，跨平臺的Linux和Windows操作系統上運行的基礎上開發的，Cloudsim繼承GridSim的編程模型，支持云計算研究，模擬和發展。CloudSim主要特點和功能：

（1）以支持大型數據中心，云計算，模擬和建模。

（2）將舉辦的資源分配到虛擬機的自訂政策，支持虛擬服務器主機的建模與仿真。

（3）支持節能意識的計算資源。

（4）支持模擬和建模。

鳥類捕食過程中，每只鳥找到食物最簡單和最有效的方法是搜索周邊地區的距離食物的鳥。Kennedy和Eberhart通過對鳥類捕食過程中的分析和模擬，在1995年最先提出了原始的PSO算法。與遺傳算法相比，PSO算法概念簡單，計算快速，易于實現，并沒有太多的參數需要調整的優勢。因為這些諸多優點的算法之一，已引起了廣大學者的關注，不斷涌現出的各種信息的PSO算法的應用研究，有力地推動了PSO算法的研究成果。許多研究者的參數集，收斂，拓撲結構，傳統的PSO算法和其他算法，集成的角度來看，各種改善其不足之處，為了提高算法的性能。

云計算環境的應用，可以輕松地提供和虛擬資源動態分配，用戶點擊的是，要使用的服務。如果只考慮應用程序的執行時間可能會導致大量的數據檢索和執法成本。此外，優化的運行時間、資源以及實施成本之間的數據傳輸的成本也必須加以考慮。在云環境中的任務調度是作為一個起點，其實質是n個獨立的任務綁定到M的可用資源，使總的執行時間分配任務的前提下，不超過前值總計算最低的成本和資源得到充分利用。本文的目的是要落實在分配的資源，計算總成本盡可能最小化，即如何分配最合理的應用任務。

云計算正在迅速發展，已經成為商業組織、科研單位和高等院校研究的熱點。本文著重研究了云計算的關鍵技術之一——任務調度策略，提出了一種基于PSO算法的云任務調度策略。結合本論文所作的研究工作，具體結論有以下幾點：

首先，本文重點介紹了研究云計算任務調度的背景和意義，當前國內外研究現狀；其次，詳細介紹了云計算的概念，云計算背景，定義，特點，體系結構及其關鍵技術，并且介紹了目前比較成功的云計算平臺；再次，介紹了云計算仿真平臺CloudSim，如何配置CloudSim，如何擴展CloudSim，對CloudSim的仿真步驟進行了介紹，最后對該平臺自帶的實例進行了仿真實驗；

第四，介紹了粒子群優化算法的基本概念；

第五，是本文最主要的工作，提出了基于PSO的云計算任務調度算法，在云計算模擬仿真器CloudSim平臺上，分別利用標準PSO算法和平臺自帶的方法，在云任務調度過程中尋找任務-資源最優匹配對。實驗結果表明，在改變應用程序總數據量大小和改變VM數量2種情況下，該標準的PSO算法比CloudSim原有調度算法更能有效地完成云計算環境中任務調度與資源分配的工作，在兼顧云系統執行效率的情況下，達到了降低云任務執行成本的目的。

最后，提出了一種改進的PSO算法，考慮到云計算任務調度和資源負載平衡的優化問題，下一步的工作是提出一種基于改進的粒子群優化算法的云任務調度模型。

[1]張建勛,古志民,鄭超.云計算研究進展綜述[J].計算機應用研究,2010,27(2):429-433.

[2]Iosup A,Ostermann S,Yigitbasi M N.Performance Analysis of Cloud Computing Services for Many-tasks Scientific Computing[J].IEEE Trans.on Parallel and Distributed System,2011,22(6):931-945.

[3]陳全,鄧倩妮.云計算及其關鍵技術[J].計算機應用,2009,29(9):2562-2567.

[4]華夏渝,鄭俊,胡文心.基于云計算環境的蟻群優化計算資源分配算法[J].華中師范大學學報,2010,49(1):127-134.

2017-09-10）