论文部分内容阅读
云计算是一种以有偿提供资源作为服务的商业化计算模式，其中，如何根据集群负载与用户服务水平，对资源进行合理、有效的分配是云计算研究的重要内容，但目前该领域还存在如资源使用失衡、高能耗及任务需求约束等问题，此类问题将极大影响集群的调度效率与服务质量，因此在面向集群调度或资源整合时若能考虑集群负载，任务约束等条件，有针对性地设置任务调度与资源整合策略将有利于调度效率和服务质量的提高。 本课题首先对云计算中任务调度与负载迁移等问题进行了比较全面的调研。阐述了目前云计算调度与迁移问题等重要分支的研究现状，重点分析任务调度与负载迁移研究中存在的关键问题，并针对此类问题，将三支决策的“分治”思想引入到云计算中，结合集群负载，任务约束等因素提出了一系列的优化方法。 (1)针对资源动态性及任务对资源需求的多样化特性，本课题提出了一个三支聚类评分调度算法(three-way clustering weight Algorithm)。 首先从资源请求的维度为任务建模;然后根据三支聚类算法对任务集合进行聚类划分，得出最优聚类模型;接着基于该模型，以评分矩阵记录类簇任务对资源的需求比重，确定任务偏好;最后结合评分矩阵与任务属性，为各类簇核心、边缘任务设置调度策略。本文在cloudsim3.0仿真环境中验证了TWCW的优化效果，实验结果证明，任务聚类调度明显有利于提高调度效率，且相对于其它二支分类算法，TWCW调度方法在集群平均响应时间与资源利用率等方面都有很好的表现。 (2)针对集群能耗与资源使用失衡问题，本课题提出了自适应阈值迁移算法(The Adaptive Thresholds Migration Algorithm)。 首先根据集群资源使用情况评估节点负载，然后通过源虚机预迁移、目标主机预选与代价评估函数，确定集群闲置、正常与过载节点的有效三支划分，接着采用关闭闲置主机，迁移过量负载的方式，整合集群资源。最后通过Cloudsim3.0云仿真平台进行验证，结果显示，相比于静态阈值设置方案与其他迁移算法，本文的ATM算法在能耗与资源利用率等方面表现突出，从而证明了ATM算法的有效性。