论文部分内容阅读
云计算已经成为一个重要的信息和通信技术的创新,正在潜在地改变着计算资源的消耗和提供的方式。在云计算环境中有成千上万的虚拟机,很难通过手动来分配任务,因此我们需要有效的算法来解决任务调度问题。云环境下的任务调度影响着云平台系统的整体运行效率,如何有效地利用云环境中的资源,使大量的任务进行合理高效的调度变得至关重要。针对云任务调度问题展开了研究,主要工作如下:(1)针对云计算中的独立任务调度问题,综合考量任务完成时间以及用户满意度,构造了一种基于生物共生演的调度算法(CTS-SOS)。首先,对任务加入期望完成时间的属性,重新构建对云计算下任务模型和调度模型;其次,以任务完成时间作为适应度函数,并通过用户满意度来动态调节任务优先级,在降低用户完成时间的同时提高用户的满意度;然后,针对生物共生演算法的连续搜索空间,对生物共生演算法进行改进,使其适应于离散大规模的任务调度问题。(2)针对云计算环境中的工作流任务调度问题,充分考虑任务完成时间以及用户花费两个约束条件,给出了一种基于生物共生演的多维QoS约束的工作流任务调度算法(QoS-SOS)。首先,提出了一种新的QoS-SOS调度模型,模型的任务处理单元可设计成一个独立的中间件模块用于实际的任务调度场景;其次,为工作流中的每个子任务分配适当的优先级值;然后在生物共生演算法当中加入支配解的思想,从而获得分布均匀的Pareto最优解集来解决多维QoS约束的工作流任务调度问题。(3)对上述两方面的工作进行了仿真实验。实验结果表明,CTS-SOS算法不仅能够有效地降低用户任务完成时间,而且还可以提高用户满意度,证明了算法的有效性;QoS-SOS算法不仅性能方面表现极为显著,极大程度上优化了工作流调度的时间和成本,而且还可以依据用户的偏好选择侧重不同的优化方案,从而适应于大规模的云环境。