云計算環(huán)境中任務調(diào)度算法研究.pdf

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

2、下資源聚類的時效要求。同時在聚類基礎(chǔ)上進行任務調(diào)度的研究還存在著很多不足，大多只考慮完成時間，沒有兼顧用戶QoS和系統(tǒng)負載均衡。因此，有必要對任務調(diào)度算法進行研究與改進，使其更好的應用于云計算領(lǐng)域中。
　　論文主要針對云計算中的資源聚類和任務調(diào)度問題進行了研究，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算中大規(guī)模矩陣運算所出現(xiàn)的運算效率低、甚至運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間，大大提高了運行效率。
　　2.針對目前云計算環(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，考慮完成時間和執(zhí)行費用，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平臺的擴展、重編譯、運行，分別實現(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的任務調(diào)度算法，