基于车联网应用的云平台任务调度算法

在云平台车联网优化调度问题的研究中,车联网具有多用户、多业务、高并发等特点.为了保障车联网应用在云平台上快速、稳定和可靠的运行,在云计算的基础上,提出一种基于车联网应用的MCT-LB-GSA(Minimum Completion Time-Load Balance-Greedy Scheduling Algorithm)任务调度算法.算法以虚拟机资源的当前负载作为约束条件,依照贪心策略将任务调度到当前负载较轻且具有最小任务完成时间上的虚拟机资源上.在CloudSim环境下进行了仿真,结果表明,改进算法在保证最优任务调度跨度的同时也有效地实现了资源负载均衡,提高了资源利用率.     

双层虚拟化云架构下任务调度能耗优化算法

虚拟机上部署容器的双层虚拟化云架构在云数据中心中的使用越来越广泛.为了解决该架构下云数据中心的能耗问题,提出了一种工作流任务调度算法TUMS-RTC.针对有截止时间约束的并行工作流,算法将调度过程划分为时间利用率最大化调度和运行时间压缩两个阶段.时间利用率最大化调度通过充分使用给定的时间范围减少完成工作流所需的虚拟机和...     

基于并行强化学习的云机器人任务调度策略

为了解决机器人完成大规模状态空间强化学习任务时收敛慢的问题，提出一种基于优先级的并行强化学习任务调度策略。首先，证明Q学习在异步并行计算模式下的收敛性；然后，将复杂问题根据状态空间进行分割，调度中心根据所提策略将子问题和计算节点匹配，各计算节点完成子问题的强化学习任务并向调度中心反馈结果，实现在计算机集群中的并行强化学习；最后，以CloudSim为软件基础搭建实验环境，求解最优步长、折扣率和子问题规模等参数，并通过对实际问题求解证明在不同计算节点数的情况下所提策略的性能。在使用64个计算节点的情况下所提策略相比轮询调度和随机调度的效率分别提升了61%和86%。实验结果表明，该策略在并行计算情况下有效提高了收敛速度，并进一步验证了该策略得到百万级状态空间控制问题的最优策略需要约1.6×10⁵ s。     

基于任务进度感知的异构Hadoop云平台任务调度方案

针对异构Hadoop云计算平台的任务调度问题,对Hadoop 推测执行调度和LATE调度方案进行研究,提出一种基于任务进度感知的自适应任务调度方案。首先,根据当前计算节点上的任务进度情况,估计任务近似完成时间(ATE),以此确定掉队者(Straggler)任务。然后,以平均节点任务进度的25%为阈值,将节点分为慢节点和快节点。当Straggler后备任务达到一定阈值时,将其优先分配到快节点中执行。实验结果表明,提出的方案能够为异构Hadoop平台合理分配任务,有效降低了任务完成时间和响应延迟,同时提高了平台吞吐量。     

面向云制造平台的模型修复算法及任务调度算法的研究

随着三维打印技术的发展,面向3D打印服务的云制造平台也得到快速发展,改变着传统的制造模式。然而目前的云制造平台也面临着诸多问题,针对目前存在的模型修复难度高及任务不能合理调度的问题,本文提出了保特征的模型修复算法和基于遗传算法的任务调度算法,并通过实验和仿真验证了算法的有效性。为了更好的体现算法效果,本文搭建了一个基于分布式制造的云制造平台,该平台配合模型自动修复算法以及基于遗传算法的任务调度算法,为用户提供低门槛、高效、优质的3D打印服务。     

一种基于改进樽海鞘算法的云仿真任务调度的研究

云平台通常允许多个任务在云环境中同时执行,而任务调度是实现更好云计算性能的重要部分,其调度的效率直接影响到云平台计算资源利用率以及用户服务质量.针对云计算任务调度的核心寻求解的最优化问题,本文提出了一种混合算法,称为樽海鞘改进算法.此算法融合了反向学习原理扩大搜索空间,能够自适应的改变领导者的位置,并使得追随者根据几位领导者的位置更新自己,避免解陷入局部最优.本文采用CEC常用的23组测试函数进行测试,将结果与多个经典算法进行比较,证明了樽海鞘改进算法的优越性.同时在云仿真平台上进行模拟在云平台上进行任务调度的过程,通过与其他的几种算法的比较,证明了樽海鞘优化算法在任务调度方面应用的可行性,且有效缩短了云任务的完成时间,降低了完成成本.     

能耗优化的流媒体传输任务调度研究

随着信息技术和网络技术的迅速发展,三网融合使得智能电视系统迅速发展,随着云计算技术的出现,基于云计算构架的流媒体平台成为智能电视主流发展方向。智能电视系统提供的视频点播业务迅猛增长,其相应的流媒体传输任务无论在性能上,还是能耗上都成为需要解决的问题。针对智能电视系统中视频点播业务的流媒体传输任务调度问题,提出了一种能耗优化的流媒体传输任务调度算法。该算法根据预测任务时间长度区分不同类型的任务并分别分配到各自类型的节点执行,将碎片化的任务集中调度,让尽可能少的服务器以较高负载状态执行任务从而达到整体能耗减少的目的。相关实验结果表明,该算法可以在不影响服务质量的前提下对能耗实现一定程度的优化。     

基于移动云平台的移动应用节能任务迁移方案

移动设备在计算能力和电池容量上的局限性,促使研究人员研究一种节能机制,以最大化利用有限的手机资源。其中,新兴的移动云计算(MCC)为此提供了一种新的解决方法。MCC中,移动应用程序的一部分借助具有强大计算资源的远程服务器执行,从而提高了移动设备的性能。基于克隆云,构建移动端与云端的任务迁移优化调度方案,在有向无环图中求解带约束随机最短路径问题,并设计一种基于遗传算法(GA)的迁移调度算法,以获得任务迁移的最优方案。本文所提出的方案,在理论和实践上都具备一定的可行性,且使用时简洁方便。它使用户能够通过自己的移动设备灵活进行任务决策,将任务发送到克隆云端,无需更改应用程序代码。此外,该方案有助于移动用户并行处理应用计算任务。Android智能手机中的真实测试平台实验表明,笔者提出的任务迁移优化调度方案,能有效节约手机能耗,满足应用性能的需求,在智能手机上的节能效率最高可达60%。     

基于QoS的云任务调度算法研究

随着云计算的发展,越来越多的人开始使用云来处理他们的业务,这对公有云平台提出了一些重要挑战:如何让公有云平台在不断激增的云业务模式下,既能保证云用户的服务满意度,同时也能稳步提高云服务商(CloudServiceProviders)的收益。首先建立了任务调度算法以及QoS需求约束等相关模型,然后将QoS(Qualityof Service)需求约束分别引入到三种传统任务调度算法(FCFS(RR)、MinMin和MaxMin算法)中对其进行改进,接着将改进后的算法与传统任务调度算法之间进行比较,通过选取在任务完成度、任务最终完成时间(MakeSpan)、任务平均执行时间(这些影响用户的服务满意度),以及云服务商总收益等方面的指标表现,最后确定了一个较好的改进MinMin任务调度算法(I-MinMin算法)。实验通过CloudSim进行模拟,并采用了现有的阿里云ECS云服务器中的虚拟机实例相关数据。结果表明:在任务量不断增加的情况下,I-MinMin算法在用户的服务满意度各方面,以及云服务商总收益等指标表现上要更优于其他算法,更好地实现了用户和云服务商的双重利益。     

基于多种云环境的任务调度算法综述

任务调度算法是云计算资源分配部署的核心方法。针对当前云计算发展面临的任务需求和数据量指数级增长的问题,重点对任务调度算法进行了系统的梳理和归纳,以云环境为分类依据,研究分析了单云、联盟云、混合云、多云四类调度算法。在单云环境中,从传统启发式、元启发式以及混合式任务调度算法角度进行阐述。在联盟云、混合云、多云环境中,从工作流和独立任务调度算法角度进行阐述。通过比较,总结了现有算法的优点、缺点以及优化性能,并形成结论性意见和开放性问题,为未来对容器云、数据云以及兼顾资源分配与任务调度算法的研究奠定基础。     

跨云环境下任务调度综述

随着云计算技术的不断发展,越来越多的企业和组织开始采用跨云的方式进行IT交付.跨云环境可以更有效地应对传统单云环境资源利用率低、资源受限以及供应商锁定等问题,并对云资源进行统一管理.由于跨云环境中资源具有异构性,导致跨云任务调度变得更为复杂.基于此,如何合理地调度用户任务并将其分配到最佳的跨云资源上执行,成为了跨云环境中需要解决的重要问题.拟从跨云环境的角度出发,探讨该环境下任务调度算法研究的进展及挑战.首先,结合跨云环境特征将云计算分为联盟云、多云环境并进行详细介绍,同时回顾已有的任务调度类型并分析其优缺点;其次,根据研究现状选取代表性文献对跨云环境下任务调度算法进行整理、分析;最后探讨了跨云环境下任务调度算法研究中的不足和未来的研究趋势,为跨云环境下任务调度算法的进一步研究提供了参考.     

基于蚁群算法的实训云任务调度策略研究

在研究蚁群算法的基础上针对云计算技术展开研究,对蚁群算法应用于云任务调度的可行性进行了分析,提出了云环境下基于蚁群任务调度算法的基本策略,力图实现实训云系统的高可用性和负载均衡,并希望能为后续研究工作提供一些有意义的探索和思路。     

一种基于能耗优化的云计算系统任务调度方法

服务器执行任务产生的能耗是云计算系统动态能耗的重要组成部分。为降低云计算系统任务执行的总能耗,提出了一种基于能耗优化的最早完成时间任务调度方法,建立了服务器动态功率计算模型,基于动态功率的服务器执行能耗模型,以及云计算系统的能耗优化模型。调度策略根据任务的截止时间要求和在不同服务器上的执行能耗,选择不同的调度算法,以获得最小任务执行总能耗。实验结果证明,提出的任务调度方法,能够较好地满足任务截止时间的要求,降低云计算系统任务执行的总能耗。     

面向能耗优化的容错实时系统任务调度模型研究

为了支持面向能耗优化的容错实时任务调度算法研究,提出一种频率相关的时间Petri网—FRTPN.FRTPN引入用于动态电压调整的变迁频率设置空间以及和频率相关的静态引发时域,以支持调度算法的能耗评估及优化;同时它增加一类抑制弧刻画容错故障恢复过程.通过对基于检查点的容错实时能耗优化任务调度进行建模证明了FRTPN的有效性.     

云平台下基于截止时间的自适应调度策略

针对在共享集群中进行任务调度时,无法兼顾任务的响应速度与任务完成时间的问题,提出一种基于截止时间的自适应调度算法。该算法以用户提交的截止时间为依据,根据任务的执行进度自适应地分配适当的计算资源。不同于传统调度方式里由用户提交固定资源参数,该算法在资源约束的情况下会对优先级高的任务进行抢占式调度以保证服务质量（QoS）,并在抢占过程结束后额外分配资源补偿被抢占的任务。在Spark平台进行的任务调度实验结果显示,与另一种资源协调者（YARN）框架下的调度算法相比,所提算法能严格地控制短任务的响应速度,并使长作业的任务完成时间缩短35%。     

基于SOA集成平台的EFSM任务调度模型

针对异构系统之间的集成与数据交换问题,设计一种基于SOA集成平台的EFSM任务调度模型.采用XML格式编辑数据交换报文,分析SOA集成平台的3种数据交换情形,给出基于调度思想的任务队列调度算法,参照网格计算的Min-Min算法,对具有调度任务瓶颈的转发任务进行改进.实验结果表明,该模型能在SOA集成平台上高效运行.     

云环境下绿色任务调度策略

针对云计算数据中心的能耗问题,提出了绿色云计算体系理论,设计了绿色云系统架构;基于该架构,将能量作为一种系统资源进行分配,提出了三种绿色任务调度算法分别是STF-OS、LTF-OS和RT-OS算法;对三种绿色任务调度算法可行性做了相关的理论分析,三种算法可以有效地减少能源消耗;通过扩展云计算仿真平台CloudSim实现了模拟实验,结果表明STF-OS算法降低数据中心能耗的能力最优。