云计算任务调度算法研究

湖北工业大学 湛小舟

云计算任务调度算法研究

湖北工业大学 湛小舟

本文将成为一个热门话题，到云计算平台的信任机制是一个不错的选择。信任模型是抽象和总结了人类的信任关系的基础上，现在已成为信息安全领域的重要研究分支，但信任模型仍处于初始阶段，许多问题还需要深入研究和讨论。

云计算；任务；调度；算法；研究

云计算是国内和国外商业和研究机构，网格计算，并行计算的热点之一，分布式计算的发展是一个新兴的商业计算模型。它采用了成熟的虚拟化数据中心的资源包在互联网上提供给用户点播服务。作业调度和资源分配的两项关键技术，云计算和云计算业务，与对用户的服务质量有关，虚拟化技术使资源分配和作业调度是从不同的过去，并行分布式计算。云计算最大的分布式计算模型，它使用相分离的“生产者”和“消费者”为客户服务的商业模式，并使用最新的虚拟化技术之间的差异，将“云”端丰富的资源满足互联网上的用户，从而最大限度地发挥其作用。但云计算环境需要大规模分布式计算机服务支持，仅仅依靠传统的安全技术已经不能满足用户数据安全的需求，以及如何确保“云”端的数据，以解决云计算平台的安全可靠性的核心任务，近年来，越来越多的用户和学者关注的一系列问题，如云计算的安全性和可靠性。

以适应当今信息产品飞速发展的时代的IBM、谷歌、微软、雅虎和其他行业的巨头[2]，云计算一个巨大的优势和强大生命力的推动下，云计算，这将彻底改变了信息产业的结构软件组织生产和信息消费模式，使人们用更广阔的视野来看待所有的人都在这个方向，发展和进步的同时。云计算最终将成为全球所有的东西连接，形成一个有机的整体。云计算的理念是“一切服务，”这是一个兼收并蓄，包容一切的思想。这给IT部门的想法，以更广阔的视野思考和解决问题。面向服务的云计算基础设施的开发和运行平台，软件作为的服务。顾客们没有购买的存储容量或扩展硬件成本高，没有实现，维护和升级软件，ISP会在各种云的服务器架构，为客户提供各种服务，项目开发、维修人员，可以负责云运行、维护、升级。

在本文中，建议针对不同的应用和服务模式，在云计算基础设施（硬件，软件，服务），在云环境中，能源性能（能耗，散热），该系统的设计负荷观点。不同的CloudSim平台模拟任务调度和资源分配策略，以量化一个非常具有挑战性的问题。为了简化这个过程中，云计算的模拟仿真CloudSim：广义的，可扩展的云计算仿真框架，以实现云计算基础设施和管理服务的无缝建模，仿真和实验。CloudSim平台是一个网格实验室，并于2009年4月，澳大利亚墨尔本大学Gridbus项目宣布推出一个开源框架，它是云计算基础设施和服务平台的建模和模拟的框架。CloudSim离散事件仿真包SimJava库，跨平台的Linux和Windows操作系统上运行的基础上开发的，Cloudsim继承GridSim的编程模型，支持云计算研究，模拟和发展。CloudSim主要特点和功能：

（1）以支持大型数据中心，云计算，模拟和建模。

（2）将举办的资源分配到虚拟机的自订政策，支持虚拟服务器主机的建模与仿真。

（3）支持节能意识的计算资源。

（4）支持模拟和建模。

鸟类捕食过程中，每只鸟找到食物最简单和最有效的方法是搜索周边地区的距离食物的鸟。Kennedy和Eberhart通过对鸟类捕食过程中的分析和模拟，在1995年最先提出了原始的PSO算法。与遗传算法相比，PSO算法概念简单，计算快速，易于实现，并没有太多的参数需要调整的优势。因为这些诸多优点的算法之一，已引起了广大学者的关注，不断涌现出的各种信息的PSO算法的应用研究，有力地推动了PSO算法的研究成果。许多研究者的参数集，收敛，拓扑结构，传统的PSO算法和其他算法，集成的角度来看，各种改善其不足之处，为了提高算法的性能。

云计算环境的应用，可以轻松地提供和虚拟资源动态分配，用户点击的是，要使用的服务。如果只考虑应用程序的执行时间可能会导致大量的数据检索和执法成本。此外，优化的运行时间、资源以及实施成本之间的数据传输的成本也必须加以考虑。在云环境中的任务调度是作为一个起点，其实质是n个独立的任务绑定到M的可用资源，使总的执行时间分配任务的前提下，不超过前值总计算最低的成本和资源得到充分利用。本文的目的是要落实在分配的资源，计算总成本尽可能最小化，即如何分配最合理的应用任务。

云计算正在迅速发展，已经成为商业组织、科研单位和高等院校研究的热点。本文着重研究了云计算的关键技术之一——任务调度策略，提出了一种基于PSO算法的云任务调度策略。结合本论文所作的研究工作，具体结论有以下几点：

首先，本文重点介绍了研究云计算任务调度的背景和意义，当前国内外研究现状；其次，详细介绍了云计算的概念，云计算背景，定义，特点，体系结构及其关键技术，并且介绍了目前比较成功的云计算平台；再次，介绍了云计算仿真平台CloudSim，如何配置CloudSim，如何扩展CloudSim，对CloudSim的仿真步骤进行了介绍，最后对该平台自带的实例进行了仿真实验；

第四，介绍了粒子群优化算法的基本概念；

第五，是本文最主要的工作，提出了基于PSO的云计算任务调度算法，在云计算模拟仿真器CloudSim平台上，分别利用标准PSO算法和平台自带的方法，在云任务调度过程中寻找任务-资源最优匹配对。实验结果表明，在改变应用程序总数据量大小和改变VM数量2种情况下，该标准的PSO算法比CloudSim原有调度算法更能有效地完成云计算环境中任务调度与资源分配的工作，在兼顾云系统执行效率的情况下，达到了降低云任务执行成本的目的。

最后，提出了一种改进的PSO算法，考虑到云计算任务调度和资源负载平衡的优化问题，下一步的工作是提出一种基于改进的粒子群优化算法的云任务调度模型。

[1]张建勋,古志民,郑超.云计算研究进展综述[J].计算机应用研究,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]陈全,邓倩妮.云计算及其关键技术[J].计算机应用,2009,29(9):2562-2567.

[4]华夏渝,郑俊,胡文心.基于云计算环境的蚁群优化计算资源分配算法[J].华中师范大学学报,2010,49(1):127-134.

2017-09-10）