论文部分内容阅读
随着信息技术和互联网的迅速发展和普及,云计算得到了快速的发展和广泛的应用,云计算作为一种新型的商业计算模式,它将一系列动态可伸缩的计算资源虚拟化,为用户提供高效可靠的应用服务。云计算任务调度是云计算研究领域中的核心问题,目的是得到最优的任务调度策略,即用户提交的任务分配到云计算资源上执行的最佳调度方案。云计算的商业特性决定了以用户为中心的服务要求,并且随着云服务的不断发展,用户数量急剧增加,大量的用户任务以及他们多样化的服务需求,使得云计算的任务调度问题更加复杂。为满足用户各异的服务质量(Quality of Service,QoS),要求在进行任务调度时不仅要考虑系统的性能,还要考虑用户的服务质量需求。针对现有的以用户服务质量为目标的任务调度算法存在的问题,本文提出了一种满足用户服务质量需求的任务调度算法,从服务质量的可靠性、时间和成本这三个目标出发来进行任务调度的研究,主要研究工作包括以下两个方面:(1)建立了基于多目标QoS约束的任务调度模型。结合目前的云计算系统框架,建立本文的任务调度模型并定义相关的数学模型。阐述了本文使用的多目标QoS约束处理方法,对于可靠性、时间和成本这三个QoS目标需求,采取化多为少的方法,将多目标优化问题转化为带有约束条件的单目标优化问题。将时间和成本分别用截止时间(Deadline)和调度预算(Budget)进行约束,在处理约束条件时采用基于搜索容许解的方法,把可靠性作为任务调度的最终目标。最后根据本文的任务调度目标,得到可靠性最高的唯一解,即在满足时间和成本约束的情况下,得到可靠性最高的任务调度方案。(2)提出了基于多目标QoS约束的任务调度算法。本文提出了一种基于离散粒子群的多目标QoS任务调度算法(QoS-Discrete Particle Swarm Optimization,QoSDPSO)。该算法综合考虑任务截止时间、调度预算和可靠性这三个QoS目标需求,将文中的任务调度模型与离散粒子群算法相结合,该算法首先对任务的QoS进行定义和数学建模;然后根据截止时间和调度预算约束重定义DPSO的搜索空间,根据可靠性重新定义DPSO的适应度函数;最后根据适应度值搜索最优的任务调度方案。实验结果表明,QoS-DPSO算法与其他算法相比,QoS-DPSO在满足调度截止期的情况下,具有较好的可靠性,且在其他性能指标上均表现出较好的优势。