虚拟计算环境中任务调度策略研究

论文摘要

当今社会伴随计算机技术的飞速发展与互联网技术的广泛应用,越来越多的计算技术依托于网络平台上来实现。目前在互联网中,计算机资源成爆炸式增长。为了满足大规模计算能力和海量数据存储与处理的需求,我们依靠网络计算来建立能支持资源共享和集成的虚拟计算环境,这是一种有效的解决方案。本文结合大规模高性能计算的需求,构建适合地震资料处理的虚拟计算环境。研究目的是提高数据处理的效率,充分高效的利用计算资源,使任务透明、方便、高效的进行提交,并且使其快速匹配、高效执行在最优的计算资源中。由于地震资料数据天然的数据可分性,数据之间联系较少。相对来讲一个数据文件一般较大,所以单个文件的处理对计算资源结点的要求是相当高的,要想充分的利用计算资源,必须在研究过程中根据任务和资源属性对其进行划分。精确求解数据划分的最优化过程是较困难的,本文采用了改进的粒子群算法(Particle Swarm Optimization, PSO)对其进行划分大小的求解。在划分完成后通过引入层次分析法(Analytic Hierarchy Process, AHP)对资源与任务进行快速的匹配。经过实验验证,此方案具有较高的执行效率。

论文目录

• 摘要
• Abstract
• 第一章 前言
• 1.1 课题研究背景、目的及意义
• 1.1.1 课题研究背景
• 1.1.2 课题的研究目和意义
• 1.2 论文研究目标及内容
• 1.3 论文组织结构安排
• 第二章 虚拟计算环境与调度理论
• 2.1 虚拟计算环境理论
• 2.1.1 虚拟计算环境介绍
• 2.1.2 虚拟计算环境的组成与体系架构
• 2.1.3 虚拟计算环境与集群网格
• 2.2 调度理论
• 2.2.1 调度算法简介
• 2.2.2 调度算法研究现状
• 2.2.3 几种常用调度算法比较
• 2.2.4 几种常见调度器
• 2.3 本章小结
• 第三章 虚拟计算环境中数据划分策略研究
• 3.1 任务划分理论
• 3.1.1 任务划分简介
• 3.1.2 任务划分原则
• 3.2 虚拟计算环境中任务划分算法
• 3.2.1 常用任务划分算法类型
• 3.2.2 地震数据处理任务划分
• 3.3 改进粒子群算法的划分策略
• 3.3.1 粒子群算法简介
• 3.3.2 算法原理
• 3.3.3 改进划分算法应用分析
• 3.3.4 与其它启发算法比较
• 3.4 本章小结
• 第四章 基于层次分析法的任务调度决策
• 4.1 层次分析法理论
• 4.1.1 层次分析法简介
• 4.1.2 层次分析法思想
• 4.1.3 层次分析法的优缺点
• 4.2 基于层次分析法任务调度决策
• 4.2.1 算法应用分析
• 4.2.2 调度决策
• 4.3 本章小结
• 第五章 实验测试与结果分析
• 5.1 测试环境
• 5.1.1 主要算法实验
• 5.1.2 硬件环境
• 5.1.3 软件环境
• 5.1.4 虚拟计算环境拓扑结构
• 5.2 性能测试与分析
• 5.3 本章小结
• 第六章 总结与展望
• 6.1 工作总结
• 6.2 主要创新点
• 6.3 下一步研究方向
• 参考文献
• 攻读硕士学位期间取得的学术成果
• 致谢