云计算环境下资源分配与作业调度的研究

论文摘要

云计算是在日益增长的企业和个人需求的背景下涌现出来的一种新兴的商业计算模型,也是目前各大IT公司和高校研究机构的研究热点。云计算庞大且动态变化的资源,加上云用户的服务需求千差万别,导致云计算的作业调度更加复杂化,是一个NP完全问题。云计算的商业性使其更加关注用户的服务质量,尽可能大的满足各个用户的需求。然而实现云计算的虚拟化技术在资源分配和作业调度方面跟网格计算又有很大的区别,所以采用何种调度策略,对计算资源进行如何调度,充分提高资源利用率,构建一个灵活的、能够满足各方面性能需求的调度模型就具有重要的意义。本文的研究包括以下内容：首先,本文在分析研究了目前已有的一些智能算法应用于云计算作业调度后,提出采用一种新型的优化算法-量子遗传算法来解决云计算的作业调度问题。量子遗传算法结合量子计算和传统遗传算法的特点,通过量子比特编码染色体,从而可以让多种状态同时表现在一条染色体上,丰富了种群的多样性,并采用量子逻辑门对染色体进行更新进化,最终实现问题的优化求解。通过实验验证,量子遗传算法的性能较传统遗传算法优越。基于量子遗传算法的云计算作业调度方法如下：首先根据云计算作业调度的特点对染色体进行编码,然后设计基于量子遗传算法的云计算作业调度的算法流程和步骤。其次,针对现有的部分作业调度算法基本上都只考虑作业的总完成时间,忽略每个用户的平均作业完成时间的问题,本文提出了双适应度函数的量子遗传算法的云计算作业调度算法。该方法引入一个用户平均任务完成时间的适应度函数并调整算法流程。最后,使用CloudSim云计算仿真工具实现了本文提出的作业调度算法,并与轮循算法和基于遗传算法的作业调度算法进行比较分析,验证了本文算法的有效性和正确性。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 选题背景和研究意义
• 1.2 国内外研究现状
• 1.2.1 云计算发展现状
• 1.2.2 网格计算的资源分配与作业调度研究现状
• 1.2.3 云计算的资源分配与作业调度研究现状
• 1.3 本文的主要工作及创新点
• 1.4 本文的组织结构
• 第二章 云计算的相关技术
• 2.1 云计算的简介
• 2.1.1 云计算的概念与特点
• 2.1.2 云计算与网格计算的异同点
• 2.2 云计算的编程模型
• 2.3 云计算的资源分配与作业调度
• 2.3.1 作业调度的概念
• 2.3.2 云计算资源分配与作业调度的目标
• 2.4 智能算法应用于云计算的作业调度研究
• 2.5 本章小结
• 第三章 量子遗传算法
• 3.1 量子计算的简介
• 3.2 量子遗传算法的基本概念
• 3.2.1 量子位
• 3.2.2 量子门
• 3.3 量子遗传算法的实现
• 3.3.1 算法流程
• 3.3.2 算法实现
• 3.4 QGA与GA的性能比较
• 3.4.1 测试函数
• 3.4.2 算法参数设置
• 3.4.3 计算结果与分析
• 3.5 本章小结
• 第四章 基于量子遗传算法的云计算作业调度
• 4.1 云计算作业调度问题描述
• 4.2 基于量子遗传算法的云计算作业调度
• 4.2.1 染色体编码
• 4.2.2 适应度函数
• 4.2.3 算法实现过程
• 4.3 基于双适应度量子遗传算法的云计算作业调度
• 4.3.1 目前调度算法存在的问题
• 4.3.2 染色体编码
• 4.3.3 适应度函数
• 4.3.4 算法实现过程
• 4.4 本章小结
• 第五章 实验仿真与性能分析
• 5.1 CloudSim仿真器
• 5.2 实验环境
• 5.3 仿真流程
• 5.3.1 CloudSim仿真数据流
• 5.3.2 CloudSim的扩展
• 5.3.3 仿真步骤及部分代码
• 5.4 实验结果与分析
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 本文工作总结
• 6.2 展望
• 参考文献
• 致谢
• 个人简历
• 在学期间研究成果及发表的学术论文