云环境下任务调度能耗优化算法的研究

摘要

随着互联网的广泛普及，信息网络技术的蓬勃发展，云计算的发展也日趋成熟，应用的领域也在不断增加，如何对云计算数据中心的任务进行合理的资源分配调度对降低能耗、减少企业开销有着重要的意义。
　　云计算数据中心的虚拟化特性使得其与传统的数据中心较大的差别，它具有异构性、开放性以及动态性等特点。目前，云计算数据中心的规模在逐步扩大，所要面对的用户群体也越来越庞大，其需要处理的任务量以及数据资源量也随之变得十分巨大。如何对资源进行合理的分配，设计高效的调度策略，使得用户可以以最短的时间、最少的开销去完成自己的任务请求显得尤为重要。
　　由于任务分配调度是一个NP完全问题，本文首先利用“背包”思想，将任务调度问题转化成背包问题，以使计算资源得以充分利用，从而避免发生争用的情况，并且基于贪心算法与遗传算法提出了一种混合遗传算法(Greedy and Genetic Algorithms，GGA)。GGA根据实际任务分配的情况提出了一种修正种群个体的方案，同时为算法设置了合理的目标函数与适应度函数。
　　其次，针对云计算虚拟环境的独立任务设计了一种综合考虑调度时长和可信任度的目标函数，并以此作为遗传算法的适应度函数。具体的调度算法结合了Min-M in以及遗传算法的思想因此简称为(Min-Minand Genetic Algorithms，MGA)。该算法以Min-Min算法生成的结果作为初始解决方案，并在此基础上运行遗传算法。
　　针对上述的两种任务调度策略，设计了对应的仿真实验。实验结果表明，两种调度策略均达到了预期的效果，并在实际运营商领域中得到了应用。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1课题研究背景

1.2国内外研究现状

1.3本文的研究内容与组织结构

第二章 云计算能耗管理与任务调度相关技术

2.1云计算概述

2.2能耗管理相关技术

2.3任务调度相关技术

2.4本章小结

第三章 基于能耗的节能任务调度策略的改进

3.1遗传算法的简单介绍

3.2云环境下任务模型的建立

3.3融合贪心特性混合遗传算法的主要构想

3.4本章小结

第四章 基于可靠性的任务调度策略的改进

4.1 Min-Min算法的简要概述

4.2研究问题的相关定义说明

4.3基于Min-Min的混合遗传算法的主要构想

4.4本章小结

第五章 仿真实验分析与实际应用

5.1 CloudSim仿真平台简介

5.2节能任务调度策略的仿真

5.3可靠任务调度策略的仿真

5.4实际应用

5.5本章小结

第六章 总结与展望

6.1总结

6.2展望

参考文献

致谢