基于云计算的资源调度算法研究

《基于云计算的资源调度算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：１０００４密级；公开如＃、义又肇ＢＥＩＪＩＮＧＪＩＡＯＴＯＮＧＵＮＩＶＥＲＳＩＴＹ硕ｉｔ学位论文基于云计算的资源调度算法研究作者姓名周婉Ｉ学科专业计算机科学与技术－緣指导教师王移芝教授．．轉培养院系计算机与信息技术学院，，如＇交４乂攀硕±学位论文基于云计算的资源调度算法研究ＲｅｓｅａｒｃｈｏｎＲｅｓｏｕｒｃｅＳｃｈｅｄｕｌｉｎＡｌｏｒｉｔｈｍｓＢａｓｅｄｏｎＣｌｏｕｄｇｇＣｏｍｕｔｉｎＥｎｖｉｒｏｎｍｅｎｔｐｇ作者：周婉导师：王移芝北京交通大学２０１６年４月学位论文版权使用

2、授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可１＾将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编Ｗ供査阅和借阅。同意学校向国家有关部口或机构送交论文的复印件和磁盘。学校可レッ为存在馆际合作关系的兄弟离校用户提供文献传递服务和交换服务。（保密的学位论文在解密后适用本授权说明）１Ｌ学位论文作者签名；同伽导师签名；＾＞：（签字日期皆３年月日签字日期：月日／占ｆ＾学校代码：１０００４密级：公开北京交通大学硕ｚｂ学位论文基于云计算的资源

3、调度算法研究Ｒｅ化ａｒｃｈｏｎ民ｅｓｏｕｒｃｅＳｃｈｅｄｕｌｉｎｇＡｌｏｒｉｔｈｍｓＢａｓｅｄｏｎＣｌｏｕｄｇＣｏｍｐｕｔｉｎｇＥｎｖｉｒｏｎｍｅｎｔ作者姓名；周婉学号：１３１２０４６０导师姓名：王移芝职称：教授学位类别：工学学位级别；硕：ｔ学科专业；计算机科学与技术研究方向；计算机应用北京交通大学２０１６年４月ｉ致谢转眼间，两年半的研巧生学习就要结束了，经过刻苦的学习和研究，本论文撰写完成。十分感谢我的研巧生导师王移芝老师，感谢王老师在本课题的研巧过程中对我的指导，老师知识渊博、治学态度严谨、工作认真负责，在生活

4、和学习上给了我很多帮助，使我受益匪浅，全面地提高了自己的素质和能力，这些帮助。将使我受益终生再次感谢王老师的辛苦付出！感谢实验室的师兄师姐对我的帮助，在我遇到困难时是你们的鼓励给了我前行的勇气，感受到科研的魅力，谢谢各位师兄师姐的指导。感谢计算机学院的各位老师，是你们带领我走进了计算机的领域，教会了我科研的方法和技能。感谢你们在这两年半中对我的帮助和指导。一感谢我的家人一，在直鼓励我漫漫求学路上，是你们，直给予我力量让我不断进步。父母为我付出了很多，只为了我能有个好的学习环境．十分感谢我的父母，因为有你们。，我很幸福感谢各位评审在百忙之中评审论文，十

5、分感谢。、再次衷屯的感谢所有关也和帮助过我的人！北京交通大学硕±学位论文摘要摘要云计算是近年来计算机领域最热口的研巧方向之一。随着云服务的市场化，其作为新兴商业模式的巨大商业价值也正在呈现。云计算的数据中也利用虚拟化技术将计算资源、存储资源等各种软硬件资源抽象为虚掛化资源，构建成动态的虚拟资源池，向用户提供按需服务，因此，资源调度成为云计算的关键技术。云计算的商业化特点越来越突出，用户对服务的需求越来越多样，这就要求云服务提供商更多地关注用户的需求。云计算的资源类型各不相同，且系统中的资源是动态变化的，用户的偏好也是多种多样，用户请求调度的

6、应用任务的ＱｏＳ目标约束条件通常会包含多个指标方面的要求，用户任务的ＱｏＳ目标约束条件的满足程度在很大程度上决定了云计算任务调度策略的性能优劣。针对此问题，本文建立了云计算资源调度模型，针对大量用户任务各不相同的ＱｏＳ目标约束要求，分别建立相应的ＱｏＳ目标约束条件，然后量化用户的应用偏好，应用完成时间、费用、可用性、安全性四个指标构造的效用函数，将多ＱｏＳ的目标约束问题转换为单目标的约束求解问题，并用户效用最大化作为目标函数。在此基础上，本文Ｗ改进的遗传算法求解单目标的约束问题一，将目标函数平方作为适应度函数，在遗传操作方面，引入了种自适应方式一，保持种群的

7、多样性，在更大空间集中捜索最优解，并得到个较优的资源分配策略。本文介绍了云仿真工具ＣｌｏｕｄＳｉｍ，并配置实验环境。在ＣｌｏｕｄＳｉｍ的环境下对论文提出的改进算法进行了仿真实验，证明本文算法的可行性和有效性，实现在保障多维ＱｏＳ的同时，最大程度降低运营的成本和优化资源的利用率。本文从任务的完成时间、费用及目标函数值等Ｈ个方面，将本文算法与传统遗传（ＧＡ）算法和Ｍ－ｉｎＭｉｎ算法进行了对比评估。实验