基于任務(wù)備份的云計(jì)算任務(wù)調(diào)度算法研究.pdf

1、任務(wù)調(diào)度是云計(jì)算的關(guān)鍵技術(shù)，在網(wǎng)絡(luò)帶寬有限的情況下，為減少任務(wù)執(zhí)行過程中的網(wǎng)絡(luò)傳輸開銷，可將任務(wù)調(diào)度到輸入數(shù)據(jù)所在的計(jì)算節(jié)點(diǎn)上，面向數(shù)據(jù)本地性的任務(wù)調(diào)度算法就成為云計(jì)算任務(wù)調(diào)度技術(shù)中的一個(gè)研究熱點(diǎn)。已有基于數(shù)據(jù)本地性的任務(wù)調(diào)度算法大多通過推遲調(diào)度部分作業(yè)使其等待合適的計(jì)算節(jié)點(diǎn)，以達(dá)到較高的數(shù)據(jù)本地性。在等待開銷較大情況下，延遲策略會(huì)影響作業(yè)響應(yīng)時(shí)間，且不能保證系統(tǒng)負(fù)載均衡。此外，基于云計(jì)算平臺(tái)的應(yīng)用通常需同時(shí)使用眾多計(jì)算、存儲(chǔ)資源來完成

2、計(jì)算任務(wù)，對(duì)系統(tǒng)容錯(cuò)能力的研究就變得越來越重要。大多數(shù)傳統(tǒng)的基于主從備份的容錯(cuò)調(diào)度算法，都為每個(gè)主任務(wù)拷貝多個(gè)備份任務(wù)，雖可保證系統(tǒng)容錯(cuò)能力，但需大量備份成本，且只考慮某一時(shí)刻單個(gè)處理機(jī)發(fā)生故障時(shí)如何調(diào)度備份任務(wù)，而針對(duì)某一時(shí)刻多個(gè)處理機(jī)同時(shí)發(fā)生故障時(shí)如何調(diào)度備份任務(wù)并沒考慮。
　　本文在對(duì)云計(jì)算特點(diǎn)進(jìn)行研究的基礎(chǔ)上，提出了基于數(shù)據(jù)本地驅(qū)動(dòng)的主任務(wù)調(diào)度算法—DLD（Data Locality Drive）算法。該算法解決了同時(shí)滿足

3、用戶服務(wù)滿意度和負(fù)載均衡問題。此外，考慮單備份任務(wù)狀態(tài)下，針對(duì)多個(gè)處理機(jī)同時(shí)發(fā)生故障的情況，提出了最小備份成本調(diào)度算法，該算法解決了傳統(tǒng)的基于主從備份的容錯(cuò)調(diào)度算法需大量備份成本問題。
　　論文主要工作包括：
　?、俳榻B了云計(jì)算的出現(xiàn)背景、形式以及體系結(jié)構(gòu)，將其與并行計(jì)算、網(wǎng)格計(jì)算和效用計(jì)算進(jìn)行了比較，簡單概括了云計(jì)算的特點(diǎn)，對(duì)現(xiàn)有成熟的云計(jì)算平臺(tái)進(jìn)行了介紹。
　?、诰C合考慮到數(shù)據(jù)本地性、網(wǎng)絡(luò)帶寬、集群負(fù)載情況，提出了

4、DLD算法。該算法將任務(wù)調(diào)度分為兩階段，第一階段為―本地‖階段，將所有任務(wù)都調(diào)度到輸入數(shù)據(jù)所在的計(jì)算節(jié)點(diǎn)上。第二階段為―均衡‖階段，迭代地將最大負(fù)載計(jì)算節(jié)點(diǎn)上的任務(wù)移到最小負(fù)載的計(jì)算節(jié)點(diǎn)上，直至作業(yè)響應(yīng)時(shí)間最小。
　　③針對(duì)多個(gè)處理機(jī)同時(shí)發(fā)生故障的情況，在研究備份重載和同步錯(cuò)位調(diào)度技術(shù)的基礎(chǔ)上，運(yùn)用邊界調(diào)度概念得出最小備份成本調(diào)度算法，該算法以備份成本最小化為主要目標(biāo)。
　?、芡ㄟ^仿真實(shí)驗(yàn)?zāi)M調(diào)度實(shí)驗(yàn)數(shù)據(jù)，分別分析了主任務(wù)調(diào)