云計算環(huán)境下基于資源組合預測的任務調(diào)度算法研究.pdf

1、云計算采用虛擬化技術(shù)將集群中的各種資源構(gòu)成資源池，接收用戶任務請求，并將任務調(diào)度到合適的資源上執(zhí)行。資源的動態(tài)變化，使得系統(tǒng)在進行任務調(diào)度時，難以獲取資源的實時狀態(tài)，從而影響系統(tǒng)的負載均衡和任務調(diào)度效率。預測是資源管理的重要手段，如何設(shè)計適應云資源變化特性的預測方法，通過資源預測為任務調(diào)度提供準確的數(shù)據(jù)支持，是一個值得深入研究的問題。
　　針對上述問題，本文首先針對云資源的變化特點，提出一種基于偏最小二乘回歸的云計算資源組合預測模

2、型。該模型引入組合預測思想，先對采集得到的原始預測樣本集進行數(shù)據(jù)預處理；再選用符合云資源特性的三次指數(shù)平滑模型、ARIMA模型、GM(1,1)灰色預測模型進行資源預測；最后采用偏最小二乘回歸方法，結(jié)合交叉有效性分析，從各單一模型預測結(jié)果中提取出相互獨立無冗余的成分，建立組合預測模型。該模型能夠有效消除單一預測模型間的相關(guān)性，避免組合預測模型輸入信息的冗余，且其提取的成分對實際情況有很強的解釋能力，提高了預測精度。仿真測試結(jié)果表明該模型預

3、測精度較高，預測效果穩(wěn)定。
　　基于上述提出的云計算資源組合預測模型，進一步給出一種基于資源組合預測的云計算任務調(diào)度算法。該算法先采用組合預測模型對資源未來時刻的狀態(tài)進行預測；再根據(jù)預測結(jié)果，結(jié)合K-means算法對任務和資源分別進行聚類處理，并按照聚類類別進行任務的資源篩選；最后以最小完成時間原則建立任務和資源的映射。該算法能夠保證任務調(diào)度到滿足其需求的資源上執(zhí)行，提高了資源的利用率，使系統(tǒng)具有穩(wěn)定的負載均衡。
　　最后，