云數據中心環(huán)境下并行應用與并行負載調度算法研究.pdf

1、近年來，云計算在資源模式上的彈性、靈活和高效吸引著越來越多的科學應用遷移到云數據中心執(zhí)行。盡管資源按需獲取、按使用量計費和廣域網互連等獨特優(yōu)勢有利于實現科學合作和高性價比科學計算，但科學計算同時也面臨大數據、資源虛擬化、類型多樣化和周期計費問題。資源獲取與任務調度是科學應用獲得高效執(zhí)行的關鍵。針對現有研究工作在多數據中心協同調度、滿足多方面QoS需求以及應對波動負載模式等方面存在的不足，本文對云數據中心環(huán)境下并行應用與并行負載調度算法開

2、展了相關研究，主要工作包括：
　?。?）提出了基于加權K均值聚類的科學工作流數據與任務協同調度算法。該算法基于加權的數據與任務依賴關系構建依賴關系矩陣，利用K均值聚類算法和矩陣分割樹在滿足存儲均衡約束下將依賴度高的數據與任務放置在一起，通過重調整、任務復制和數據預導入進一步優(yōu)化跨數據中心的數據傳輸；
　　（2）提出了基于K割的多層圖剖分科學工作流數據與任務協同調度算法。該算法通過固定節(jié)點融合生成圖K割算法所需的端點，利用多層

3、粗粒度化技術壓縮工作流圖規(guī)模，采用圖K割算法直接對粗粒度圖進行剖分，利用多層細粒度化技術逐層調整剖分結果并對計算任務均衡約束進行處理；
　?。?）提出了基于生物地理學優(yōu)化的DAG（Directed Acyclic Graph）調度算法。該算法以最近提出的生物地理學優(yōu)化技術為基礎，利用單結構部分編碼方式縮小問題求解的搜索空間，通過引入比較函數間接計算適應度來提高算法框架的靈活性，并通過將啟發(fā)式調度算法作為基準算法來提高求解質量，基于

4、DAG最大并行度初始化資源池以應對按需獲取下資源類型和數量不確定的情況；
　?。?）提出了基于算法組合優(yōu)化的并行負載調度方法。該方法通過在調度器中包含大量不同類型的調度算法來應對波動的負載模式，通過合理的效用函數設計來折衷并行負載執(zhí)行性能和費用，利用在線仿真調度對組成算法進行性能評估和選擇，使用基于算法性能動態(tài)分類的時間約束仿真來提高算法選擇的質量。
　　綜上所述，本文針對當前云數據中心環(huán)境下并行應用與并行負載調度中亟待解決