云平臺下基于可信性的資源調(diào)度策略研究.pdf

1、日前,人們對計算能力、軟件服務(wù)質(zhì)量以及大規(guī)模數(shù)據(jù)量的處理要求越來越高,而現(xiàn)有的計算能力不能滿足這些需要,于是云計算得以提出。云計算發(fā)展到今天,不論是在學術(shù)界還是在商業(yè)領(lǐng)域都有著非常廣泛的應(yīng)用。科技的發(fā)展使得現(xiàn)在數(shù)據(jù)量的級別從最早的GB級上升到TB級乃至PB級,因此研究出更好的云平臺計算服務(wù)迫在眉睫。
　　本文一開始對云計算的定義做了歸納,提到計算能力作為一種商品向用戶提供并按使用情況收取服務(wù)費用,接著列舉了云計算系統(tǒng)的特點以及架構(gòu)

2、,并對云計算實現(xiàn)的關(guān)鍵技術(shù)做了詳細的分析,然后介紹了當今流行的云平臺。為了能讓本文提出的算法在云平臺上模擬實驗,本文還研究了MapReduce機制的原理、執(zhí)行流程、 Hadoop的架構(gòu)等。同時,為了比較本文提出的算法和 Hadoop資源調(diào)度算法的異同,本文就當今流行的三種作業(yè)調(diào)度算法:FIFO隊列調(diào)度算法、Fair公平調(diào)度算法以及基于計算性能的Capacity算法做了詳細的研究,分析了每一種算法的優(yōu)劣,以便同本文的算法進行更為詳細的比較

3、。
　　分布在云平臺下的節(jié)點資源數(shù)量非常巨大,這就不可避免的造成了不可靠節(jié)點資源的出現(xiàn),這些節(jié)點會對應(yīng)用程序的執(zhí)行和調(diào)度任務(wù)產(chǎn)生很大的影響。在本文中,受貝葉斯認知模型的啟發(fā)和社會學的信任關(guān)系模型的引導,本文首先提出了一種新的基于貝葉斯方法的認知信任模型,然后,將這種模型應(yīng)用到資源調(diào)度系統(tǒng)中。理論分析和仿真實驗證明,本文提出的方法能有效的滿足云計算對節(jié)點資源的信任要求,并且犧牲較少的時間成本,確保在一個相對安全的節(jié)點資源池中執(zhí)行云計