云平臺下基于多適應度的改進任務(wù)調(diào)度算法.pdf

1、隨著計算機和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，云計算逐步作為一種全新的計算模型，被提出并不斷加以改進，經(jīng)過學術(shù)界和產(chǎn)業(yè)界的共同推進，正在從理論基礎(chǔ)走向?qū)嵺`，我國政府也投入了大量的財力和物力來幫促進“云計算”產(chǎn)業(yè)在我國的發(fā)展，全球各大IT巨頭分別進入云計算領(lǐng)域，例如谷歌、IBM，亞馬遜等，都在開源的云計算平臺上改進然后提出了自己的云計算平臺。云計算基本思想是把網(wǎng)絡(luò)中的海量用戶提交的作業(yè)分割成很多的小型的計算任務(wù)，然后交給由多個服務(wù)器組成的服務(wù)器集群來執(zhí)

2、行計算，云計算的用戶群是非常龐大的，因此任務(wù)數(shù)量也是非常巨大的，所以任務(wù)調(diào)度是云計算平臺實現(xiàn)的關(guān)鍵點。
　　云計算技術(shù)的商業(yè)特性決定了它需要滿足用戶多方面的計算服務(wù)需求，因此必須通過特殊的任務(wù)調(diào)度策略來為用戶提供更高質(zhì)量的計算服務(wù)水準，實現(xiàn)將不同的作業(yè)根據(jù)環(huán)境的實際情況調(diào)度到合適的資源上執(zhí)行，現(xiàn)有的任務(wù)調(diào)度算法都存在一些或多或少的問題，如FIFO算法會造成系統(tǒng)整體的運行效率不高，資源利用率也不高；公平調(diào)度算法會出現(xiàn)負載均衡差，系統(tǒng)

3、響應久，另外配置文件的好壞也會影響系統(tǒng)的性能；計算能力調(diào)度算法需要手動設(shè)置隊列和隊列組從而使得整個系統(tǒng)的易用性比較差；另外還有一些研究人員通過借鑒遺傳算法、免疫算法、蟻群算法等的原理，通過對任務(wù)執(zhí)行的過程進行動態(tài)的監(jiān)控，根據(jù)任務(wù)的執(zhí)行結(jié)果的反饋信息，動態(tài)的調(diào)整后續(xù)相關(guān)任務(wù)的分配執(zhí)行，但是存在QOS考慮不夠全面、初始種群生成不均勻以及進化速度慢的問題。
　　針對已有的基于相關(guān)算法的對服務(wù)質(zhì)量(QOS)考慮不全面，以及初始種群生成不均

4、勻、進化速度慢等問題，提出了一種基于多適應度的改進任務(wù)調(diào)度算法(Multi-fitness Task Scheduling Algorithm MFTSA)，利用多個適應度函數(shù)來優(yōu)化算法，該算法可以使用戶在具有模擬的獨立計算的能力基礎(chǔ)上，根據(jù)QOS特征向量來進行資源與相關(guān)任務(wù)的分配，使得算法在總?cè)蝿?wù)完成時間、任務(wù)平均完成時間、任務(wù)完成總費用、任務(wù)的安全性等級、可靠性等級、能耗等級方面均可以得到提高，這樣就可以區(qū)分開不同用戶的不同需求，為