版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著信息技術(shù)的不斷發(fā)展和互聯(lián)網(wǎng)的迅速普及,人們從信息接收者逐漸轉(zhuǎn)變?yōu)樾畔⒌纳a(chǎn)者,信息的爆炸式增長(zhǎng)推動(dòng)著互聯(lián)網(wǎng)進(jìn)入大數(shù)據(jù)時(shí)代。如今大數(shù)據(jù)已經(jīng)成為一種重要的戰(zhàn)略資源和新型決策方式,而云計(jì)算則為大數(shù)據(jù)分析與處理提供了強(qiáng)大的存儲(chǔ)和計(jì)算能力。Hadoop是Apache軟件基金會(huì)旗下的一個(gè)開(kāi)源的分布式計(jì)算平臺(tái),它可以部署在普通的商業(yè)硬件上,具有高容錯(cuò)和低成本的特性。隨著大數(shù)據(jù)和云計(jì)算的興起,越來(lái)越多的公司開(kāi)始利用Hadoop平臺(tái)來(lái)提供云服務(wù)。高性
2、能計(jì)算集群的日益增加和大規(guī)模部署帶來(lái)了巨大的能源消耗,云服務(wù)提供商不僅需要滿足用戶在服務(wù)等級(jí)協(xié)議(SLA)中提出的需求,還要在保證服務(wù)質(zhì)量的前提下盡可能地降低資源成本。
為了克服Hadoop1.0在可靠性、可擴(kuò)展性和資源利用率等方面存在的局限性,Hadoop2.0將其資源管理功能抽象成了一個(gè)獨(dú)立的通用系統(tǒng)YARN。YARN能夠同時(shí)支持多種計(jì)算框架(如MapReduce、Spark、Storm等),并對(duì)集群系統(tǒng)中的資源進(jìn)行統(tǒng)一管
3、理和調(diào)度,這種共享集群的模式具有資源利用率高、運(yùn)維成本低以及數(shù)據(jù)共享的優(yōu)點(diǎn)。作為當(dāng)前最流行的集群資源管理系統(tǒng),YARN在迎來(lái)發(fā)展機(jī)遇的同時(shí)仍然面臨著兩個(gè)嚴(yán)峻的挑戰(zhàn):一是根據(jù)每個(gè)應(yīng)用程序的SLA中指定的截止時(shí)間自動(dòng)調(diào)整和控制資源分配,二是基于截止時(shí)間約束減少整個(gè)集群系統(tǒng)的能源消耗。因此,Hadoop YARN在云計(jì)算環(huán)境下的資源分配和節(jié)能調(diào)度已經(jīng)成為目前亟待研究和解決的問(wèn)題。
針對(duì)上述問(wèn)題和挑戰(zhàn),本文提出了一種基于SLA感知的H
4、adoop YARN節(jié)能調(diào)度策略。該策略通過(guò)對(duì)多租戶云計(jì)算環(huán)境下的MapReduce程序進(jìn)行預(yù)測(cè)分析來(lái)獲得各個(gè)階段的性能指標(biāo),根據(jù)這些性能指標(biāo)和SLA中指定的截止時(shí)間可以確定程序兩階段任務(wù)的并行度;然后利用SLA感知資源調(diào)度器為每個(gè)應(yīng)用程序動(dòng)態(tài)地分配資源,從而確保任務(wù)并行度在運(yùn)行過(guò)程中不會(huì)發(fā)生變化;最后結(jié)合動(dòng)態(tài)電壓頻率調(diào)整(DVFS)技術(shù)實(shí)現(xiàn)任務(wù)調(diào)度以達(dá)到節(jié)能的目的。綜上所述,本文提出的節(jié)能調(diào)度策略能夠在多租戶云計(jì)算環(huán)境下合理地分配資源
5、,同時(shí)在保證截止時(shí)間的前提下最大限度地降低云計(jì)算平臺(tái)的能耗。
網(wǎng)絡(luò)帶寬一直是制約云計(jì)算發(fā)展的瓶頸之一,基于SLA感知的Hadoop YARN節(jié)能調(diào)度策略充分利用了Hadoop數(shù)據(jù)本地化的特性來(lái)減少網(wǎng)絡(luò)通信,并利用數(shù)據(jù)傳輸產(chǎn)生的松弛時(shí)間實(shí)現(xiàn)任務(wù)節(jié)能調(diào)度。此外,本文使用了CloudSim云計(jì)算仿真平臺(tái)來(lái)評(píng)估資源分配算法和節(jié)能調(diào)度算法的性能。實(shí)驗(yàn)結(jié)果表明,與現(xiàn)有的YARN資源調(diào)度方案相比,本文提出的節(jié)能調(diào)度策略能夠做到對(duì)資源的高效利
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于狀態(tài)矩陣的Hadoop YARN節(jié)能調(diào)度策略的研究.pdf
- 基于存儲(chǔ)驅(qū)動(dòng)的Hadoop節(jié)能調(diào)度策略研究.pdf
- 基于能量感知的Hadoop平臺(tái)調(diào)度器研究.pdf
- 基于Hadoop的作業(yè)調(diào)度策略研究.pdf
- 基于YARN的高響應(yīng)性Hadoop計(jì)算資源調(diào)度器的研究與實(shí)現(xiàn).pdf
- 針對(duì)Hadoop集群的節(jié)能調(diào)度算法研究.pdf
- 作業(yè)感知的Hadoop集群網(wǎng)絡(luò)調(diào)度方法研究.pdf
- 基于SDN帶寬感知的Hadoop調(diào)度算法優(yōu)化與實(shí)現(xiàn).pdf
- 基于IaaS云平臺(tái)的Hadoop資源調(diào)度策略研究.pdf
- 基于SLA的MapReduce調(diào)度機(jī)制研究.pdf
- 基于任務(wù)特征與公平策略的Hadoop作業(yè)調(diào)度算法研究.pdf
- 數(shù)據(jù)局部性感知的Hadoop任務(wù)調(diào)度器.pdf
- 基于Hadoop的作業(yè)調(diào)度方案研究.pdf
- 基于溫度感知的多核系統(tǒng)任務(wù)調(diào)度策略研究.pdf
- 基于Hadoop平臺(tái)的作業(yè)調(diào)度研究.pdf
- 基于公平的Hadoop貪心調(diào)度算法研究.pdf
- 基于Hadoop平臺(tái)的MapReduce調(diào)度算法研究.pdf
- 虛擬Hadoop集群動(dòng)態(tài)資源調(diào)度策略研究.pdf
- 基于Hadoop集群的作業(yè)調(diào)度算法的研究.pdf
- 基于細(xì)化排污函數(shù)的節(jié)能發(fā)電調(diào)度策略.pdf
評(píng)論
0/150
提交評(píng)論