基于模糊聚類的云任務(wù)調(diào)度優(yōu)化策略研究.pdf_第1頁
已閱讀1頁,還剩80頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明: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),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、云計算作為解決大數(shù)據(jù)和分布式計算的主要技術(shù)手段,將集群資源以按需服務(wù)的方式提供給最終用戶,而如何有效合理地分配資源和調(diào)度任務(wù),已成為影響云計算應(yīng)用效率的重點與難點,直接影響著云平臺的整體性能和用戶的使用滿意度。云環(huán)境下集群主機節(jié)點存在著大量的異構(gòu)性、多樣性、不確定性和模糊性,很難準(zhǔn)確地對資源和任務(wù)進(jìn)行描述,如何分配資源去完成具有不同需求的作業(yè)任務(wù)存在復(fù)雜性。而基于模糊聚類的云資源劃分和云任務(wù)調(diào)度已經(jīng)成為業(yè)界的研究熱點,但是隨著集群規(guī)模不

2、斷壯大,云環(huán)境下?lián)碛械闹鳈C數(shù)量已達(dá)到成千上萬的規(guī)模,隨之而來的問題是傳統(tǒng)串行的模糊聚類劃分算法在應(yīng)對高維、超高維矩陣運算時存在運算量大、運算效率低、運算空間不足等問題,導(dǎo)致聚類耗時過長,無法滿足云計算環(huán)境中集群資源聚類的時效要求。因此,需要對傳統(tǒng)串行模糊聚類算法進(jìn)行優(yōu)化和改進(jìn),才能更好地應(yīng)用于云計算領(lǐng)域。
  首先,針對應(yīng)用于云計算環(huán)境下的傳統(tǒng)串行模糊聚類劃分算法進(jìn)行研究,對比分析了三種傳統(tǒng)聚類算法(傳遞閉包法、最大樹法和編網(wǎng)法)

3、,并總結(jié)了它們的特點和不足,提出了基于模糊等價關(guān)系和模糊相似處理的優(yōu)化和并發(fā)策略,能夠減少聚類的運算量,提高聚類運算效率,大幅縮短聚類耗時。實驗結(jié)果表明,提出的優(yōu)化和并發(fā)策略能夠有效解決現(xiàn)有工作在面對中小規(guī)模云集群資源聚類劃分過程中聚類耗時開銷過大的問題。
  然后,針對現(xiàn)有工作在面對大規(guī)模集群資源聚類運算時,傳統(tǒng)模糊聚類算法始終存在的運算內(nèi)存不足、計算量超大,直接導(dǎo)致無法進(jìn)行云集群資源聚類劃分運算的問題,提出一種基于MapRed

4、uce框架的模糊聚類算法并行化實現(xiàn)方案,并提出通過構(gòu)造一個“同構(gòu)”小型云去調(diào)度一個“異構(gòu)”大型云的設(shè)想。實驗結(jié)果表明,提出的并行策略具有良好的加速比和擴展性,能夠有效解決現(xiàn)有工作在面對大規(guī)模云集群時無法進(jìn)行資源聚類劃分的問題;并通過與并發(fā)策略結(jié)合使用,可適用于各種規(guī)模的云集群資源模糊聚類劃分工作。
  最后,針對現(xiàn)有Hadoop調(diào)度算法在異構(gòu)性方面存在的調(diào)度效率低下的問題,將并發(fā)和并行后的模糊聚類研究成果應(yīng)用到Hadoop集群的資

溫馨提示

  • 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論