云數(shù)據(jù)中心環(huán)境下并行應(yīng)用與并行負(fù)載調(diào)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(xué)應(yīng)用遷移到云數(shù)據(jù)中心執(zhí)行。盡管資源按需獲取、按使用量計費和廣域網(wǎng)互連等獨特優(yōu)勢有利于實現(xiàn)科學(xué)合作和高性價比科學(xué)計算，但科學(xué)計算同時也面臨大數(shù)據(jù)、資源虛擬化、類型多樣化和周期計費問題。資源獲取與任務(wù)調(diào)度是科學(xué)應(yīng)用獲得高效執(zhí)行的關(guān)鍵。針對現(xiàn)有研究工作在多數(shù)據(jù)中心協(xié)同調(diào)度、滿足多方面QoS需求以及應(yīng)對波動負(fù)載模式等方面存在的不足，本文對云數(shù)據(jù)中心環(huán)境下并行應(yīng)用與并行負(fù)載調(diào)度算法開

2、展了相關(guān)研究，主要工作包括：
　?。?）提出了基于加權(quán)K均值聚類的科學(xué)工作流數(shù)據(jù)與任務(wù)協(xié)同調(diào)度算法。該算法基于加權(quán)的數(shù)據(jù)與任務(wù)依賴關(guān)系構(gòu)建依賴關(guān)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(shù)據(jù)與任務(wù)放置在一起，通過重調(diào)整、任務(wù)復(fù)制和數(shù)據(jù)預(yù)導(dǎo)入進一步優(yōu)化跨數(shù)據(jù)中心的數(shù)據(jù)傳輸；
　　（2）提出了基于K割的多層圖剖分科學(xué)工作流數(shù)據(jù)與任務(wù)協(xié)同調(diào)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(shù)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(xì)粒度化技術(shù)逐層調(diào)整剖分結(jié)果并對計算任務(wù)均衡約束進行處理；
　　（3）提出了基于生物地理學(xué)優(yōu)化的DAG（Directed Acyclic Graph）調(diào)度算法。該算法以最近提出的生物地理學(xué)優(yōu)化技術(shù)為基礎(chǔ)，利用單結(jié)構(gòu)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(shù)間接計算適應(yīng)度來提高算法框架的靈活性，并通過將啟發(fā)式調(diào)度算法作為基準(zhǔn)算法來提高求解質(zhì)量，基于

4、DAG最大并行度初始化資源池以應(yīng)對按需獲取下資源類型和數(shù)量不確定的情況；
　　（4）提出了基于算法組合優(yōu)化的并行負(fù)載調(diào)度方法。該方法通過在調(diào)度器中包含大量不同類型的調(diào)度算法來應(yīng)對波動的負(fù)載模式，通過合理的效用函數(shù)設(shè)計來折衷并行負(fù)載執(zhí)行性能和費用，利用在線仿真調(diào)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(zhì)量。
　　綜上所述，本文針對當(dāng)前云數(shù)據(jù)中心環(huán)境下并行應(yīng)用與并行負(fù)載調(diào)度中亟待解決