云环境下的任务调度算法研究
摘要 | 第4-5页 |
abstract | 第5-6页 |
第一章 绪论 | 第9-14页 |
1.1 云计算的研究背景和意义 | 第9-10页 |
1.2 任务调度的研究现状 | 第10-12页 |
1.3 论文主要研究工作 | 第12页 |
1.4 论文组织结构 | 第12-14页 |
第二章 相关概念和理论介绍 | 第14-22页 |
2.1 云计算介绍 | 第14-17页 |
2.1.1 云计算的基本概念及特点 | 第14页 |
2.1.2 云计算服务模型和部署模型 | 第14-15页 |
2.1.3 云计算关键技术 | 第15-17页 |
2.2 聚类分析 | 第17-19页 |
2.2.1 k均值聚类 | 第18页 |
2.2.2 模糊c均值聚类 | 第18-19页 |
2.3 MMTD的基本概念 | 第19-21页 |
2.3.1 MMTD的研究背景 | 第19页 |
2.3.2 超态的概念 | 第19-20页 |
2.3.3 距离概念 | 第20页 |
2.3.4 一维情形的真值程度度量 | 第20页 |
2.3.5 距离比率函数和距离比率变换函数 | 第20-21页 |
2.3.6 真值程度函数 | 第21页 |
2.4 本章小结 | 第21-22页 |
第三章 基于QoS分类的任务调度算法 | 第22-33页 |
3.1 任务调度模型 | 第22-24页 |
3.1.1 任务模型 | 第22页 |
3.1.2 资源模型 | 第22页 |
3.1.3 任务分配模型 | 第22-24页 |
3.2 任务模糊聚类 | 第24-25页 |
3.3 资源分配 | 第25-27页 |
3.3.1 Min-Min相关算法 | 第25页 |
3.3.2 QOSFCM分配资源 | 第25-27页 |
3.4 QOSFCM调度算法流程图 | 第27页 |
3.5 CloudSim平台简介 | 第27-30页 |
3.5.1 CloudSim架构 | 第28页 |
3.5.2 CloudSim相关实现类 | 第28-29页 |
3.5.3 CloudSim仿真流程 | 第29-30页 |
3.6 实验结果分析 | 第30-32页 |
3.7 本章小结 | 第32-33页 |
第四章 基于MMTD的K均值遗传算法调度策略 | 第33-45页 |
4.1 任务建模 | 第33-34页 |
4.2 贪婪调度策略 | 第34页 |
4.3 相关遗传算法简介 | 第34-36页 |
4.3.1 遗传算法基本原理 | 第34-36页 |
4.3.2 k均值遗传算法 | 第36页 |
4.4 MMTD评估适应度 | 第36-39页 |
4.4.1 染色体编码 | 第36-37页 |
4.4.2 远、近程度的计算模型 | 第37-38页 |
4.4.3 适应度计算 | 第38页 |
4.4.4 选择、交叉、变异 | 第38-39页 |
4.5 MMTDGA算法流程图 | 第39-40页 |
4.6 实验环境介绍与实验结果分析 | 第40-44页 |
4.7 本章总结 | 第44-45页 |
第五章 基于数据本地性的优化调度算法 | 第45-55页 |
5.1 数据本地性感知调度算法 | 第45-47页 |
5.1.1 延时调度算法 | 第45页 |
5.1.2 Matchmaking调度算法 | 第45-46页 |
5.1.3 预取和预清洗算法 | 第46页 |
5.1.4 Next-K-Node算法 | 第46-47页 |
5.2 本地性的影响因素 | 第47-49页 |
5.2.1 数据放置策略 | 第47-48页 |
5.2.2 数据副本的数量 | 第48-49页 |
5.3 基于数据本地性改进的调度算法 | 第49-52页 |
5.3.1 Map阶段 | 第49-51页 |
5.3.2 Reduce阶段 | 第51-52页 |
5.4 环境安装与实验结果分析 | 第52-54页 |
5.4.1 Hadoop环境安装 | 第52-54页 |
5.4.2 实验结果及分析 | 第54页 |
5.5 本章小结 | 第54-55页 |
第六章 总结与展望 | 第55-57页 |
6.1 总结 | 第55页 |
6.2 展望 | 第55-57页 |
参考文献 | 第57-60页 |
附录1 攻读硕士学位期间撰写的论文 | 第60-61页 |
附录2 攻读硕士学位期间申请的专利 | 第61-62页 |
附录3 攻读硕士学位期间参加的科研项目 | 第62-63页 |
致谢 | 第63页 |