2014年[转]云计算环境下资源分配与任务调度研究.pptVIP

云计算环境下资源分配与任务调度研究 目 录 研究背景 研究背景 云计算厂商都有自己资源分配与任务调度模式，但并没有统一的标准和规范。在云计算中，资源分配的效率非常重要，对云计算平台的系统综合性能影响很大 。 相关研究 IBM蓝云架构 相关研究 MapReduce调度模型 本文模型与算法 基于任务分类及蚁群算法的 云计算系统调度模型 本文模型与算法 主要考虑因素 1、用户对云计算资源需求的多样性与偏 好性，如何作Qos保证 2、云计算平台带宽利用率 3、公平性因素 本文模型与算法 资源与任务描述 1、假设某虚拟机资源VMi 的特征集合： 本文模型与算法 资源VMi的性能描述矩阵向量是： 本文模型与算法 通常第i类任务的一般期待向量可以描述为： 本文模型与算法 蚁群算法 本文模型与算法 算法调度工作流程 实验与结论 云计算仿真模拟工具CloudSim 实验与结论 实验结果与结论 实验与结论 实验与结论 Thank You! QA 王静宇 btu_wjy@imust.edu.cn 内蒙古科技大学信息与网络中心 研究背景 1 相关研究 2 本文模型与算法 3 实验与结论 4 云计算是一种商业计算模型。它将计算任务分布在大量计算机构成的资源池上，使各种应用系统能够根据需要获取计算力、存储空间和信息服务。 IBM蓝云计算平台的资源分配与任务调度由 IBM Tivoli部署管理软件（Tivoli Provisioning Manager）、IBM Tivoli监控软件（IBM Tivoli Monitoring）以及一些虚拟化组件共同组成。 该模型共有Master、Worker和User三种角色，分工负责。 其中，rim表示一个K维对角矩阵，分别表示CPU、内存的个数，带宽、费用及故障率的倒数。 其中Eim表示rim对应的特征值。 任务的QoS描述通常可以采用任务完成时间、网络带宽、费用、可靠性等参数指标来量化QoS，如任务完成时间的QoS描述包括开始时间、总完成时间、结束时间等，使用时可选取任务总完成时间作为评判指标。 其中eim分别表示CPU、内存、带宽等的一般期待，且满足： 首先，对用户的任务按优先级进行排序，然后进行分类，分类体现了用户任务对不同QoS的要求和偏好，并依据QoS分类利用蚁群算法实施资源分配与调度，并将任务与资源绑定，运行任务。 支持模拟新兴的云计算基础设施和管理服务： 支持建模和安装大规模云计算基础设施，包括在单一物理计算节点和java虚拟机上的数据中心。 可对数据中心，服务代理，调度和分配策略进行建模。 提供虚拟引擎，有助于在一个数据中心节点上创建和管理多个，独立和协同的虚拟服务。 可以灵活地在共享空间和共享时间分配的处理核心之间切换。 在体系结构上，CloudSim仿真器采用分层的结构，自底向上由SimJava，GridSim，CloudSim，用户代码四个层次组成。 任务完成时间比较 计算能力偏好类任务比较 带宽偏好类任务比较 (1) 提出将基于QoS任务分类和蚁群算法用于解决云计算平台下的资源分配与调度问题，扩展了CloudSim源代码并进行重新编译和生成，并在此扩展的仿真平台上对算法进行了仿真分析。 (2) 通过将仿真实验结果与最优完成时间算法的仿真结果对比，表明本文提出的算法可以有效的执行用户的任务，并表现出更好的公平性和用户满意度。