基于支持向量机的任务调度模型-南华大学学报.pdf

第３１卷第 １期 南华大学学报(自然科学版) Ｖｏｌ３１Ｎｏ１ ２０１７年３月 Ｊｏｕｒｎａｌ ｏｆ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｏｕｔｈ Ｃｈｉｎａ(Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ) Ｍａｒ２０１７ － － － 文章编号:１６７３ ００６２(２０１７)０１ ００８１ ０５ 基于支持向量机的任务调度模型 牟式标ꎬ金伟健 (义乌工商职业技术学院机电信息学院ꎬ浙江 义乌 ３２２０００) 摘　 要:云计算框架大大改进了并行算法的实现难度ꎬ但是大部分算法有其局限性. 介绍了ＭａｐＲｅｄｕｃｅ(映射化简)的基本实现原理和调度模型的缺陷ꎬ提出了基于支持 向量机的的ＭａｐＲｅｄｕｃｅ进化算法ꎬ并给出了基本模型及实现.运用Ｈａｄｏｏｐ 云计算平 台进行了仿真验证ꎬ实验结果表明ꎬ基于支持向量机的ＭａｐＲｅｄｕｃｅ 计算框架在候选 云节点的调度分配的准确性上有明显提高ꎬ并且加快了数据迭代的效率. 关键词:云计算ꎻＭａｐＲｅｄｕｃｅꎻ支持向量机ꎻＨａｄｏｏｐ 中图分类号:ＴＰ３０２.１　 　 　 文献标志码:Ａ Ｔｈｅ Ｔａｓｋｓ Ｓｃｈｅｄｕｌｉｎｇ Ｍｏｄｅｌ Ｂａｓｅｄ ｏｎ Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ ＭＵ Ｓｈｉ￣ｂｉａｏꎬＪＩＮ Ｗｅｉ￣ｊｉａｎ (Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｏ￣ｍｅｃｈａｎｉｃａｌ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ ＴｅｃｈｎｏｌｏｇｙꎬＹｉｗｕ Ｉｎｄｕｓｔｒｉａｌ ａｎｄ Ｃｏｍｍｅｒｃｉａｌ ＣｏｌｌｅｇｅꎬＹｉｗｕꎬＺｈｅｊｉａｎｇ ３２２０００ꎬＣｈｉｎａ) Ａｂｓｔｒａｃｔ:Ｔｈｅ ｃｌｏｕｄｆｒａｍｅｗｏｒｋｒｅｄｕｃｅｄｔｈｅｄｉｆｆｉｃｕｌｔｙ ｔｏｒｅａｌｉｚｅｐａｒａｌｌｅｌ ａｌｇｏｒｉｔｈｍ.Ｂｕｔ ｍｏｓｔ ｏｆ ｔｈｅ ａｌｇｏｒｉｔｈｍｓ ｈａｖｅ ｔｈｅ ｄｅｆｅｃｔｓ.Ｔｈｅ ｆｕｎｄａｍｅｎｔａｌ ａｎｄ ｓｃｈｅｄｕｌｉｎｇ ｍｏｄｅｌ ｏｆ ＭａｐＲｅｄｕｃｅ ａｒｅ ｉｎｔｒｏｄｕｃｅｄ.Ｔｈｅ ｅｖｏｌｖｉｎｇ ａｌｇｏｒｉｔｈｍ ｉｓ ｐｒｏｐｏｓｅｄ ｂａｓｅｄ ｏｎ Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ.Ｔｈｅ ｂａｓｉｓ ｍｏｄｅｌ ａｎｄ ｒｅａｌｉｚａｔｉｏｎ ａｒｅ ｂｕｉｌｔ.Ｂｙ ｓｉｍｕｌａｔｉｏｎ ｒｅａｌｉｚａｔｉｏｎ ｏｎ Ｈａｄｏｏｐ ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ ｐｌａｔｆｏｒｍꎬｃｏｍｐａｒｅｄ ｗｉｔｈ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ｓｃｈｅｄｕｌｉｎｇ ａｌｇｏｒｉｔｈｍꎬｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈｅ ｎｅｗ ｔｈｅｏｒｙ ｂａｓｅｄ ｏｎ ｔｈｅ ＳＶＭ ｉｍｐｒｏｖｅ ｔｈｅ ａｃｃｕｒａｃｙ ｏｆ ｃｌｏｕｄ ｃａｎｄｉｄａｔｅ ｐｏｉｎｔ ｓｃｈｅｄｕｌｉｎｇ ａｎｄ ｉｍｐｒｏｖｅ ｔｈｅ ｓｐｅｅｄ ｏｆ ｄａｔａ ｉｔｅｒａｔｉｏｎ. ｋｅｙ ｗｏｒｄｓ:ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇꎻＭａｐＲｅｄｕｃｅꎻＳＶＭꎻＨａｄｏｏｐ 　 　 云计算是当前ＩＴ领域最热门的话题之一ꎬ代 拟资源连接起来形成一个资源池(包括计算资 表了ＩＴ技术发展的方向ꎬ它最重要的理论就是 源、存储资源、软件资源等)ꎬ为终端计算机提供 “网络即计算机”ꎬ将大规模的易用的可访问的虚 “召之即来ꎬ挥之即去”且似乎“能力无限”的ＩＴ － － 收稿日期:２０１６ ０９ １５ 基金项目:浙江省２０１６年度高校国内访问工程师“校企合作项目”(ＦＧ２０１６１２８)