云计算环境下资源分配与任务调度研究 王静宇 btu_wjy@imust.edu.cn 内蒙古科技大学信息与网络中心.

Presentation on theme: "云计算环境下资源分配与任务调度研究 王静宇 btu_wjy@imust.edu.cn 内蒙古科技大学信息与网络中心."— Presentation transcript:

1 云计算环境下资源分配与任务调度研究 王静宇 内蒙古科技大学信息与网络中心

2 目 录 1 研究背景 相关研究 2 本文模型与算法 3 4 实验与结论

3 研究背景 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。

4 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 。

5 相关研究 IBM蓝云架构 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。

6 相关研究 MapReduce调度模型 该模型共有Master、Worker和User三种角色，分工负责。

7 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

8 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

9 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：
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。

10 本文模型与算法 资源VMi的性能描述矩阵向量是： 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。

11 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： 其中eim分别表示CPU、内存、带宽等的一般期待，且满足：

12 本文模型与算法 蚁群算法

13 本文模型与算法 算法调度工作流程 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。

14 实验与结论 云计算仿真模拟工具CloudSim 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。

15 实验与结论 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。

16 实验结果与结论 任务完成时间比较 计算能力偏好类任务比较

17 实验与结论 带宽偏好类任务比较

18 实验与结论 (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。

19 Thank You! Q&A