导读:本文包含了负载均衡调度算法论文开题报告文献综述及选题提纲参考文献，主要关键词:云工作流,任务调度,负载均衡,局部最优
负载均衡调度算法论文文献综述
徐俊,项倩红,肖刚[1]（2019）在《基于改进混合蛙跳算法的云工作流负载均衡调度优化》一文中研究指出在实例密集型和开放的云环境下,工作流调度通常面临着廉价和优质资源被频繁调用的问题,导致调度效率低下,云环境稳定性遭到破坏。此外,区别于一般的任务调度,工作流任务之间通常具有关联依赖性,极大地提高了任务分配的复杂度。针对目前大多数云工作流调度中存在虚拟机间负载不均衡的现象,首先提出一种工作流分层调度模型,按任务优先级进行层级划分,将优先级相近且相互独立的任务置于同一层级,通过分层执行任务来有效缓解虚拟机的负载压力。其次,基于混合蛙跳算法进行改进,采用时间贪心算法来优化初始种群,以提高搜索效率;并增加对局部最优个体的重建策略来跳出局部最优,增强全局搜索能力。最后,将改进后的混合蛙跳算法(ISFLA)应用于云工作流调度,通过WorkflowSim仿真平台来模拟工作流调度的真实场景,并将改进后的混合蛙跳算法与传统的混合蛙跳算法及粒子群算法进行对比,从负载均衡度、工作流整体完成时间和搜索效率3个方面进行评价。实验结果表明,在迭代相同次数后,ISFLA的负载均衡度最优,并且随着任务数的增加,其值最先趋于稳定;同时,在工作流整体完成时间上,ISFLA也显着低于其他算法;在搜索效率方面,由于使用贪心算法提高了初始种群质量,ISFLA的搜索耗时大幅缩短。(本文来源于《计算机科学》期刊2019年11期）
叶波[2]（2019）在《基于负载均衡度的云计算任务调度算法》一文中研究指出针对当前云计算环境中用户群与数据量庞大的特点,如何设计高效的负载均衡调度算法是云计算领域一直探索的重要课题.提出一种基于负载均衡度的云计算任务调度算法(TS-CCLB),该算法首先依据空间案投影分析计算了集群的负载均衡度,以此给出调度决策变量,并依据任务的执行代价完成时限赋予任务不同的优先级别.任务调度时将任务按优先级调度到最大决策变量值所对应的虚拟机上.实验结果表明,该算法可有效提高云计算集群的负载均衡性,缩短总任务的完成时间,尤其当任务数与节点规模较大时,优势更为明显.(本文来源于《东北电力大学学报》期刊2019年01期）
李莉,史国振,耿魁,董秀则,李凤华[3]（2018）在《基于负载均衡的随机作业流密码服务调度算法》一文中研究指出针对安全领域业务流并行处理系统面临数据密码服务请求多样,串行工作模式和并行工作模式交叉,不同业务的数据流相互交叉的现状以及服务响应的高速、高可靠性需求的问题,为了提高多密码算法并行处理的效率,以负载均衡为调度目标,在基于业务标识的分层硬件调度方法 HHS-ACDID基础上,综合考虑算法处理节点的存储容量和处理速度,设计一种同时支持非关联任务和关联任务的负载均衡作业调度算法,实现了高速的密码处理吞吐率。仿真结果表明,该算法能够完成对数据流系统的动态调度并且得到较优的负载均衡效果,与HHS-ACDID相比,执行效率提高12%左右。(本文来源于《通信学报》期刊2018年06期）
王佳慧[4]（2018）在《基于粒子群算法的云计算联盟负载均衡调度策略》一文中研究指出云供应商与云用户的激增使得现在单一云供应商服务的商业模式不再具有市场竞争力。为了获取更大经济效益,各云计算服务商(Cloud Computing Service Provider,CCSP)合作形成了云计算联盟(Cloud Computing Federation)。文中提到的云计算联盟具有分布式、分级管理、快速收敛,易于延展和容灾的特性。CCSP以整体联盟的形式面向市场与客户,客户提交请求交给CCF,CCF再转交给具备服务能力的CCSP。为使用户请求得到快速响应,也为了保障联盟内CCSP的利益,除了CCSP内部的负载均衡外,文章采用粒子群算法对CCF的负载均衡调度策略进行研究,实验表明粒子群算法能够快速帮助CCF负载达到一个相对平衡状态。(本文来源于《信息通信》期刊2018年03期）
王钊,刘钊远[5]（2018）在《一种改进的流媒体集群动态负载均衡调度算法》一文中研究指出为提升流媒体集群节点负载反馈的及时性以及大量并发请求的处理效率问题,提出一种基于动态反馈的改进算法。该方法通过集群节点任务数变化量来动态修改反馈周期,同时根据其负载状况进行分类,以提高集群的负载均衡效果。实验表明,该算法能有效解决大量并发请求导致的集群负载倾斜问题,能够改善流媒体集群的负载均衡效果。(本文来源于《计算机与数字工程》期刊2018年02期）
杨明晨[6]（2017）在《负载均衡的Hadoop平台调度算法研究》一文中研究指出近年来,随着计算机信息技术的不断发展,数据信息在各个行业已经呈爆炸式增长。据全球互联网中心数据,截止到2020年底,全球数据量预计将达到35ZB。就像人们说的,大数据时代正式到来了。在处理海量数据的关键时刻,云计算技术随之产生,随着技术不断发展,处理大数据的云计算技术已被广泛应用于公司和企业,例如Google、Microsoft、阿里巴巴,这些公司的云计算系统大多基于一个分布式处理软件框架,即hadoop平台。Hadoop是一个安全、可靠、可并行化运行的开放式源代码框架,并且可实现对应用开发者的透明处理,用户并不需要了解hadoop底层实现细节。但毕竟云计算技术研究时间较短,技术研究还不太深入,云计算仍存在一些挑战,例如安全性,性能,资源管理,可靠性等。资源管理问题与任务调度有关,云计算任务调度是指将用户任务分配给可用资源,以改善任务的执行,提高资源利用率。因此通过改进Hadoop平台任务调度方法可以提高Hadoop平台资源利用率和整体性能。作业调度技术是hadoop平台的核心技术,它主要负责将系统中空闲资源分配给各个作业,以及控制作业执行的顺序,它对于hadoop平台计算资源分配及整体性能起着至关重要的作用。因此我们对于作业调度算法的研究具有重要意义。云计算资源的分配是基于SLA服务的,任务执行成本是任务调度算法的主要性能参数之一。另外,任务调度算法被认为是一个复杂的过程,因为它必须充分利用可用资源来执行大量任务。这就需要开发任务调度算法时应考虑许多参数,从用户的角度来看任务编译时间,成本和响应时间非常重要。而从云提供商的角度来看,资源利用率,容错能力和功耗则很重要。本文首先介绍了hadoop平台的背景、结构及hadoop核心技术;然后对单队列调度(FIFO)、容量调度(Capacity)、公平调度(Fair)叁种现有的调度算法作了详尽介绍,并在此基础上对如何改进算法的不足、提高系统整体性能作了介绍,最后提出基于遗传算法(GA)的改进任务调度策略用于分配和执行应用程序的任务,以减少任务完成时间,降低执行成本,并最大限度地提高资源利用率。提出的算法的性能已经使用Cloud Sim工具包进行了评估。(本文来源于《吉林大学》期刊2017-05-01）
李云高[7]（2017）在《基于资源共享的负载均衡任务调度算法研究》一文中研究指出伴随经济社会的不断发展,基于合作共享的消费模式被越来越多消费者所接受。同时,智能硬件及移动设备的普及使得社会资源和任务请求得以高度聚集,极大的促进了共享模式在社会各个领域的运用,如拼车、团购及群智感知等。基于资源共享的运作模式极大地提高了社会资源的利用率及运作效率,然而当前的任务调度策略并没有充分利用资源共享的优势。针对上述情况,本文主要研究了基于资源共享的任务调度系统的叁种任务调度优化问题。首先,本文研究了单机模型下基于资源共享的任务调度优化问题。在任务允许延时的情况下,本文设计算法以最小化单台设备完成所有任务所需要的总工作时间。对于单机模型下的优化问题,本文分别研究了离线情景和在线情景并分别设计了离线最优算法和竞争比为4的在线近似算法。然后,本文研究了多机模型下基于资源共享的负载均衡优化问题。本文首先描述了多机模型下负载均衡优化问题的系统模型,然后分别研究了离线情景和在线情景。对于离线情景,本文设计了基于动态规划的2近似算法,并对算法的给出了理论分析;对于在线情景,本文设计竞争比为8的在线算法。最后,本文对移动环境下基于资源共享的实时任务调度系统进行建模,在考虑时间、地理位置和总资源数限制的情况下,研究不同设备之间的负载均衡优化问题。针对移动环境下基于资源共享的任务调度优化问题,本文设计设备搜索算法及可行性检查算法以对设备进行调度,从而实现对移动环境中不同设备之间的负载均衡进行优化。针对本文设计的所有算法,本文都设计了仿真实验并根据实验结果对算法的性能进行了分析。(本文来源于《东南大学》期刊2017-04-01）
向阳[8]（2017）在《基于扰动的SDN网络负载均衡路由与流量调度算法研究》一文中研究指出随着云计算、大数据等互联网应用的快速发展,海量业务和数据都交由数据中心存储管理,数据中心日益成为巨大的信息交互中心。如何有效地提高带宽资源利用率,是数据中心网络面临的核心问题。由于数据中心网络流量的高度动态性,仅依据网络初始状态计算路由很难保持全网负载均衡。因此,根据网络实时负载状态应用自适应流量调度策略,是数据中心网络实现动态负载均衡的重要手段。论文研究在SDN网络运行过程中出现扰动(即全网链路利用率方差超过设定的阈值)时的路由与流量调度问题,主要研究工作如下:(1)提出一种基于扰动的动态负载均衡路由算法(Dynamic Load Balancing Routing Algorithm Based on Perturbation,D-LBR)。论文首先针对由最短路由算法导致的重复选取相同链路与仅凭链路利用率之和来片面选择路由的不足,采用集成链路利用率之和与链路利用率方差的综合效用值来决策路由;其次,在考虑全网出现扰动的情况下,将满足一定链路利用率条件的链路分别划分到轻、重载链路队列,实施轻、重载链路流量均衡处理。论文在由Mininet和Floodlight搭建的OpenFlow环境下,对D-LBR算法进行了仿真实验,实验结果表明,在初始路由过程中,D-LBR算法与同类算法相比能够更均衡地分配数据流量,提高了网络链路利用率和吞吐量。(2)提出一种基于交叉遗传的差异权重粒子群优化算法(Difference Weight PSO Based on Crossover Genetic,DWGPSO)。考虑到全网出现扰动时流量调度对时延敏感的实际情况,论文针对传统路由算法依靠穷举法寻路的不足,在现有粒子群优化算法的基础上,提出差异权重算法并结合交叉遗传算法以最大化利用当前搜索到的最优值,通过基于引导的方式来提高算法寻优精确度和收敛速度。(3)提出一种基于扰动的自适应流量调度算法(Adaptive Traffic Scheduling Algorithm Based on Perturbation,ATS)。论文针对网络运行过程中出现扰动的情况,从流量调度和重路由的角度出发,首先基于流量筛选阈值筛选出重路由流对象;然后基于组合优化思想,提出基于方差划分标准和综合效用值的适应度函数,并以D-LBR作为初始路由计算方法,结合DWGPSO进行组合优化以寻求重路由路径组最优解,实现基于快速重路由的流量调度过程,达到负载均衡的目的。实验验证了ATS算法在出现扰动的情况下性能指标相比其它同类算法效果良好。(本文来源于《武汉理工大学》期刊2017-03-01）
余超,秦磊华,周敬利[9]（2016）在《可负载均衡的实时虚拟机VCPU调度算法》一文中研究指出针对多核环境下的现有实时虚拟机VCPU(virtual CPU)调度算法不能在保证任务可调度的基础上高效地使用CPU资源的问题,提出一种改进的实时虚拟机VCPU调度算法LBP-EDF(基于独立队列的可负载均衡的最早截止时间优先调度算法).该算法采用了独立队列的方式,以避免共享队列带来的竞争开销.同时算法能够识别紧急任务,并通过负载均衡的机制及时地将紧急任务迁移到负载较轻的CPU上执行,在保证任务可调度的基础上,同时达到充分使用CPU资源的目的.实验结果表明:在保证任务可调度的基础上,LBPEDF较其他算法有更高的CPU利用率.(本文来源于《华中科技大学学报(自然科学版)》期刊2016年10期）
匡珍春,谢仕义[10]（2016）在《基于猫群优化算法的云计算虚拟机资源负载均衡调度》一文中研究指出为了提高虚拟机资源调度的利用率,实现虚拟机资源合理调度,提出一种基于猫群优化算法的虚拟机资源调度优化方法.首先根据虚拟机资源调度优化目标构建数学模型;然后综合考虑最短时间与最优负载构建猫群优化算法的适应度函数,并通过模拟猫的日常行为实现虚拟机资源调度最优方案的寻优;最后在CloudSim平台上对该算法的有效性进行测试.测试结果表明,该算法能获得更优的虚拟机资源调度方案,保证了虚拟机资源的负载均衡,可以满足用户需求的偏好性.(本文来源于《吉林大学学报(理学版)》期刊2016年05期）
负载均衡调度算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对当前云计算环境中用户群与数据量庞大的特点,如何设计高效的负载均衡调度算法是云计算领域一直探索的重要课题.提出一种基于负载均衡度的云计算任务调度算法(TS-CCLB),该算法首先依据空间案投影分析计算了集群的负载均衡度,以此给出调度决策变量,并依据任务的执行代价完成时限赋予任务不同的优先级别.任务调度时将任务按优先级调度到最大决策变量值所对应的虚拟机上.实验结果表明,该算法可有效提高云计算集群的负载均衡性,缩短总任务的完成时间,尤其当任务数与节点规模较大时,优势更为明显.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
负载均衡调度算法论文参考文献
[1].徐俊,项倩红,肖刚.基于改进混合蛙跳算法的云工作流负载均衡调度优化[J].计算机科学.2019
[2].叶波.基于负载均衡度的云计算任务调度算法[J].东北电力大学学报.2019
[3].李莉,史国振,耿魁,董秀则,李凤华.基于负载均衡的随机作业流密码服务调度算法[J].通信学报.2018
[4].王佳慧.基于粒子群算法的云计算联盟负载均衡调度策略[J].信息通信.2018
[5].王钊,刘钊远.一种改进的流媒体集群动态负载均衡调度算法[J].计算机与数字工程.2018
[6].杨明晨.负载均衡的Hadoop平台调度算法研究[D].吉林大学.2017
[7].李云高.基于资源共享的负载均衡任务调度算法研究[D].东南大学.2017
[8].向阳.基于扰动的SDN网络负载均衡路由与流量调度算法研究[D].武汉理工大学.2017
[9].余超,秦磊华,周敬利.可负载均衡的实时虚拟机VCPU调度算法[J].华中科技大学学报(自然科学版).2016
[10].匡珍春,谢仕义.基于猫群优化算法的云计算虚拟机资源负载均衡调度[J].吉林大学学报(理学版).2016