云环境中基于双适应度遗传算法的任务调度的研究

大连海事大学  魏丹

自从2004年Google公司提出能并发处理海量数据的MapReduce并行编程模型起,基于MapReduce模型的云平台不断涌现。其中以Hadoop平台应用最为广泛,而基于MapReduce模型的任务调度问题也成为了学者研究的热点问题,高效的任务调度算法能提高云计算系统的整体性能以及更合理地分配和利用云计算中心的资源,对云计算平台处理海量数据有重要意义。 任务调度一直是云平台中一个关键性的问题。用户数量和数据量都是非常巨大的。如何对任务进行高效的调度成为云计算中所要解决的重要问题。为了解决这个问题,考虑到云环境的新特性和原来自适应遗传算法(AGA),本文提出了一种新的双适应度函数的调度策略TAGA),不仅考虑作业的总计完成时间而且把作业平均完成时间作为一个重要因素考虑进来。该调度策略产生的作业调度序列不仅找到总任务完成时间较短的任务调度序列,而且该调度产生的结果任务平均完成时间也很短。 最后模拟云计算环境,用Matlab模拟试验对TAGA和AGA算法进行比较,设置和调整试验参数,对比分析原有算法和改进的算法。通过反复试验,TAGA在总计作业完成时间,平均任务完成时间方面都要优于AGA算法,更加适应云计算环境。

云环境中基于双适应度遗传算法的任务调度的研究