云计算环境下任务调度研究综述.doc

云计算环境下任务调度研究综述.doc云计算环境下任务调度研究综述【摘要】任务调度作为云计算环境下资源管理的主要方法,对云计算体系架构的整体效率和安全性有性有很大的影响。同时由于任务调度的算法复杂性而使得云计算环境下节点负载均衡控制相当困难。本文主主要论述为了解决云计算环境中资源统一管理的困难,引出了虚拟机资源调度模型,使资源在横向资源底层之间的差异以及纵向上资源的兼容性做到透明化的处理,也就便于资源的统一化管理。【关键词】任务调度云计算负载均衡虚拟机资源调度模型一、云计算环境下任务调度模型概述目前云计算提供商之间并没有形成一个统一的标准和规范,它们所发展的云计算技术体系结构也有很多不同之处,在对各大厂商的云计算技术进行对比分析后得出了目前云计算技术的一个简单的体系结构,它的体系结构是分层结构,主要由SOA构建层、管理中间层、资源池层和物理资源层四层组成。云计算编程模式主要目的是使得进行云计算服务开发的人员和用户在不用考虑云计算环境下复杂的软硬件环境的前提下方便快捷的使用云中的资源,同时保证云计算系统的安全性。当下比较流行的是先前介绍过的由Google公司提出的云计算编程模式MapReduce。MapReduce的具体调度模型和主要计算执行过程如下:其中有两个主要任务Map和Reduce,三个基本角色:Master、User、Worker。三个基本角色中Master是主控程序,主要负责给空闲的Worker分配Map或Reduce任务。Worker有两种,分别是MapWorker和ReduceWorker,它们的作用也不相同。前者用来解析用户提出任务的Key/Value对,?M行Map操作,并将结果对缓存在本地磁盘中,将地址返回给Master;后者主要是从Master处获得已得到的Key/Value地址,读取本地磁盘存储的数据,进行Reduce操作,并对用户返回结果。User即是云计算的用户,他们提出自己的任务需求,同时实现需求的Map和Reduce函数,控制其计算。二、,在云计算环境下任务调度本质上是一个映射的过程,它在一定的约束条件下,根据云计算环境下任务、资源两者的预测信息和状态将用户提交的互相独立的任务映射到相应的虚拟机资源上执行,然后返回处理结果。判断一个任务调度算法是否良好主要看其能否有效协调和分配虚拟机资源,降低任务的总执行时间和总消耗量,使云系统达到最大性能。任务调度的目的有两个:一是便于用户将任务透明地提交给资源;二是通过任务和资源的匹配实现更高的资源利用率和更好的满足用户的需求约束。云计算依靠任务调度算法,可以实现充分利用虚拟机资源,保证用户透明的获取更好的服务质量。但实现更好的任务调度来满足用户需求是一个很有挑战性的问题,因为云环境具有动态、分布、自治和异构等特性。云计算环境下的任务调度实质是将n个任务合理调度给m个异构资源,以便高效完成任务,任务调度其实是一个NP-hard问题,由于解NP-hard问题的函数值仅有相对最优解,因此在任务调度中经常将最短任务完成时间跨度设定为目标函数。将调度目标函数将不仅以任务完成时间跨度度量,而是作为一个QoS效用函数,新的效用函数将以执行成本约束、资源可靠性约束和任务完成时间约束来计算。,我们将云看做一个超级计算机