10.3969/j.issn.1672-9870.2019.05.024
基于K-means的选择性任务调度算法研究
针对云任务调度中资源利用率低、任务执行时间长、资源和任务的匹配程度低等问题,提出了一种基于K-means的启发式选择调度算法.首先,依据任务的需求特征和资源的属性,通过K-means算法分别对任务和资源进行聚类分簇,使任务和资源形成匹配映射关系,将任务簇对应到合适的资源簇,解决了因任务与资源的不匹配,从而造成的资源浪费的问题.其次,为了快速处理同一资源簇中的不同任务集,采用Min-Min算法和Max-Min算法相结合的选择调度算法,有效地改善了传统的Min-Min算法中系统负载的均衡性和系统的执行效果.最后,在CloudSim云计算仿真实验平台下,实验结果表明改进后的算法具有较好的任务执行效率,与其他方法相比,能有效的减少任务执行时间和最后完成时间、提高系统资源的利用率.
云计算、任务调度、K-means聚类、选择调度算法
42
TP399(计算技术、计算机技术)
吉林省大数据科学与工程联合重点实验室KYC-JC-XM-2018-03
2019-12-12(万方平台首次上网日期,不代表论文的发表时间)
共7页
109-115