强 彦，卢军佐，裴 博

（太原理工大学 计算机科学与技术学院，太原030024）

云计算以其高效的服务而著称，是计算机界目前研究的热点［1］。云计算中的虚拟技术、作业调度技术和存储技术是几个重要的研究内容。特别是云的作业调度技术，因为随着云环境下用户数量的增加、服务类别的复杂和作业规模的不断庞大，如何通过改进作业的调度来保证云服务的质量和性能不受影响已成为大家的关注点［2］。例如，当不同种类、大小的作业同时进入服务平台，可能会造成作业调度算法的调度效率低下，造成计算资源的浪费，导致用户满意度降低。笔者通过对传统云调度算法的研究，提出将决策树分类算法引入云调度算法中，实现对传统调度算法的改进，改进后的调度算法对作业进行分类，达到同类作业进入同一个队列接受调度，有效提高了作业执行效率。

1 决策树分类算法

分类是数据挖掘的一种重要手段，能够为一定的工程应用提供决策支持，特别是决策树分类算法是应用最广泛的逻辑方法之一［3］。它能够通过训练数据集的学习来产生相应的决策规则树，并且通过信息增益计算，得到每个属性的重要程度，加快分类速度。目前已成功地应用于Web智能、金融分析、天文学和分子生物学等领域。常用的决策树算法有ID3、C4.5等［4］。其中 C4.5在ID3基础上做出了一些改进，因此本文采用C4.5算法来进行云作业分类［5］。

C4.5算法描述如下。

输入：训练样本samples、候选属性集合attribute list、当前样本T；……