韩秋英　殷秀叶　张少辉

摘要：在云计算环境中，数据中心需要高效且快速的调度算法来满足不同的任务要求。本文主要从分析Map/Reduce框架模型出发，在传统遗传算法的基础上引入QoS用户服务质量度量，考虑不同用户的任务差别，并将其应用至云计算环境中的资源调度。在云仿真器CloudSim上进行仿真，实验结果表明，相对于传统遗传算法，优化的遗传算法能在大量任务的情况下取得更好的优化效果，能使任务快速合理地分配到虚拟资源上。

关键词：云计算； 改进遗传算法； 资源调度

中图分类号：TP393 文献标识码：A文章编号：2095-2163（2014）04-0100-03

Abstract：Data centers need efficient and fast scheduling algorithms to meet the requirements of the different tasks in the cloud computing environment. This paper mainly from the analysis of Map/Reduce frame， introduces QoS in the traditional genetic algorithm， considering the correspon-ding user task difference， and applies it to the resource scheduling in the cloud computing environment. Simulation is realized in the cloud simulator CloudSim， experimental results show that， improved genetic algorithm can get better performance in a large number of tasks， which would make tasks reasonable allocation to virtual resources compared with the traditional genetic algorithm.

Key words：Cloud Computing； Improved Genetic Algorithm； Resource Scheduling

0引言

云计算是现今业界最具研讨价值的课题之一。随着互联网数据中心的容量出现了快速扩充，当下以百万台计算的区域数据中心、云服务中心以及超算中心也随之频频出现，甚至异军突起的4G，都为云计算的加速发展起到了重大的推进作用[1]。

Map/Reduce是一个将大型分布式计算表达为键值对结合、并可进行串行化分布式操作的编程模型。当在云环境中使用时，Map/Reduce集群利用虚拟机可实现动态创建，同时由云提供者实施管理，而且利用特殊的时空权衡即可实现能量感知。在云计算能效和资源调度方面，国内外专家们提出了许多的算法和策略。宋杰等学者提出了能效的概念和度量能效的方法[2]；另有部分学者把虚拟机问题抽象为NP难的装箱问题以达到减少数据中心能源消耗的目的[3-4]；而文献[5]则是从资源调度角度来发起研究与讨论的。……