APP下载

一种自适应粒子群算法在云资源调度中的应用

2021-01-07张娟芝段中兴熊福力

计算机测量与控制 2020年12期
关键词:物理资源

张娟芝,段中兴,熊福力

(西安建筑科技大学 信息与控制工程学院,西安 710055)

0 引言

随着物联网及5G技术的快速发展及大规模商用,未来时代必定是云计算的时代。这对云计算在高速网络和高性能计算系统方面有了更高的要求[1]。云计算是一种基于虚拟化技术的新型计算模式,它将大量用网络连接的不同位置及空间的数据中心的物理计算资源构成一个虚拟的资源池,并根据用户对计算能力、存储空间、网络带宽及其他信息服务的需求而实现统一的资源调度。因此,快速对各种计算资源进行合理的调度是云计算须处理的关键点及难点所在。

近几年大数据及云计算产业在全世界的兴起及普及,国内外学者对于云计算数据中心的研究方向已经从传统数据中心资源调度优化所关注的应用的稳定性、数据的安全可靠性等方面[2]。云计算发展过程中,资源分配机制始终是数据中心效能优化中亟待解决的问题,也是云计算领域内的研究热点[3]。

目前国内外大多数研究资源调度算法都是基于蚁群算法(ACO,ant colony algorithm)、QoS(quality of service)网格管理算法、粒子群算法(PSO,particle swarm optimization)、遗传算法(GA,genetic algorithm)、布谷鸟算法等智能算法[4]。对云计算而言,合理且高效地调度高度并发的任务十分必要。在这种情况下,分布式计算(distributed computing)、网格计算 (grid computing)等混合演进形成了现如今较为成熟的云计服务模式和商业模型[5-6]。Keshanchi[7]等人使用改进遗传算法(GA,genetic algorithm)在云环境中进行任务调度,其中GA采用精英选择的方法防止早熟收敛。基于粒子群算法(PSO,particle swarm optimization)等智能算法的云计算资源调度与优化也成为了研究的热点[8]。……

登录APP查看全文

猜你喜欢

物理资源
让有限的“资源”更有效
只因是物理
基础教育资源展示
资源回收
资源再生 欢迎订阅
我不是教物理的
对你有用的“钱”在资源