杨齐成

滁州广播电视大学,安徽滁州,239000

随着云技术的不断发展，各种基于大数据流的调度适应方案层出不穷[1]。由于大数据社会工作流具有较强的混沌特性，需要通过双向方式对流的成本等进行基于一次核实机制成本核算，导致当前调度算法中存在时间收敛程度不高、费用高昂等问题，致使调度适应方案的使用受到一定程度的限制[2]。

为解决当前研究过程中的瓶颈性因素，研究者提出了若干大数据社会工作自适应调度优化算法，在一定程度上解决了部署过程中存在的问题。Thelwall[3]等提出了一种基于拉朗日自删除机制的大数据社会工作流自适应调度算法，通过随机加入拉格朗日校验因子的方式，能够实现大数据社会工作流的随机分配，且分配过程中缓存因子可进行自删除；然而，该算法需要在空间密度映射过程中进行一一比对，未考虑整体服务水平下降对算法收敛程度的影响，致使该算法的复杂度较高。Bal[4]提出了一种基于一体化成本控制机制的大数据社会工作流自适应调度算法，证明社会工作流的成本核算能够在可接受的范围内进行实时核算，且成本核算过程的收敛性较高，不过该算法主要采取固定控制的方式进行成本核算，流指数矢量的弹性性能不高，导致该算法在数据随机性较强的情况下极易出现严重的队列缓存无法得到及时更新的问题，降低了算法的可用性。 Mohammad[5]基于流缓存拥塞控制特性，提出采取随机映射方式实现算法整体负载的可用性提升，进而采取流缓存拥塞控制的方式提高算法的动态收敛效果；……