《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 其他 > 設(shè)計(jì)應(yīng)用 > 基于云計(jì)算的流媒體任務(wù)調(diào)度算法
基于云計(jì)算的流媒體任務(wù)調(diào)度算法
2021年電子技術(shù)應(yīng)用第8期
楊 戈1，2，吳俊言1
1.北京師范大學(xué)珠海分校 智能多媒體技術(shù)重點(diǎn)實(shí)驗(yàn)室，廣東 珠海519087； 2.北京大學(xué)深圳研究生院 深圳物聯(lián)網(wǎng)智能感知技術(shù)工程實(shí)驗(yàn)室，廣東 深圳518055
摘要： 針對(duì)當(dāng)前流媒體的大量視頻資源從而帶來(lái)的云計(jì)算的負(fù)載均衡和任務(wù)分配問(wèn)題，在Cloudsim云環(huán)境下實(shí)現(xiàn)了任務(wù)調(diào)度的GAAC算法(Greedy And Ant Colony Algorithm，GAAC)。GAAC算法具有迭代學(xué)習(xí)機(jī)制、局部最優(yōu)和負(fù)載均衡的特點(diǎn)。并在Cloudsim的環(huán)境下，完成了對(duì)GAAC算法、輪轉(zhuǎn)算法(Round Roll Algorithm，RR)、貪心算法和蟻群算法的仿真比較。實(shí)驗(yàn)驗(yàn)證，GAAC算法從總體上而言，任務(wù)調(diào)度所用的時(shí)間明顯較低于貪心算法和傳統(tǒng)的輪轉(zhuǎn)算法和蟻群算法，即其任務(wù)執(zhí)行的時(shí)間更短，效率更高。
中圖分類號(hào)： TN949.2
文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.200770
中文引用格式： 楊戈，吳俊言. 基于云計(jì)算的流媒體任務(wù)調(diào)度算法[J].電子技術(shù)應(yīng)用，2021，47(8)：97-100，105.
英文引用格式： Yang Ge，Wu Junyan. Task scheduling algorithm based on cloud computing for streaming media[J]. Application of Electronic Technique，2021，47(8)：97-100，105.
Task scheduling algorithm based on cloud computing for streaming media
Yang Ge1，2，Wu Junyan1
1.Key Laboratory of Intelligent Multimedia Technology，Beijing Normal University(Zhuhai Campus)，Zhuhai 519087，China； 2.Engineering Lab on Intelligent Perception for Internet of Things(ELIP)，Shenzhen Graduate School， Peking University，Shenzhen 518055，China
Abstract： Aiming at the problem of cloud computing load balancing and task allocation brought about by a large number of video resources in the current streaming media, the task scheduling GAAC algorithm(Greedy And Ant Colony Algorithm，GAAC) is implemented in the Cloudsim cloud environment. GAAC algorithm has the characteristics of iterative learning mechanism, local optimization and load balancing. In the context of cloudsim, simulations of GAAC algorithm, Round Roll Algorithm(RR), greedy algorithm and ant colony algorithm were completed. The experimental verification shows that GAAC algorithm is generally lower in the time spent on task scheduling than greedy algorithm, traditional rotation algorithm and ant colony algorithm.
Key words : Cloud computing；task scheduling；Greedy algorithm

0 引言

    隨著計(jì)算機(jī)時(shí)代的發(fā)展，用戶的基數(shù)正在不斷擴(kuò)大，而對(duì)應(yīng)的在線視頻的量級(jí)也正逐步擴(kuò)展，為解決點(diǎn)對(duì)點(diǎn)的在線視頻的服務(wù)器的速度和帶寬問(wèn)題，以及大量的視頻資源帶來(lái)服務(wù)器計(jì)算負(fù)載問(wèn)題，增加其負(fù)載而帶來(lái)了“云計(jì)算”[1]。

    云計(jì)算分為3層，分別是IaaS(基礎(chǔ)設(shè)施即服務(wù))、Paas(平臺(tái)即服務(wù))和SaaS(軟件即服務(wù))[2]。儲(chǔ)存資源管理是計(jì)算機(jī)資源管理的一部分，側(cè)重于計(jì)算機(jī)的節(jié)點(diǎn)的高效性和節(jié)點(diǎn)的整體負(fù)載均衡。無(wú)論是一般的云計(jì)算，還是快速發(fā)展的移動(dòng)云計(jì)算，云增效模式是最常見(jiàn)的云計(jì)算模式[3]。因而在云計(jì)算方面，最主要研究的是計(jì)算機(jī)資源、負(fù)載均衡的實(shí)現(xiàn)和任務(wù)調(diào)度的分配等方面。在任務(wù)調(diào)度方面，文獻(xiàn)[4]提出了一種面向多目標(biāo)的兩階段任務(wù)調(diào)度算法，具有讓任務(wù)匹配最小時(shí)間資源的偏好，重調(diào)度階段，實(shí)現(xiàn)負(fù)載均衡；文獻(xiàn)[5]提出了針對(duì)P2P(對(duì)等網(wǎng)絡(luò)，即對(duì)等計(jì)算機(jī)網(wǎng)絡(luò))結(jié)構(gòu)上的用數(shù)據(jù)副本來(lái)進(jìn)行管理，從而提高數(shù)據(jù)訪問(wèn)的效率和系統(tǒng)容錯(cuò)功能。文獻(xiàn)[6]中提出了一種基于任務(wù)調(diào)度的模板策略，通過(guò)任務(wù)集合求出任務(wù)量模版，并依據(jù)模板對(duì)調(diào)度算法進(jìn)行任務(wù)調(diào)度的TTS(基于模板的任務(wù)調(diào)度策略)策略。該算法從全局的角度計(jì)算出調(diào)度模板，有目標(biāo)地實(shí)現(xiàn)了調(diào)度同時(shí)充分考慮了通信開(kāi)銷。




本文詳細(xì)內(nèi)容請(qǐng)下載：http://theprogrammingfactory.com/resource/share/2000003709。




作者信息：

楊  戈1，2，吳俊言1

(1.北京師范大學(xué)珠海分校 智能多媒體技術(shù)重點(diǎn)實(shí)驗(yàn)室，廣東 珠海519087；

2.北京大學(xué)深圳研究生院 深圳物聯(lián)網(wǎng)智能感知技術(shù)工程實(shí)驗(yàn)室，廣東 深圳518055)




wd.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。