导读:本文包含了调度器论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:队列,多核,资源,作业,尽力而为,固态,速率。
调度器论文文献综述
关沫,张晓宇[1]（2019）在《基于FPGA的实时操作系统调度器硬件化设计与实现》一文中研究指出采用VHDL语言设计适用于硬件化的实时操作系统调度器,基于FPGA使用组合电路和时序电路完成了系统内核调度器的搭建。该调度器在Variable Multi-Processing (VMP)运行模式下,可在一个系统时钟之内完成多核处理器的任务调度,并可同时管理不同芯片系统,完成异构处理器系统的统一调度。由于该调度器是采用门电路搭建而成的,存在于芯片系统之外,因此具有极高的稳定性和系统性能,并且可以根据需要进行裁剪。(本文来源于《信息技术与网络安全》期刊2019年06期）
平凡[2]（2019）在《基于Kubernetes的资源调度器优化策略研究》一文中研究指出Kubernetes作为当前最被业界广泛认可的Docker容器编排系统,大多数云服务提供商都将其作为云原生应用的部署解决方案。虽然它拥有十分丰富的系统功能,但作为编排系统,其最核心的依然是调度功能。本文将Kubernetes中实现调度功能的系统组件——资源调度器作为研究对象,针对现有调度器存在的静态与动态调度问题,提出了相应的优化策略。首先对涉及到的相关技术,如Docker容器技术、Kubernetes技术和云计算集群调度器技术分别进行研究。在此基础上,对Kubernetes资源调度器及其调度策略进行深入分析,并探讨现有资源调度器所存在的问题。然后针对资源调度器在静态调度时存在的冗余计算问题,通过重新优化其静态调度流程,提出了一套RRC(Reduce Redundancy Calculations)调度算法。此算法针对同一资源控制器的不同副本在进行调度时,可减少冗余计算步骤,以此提升调度器的调度效率。接着针对静态调度过后可能会出现的集群负载极不均衡的问题,通过分析其动态调度需求,提出了一套集群动态负载均衡机制。该机制根据某些触发条件以及节点负载信息变化情况,能够动态选择合适的Pod进行重新调度,从而达到负载均衡的目的。最后搭建Kubernetes集群实验环境,并设计实验方案进行验证。在此基础上,对实验结果做数据分析,验证优化方案的可用性与有效性。静态调度实验结果表明,经静态调度优化方案优化后,调度器在针对同一资源控制器的Pod副本进行调度时,平均调度时间缩短了约9%,调度器经优化后表现出了更好的调度性能;负载均衡实验结果显示,在Pod刚被调度时,静态调度可以使集群保持负载的相对均衡,但集群长时间运行情况下则会出现负载不均衡的问题。而本文提出的动态负载均衡机制,结合静态与动态调度,可以保证集群在长时间运行的情况下,依然可以很好的维持集群系统的均衡性,从而更好的保持集群系统的稳定。(本文来源于《西安邮电大学》期刊2019-06-01）
张志平,白杨,何向栋[3]（2019）在《TTE网络混合业务调度器设计和实现》一文中研究指出分析了AS6802标准中支持的多种业务消息的传输特性,设计了一种时间触发以太网多种业务消息发送的混合业务调度器。采用发送计划表和允许发送帧长控制,实现了时间触发数据的按时发送。基于允许发送帧长控制和非抢占优先级调度的非时间触发业务发送,保证了带宽利用率,实现了PCF业务的事件触发特性、RC业务的速率限制特性和BE业务的尽力而为特性。混合业务调度器满足了时间触发以太网多业务传输要求。(本文来源于《信息通信》期刊2019年05期）
赵婉芳,韩勇[4]（2019）在《基于调度器的物联网设备能耗优化策略》一文中研究指出针对物联网边缘节点能源消耗需求快速增长问题,提出一种调度器优化策略,整体降低边缘节点能耗。在典型的物联网多核终端系统的电源管理架构及能耗特性的基础上,分析现有Linux系统电源管理存在的不足,提出改进调度器策略来优化系统能耗控制,并给出了该策略的实现过程及实施要点。该策略在多核模拟系统中进行了测试,结果表明,在低负载的运行场景,即CPU不需要进行大规模运算处理的情境下,如数据采集、设备监控等物联网典型应用场景,该策略节能效果明显。(本文来源于《电信科学》期刊2019年03期）
徐正伦,杨鹤标[5]（2018）在《基于Kubernetes调度器的服务质量优化调度算法研究》一文中研究指出针对现有调度算法在调度时未考虑QoS等级的影响,导致节点上不同优先等级的Pod数量不均,最终造成需要终止低优先级Pod时只有高优先级Pod存在的问题,深入分析评估了Kubernetes调度器的调度算法,利用分布式系统设计思想和技术(如MapReduce思想、Etcd存储等),设计了BalancedQosPriority算法。该算法使各QoS等级的Pod在集群中尽可能分散,促使节点上各个QoS等级的Pod尽可能梯度存在,以避免无低优先级Pod可终止的窘境,从而提高集群在突发负载时的可靠性。对算法进行性能评估,结果表明,BalancedQosPriority算法在解决上述问题的同时未造成明显的性能损失。(本文来源于《软件导刊》期刊2018年11期）
谢鑫,向飞[6]（2018）在《一种基于增强型调度器的虚拟机软件保护方法》一文中研究指出考虑到现有虚拟机的软件保护方法一般是通过改进虚拟指令处理函数(Handler)来提升保护强度,而调度器(Dispatcher)是除了Handler之外构成虚拟机保护框架的重要模块,为逆向分析者的重点攻击目标。针对Dispatcher模块易受静动态逆向攻击的问题,提出一种基于增强型Dispatcher的虚拟机软件保护方法。对Dispatcher模块中的指令序列进行多样化,切分所有指令序列。随机选择不同的指令片段进行控制流迭代混淆和加密。采用随机函数对指令片段进行连接,形成新的Dispatcher模块。实验表明,该方法在给受保护程序引入部分时间和空间开销下,能有效提升整体虚拟机保护框架的安全性。(本文来源于《计算机应用与软件》期刊2018年11期）
钱鹏飞,乔庐峰,陈庆华[7]（2018）在《一种在大容量交换中可以保证QoS的队列调度器设计与实现》一文中研究指出为了保证大容量交换结构中高优先级业务流的QoS,设计了一种可以区分服务的队列调度器。该调度器采用GDWRR算法对不同优先级队列的连接请求和队列选择进行调度,可以根据当前队列的状态动态调整各队列服务的门限值,从而避免低优先级队列的"饿死"现象。整个设计在Xilinx公司的xc6vlx240t FPGA平台上进行实现,结果表明,该电路可以为高优先级队列提供QoS保障,降低关键业务时延,并为整个交换结构的全局调度提供可能。(本文来源于《通信技术》期刊2018年11期）
孟祥辉,曾学文,陈晓,叶晓舟[8]（2018）在《面向闪存存储的公平高效I/O调度器》一文中研究指出固态硬盘(SSD)具有优秀的读写性能,逐渐被广泛使用在存储系统中。而传统的I/O调度算法都是针对磁盘进行优化,Linux NOOP调度器延时低,却不能保证I/O公平性;CFQ调度器实现了I/O公平性却牺牲了响应性。为了针对SSD实现公平高效的I/O调度策略,本文提出一种全新的I/O调度器—SSDCFQ。SSDCFQ结合CFQ和NOOP调度算法的优点,并且为了加速读写过程引入元数据请求队列,为每个进程维护两个FIFO请求队列,并通过round-robin轮询策略进行管理。实验结果表明,SSDCFQ比NOOP的公平性提高了28%,比CFQ的延时降低了55%。(本文来源于《网络新媒体技术》期刊2018年04期）
张垚杰[9]（2018）在《基于YARN的混合结构调度器的研究和优化》一文中研究指出目前大数据技术迅速渗透了各行各业,也产生了多种数据处理需求:批处理、实时事件处理、机器学习等。在这样的背景下,Hadoop在其第二代(Hadoop2.0)引入了YARN进行资源管理,YARN是Hadoop提供的解决多维需求的方法,将Hadoop从单一的“批量存储/处理”系统,转换成真正的多用途平台。然而,通过分析生产环境中这样异构的负载,我们发现集群中的任务不成比例地共享资源,即少量长任务消耗了大部分集群资源。同时还发现,这样的负载下存在大量的资源碎片,即已经分配但是还未使用的资源。因此,本文通过拓展YARN,采用混合结构的调度方式,从而将长短任务分开进行处理,并且让分布式调度器利用资源碎片。本文在YARN的基础上研究了混合结构调度方式,即向原先的调度系统中添加分布式调度器。此时调度系统中存在两种调度器,这两种调度器各有不同的特点:1)中央调度器可以为异构的应用提供严格的调度不变量保证(例如fairness、capacity);2)分布式调度器可以提供可拓展的高效的调度,但是难以实现调度不变量。我们设计使用中央调度器来处理长任务,因为中央调度有全局的资源视图,可以从多个维度优化资源分配。对于短任务,我们使用分布式调度器通过过分配的方式来利用集群中的资源碎片。因为现在整个调度系统中有两条调度路径,我们首先要解决的问题是如何选取合适的调度路径。我们将这个工作放在应用框架中来做,因为应用更能理解自己对资源的需求。不失一般性地本文在Map Reduce框架中使用采样执行和回归分析相结合的方法来鉴别短任务。另外,因为我们使用分布式调度器来利用过分配资源,所以节点很可能出现拥塞的情况。对于这个问题,我们提出了一种主动避免的解决方法,通过学习作业历史数据来训练拥塞避免模型,使用该模型指导调度器放弃可能会出现拥塞的决策。最后通过对比实验,使用多种负载,包括重现真实生产环境负载、典型benchmark负载和混合负载,验证了短任务选取模块、拥塞避免模块和整体性能改进。实验表明,混合结构调度器提升了集群的任务吞吐量,进而提高了资源使用率,缩短了任务完成时间。(本文来源于《哈尔滨工业大学》期刊2018-06-01）
蔡斌冰[10]（2018）在《Hadoop资源感知调度器的设计与实现》一文中研究指出作业调度器是分布式文件系统的核心模块之一,它的性能好坏会极大程度影响到分布式集群的资源利用效率以及整体性能。Hadoop分布式系统中现有的作业调度器都只侧重单一的技术指标,使得系统不能及时有效地为多样的客户需求分配计算资源(如CPU资源和内存资源等)。对此,本文提出了Hadoop资源感知调度器,特别以资源合理调度分配为目的,对Hadoop分布式系统的队列管理和作业管理进行优化设计,并设计和实现了具有资源感知能力的Hadoop作业调度器。Hadoop资源感知调度器一方面针对当前Hadoop分布式系统以队列的方式管理作业时所存在的缺点,对用户的需求进行考虑,将队列分为叁种类型:大资源需求量的作业队列,正常资源需求量的作业队列,以及较少资源需求量的作业队列。通过比较作业的资源请求和节点列表的平均可用资源量,将作业划入相应的作业队列中,从而完成队列的合理划分以及作业的科学管理。另一方面Hadoop资源感知调度器考虑集群资源的供应,选择针对集群各个节点的CPU资源量,提出一种以CPU资源量为主要比较标准的节点划分算法,采用叁种类型列表管理拥有不同CPU资源量的节点,即拥有较大CPU资源量的节点列表,拥有正常CPU资源量的节点列表以及拥有较少CPU资源量的节点列表,分别对应叁种类型的作业队列。对资源和作业都采用叁种类型队列进行划分和管理之后,Hadoop资源感知调度器只需要在匹配的作业队列和节点列表里进行作业的资源分配,从而能更为高效地为用户分配资源。Hadoop资源感知调度器在设计新的作业调度算法时,将算法复杂度问题摆在首位,优先选择优化算法复杂度较低的作业调度算法。新的调度算法在节点更新计算资源的时候会优先查找节点列表所对应队列中待处理的应用。当存在未处理的应用时,节点会优先处理队列中的作业,否则节点会暂时为其他队列中的作业提供计算资源。通过在实际Hadoop分布式环境与叁种Hadoop系统原生调度器进行对比测试实验,结果表明相比于Hadoop分布式系统原生调度器,Hadoop资源感知调度器能够兼顾吞吐率,作业平均执行时间,以及作业完工时间等多种技术指标,并且在处理小作业方面能够减少任务的总完工时间,在读写方面具备更高的效率。(本文来源于《华侨大学》期刊2018-05-30）
调度器论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
Kubernetes作为当前最被业界广泛认可的Docker容器编排系统,大多数云服务提供商都将其作为云原生应用的部署解决方案。虽然它拥有十分丰富的系统功能,但作为编排系统,其最核心的依然是调度功能。本文将Kubernetes中实现调度功能的系统组件——资源调度器作为研究对象,针对现有调度器存在的静态与动态调度问题,提出了相应的优化策略。首先对涉及到的相关技术,如Docker容器技术、Kubernetes技术和云计算集群调度器技术分别进行研究。在此基础上,对Kubernetes资源调度器及其调度策略进行深入分析,并探讨现有资源调度器所存在的问题。然后针对资源调度器在静态调度时存在的冗余计算问题,通过重新优化其静态调度流程,提出了一套RRC(Reduce Redundancy Calculations)调度算法。此算法针对同一资源控制器的不同副本在进行调度时,可减少冗余计算步骤,以此提升调度器的调度效率。接着针对静态调度过后可能会出现的集群负载极不均衡的问题,通过分析其动态调度需求,提出了一套集群动态负载均衡机制。该机制根据某些触发条件以及节点负载信息变化情况,能够动态选择合适的Pod进行重新调度,从而达到负载均衡的目的。最后搭建Kubernetes集群实验环境,并设计实验方案进行验证。在此基础上,对实验结果做数据分析,验证优化方案的可用性与有效性。静态调度实验结果表明,经静态调度优化方案优化后,调度器在针对同一资源控制器的Pod副本进行调度时,平均调度时间缩短了约9%,调度器经优化后表现出了更好的调度性能;负载均衡实验结果显示,在Pod刚被调度时,静态调度可以使集群保持负载的相对均衡,但集群长时间运行情况下则会出现负载不均衡的问题。而本文提出的动态负载均衡机制,结合静态与动态调度,可以保证集群在长时间运行的情况下,依然可以很好的维持集群系统的均衡性,从而更好的保持集群系统的稳定。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
调度器论文参考文献
[1].关沫,张晓宇.基于FPGA的实时操作系统调度器硬件化设计与实现[J].信息技术与网络安全.2019
[2].平凡.基于Kubernetes的资源调度器优化策略研究[D].西安邮电大学.2019
[3].张志平,白杨,何向栋.TTE网络混合业务调度器设计和实现[J].信息通信.2019
[4].赵婉芳,韩勇.基于调度器的物联网设备能耗优化策略[J].电信科学.2019
[5].徐正伦,杨鹤标.基于Kubernetes调度器的服务质量优化调度算法研究[J].软件导刊.2018
[6].谢鑫,向飞.一种基于增强型调度器的虚拟机软件保护方法[J].计算机应用与软件.2018
[7].钱鹏飞,乔庐峰,陈庆华.一种在大容量交换中可以保证QoS的队列调度器设计与实现[J].通信技术.2018
[8].孟祥辉,曾学文,陈晓,叶晓舟.面向闪存存储的公平高效I/O调度器[J].网络新媒体技术.2018
[9].张垚杰.基于YARN的混合结构调度器的研究和优化[D].哈尔滨工业大学.2018
[10].蔡斌冰.Hadoop资源感知调度器的设计与实现[D].华侨大学.2018
论文知识图
