导读:本文包含了请求调度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:分布式,数据,用户,服务质量,算法,租户,数据流。
请求调度论文文献综述
张晓阳[1]（2019）在《高性能网络中多优先级请求的灵活多路径带宽调度算法研究》一文中研究指出在科学研究、媒体、社交、工业等领域,数据密集型应用会在短时间内产生TB(terabytes)量级的数据。通常,这些海量数据需要在截止期限前可靠的传输到协作站点进行处理。然而传统的共享IP网络已经不能满足大数据传输对于及时性、可预测性等服务质量(Quality of Service,QoS)的要求。随着SDN(Software Defined Networking)的发展,使得高性能网络(High-Performance Networks,HPNs)的带宽预留功能更易于实现,HPNs目前已被公认为大数据传输的一种有效解决方案。现有的有关HPNs带宽调度工作主要是单路径调度,但是,一方面单路径不能满足快速增长的数据量传输需要,另一方面不能使昂贵的网络资源得到充分利用。本文研究在HPNs中灵活地使用链路不相交的多条路径,对一批有多个优先级和截止时间约束的带宽预留请求进行调度,以达到用户满意度和调度成功率最大化的同时,兼顾平均最早完成时间(Earliest Completion Time,ECT)或最短持续时间(Shortest Duration,SD)最小化。本文的研究内容主要包括以下几个方面:(1)考虑最早完成时间和最短持续时间两个灵活多路径带宽调度问题,并证明了这两个问题属于NP完全问题。(2)分别根据最小带宽和最大带宽两种路径选择原则,对上述两个问题,设计了启发式多优先级请求灵活多路径调度算法。首先权衡优先级和数据量大小两个因素,对带宽预留请求进行排序,然后根据最小带宽原则灵活的寻找多条路径来满足数据传输所需要的最小带宽,以提高用户满意度和调度成功率,而最大带宽原则通过使用最大的可用带宽进行数据传输来减小平均ECT/SD。(3)在一个真实的HPN拓扑中对本文提出的启发式算法进行小规模和大规模的仿真实验,并和已知的相似问题的算法进行对比。实验结果表明了本文算法的性能优越性。特别是在最小带宽原则下提出的两个启发式算法的用户满意度、调度成功率和平均ECT/SD叁个指标在小规模和大规模实验中都明显优于对比算法。(本文来源于《西北大学》期刊2019-06-01）
陶小旖[2]（2019）在《数据中心流量调度与请求分配的关键技术研究》一文中研究指出随着互联网以及硬件设备的发展,数据中心作为部署各类应用的基础设施,其规模经历了叁层的演化:独立数据中心、异地多数据中心以及边缘小型数据中心。当前数据中心不仅从规模上越来越大,其粒度也将越来越细。多种类型的数据中心满足用户需求,符合混合式应用的数据流量调度以及请求分配问题一直是数据中心研究中的热点问题。本文依次从数据中心内、多数据中心之间以及边缘小型数据中心这叁个层面出发,针对带宽资源有限、传输需求多样、数据量巨大、能量消耗过大这四个难点进行分析,通过总结已有工作,并与之对比,从流量调度以及请求分配这两类问题着手展开研究,具体的研究内容以及贡献如下:面向数据中心内部,本文主要研究基于截止时间的流量调度问题。多种应用种类并存,一个用户请求需要多个数据流共同合作完成,那么决定一个任务完成时间的是多个数据流中的最慢那个数据流。同时,部署在数据中心的应用存在部分时延敏感性应用,则数据流的传输完成时间对应用的性能表现有很大的影响。为此,本文提出一种基于截止时间的任务级别的流调度方法。在应用存在不同种类的前提下,将应用分为不同的优先级,流级别的优先级定义继承应用的属性。在流级别下,数据流会根据截至时间而调整自身优先级。本文建立关于流量调度产生收益的模型,收益与应用类型及大小相关联,基于此设计了流量调度近似算法。仿真实验结果表明本文提出的方法对比现有针对截止时间的流调度方法,提高了任务的完成度,同时降低了任务整体平均完成时间。面向多数据中心之间,本文主要围绕面向用户性能体验以及能耗效率方面展开研究。在用户性能体验方面,发现越来越多的互联网公司选择在多地构建自己的数据中心,为达到互联网全球化、可保障性服务的目的。我们利用数据中心多地分布式化的特点,数据的传输可以分配到多条路径上,在路径选择的基础上可以提供更有效的服务性能。由于网络情况复杂多变,突发流量等会对网络产生极大的影响。为此,本文提出针对网络拥塞状态的评价方法,并基于此提出流量调度方法。目标是在降低拥塞对流量传输产生影响的前提下,将多数据中心直接流量传输产生的利益最大化。本文通过矩阵变换以及数学推导,证明该方法的有效性。仿真实验结果表明,提出的方法能够有效提高数据流传输带来的收益,并减少网络拥塞带来的伤害。此外,在能耗方面,能源消耗占用数据中心提供商的大量的成本,因此降低能耗,保证可靠云服务性能对这些提供商来说意义重大。我们利用数据中心内资源冗余的特性,大多用户所需资源在多个数据中心都有备份,可以通过请求分配以节能的方式选择数据副本。然而,当前关于能耗方面的研究只关注降低能耗,而忽略了网络对于整体服务质量的重要性。在本文中,考虑将能耗与网络整体状况结合起来。为了实现性能的可靠性,我们提出一种结合网络和能耗资源的整体评估方法。并利用资源的冗余特点来分配用户请求,以达到满足用户需求的服务质量和降低能耗的目的,并利用对偶平滑方法求解该问题。实验结果表明,本文的方法能够在有效降低能耗的同时保障服务质量。面向边缘小型数据中心内部,本文主要研究用户请求分配问题。随着物联网、云计算的发展,边缘计算正在逐步兴起,将计算能力部署在终端设备或者网络节点上,能够帮助移动设备在数据不上传远端云的情况下就近计算和存储。对于移动用户来说,计算性能和自身电量消耗都是至关重要的,且多数任务存在截至时间的需求。为此,本文提出一种以能耗最小化为目标并能够保障计算任务性能的移动边缘计算方法。该方法根据任务的需求以及移动用户的能耗储备情况,计算将任务卸载至边缘云服务器的比例,并利用KKT条件以及拉格朗日算子法进行求解。通过实验证实了本文的方法在保障任务完成质量的基础上能够有效的减少终端能耗。(本文来源于《大连理工大学》期刊2019-05-31）
徐过[3]（2019）在《云计算环境中利润最大化的个性用户服务请求调度研究》一文中研究指出随着企业和个人用户对计算资源的需求越来越大,云计算作为可以高效提供计算资源和服务的按需付费模式变得越来越受欢迎,云计算提供商也层出不穷。云计算提供商的典型目标是最大化其利润,用户的主要目标是获得自己满意的服务价格和服务质量,而且每个用户对于服务价格和服务质量都有自己的偏好。作为资源的提供者,云计算提供商应该了解不同个性的用户对服务价格和服务质量的不同偏好,并根据用户的个性化偏好进行服务请求的分配和调度以在用户满意的前提下最大化利润。本文考虑了用户的个性化偏好,设计了新颖的实时服务请求调度算法,在用户满意度的约束条件下,优化了云计算提供商的利润。具体来说,1.本文提出了用户个性的概念,并实现了对不同个性用户满意度的精准建模。本文建立了一个统计模型来估计用户对于给定服务价格和服务质量的满意度,该统计模型能够预测到不同个性的用户对于服务价格和服务质量的个性化需求,从而让用户得到满意的服务。2.本文设计了基于整数线性规划(Integer Linear Programming,ILP)的云提供商利润优化方案。本文基于ILP对个性用户服务请求的分配和调度进行建模和求解,以获得用户满意度约束下云提供商的最优利润方案,并且提出了基于ILP的方法的不足。3.本文提出了基于价值评估和交叉熵的启发式利润优化算法。为了克服基于ILP的方法的缺点,本文提出了一个启发式利润优化算法,用于个性用户服务请求的实时分配和调度。该算法可以得到用户服务请求的近似最优分配与执行顺序,从而实现用户满意度约束下云提供商的利润优化。实验结果表明,本文提出的用户满意度模型能够准确预测出用户的满意度分数。相比于其他叁个已有的服务请求调度方案,所提出的基于ILP的利润优化方案能够实现高达97.06%、42.45%和23.58%的平均利润提升,所提出的启发式利润优化算法能够实现高达84.76%、31.22%和10.35%的平均利润提升。(本文来源于《华东师范大学》期刊2019-05-08）
陆远,冯睽睽,胡莹[4]（2019）在《单个AGV小车多个搬运请求的调度算法研究》一文中研究指出针对中小型柔性制造系统中的加工中心数量较少的问题,文章采用单个AGV小车处理多个搬运请求的调度模式。首先分析AGV小车的车间调度机制,建立AGV小车车间调度的数学模型,采用遗传算法,根据AGV小车搬运优先级的几种设定对柔性制造系统中的工序进行编码,并设计该算法中的适应度函数,选择、交叉和变异方法,通过对算法的仿真分析,确定哪种托盘搬运优先级下对调度结果的影响最小,从而计算小车的最大完工时间、最长等待时间和最优路线,并根据车间的实际加工情况验证该方法的可行性,最终为单个AGV小车的调度问题提供一种有效的解决途径。(本文来源于《组合机床与自动化加工技术》期刊2019年02期）
赖丹丹,张立臣[5]（2018）在《大数据下客户请求信息快速调度仿真研究》一文中研究指出对大数据下网络客户请求信息的高效调度,能够有效实现物理融合系统的体验质量。对客户请求信息的快速调度,通过信息素更新对调度信息进行调整,对调度信息参数进行赋值,完成大数据下客户请求信息的快速调度。传统方法建立适应度目标函数带权分量,对调度目标函数进行优化,但忽略了对调度参数的赋值,导致调度效果不理想。提出基于蚁群优化的迭代信息快速调度方法。利用迭代信息快速调度模型,给出多维服务质量迭代信息快速调度目标优化函数,对用户效用进行量化处理,对目标优化函数量化结果进行求解。采用信息素更新对迭代信息进行调整,并对调度信息参数进行赋值。对迭代信息顺序进行快速调度,以迭代信息顺序快速调度结果选取最优解以此完成迭代信息快速调度优化。实验结果表明,所提方法对迭代信息快速调度完成时间和信息请求时间较短、成本消耗较低。(本文来源于《计算机仿真》期刊2018年11期）
李宇[6]（2018）在《用于云存储数据服务器的I/O请求调度算法》一文中研究指出在云存储系统的体系架构中,当前对数据服务器守护进程的I/O请求调度采用先来先服务(first in first out)策略,这种调度策略没有考虑不同类型I/O请求的时效性要求,容易造成时效性要求高的I/O请求因被阻塞而无法得到及时处理,从而降低整个系统的服务质量.为解决该问题,本文提出一种用于云存储数据服务器的I/O请求调度算法.该算法首先对来自客户端的I/O请求进行分类,并赋予不同的优先级;然后以合适的时长作为周期、以分时间片的方式对不同优先级的I/O请求进行周期性的调度.分布式文件系统仿真实验结果表明,该算法在重负载情况下对实时请求的响应速度提高了20%,同时也兼顾了低优先级请求的响应性能.(本文来源于《西南交通大学学报》期刊2018年04期）
薛元铮[7]（2018）在《差异化云请求调度策略及性能研究》一文中研究指出随着大数据时代的到来,云计算技术蓬勃发展。如何满足异构用户不同服务质量(Quality of Service,QoS)需求及提升云数据中心的能源效率是云计算中的关键问题。本文基于软件即服务(Software as a Service,SaaS)提供商的本地服务器及基础设施即服务(Infrastructure as a Service,IaaS)提供商的云数据中心构成的混合云服务模式,研究差异化的云请求调度策略。首先,针对延迟敏感请求和差错敏感请求,将IaaS云数据中心分为可靠云和快速云。考虑差错敏感请求服务的高可靠性,在可靠云中引入请求重传机制,提出基于差错恢复的差异化云请求调度策略。在基于差错恢复的差异化云请求调度策略的基础上,考虑云资源的节能问题,在快速云中引入虚拟机双速率切换机制,提出基于速率调整的差异化云请求调度策略。其次,针对基于差错恢复的差异化云请求调度策略,构建带有服务反馈的混合排队网络系统模型。在系统稳态下,基于延迟敏感请求平均响应时间及可靠云中虚拟机利用率等指标,对策略进行性能评估。给出理论分析与仿真统计的实验结果,揭示不同性能指标之间的折中关系。再次,针对基于速率调整的差异化云请求调度策略,构建带有可变速率的混合排队网络系统模型。通过建立平衡方程进行模型稳态分析,推导延迟敏感请求平均响应时间、快速云中虚拟机节能水平及可靠云中虚拟机利用率的表达式。通过理论分析及仿真统计实验刻画系统性能指标,验证该策略的节能效果。最后,面向基于差错恢复的差异化云请求调度策略,建立延迟敏感请求的收益函数,研究云请求的纳什均衡行为和社会最优行为。面向基于速率调整的差异化云请求调度策略,结合各项性能指标之间的折中关系,建立系统成本函数。改进Jaya智能优化算法,分别为两种差异化云请求调度策略制定合理的收费方案和系统参数的联合优化方案。(本文来源于《燕山大学》期刊2018-05-01）
李兰馨[8]（2018）在《基于地理分布式数据中心的请求调度成本优化算法研究》一文中研究指出随着虚拟化技术的快速发展,现如今基于虚拟化技术的云计算平台的建设也愈加完善。越来越多领域的人们开始使用云平台去完成他们的任务部署,大型的基础设施提供公司通过云平台向外出售不同类型的虚拟机租用服务来赚取利益。由于其用户的全球化,区域化趋势愈发显着,基础设施提供商近年来更倾向于将其数据中心部署在多个国家和地区。为了应对来自世界各地的用户不断增长的服务请求,很多服务提供商近年来改变了服务器自给自足的运营模式,而是通过从基础设施提供商的分布在多个地区的数据中心租用虚拟机来部署其各种类型的服务,这样不仅减少了企业初期的服务器积累及运维的资金投入,还可以获得更好的服务性能。那么,对于服务提供商来说,面对不同地区的虚拟机租用价格及用户请求响应时间的异构性,如何调度来自各个地域的用户服务请求,如何选择不同的虚拟机租用策略得到了广泛的关注。在节约服务提供商虚拟机租金的过程中,更要尽量保证用户的SLA,本文中使用用户请求响应时间来度量。服务提供商保证各个数据中心租用虚拟机均衡的负载率也可以使其更好地应对流量高峰等情况,使服务更稳定,负载率即为数据中心中被使用的虚拟机处理能力与总租用的处理能力的比值。然而,各个数据中心虚拟机的租用价格和服务能力的多样性使得此服务提供商的租金优化问题变得更为复杂。在本文中,在节约服务提供商的虚拟机租金时,建立了整数规划数学模型,其目标为最小化虚拟机租金,其中考虑了虚拟机处理能力以及价格的多样性因素。在约束限制中,不仅考虑了不同地区以及不同类型的服务请求响应时间限制还考虑了数据中心负载率均衡约束。为了解决上述租金最小化问题,本文分别提出了每个数据中心内部以及多个数据中心之间的调度算法来调度服务请求并调整虚拟机租用数量,使服务商能够节省虚拟机租金并且可以更好的应对流量高峰等突发状况。在此调度算法中,不仅有对新到达的请求的调度策略,还包含了紧急情况下的正在被服务请求的再次映射。同时,本文可以通过收集多个时间段的不同区域不同服务的请求数量,形成数据集,进而对其处理及分析,并训练出预测模型来预测接下来的时间间隔内的各个服务的请求数量,最后估算所需的虚拟机处理能力,以便提前在各个地区租用适量的虚拟机。最后,模拟了实验环境,采用真实数据集以及ARIMA预测模型进行实验,使用分析和处理后的实验数据来训练模型参数,根据预测准确率选择预测的时间间隔,进而收集多个时间段积累的数据来预测下一个时间间隔的请求数量。为了验证本文提出的服务请求调度算法TRSA的有效性,与其他两个算法进行了对比实验,并在虚拟机总租金,虚拟机租用数量和数据中心负载率均衡这叁个方面对实验结果进行了详细的分析。最终可以发现,本文提出的TRSA调度算法在综合考虑了虚拟机租用价格和处理能力差异的情形下,既可以保证用户服务质量,又能维护数据中心负载率均衡,并且可以节省更多的服务提供商虚拟机租金。(本文来源于《吉林大学》期刊2018-04-01）
李蕾,李玲[9]（2018）在《请求下降邻域迭加选取分布式P2P视频点播调度》一文中研究指出为实现对等架构的低成本视频流传输和实时播放要求,提出基于请求下降迭加选取的分布式P2P视频点播调度算法。首先,基于迭加技术构建P2P视频点播的技术指标,充分考虑输入邻域节点、输出邻域节点和媒体服务器负载3组优化指标,构建迭加架构和分布式算法流程;其次,利用请求下降策略对发送节点和服务节点选取进行改进,解决可能出现的带宽低利用率和无效的视频播放问题;最后,通过BitTorrent视频点播系统对所提算法的有效性进行了验证。(本文来源于《图学学报》期刊2018年01期）
张中一,孟凡超,初佃辉,钱斌[10]（2017）在《一种QoS收益感知的服务请求动态调度算法》一文中研究指出随着云计算产业的发展,云计算逐步走向实际应用,许多传统企业正在将其应用向云服务模式迁移.云服务模式中能够有效减小应用负载,降低服务成本的方法就是多租户模式.在云环境下多租户模式中如何合理安排各个租户的服务请求,通过动态调度租户服务请求来保障各租户的服务质量(Quality of Service,QoS)成为了亟待解决的关键问题.服务请求动态调度是为了保障租户的服务质量,提高服务提供商的资源利用率,因此,需要制定合理的调度方案来达到双方满意的效果.该文从服务请求的服务类型以及租户两方面入手,制定了多租户服务请求动态调度策略,提出了一种以动态QoS收益值为优化目标的服务请求调度算法,该算法能够根据不同租户对服务各种QoS指标的性能需求,对各种类型的多租户服务请求按照动态QoS收益值划分优先级,按照优先级进行调度,与一些常用的方式进行调度相比,能够让平台处理更多重要性较高的服务请求,从而使平台整体的动态QoS收益值更高.(本文来源于《小型微型计算机系统》期刊2017年12期）
请求调度论文开题报告
（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：
随着互联网以及硬件设备的发展,数据中心作为部署各类应用的基础设施,其规模经历了叁层的演化:独立数据中心、异地多数据中心以及边缘小型数据中心。当前数据中心不仅从规模上越来越大,其粒度也将越来越细。多种类型的数据中心满足用户需求,符合混合式应用的数据流量调度以及请求分配问题一直是数据中心研究中的热点问题。本文依次从数据中心内、多数据中心之间以及边缘小型数据中心这叁个层面出发,针对带宽资源有限、传输需求多样、数据量巨大、能量消耗过大这四个难点进行分析,通过总结已有工作,并与之对比,从流量调度以及请求分配这两类问题着手展开研究,具体的研究内容以及贡献如下:面向数据中心内部,本文主要研究基于截止时间的流量调度问题。多种应用种类并存,一个用户请求需要多个数据流共同合作完成,那么决定一个任务完成时间的是多个数据流中的最慢那个数据流。同时,部署在数据中心的应用存在部分时延敏感性应用,则数据流的传输完成时间对应用的性能表现有很大的影响。为此,本文提出一种基于截止时间的任务级别的流调度方法。在应用存在不同种类的前提下,将应用分为不同的优先级,流级别的优先级定义继承应用的属性。在流级别下,数据流会根据截至时间而调整自身优先级。本文建立关于流量调度产生收益的模型,收益与应用类型及大小相关联,基于此设计了流量调度近似算法。仿真实验结果表明本文提出的方法对比现有针对截止时间的流调度方法,提高了任务的完成度,同时降低了任务整体平均完成时间。面向多数据中心之间,本文主要围绕面向用户性能体验以及能耗效率方面展开研究。在用户性能体验方面,发现越来越多的互联网公司选择在多地构建自己的数据中心,为达到互联网全球化、可保障性服务的目的。我们利用数据中心多地分布式化的特点,数据的传输可以分配到多条路径上,在路径选择的基础上可以提供更有效的服务性能。由于网络情况复杂多变,突发流量等会对网络产生极大的影响。为此,本文提出针对网络拥塞状态的评价方法,并基于此提出流量调度方法。目标是在降低拥塞对流量传输产生影响的前提下,将多数据中心直接流量传输产生的利益最大化。本文通过矩阵变换以及数学推导,证明该方法的有效性。仿真实验结果表明,提出的方法能够有效提高数据流传输带来的收益,并减少网络拥塞带来的伤害。此外,在能耗方面,能源消耗占用数据中心提供商的大量的成本,因此降低能耗,保证可靠云服务性能对这些提供商来说意义重大。我们利用数据中心内资源冗余的特性,大多用户所需资源在多个数据中心都有备份,可以通过请求分配以节能的方式选择数据副本。然而,当前关于能耗方面的研究只关注降低能耗,而忽略了网络对于整体服务质量的重要性。在本文中,考虑将能耗与网络整体状况结合起来。为了实现性能的可靠性,我们提出一种结合网络和能耗资源的整体评估方法。并利用资源的冗余特点来分配用户请求,以达到满足用户需求的服务质量和降低能耗的目的,并利用对偶平滑方法求解该问题。实验结果表明,本文的方法能够在有效降低能耗的同时保障服务质量。面向边缘小型数据中心内部,本文主要研究用户请求分配问题。随着物联网、云计算的发展,边缘计算正在逐步兴起,将计算能力部署在终端设备或者网络节点上,能够帮助移动设备在数据不上传远端云的情况下就近计算和存储。对于移动用户来说,计算性能和自身电量消耗都是至关重要的,且多数任务存在截至时间的需求。为此,本文提出一种以能耗最小化为目标并能够保障计算任务性能的移动边缘计算方法。该方法根据任务的需求以及移动用户的能耗储备情况,计算将任务卸载至边缘云服务器的比例,并利用KKT条件以及拉格朗日算子法进行求解。通过实验证实了本文的方法在保障任务完成质量的基础上能够有效的减少终端能耗。
（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。
请求调度论文参考文献
[1].张晓阳.高性能网络中多优先级请求的灵活多路径带宽调度算法研究[D].西北大学.2019
[2].陶小旖.数据中心流量调度与请求分配的关键技术研究[D].大连理工大学.2019
[3].徐过.云计算环境中利润最大化的个性用户服务请求调度研究[D].华东师范大学.2019
[4].陆远,冯睽睽,胡莹.单个AGV小车多个搬运请求的调度算法研究[J].组合机床与自动化加工技术.2019
[5].赖丹丹,张立臣.大数据下客户请求信息快速调度仿真研究[J].计算机仿真.2018
[6].李宇.用于云存储数据服务器的I/O请求调度算法[J].西南交通大学学报.2018
[7].薛元铮.差异化云请求调度策略及性能研究[D].燕山大学.2018
[8].李兰馨.基于地理分布式数据中心的请求调度成本优化算法研究[D].吉林大学.2018
[9].李蕾,李玲.请求下降邻域迭加选取分布式P2P视频点播调度[J].图学学报.2018
[10].张中一,孟凡超,初佃辉,钱斌.一种QoS收益感知的服务请求动态调度算法[J].小型微型计算机系统.2017
论文知识图
