《電子技術(shù)應用》
您所在的位置：首頁 > 其他 > 設計應用 > 基于云計算的流媒體任務調(diào)度算法
基于云計算的流媒體任務調(diào)度算法
2021年電子技術(shù)應用第8期
楊 戈1，2，吳俊言1
1.北京師范大學珠海分校 智能多媒體技術(shù)重點實驗室，廣東 珠海519087； 2.北京大學深圳研究生院 深圳物聯(lián)網(wǎng)智能感知技術(shù)工程實驗室，廣東 深圳518055
摘要： 針對當前流媒體的大量視頻資源從而帶來的云計算的負載均衡和任務分配問題，在Cloudsim云環(huán)境下實現(xiàn)了任務調(diào)度的GAAC算法(Greedy And Ant Colony Algorithm，GAAC)。GAAC算法具有迭代學習機制、局部最優(yōu)和負載均衡的特點。并在Cloudsim的環(huán)境下，完成了對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。實驗驗證，GAAC算法從總體上而言，任務調(diào)度所用的時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，即其任務執(zhí)行的時間更短，效率更高。
中圖分類號： TN949.2
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200770
中文引用格式： 楊戈，吳俊言. 基于云計算的流媒體任務調(diào)度算法[J].電子技術(shù)應用，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

    隨著計算機時代的發(fā)展，用戶的基數(shù)正在不斷擴大，而對應的在線視頻的量級也正逐步擴展，為解決點對點的在線視頻的服務器的速度和帶寬問題，以及大量的視頻資源帶來服務器計算負載問題，增加其負載而帶來了“云計算”[1]。

    云計算分為3層，分別是IaaS(基礎設施即服務)、Paas(平臺即服務)和SaaS(軟件即服務)[2]。儲存資源管理是計算機資源管理的一部分，側(cè)重于計算機的節(jié)點的高效性和節(jié)點的整體負載均衡。無論是一般的云計算，還是快速發(fā)展的移動云計算，云增效模式是最常見的云計算模式[3]。因而在云計算方面，最主要研究的是計算機資源、負載均衡的實現(xiàn)和任務調(diào)度的分配等方面。在任務調(diào)度方面，文獻[4]提出了一種面向多目標的兩階段任務調(diào)度算法，具有讓任務匹配最小時間資源的偏好，重調(diào)度階段，實現(xiàn)負載均衡；文獻[5]提出了針對P2P(對等網(wǎng)絡，即對等計算機網(wǎng)絡)結(jié)構(gòu)上的用數(shù)據(jù)副本來進行管理，從而提高數(shù)據(jù)訪問的效率和系統(tǒng)容錯功能。文獻[6]中提出了一種基于任務調(diào)度的模板策略，通過任務集合求出任務量模版，并依據(jù)模板對調(diào)度算法進行任務調(diào)度的TTS(基于模板的任務調(diào)度策略)策略。該算法從全局的角度計算出調(diào)度模板，有目標地實現(xiàn)了調(diào)度同時充分考慮了通信開銷。




本文詳細內(nèi)容請下載：http://ihrv.cn/resource/share/2000003709。




作者信息：

楊  戈1，2，吳俊言1

(1.北京師范大學珠海分校 智能多媒體技術(shù)重點實驗室，廣東 珠海519087；

2.北京大學深圳研究生院 深圳物聯(lián)網(wǎng)智能感知技術(shù)工程實驗室，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。