《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 其他 > 设计应用 > 基于云计算的流媒体任务调度算法
基于云计算的流媒体任务调度算法
2021年电子技术应用第8期
杨 戈1，2，吴俊言1
1.北京师范大学珠海分校 智能多媒体技术重点实验室，广东 珠海519087； 2.北京大学深圳研究生院 深圳物联网智能感知技术工程实验室，广东 深圳518055
摘要： 针对当前流媒体的大量视频资源从而带来的云计算的负载均衡和任务分配问题，在Cloudsim云环境下实现了任务调度的GAAC算法(Greedy And Ant Colony Algorithm，GAAC)。GAAC算法具有迭代学习机制、局部最优和负载均衡的特点。并在Cloudsim的环境下，完成了对GAAC算法、轮转算法(Round Roll Algorithm，RR)、贪心算法和蚁群算法的仿真比较。实验验证，GAAC算法从总体上而言，任务调度所用的时间明显较低于贪心算法和传统的轮转算法和蚁群算法，即其任务执行的时间更短，效率更高。
關(guān)鍵詞： 云计算 任务调度 贪心算法
中圖分類號： TN949.2
文獻(xiàn)標(biāo)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(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，而對應(yīng)的在線視頻的量級也正逐步擴(kuò)展，為解決點(diǎn)對點(diǎn)的在線視頻的服務(wù)器的速度和帶寬問題，以及大量的視頻資源帶來服務(wù)器計(jì)算負(fù)載問題，增加其負(fù)載而帶來了“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P2P(對等網(wǎng)絡(luò)，即對等計(jì)算機(jī)網(wǎng)絡(luò))結(jié)構(gòu)上的用數(shù)據(jù)副本來進(jìn)行管理，從而提高數(shù)據(jù)訪問的效率和系統(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，通過任務(wù)集合求出任務(wù)量模版，并依據(jù)模板對調(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)充分考慮了通信開銷。




本文詳細(xì)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(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。

相關(guān)內(nèi)容