5.总结与展望
本文主要是针对云计算中基于任务调度的计算资源负载均衡优化问题的研究,提出了基于任务调度的计算资源负载均衡优化模型,并采用基于改进GA算法的负载均衡优化算法进行模型的求解,最后通过仿真实验证明了所建立的模型和算法的有效性和可行性。并且针对仿真实验的结果,分析了出现这样结果的原因,并证明了改进GA算法在基于任务调度的计算资源负载均衡方面比简单遗传算法和Min-Min算法有很大的优势。
由于本人水平有限,对于基于任务调度的负载均衡优化问题的研究还不完善,还有一些不足之处需要改进:
(1)本文只考虑计算资源的负载均衡,而现实生活中机器不仅需要计算资源的均衡,还要其他资源的均衡,比如存储资源、网络带宽、I/O资源等的均衡。因为每个任务的类型不可能都是计算密集型的,也可能是存储密集型、I/O密集型的。
(2)本文只考虑任务调度负载均衡中的计算资源因素,未考虑用户签署的服务等级协议(SLA)和用户的服务质量(QoS)等因素的影响。目前,王锐提出一种基于SLA的益处估计并具有负载预测功能的负载迁移启动策略[13];叶枫、王志坚和徐新坤等提出了一种基于QoS的云负载均衡机制[14]。所以,有可能导致用户的服务质量下降,或者不满足用户的服务等级协议。
(3)本文只考虑改进GA的负载均衡优化算法,而未研究并行计算中其他的全局优化算法,比如蚁群优化算法、粒子群优化算法、模拟退火算法、量子行为粒子群优化算法等。目前,冯小靖和潘郁提出了云计算环境下的DPSO资源负载均衡算法,运用了离散粒子群算法实现资源负载均衡[15]。同时对于GA算法和Min-Min算法有不少的改进方法,可以借鉴已有的研究成果继续进行算法优化。 云计算中负载均衡优化模型及算法研究(5):http://www.youerw.com/jisuanji/lunwen_2171.html