- 上一篇：开放型数控系统运动控制系统设计+源程序+CAD图纸
- 下一篇：基于FLASH的多媒体课件设计与开发+源文件
2 云计算虚拟机资源调度
2.1 研究场景
本文要研究的是任务调度中，如何快速而高效的获得虚拟机。我们定义好的任务(用户程序)开始执行，它会被Map/Reduce库划分为若干份，之后将用户进程拷贝到集群内的其他机器上并行处理。对于Map/Reduce任务，我们给它分配合适的虚拟机，并把这些虚拟机按照一定的算法部署到物理机上,即虚拟机资源调度实际上分为两级，一级调度是云计算中用户任务与虚拟机资源的调度，二级调度是虚拟机与物理机的映射[8]。本文主要研究的是虚拟机的一级调度,二级调度可以由CloudSim仿真默认生成。
研究场景还包括以下说明，在云环境下各个虚拟机机所提供的能力是有所不同的(如CPU、内存、外存和网络带宽)所以它们很大程度上是异构的；由于云用户的请求是自主进行的，所以用户所提交的任务也是独立的；不同的任务需求是不同的，应根据其工作量分配相应的虚拟机。
2.2 Map/Reduce框架模型
Google公司设计出的Map/Reduce模型，是当今世界最流行的海量数据处理编程模型[8]。它的工作原理是：Map函数将用户任务细化为多个子任务，并把这些子任务分配到虚拟机节点，待子任务执行完，再有Reduce函数将产生的中间结果进行汇总处理。下图2-1是其执行流程：
-
Hadoop云计算环境下的Web应用日志安全威胁分析
-
云虚拟环境下资源分配优化算法的研究
-
生物信息云平台上的微生物群落拓扑分析
-
CC2530云服务的智能家居系统的设计
-
网络环境下电子报纸开发利用现状及模式研究
-
网络外部性下电子商务网...
-
Android平台下电话区号查询系统的实现
电站锅炉暖风器设计任务书
java+mysql车辆管理系统的设计+源代码
中考体育项目与体育教学合理结合的研究
大众媒体对公共政策制定的影响
当代大学生慈善意识研究+文献综述
酸性水汽提装置总汽提塔设计+CAD图纸
河岸冲刷和泥沙淤积的监测国内外研究现状
杂拟谷盗体内共生菌沃尔...
乳业同业并购式全产业链...
十二层带中心支撑钢结构...