第二组7云存储中基于多

1、云存储中基于多QoS约束的任务调度算法的研究学 生：袁恩隆研究方向：基于网络的计算机应用指导老师：李 飞 教授课题来源本论文基于四川省科技支撑计划项目“基于云存储的海量数据传输共享系统”（项目编号：2011GZ0195）以及四川省基础应用项目“云存储中可感知用户QoS偏好的调度算法研究”（项目编号：2013JY0064）Contents研究背景和现状1研究意义2研究内容3结论和不足4一、研究背景和现状1.研究背景： 随着社会数字信息化的全面深入，海量的信息数据日积月累地迅速增长，传统的存储设备早已跟不上社会发展的速度，也适应不了新时期对数据处理的要求，这极大地推动了云存储的发展。 在面对如此海

2、量的数据信息时，如何在异构的、高动态的环境中使用这些数据信息资源，以满足用户所提出的请求，成为了当前研究的重点。为了对资源进行合理的共享与调度，就需要相应的任务调度策略。任务调度策略的优劣很大程度上决定了系统的运行处理效率。 QoS作为一种综合性的指标，描述了某些用户可见的服务性能特性，反映了用户对于所提供服务的满意程度，以对系统服务质量进行评价和度量。一、研究背景和现状2.研究现状 云存储环境中的任务调度策略研究并十分不成熟。通过翻阅大量文献，我们可以看到云存储其实是从云计算的发展衍生出来的。因此可以通过借鉴云计算等分布式环境中的任务调度策略，进而提出云存储环境中的任务调度算法。 国内外各广

3、大学者、科学家都对分布式环境下的任务调度算法进行了研究。对于云存储环境下的任务调度问题，面临的是系统中大量资源与用户提交的任务之间的分配问题，即将n个待调度的任务分配到m个可用资源上去，其已经被证明是一个NP难问题。一般，对于NP问题的求解，只有近似最优匹配。二、研究意义 随着技术的不断发展，云存储环境中，如何在提高系统性能的同时，保证系统的服务质量正逐渐被用户所关注。系统中服务质量的保证需要通过对系统资源的管理、任务的合理调度等来实现。在云存储环境中，一个优秀的任务调度算法需要在适应资源的特性的同时，保证用户的多QoS约束的要求。三、研究内容云存储技术的研究任务调度算法的研究蚁群算法的研究Q

4、oS约束研究基于多QoS约束的改进蚁群算法改进算法的性能分析三、研究内容3.1 云存储技术的研究 云存储是由云计算衍生发展出来的一个新的概念。当云计算系统的核心不再是计算，而变成对大量数据的存储管理，云计算系统就转变成了云存储系统。 云存储对用户来讲，提供按需服务，用户可以通过连接网络随时随地在云端进行资源存储与传输。云存储系统通过分布式、虚拟化、智能配置等技术，实现资源的共享、存储与传输。三、研究内容 云存储作为一类单独的云系统，有以下特点：1）云存储系统中，并不是每个系统节点都可以执行分配的任务 ，毕竟数据的传输与共享需要在资源节点存在任务所需要的数据的情况下进行。2）云存储系统，由于数据

5、的传输与存储并不存在任务的先后执行顺序，即在云存储中任务是可以并行执行。三、研究内容3.2 任务调度算法的研究 云存储是一个结构复杂的异构、分布式环境，云存储环境中的任务调度算法应该具备以下特点：平台异构性，可扩展性，动态自适应，独立性，约束性 任务调度的目标具体包括：服务质量（Quality of Service）、最优跨度（Optimal Makespan）、负载均衡（Load Balancing）、经济原则（Economic Principles）三、研究内容3.3 蚁群算法的研究 蚁群算法是通过对研究蚂蚁觅食的行为研究，提出的一种智能仿生优化算法。其具有分布式、自组织以及正反馈等特征。

6、 云存储系统是面向异构的分布式系统，在同一时间总会有大量任务被同时执行，任务被调度到节点的过程总是并发执行。蚁群算法的分布式特性与强大的天然并行特征正好满足云存储系统的需求。三、研究内容 蚁群算法本身具有正反馈性，对于组合优化问题求解时速度通常较快。其次蚁群算法较强的健壮性正好可以解决在云存储中初始条件弱的特点，再加上任务调度过程中并不需要对其进行干预的特点，使得蚁群算法在复杂的分布式网络环境中的应用更方便。 因此，在云存储环境中的任务调度策略使用蚁群算法作为基础算法是十分合适的。三、研究内容3.4 QoS约束研究 QoS即服务质量，作为一种综合性的指标，描述了某些用户可见的服务性能特性，反映

7、了用户对于所提供服务的满意程度，其被表述为一组用户可理解的参数，以对系统服务质量进行评价和度量。 用户满意程度：取0,1区间之间的值，取值越趋近于1，则用户对系统提供的服务越满意其值越大。3.5基于多QoS约束的改进蚁群算法 云存储环境中的调度需要考虑综合的多QoS约束才能符合在实际应用中的需要。在真实的云存储环境中，涉及多个实体，对于不同的实体，其QoS约束的目标都不相同，甚至是相互对立、抵触的。为了协调不同实体以及相同实体内部之间任务调度的QoS，可以将QoS的整体效用作为衡量用户满意度的标识。三、研究内容 通过大量文献的参考，本文选取了3个QoS约束：时间QoS、可靠性QoS以及安全性Q

8、oS。这3个QoS约束可以满足大多数用户的需求。三、研究内容三、研究内容任务调度模型定义如下：三、研究内容三、研究内容 在云存储环境中，引入存在矩阵，使任务在跳转之前先对资源节点进行判断，若任务所需资源不存在，则直接不考虑此节点；只有在资源存在的情况下才会继续执行算法的跳转判断。 改进算法中，利用QoS整体效用对信息素进行更新三、研究内容本文算法流程3.5改进算法性能分析完成时间三、研究内容3.5改进算法性能分析迭代次数三、研究内容四、结论和不足4.1 研究结论 任务调度技术作为云存储系统的一个重要研究领域，在云存储系统中具有十分重要的意义。本文对云存储系统、任务调度策略、QoS约束以及蚁群算法进行分析研究，引入存在矩阵，结合多QoS约束，提出了基于多QoS约束下的云存储任务调度算法。使用模拟仿真工具验证了论文所提算法在完成时间以及迭代次数等方面的性能，达到了预期的效果。四、结论和不足之处4.2 不足之处 由于研究时间和个人能力有限，目前研究工作还有不足，需要进一步的完善，还需要更深入的研究，不足之处主要包括以下几点：1. 本文提出的多QoS只包含了时间、可靠性以及安全性。在真实的环境中，可能还会有更多的QoS约束需要考虑，而且如何对各个QoS的比重进行合理分配也是下一