论文部分内容阅读
随着物联网用户的增多,数据传输量迅速增加,导致云服务器负担过重。而雾计算具有低延迟、实时性、支持移动性等优点,提供了减轻云服务器压力的新方法。目前,资源调度是雾计算研究工作的重点之一,并且它是影响雾计算服务性能的关键因素,尤其是在出现大规模的服务请求时,若资源调度问题得不到有效解决,就会增加服务延迟,降低资源利用率和用户满意度。此外,物联网设备和应用程序类型繁多,用户的服务请求日益多样化,以及大数据处理的复杂性给雾计算资源调度带来了挑战。如何使调度算法适应更多的服务类型成为研究雾计算资源调度问题的焦点。因此,论文选择雾计算中的资源调度问题作为研究课题。本文主要从两方面对雾计算资源调度算法进行研究,一方面,设计面向用户的雾计算资源调度算法;另一方面,设计一种基于任务优先级和成本约束的雾计算资源调度算法。具体内容如下。(1)提出基于谱聚类优化算法的雾计算资源调度算法。为提高物联网用户对雾计算的使用满意度,本文提出了一种面向用户的谱聚类优化调度算法(Improved Spectral Clustering Algorithm,ISCM)。ISCM算法使用谱聚类算法对矩阵降维,求解特征向量。在利用改进的k-means算法基础上,加入初始聚类中心选取算法,并且在选取初始聚类中心时,排除无关的数据点,从而减小算法的数据计算量。ISCM算法解决了聚类结果对初始值敏感的问题,并且实现了二次聚类,使得到的聚类结果更加稳定,最终根据聚类结果得出雾计算资源调度方案。实验结果表明,在聚类结果可靠性以及算法响应时间等方面,基于谱聚类优化算法的资源调度方案优于传统的谱聚类算法。(2)提出基于任务优先级和成本约束的雾计算资源调度算法(Priority Scheduling with Cost Constraint,PSCC)。通过使用Dijkstra算法和AOE网理论,PSCC算法求解任务从开始执行到所有任务完成的最短时间,最短路径以及关键任务等。PSCC算法考虑任务优先级和系统成本费用问题,服务质量等,将任务映射到费用较低的资源上,并且根据得分匹配规则,将任务的需求与资源的属性进行加权匹配,得到满足任务需求的资源分配结果。PSCC算法既降低了雾计算的服务成本,又提高了资源分配的准确度。实验结果表明,PSCC算法能够满足在雾计算的异构环境中,有效地实现成本约束的资源调度,并减少任务完成时间。