您所在的位置:首页 > 模拟设计 > 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。
中图分类号: TN949.2
文献标识码: A
DOI:10.16157/j.issn.0258-7998.200770
中文引用格式: 杨戈,吴俊言. 基于云计算的流媒体任务调度算法[J].电子技术应用,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

    随着计算机时代的发展,用户的基数正在不断扩大,而对应的在线视频的量级也正逐步扩展,为解决点对点的在线视频的服务器的速度和带宽问题,以及大量的视频资源带来服务器计算负载问题,增加其负载而带来了“云计算[1]

    云计算分为3层,分别是IaaS(基础设施即服务),Paas(平台即服务)和SaaS(软件即服务)[2]。储存资源管理是计算机资源管理的一部分,侧重于计算机的节点的高效性和节点的整体负载均衡。无论是一般的云计算,还是快速发展的移动云计算,云增效模式是最常见的云计算模式[3]。因而在云计算方面,最主要研究的是计算机资源,负载均衡的实现和任务调度的分配等方面。在任务调度方面,文献[4]提出了一种面向多目标的两阶段任务调度算法,具有让任务匹配最小时间资源的偏好,重调度阶段,实现负载均衡;文献[5]提出了针对P2P(对等网络,即对等计算机网络)结构上的用数据副本来进行管理,从而提高数据访问的效率和系统容错功能。文献[6]中提出了一种基于任务调度的模板策略,通过任务集合求出任务量模版,并依据模板对调度算法进行任务调度的TTS(基于模板的任务调度策略)策略。该算法从全局的角度计算出调度模板,有目标地实现了调度同时充分考虑了通信开销。




本文详细内容请下载:。




作者信息:

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)




此内容为AET网站原创,未经授权禁止转载。
Baidu