摘要
针对传统的多源异构大数据均衡调度方法存在数据流丢失率较高、网络吞吐量较低以及网络时延较长等问题,提出基于云平台环境下的多源异构大数据均衡调度方法。将渲染应用特点以及作业调度算法相结合,将任务划分为不同的子任务,引入Min-min以及Max-min思想构建时间负载均衡模型。利用遗传算法的染色体以及交叉方式对时间负载均衡模型进行优化,经过优化后获取最优时间跨度,将其与负载均衡作为双适应函数,用于搜寻虚拟机节点的资源,将最优解的空间进行扩展,在迭代的过程中不断进行搜索,在保证负载均衡的同时得到最优资源。实验结果表明,所提方法能够有效降低网络时延以及数据流丢失率,提高网络吞吐量,具有较强的适应性。
- 单位