gekenggui3502的博客

针对云计算环境中一些基于服务质量(Quality of Service,QoS)调度算法存在寻优速度慢、调度成本与用户满意度不均衡的问题，提出了一种基于聚类和改进共生演算法的云任务调度策略。首先将任务和资源进行模糊聚类并对资源进行重排序放置，依据属性相似度对任务进行指导分配，减小对资源的选择范围；然后依据交叉和旋转学习机制改进共生演算法，提升算法的搜索能力；最后通过加权求和方式构造驱动模型，均衡调度代价与系统性能间关系。通过不同任务量的云任务调度仿真实验，表明本文算法相比改进遗传算法、混合粒子群遗传算法和离散共生演算法，有效减少了进化代数，降低了调度成本并提升了用户满意度，是一种可行有效的任务调度算法。

针对 MapＲeduce 中允许 map 和 shuffle 阶段重叠的优化模型需要自适应性的问题， 提出了基于此模型的机器学习的资源调度算法，利用贝叶斯分类器依据作业对系统资源的需求和系统环境的匹配程度对作业进行调度，并不断更新分类器， 使其具有自适应性， 考虑了 map 和 shuffle 的重叠阶段。通过模拟实验验证， 改进后的算法能够提高 MapＲeduce 系统的性能，获得更好的平均响应时间。

2.0版本HCNA-cloud题库，自动模拟，可以记录错题，通过练习提高通过率