1、隨著云計算數(shù)據(jù)中心規(guī)模的不斷擴大,能源消耗和通信帶寬受限問題已經(jīng)成為制約其發(fā)展的主要瓶頸之一。對于前者,提高服務器的能源利用率是降低數(shù)據(jù)中心能耗的有效途徑。如何通過恰當?shù)恼{(diào)度策略來提高服務器的能源利用率是本文的主要研究內(nèi)容之一。對于后者,由于數(shù)據(jù)中心的帶寬有限,是十分寶貴的資源,如何通過恰當?shù)恼{(diào)度策略來提高任務的數(shù)據(jù)本地化執(zhí)行率,是節(jié)省數(shù)據(jù)中心帶寬使用量的關鍵,也是本文的另一主要研究內(nèi)容。
　　本文的主要創(chuàng)新點可以概括為:通過恰當

2、的調(diào)度策略解決云計算目前最為突出的能耗問題和帶寬問題。即通過有效的調(diào)度策略調(diào)整服務器上的數(shù)據(jù)部署和任務分配,達到最大化服務器能源利用率和任務執(zhí)行的數(shù)據(jù)本地化率,從而降低數(shù)據(jù)中心的總能耗并減少帶寬的使用量?；诖怂枷?我們?yōu)樵骗h(huán)境下的能耗與帶寬問題先后建立了三組優(yōu)化模型,并設計了相應的求解算法。具體工作如下:
　　1.建立了節(jié)能大規(guī)模任務調(diào)度模型,并設計了一種全局優(yōu)化遺傳算法求解該模型。通過合理的任務調(diào)度策略調(diào)整服務器的CPU利用率

3、,從而提高服務器的能源利用率。同時,該模型通過確保任務100％的數(shù)據(jù)本地化執(zhí)行率,提高任務的執(zhí)行效率、節(jié)省數(shù)據(jù)中心的帶寬使用。
　　2.建立了存儲與計算融合的節(jié)能大規(guī)模優(yōu)化模型,并設計了一種雙層遺傳算法求解該模型。將數(shù)據(jù)部署與任務調(diào)度相結合,通過調(diào)整服務器的資源利用率(CPU和硬盤利用率),提高服務器的能源利用率,同時,該模型通過確保任務100%的數(shù)據(jù)本地化執(zhí)行率,提高任務的執(zhí)行效率、節(jié)省數(shù)據(jù)中心的帶寬使用。
　　3.建立了

4、存儲與計算融合的多目標大規(guī)模優(yōu)化模型,并基于MOEA/D設計了一種多目標雙層遺傳算法求解該模型。為決策者提供一組可選的數(shù)據(jù)部署策略和任務調(diào)度方案,使得在滿足數(shù)據(jù)中心當前帶寬需求的條件下,獲得最高的能源利用率。
　　4.由于云環(huán)境下的任務規(guī)模往往成千上萬,因此所建立的調(diào)度模型均為大規(guī)模優(yōu)化模型。通過在遺傳算法中引入局部搜索算子,提高了模型的求解效率、加快算法的收斂速度。實驗表明,所建立的三組優(yōu)化模型是合理的,對應的模型求解算法能有效