云计算中资源调度策略的研究

微服务资源任务分配与调度问题已经成为目前移动互联网背景下的研究热点之一,针对传统资源调度系统设计在调度效率方面的不足,提出基于云计算技术的海量微服务资源调度系统设计。云计算技术在处理移动互联网大数据方

分布式云计算的云端数据量巨大,而云端资源监控则需对大数据采样,因而产生大量的计算开销与资源消耗,对此,提出了一种两阶段的自适应监控方案。首先,在训练阶段,采集适量的资源样本,计算其资源变化相关的阈值参

面向Deadline的云代理资源预留策略

针对云计算环境中的资源调度很少同时兼顾最短完成时间和最低服务成本的问题，设计能够综合反映时间和成本的适应度函数，在此基础上提出了基于分布估计蛙跳算法的云资源调度方法。结合遗传算法的交叉操作重新定义蛙跳

针对现有云资源调度存在的非自动调度、云资源的非优化使用等问题，提出了采用语义搜索引擎（semantic search engine，SSE）实现云资源调度的有效方法。SSE是由美国加州大学欧文分校与电

针对构建高校云计算数据中心的目的出发,对基于蚁群算法的云计算资源调度进行研究。通过云仿真软件CloudSim进行仿真实验,证明蚁群算法在多任务执行时间及相对标准差方面优于传统资源调度算法。

对于传统蚁群算法用于云计算资源分配和调度问题过程中存在的不足,提出了一种可以提高负载均衡度、缩短任务执行时间、降低任务执行成本的改进自适应蚁群算法, 改进算法以能够基于用户提交的任务求解出执行时间较短

 为有效解决当前Docker swarm内置调度策略不能够满足D0cker集群负载均衡的问题,引进基于云资源动态的加权调度算法,该算法首先针对权重系数进行重新设置,另一方面引入了bi

如何合理地分配云计算资源一直都是研究的热点。建立云计算环境下的资源调度模型，通过人工萤火虫算法个体最优与云计算节点资源分配对应起来，在算法中引入高斯变异算法，通过与经典函数比较，优化后的算法在搜索精度

随着互联网+时代的全面发展，出租车资源调度成为互联网科技与交通行业融合的重要议题。本学位论文旨在探讨在互联网+时代，出租车资源调度所面临的挑战与机遇，并提出相应的解决策略。通过深入剖析互联网+时代下，