摘要
云资源的合理分配以及对作业的有效调度,能够大幅提升云系统性能.在归纳Hadoop的现有作业调度算法的基础上,提出一个适用于异构集群的Max-D调度算法.对比分析了FIFO、公平调度以及Max-D算法在不同负载情况下的性能,针对单一调度算法在不同负载下性能衰减的缺陷,设计出基于负载检测的混合调度策略,为系统选择最为适合当前负载状况的调度算法.实验数据表明,FIFO、公平调度以及Max-D算法的混合调度方式对减少作业的平均调度时间以及保证公平性是有效的.
Existing job scheduling algorithm are described,and a Max-D algorithm is proposed for heterogeneous cluster.By analyzing FIFO,fair scheduling,and Max-D performance under different load conditions,we found that single scheduling algorithm performance declines under different load attenuation.A hybrid scheduling strategy based on load detection is proposed,in which the system would select suitable scheduling algorithm for the current load condition.
出处
《计算机研究与发展》
EI
CSCD
北大核心
2013年第S1期361-368,共8页
Journal of Computer Research and Development
基金
国家自然科学基金项目(61272419)
江苏省自然科学基金项目(BK2011370)
中国博士后基金项目(2012M521089)
江苏省博士后资助计划基金项目(1201044C)
连云港科技攻关基金项目(CG1124)
江苏省"九七三"重点基础研究发展计划基金项目(BK2011023
BK2011022)
关键词
云计算
HADOOP
作业调度
混合调度
异构集群
cloud computing
Hadoop
job scheduling
hybrid scheduling
heterogeneous cluster
