基于数据中心的粗粒度任务调度策略开题报告

1. 研究目的与意义（文献综述）

从论文题目中关键字：spark（uc berkeleyamp lab所开源的hadoop map-reduce的通用并行框架）和任务调度（对海量不同粒度的任务进行合理有效的调度，使其分配到最优的资源，从而到达既缩短任务执行时间又提高资源利用率的目的）来看，此次论文研究的核心是：云计算中的任务调度策略。

云计算是一种商业计算模型，它将计算任务分布在大量计算机构成的资源上，使用户能够按需获取计算能力、存储空间和信息服务，它标志着计算能力也可以作为商品流通。自2008年5月10日，ibm在中国无锡太湖新城科教产业园建立中国第一个云计算中心并投入运营后，云计算在中国的发展也极为迅速，如中国互联网公司三巨头：bat，都建有自己的云计算中心。用户只需一个终端设备便可以通过网络享受各种应用服务，这无疑使得云计算在各个领域都有着非常可观的应用前景，如军事、医学、科研、日常生活等领域。

云计算同时也是分布式计算的一种，它是并行计算和网格计算的发展。由于云计算所处理的任务具有粒度大、数据量大的特点，而云计算的资源是由大量的计算机构成的，所以如何对海量不同粒度的任务进行合理有效的调度，使其分配到最优的资源，从而到达既缩短任务执行时间又提高资源利用率成为云计算中的重要研究领域，对现有调度算法的研究与改进或提出一种全新的调度算法无疑成为云计算中的重点与难点。

2. 研究的基本内容与方案

基本内容

1）搭建spark集群，并学习spark平台的相关技术

工欲善其事，必先利其器，在进行具体研究学习之前必须在自己的电脑上配置好spark集群开发环境。学习了解spark平台下处理大数据的一般步骤，重点研究spark中强大工具rdd的使用。

3. 研究计划与安排

(1)2016/1/11—2016/1/22：查阅参考文献，明确选题；

(2)2016/1/23—2016/3/7：进一步阅读文献，并分析和总结；确定技术路线，完成并提交开题报告；

(3)2016/3/8—2016/4/26：需求分析，算法或系统设计，分析、比较或实现等；

4. 参考文献（12篇以上）

[1]谭一鸣,曾国荪,王伟.随机任务在云计算平台中能耗的优化管理方法[j].软件学报,2012,02:266-278.

[2]熊聪聪,冯龙,陈丽仙,苏静.云计算中基于遗传算法的任务调度算法研究[j].华中科技大学学报(自然科学版),2012,s1:1-4.

[3]陈海燕.基于多群智能算法的云计算任务调度策略[j].计算机科学，2014，s1 :83-86