改进的DBSCAN聚类算法在云任务调度中的应用

被引：12

作者：

王李彧

孙斌

秦童

机构：

[1] 北京邮电大学信息安全中心

来源：

北京邮电大学学报 | 2017年 / S1期

关键词：

任务调度; 基于密度的聚类算法; 聚类;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

摘要：

针对云计算环境中任务调度中存在的执行效率低的问题,提出了一种基于改进的基于密度的聚类算法(DBSCAN)的云任务调度策略.首先使用改进的基于密度的聚类算法DBSCAN对云任务进行聚类,然后与已经分类的资源进行匹配,解决资源与任务匹配程度低的问题.实验结果表明,对任务进行聚类后进行任务调度,任务在终端上的平均执行时间减少了大约35.2%,任务的调度时间也有了明显减少.

引用

页码：68 / 71

页数：4

共 7 条

[1]

适用于大规模文本处理的动态密度聚类算法 [J].

李霞 ;

蒋盛益 ;

张倩生 ;

朱靖 .

北京大学学报(自然科学版), 2013, 49 (01) :133-139

[2]

自适应惯性权重的分组并行粒子群优化算法 [J].

周飞红 ;

廖子贞 .

计算机工程与应用 , 2014, (08) :40-44

[3]

面向云计算的任务分类方法 [J].

陈廷伟 ;

周山杰 ;

秦明达 .

计算机应用, 2012, 32 (10) :2719-2723+2727

[4]

改进的快速DBSCAN算法 [J].

王桂芝 ;

王广亮 .

计算机应用, 2009, 29 (09) :2505-2508

[5]

云环境下任务调度算法研究 [D].

吴皓 .

南京邮电大学,

2013

[6]

面向一种云计算平台的任务调度技术研究 [D].

李丽英 .

湖南大学,

2011

[7]

A view of cloud computing[J] Michael Armbrust;Armando Fox;Rean Griffith;Anthony D. Joseph;Randy Katz;Andy Konwinski;Gunho Lee;David Patterson;Ariel Rabkin;Ion Stoica;Matei Zaharia Communications of the ACM 2010,

← 1 →