《表2 云内任务调度算法研究文献总结》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《云计算环境任务调度方法研究综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表2对上述所列云内任务调度算法部分典型研究文献进行分析总结。云内任务调度算法研究比较广泛，存在许多针对独立任务和工作流使用不同算法类型对Qo S进行优化的方法，核心优化目标为最大完工时间和货币成本，此外，资源利用率、负载均衡、安全性、截止日期、能耗等指标也成为了重点优化目标。通过列表可以看出，文献[33]在减少最大完工时间和成本的同时实现了较好的负载均衡，文献[7-8，12，33]实现了资源利用率的提升，文献[15，33]考虑了能耗问题，文献[9]考虑了安全性问题和任务的截止日期；由于任务调度需要同时优化多个指标，因此多目标任务调度算法的研究目前已比较普遍，例如文献[7-9，12，31]均采用多目标函数进行优化；此外，对部分目标建立约束也是一种优化方法，例如文献[9，16]；绝大部分研究都是在仿真环境中进行测试的，但也有在真实环境中进行测试的研究，如文献[9，33]；同时，神经网络、强化学习等人工智能算法也开始应用于任务调度的研究，如文献[10，33]。自适应优化也被应用于任务调度优化，如文献[15]。目前云内任务调度的研究在继续关注基本Qo S指标的情况下，重点关注优化负载均衡、能耗等性能指标，并且人工智能方法已逐步应用到任务调度排序、节点预测过程中，但在性能提高的同时，也提升了复杂性。