本书重点对云计算的任务优化调度策略进行了全面而系统的分析和研究，其主要内容包括：云计算任务优化调度管理、云计算用户任务优化调度时间问题、云服务提供商的服务收益问题三个方面。在对以上问题进行了深入研究的基础上，首先提出了一种云计算环境下的任务优化调度体系架构，其次提出了满足不同任务需求的多种调度策略，最后利用仿真实验对所提出的策略进行了性能验证和分析。
（1）在研究了云计算系统任务优化调度策略的指标基础上，提出了一种新的云计算环境下的任务优化调度体系架构。该架构不同于以往的架构，用户不用提出特定前提即可对任务调度和策略进行测评。架构对各个功能模块进行了明确定义，同时，对其中的各种系数进行了具体表示。在此基础上，进行云计算系统任务调度的优化管理，考虑到系统中的数据容错，提出了动态副本管理策略，不同于对数据的放置、更新单独设置，而是将数据放置、更新进行统一操作，设计了相应的算法DRA（Dynamic Replica Algorithm）。因此，在提高开发效率的基础上，有效地提高了云计算系统的可用性、可靠性和负载的均衡水平。
（2）针对云计算系统单数据中心的基础层的调度要求，提出了数据中心基础层的云计算任务优化调度策略，该策略利用遗传算法的优点，并对遗传操作进行改进，同时，结合蚁群算法提出了遗传蚁群融合算法MGAA（Modified Genetic Ant Algorithm），不同于仅利用遗传算法的单一操作，该算法避免了误入局部最优解，从串集开始搜索，覆盖面大，利于全局择优，有效地提高了云计算任务调度决策的执行效率。
（3）在分析云计算系统单数据中心应用层的云计算服务提供特点的基础上，针对其经济特点，不同于单方面考虑用户或者服务提供商的利益需求，或者在特定时间和空间对二者的利益权衡研究，创新性地以云服务提供商对于资源均衡性和利用率的要求，即以同时满足用户任务对于执行效率和公平约束的要求为出发点，一方面，提出了基于排队论及纳什均衡理论的、考虑用户和服务提供商二者利益的任务优化调度算法MRA（Modified Resource Algorithm），将优化问题转换为分布式的优化算法，使得用户、服务提供商效用达到了互为最优的效果。另一方面，对于资源的分配，考虑自适应的分配原则，设计自适应的任务优化调度模型，并结合以梯度投影方法为基础的算法 GP（Gradient Projection）进行资源合理分配。
（4）在多个云数据中心任务调度时，不同于已有研究成果对于多数据中心的调度侧重于数据信息的存储、传输层面进行任务调度，提出的新策略考虑任务调度的高效性要求，结合工作流，利用DAG图表示具有关联依赖的任务关系。首先在第一阶段调度，结合粒子群算法的优点进行相应的改进，提出改进的粒子群算法MPSO（Modified Particle Swarm Optimization），进行全局快速搜索，然后通过Pareto方法对搜索结果进行优化，提高搜索的准确性；在第二阶段调度，考虑了系统的负载影响，提出了面向负载感知的调度策略，以保证任务的高效执行。(www.xing528.com)
本书分为七章。各个章节的组织结构如图1-3所示。
图1-3 内容组织结构图
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
