發(fā)布時(shí)間：2020-12-14 07:44

　　針對系統(tǒng)負(fù)載數(shù)據(jù)進(jìn)行調(diào)度時(shí),存在著平均利用率和調(diào)度偏差率較低的問題。提出一種基于云存儲下系統(tǒng)測試負(fù)載數(shù)據(jù)負(fù)載均衡調(diào)度方法。方法對系統(tǒng)測試的數(shù)據(jù)進(jìn)行匹配監(jiān)測,提取出相應(yīng)的數(shù)據(jù)特征,對特征進(jìn)行信息分類;將提取出的數(shù)據(jù)特征進(jìn)行權(quán)重分配,通過計(jì)算其數(shù)據(jù)的衡比和通過模糊循環(huán)迭代控制對系統(tǒng)測試的負(fù)載數(shù)據(jù)進(jìn)行均衡調(diào)度。仿真證明,所提方法具有較好的平均利用率和較低的偏差率,并且可以有效地處理在云存儲下的系統(tǒng)測試負(fù)載數(shù)據(jù)負(fù)載信息的均衡性。 

【文章來源】：計(jì)算機(jī)仿真. 2020年07期 北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

平均利用率μ曲線圖

分析圖1可知,隨著任務(wù)數(shù)量的不斷增加,本文方法對數(shù)據(jù)資源的平均利用率明顯高于當(dāng)前最小負(fù)載法的平均利用率,而且還是處于平穩(wěn)上升狀態(tài)。分析圖2可知,在任務(wù)數(shù)量不斷增加的同時(shí),兩種方法的偏差值都在不斷的降低,但是很明顯,本文方法的偏差值相比最小負(fù)載法的偏差值要更小一些,完全達(dá)到了目標(biāo)期許。綜上所述,實(shí)驗(yàn)分析結(jié)果更加證明了云存儲下系統(tǒng)測試負(fù)載數(shù)據(jù)負(fù)載均衡調(diào)度方法具有較好的效果。


本文編號：2916087