| 成果基本信息 | ||||||
| 关键词: | BP神经网络,时间预测,任务调度 | |||||
| 成果类别: | 应用技术 | 技术成熟度: | 初期阶段 | |||
| 体现形式(基础理论类): | 其他 | 体现形式(应用技术类): | 新技术 | |||
| 成果登记号: | 资源采集日期: | |||||
| 研究情况 | |||||
| 单位名称: | 武汉理工大学 | 技术水平: | 未评价 | ||
| 评价证书号: | 评价单位: | ||||
| 评价日期: | 评价证书号: | ||||
| 转化情况 | |||||
| 转让范围: | 合作开发 | 推广形式: | 合作开发 | ||
| 已转让企业数(个): | |||||
| 联系方式 | |||||
| 联系人(平台): | 孵化基地 | 联系人(平台)电话: | 0771-3394012 | ||
| *成果单位详细联系方式请登录会员;还不是会员,马上注册! | |||||
| 成果简介 | |||||
本发明公开了一种混合云中基于BP神经网络时间预测的任务调度方法,本发明提出的调度方法模型由3部分组成:(1)BP神经网络时间预测,根据Map和Reduce任务的影响因素训练BP神经网络模型,然后用此模型进行Map和Reduce任务的执行时间预测。(2)私有云中任务调度,为了提高私有云资源利用率的同时节约公有云成本,任务首先在私有云中调度,根据预测任务的执行时间,把任务调度到最早完成时间的资源。将不能满足截止时间的任务调度到公有云资源执行。(3)公有云中任务调度,预测任务在公有云资源的执行时间,求解满足截止时间且成本最小的公有云资源。本发明降低了任务的响应时间,提高了QoS满意率,达到了最大化私有云利用率和最小化公有云成本的目的 |