异构集群中密集型大数据负载网络调度仿真

针对密集型大数据负载调度时间较长导致资源利用率较低的问题,对异构集群中密集型大数据负载网络调度展开研究。根据异构集群中节点储存空间使用率相近似的负载调度原理,利用各节点的性能和储存空间,构建负载网络调度的数学模型并设定各参数指标。依据异构集群处理任务过程中消耗的能量总和,提取覆盖节点与关键节点。利用覆盖节点副本数据块与关键节点有效数据块的处理时长,令两节点的实际所用时长互相趋近。通过可调度数据块数量的取值条件,经过迭代计算,完成负载网络调度。仿真结果表明,上述方法在处理不同任务时运行时间较短,而且幅度变化较小,提高了资源利用率。