文献类型：期刊文章

作　　者：康耀龙[1] 张景安[2] 冯丽露[3]

KANG Yao-long;ZHANG Jing-an;FENG Li-lu(College of Computer and Network Engineering Shanxi Datong University,Datong Shanxi 037009,China;Network Information Center,Shanxi Datong University,Datong Shanxi 037009,China;College of Educational Science and Technology,Datong University,Datong Shanxi 037009,China)

机构地区：[1]山西大同大学计算机与网络工程学院,山西大同037009 [2]山西大同大学网络信息中心,山西大同037009 [3]山西大同大学教育科学与技术学院,山西大同037009

出　　处：《计算机仿真》

基　　金：大同市经济和信息化委员会专项基金项目(JXW2017001)。

年　　份：2020

卷　　号：37

期　　号：3

起止页码：385-388

语　　种：中文

收录情况：BDHX、BDHX2017、JST、ZGKJHX、核心刊

摘　　要：针对传统调度方法聚类中心不受限,导致数据迁移次数以及能耗高的问题,提出基于约束满足的大数据聚类中心调度算法。运用转换方法,列出大数据中存在一定关系的存储块相关序列。参照数据聚类偏差点,确定存储中序列中心点,汇总序列偏向判断大数据存储序列的中心区域,在区域中选取密度近似为0的中心点,通过预测中心方进行阶梯式探测,得出存储中心,作为约束条件,采用2-opt算法将聚类中心之间距离加入到新生成序列中,调换初始序列和发生变化的序列新变量值,列出大数据预测模型逐步递进方程,使用最小二乘计算方法计算最小参数值,动向预测部分、单向的大数据,满足大数据聚类中心实施调度,实现调度最大化。通过仿真表明,所提方法在合理运用大数据的同时,能有效地控制调度风险、降低迁移次数、减少调度能源消耗。

关 键 词：数据信息 调度 大数据 数据聚类中心  调度能力  

分 类 号：TP840]