CloudSimPy 项目教程
2024-09-14 06:30:28作者:董斯意
1. 项目目录结构及介绍
CloudSimPy 项目的目录结构如下:
CloudSimPy/
├── core/
│ ├── config/
│ ├── job/
│ ├── machine/
│ ├── cluster/
│ ├── algorithm/
│ ├── scheduler/
│ ├── broker/
│ ├── monitor/
│ └── simulation/
├── playground/
│ ├── DAG/
│ ├── Non_DAG/
│ └── auxiliary/
├── README.en.md
├── README.md
└── LICENSE
目录介绍
-
core/: 核心包,包含数据中心作业调度问题中的各个实体的抽象和建模。
- config/: 包含任务实例、任务、作业的配置文件。
- job/: 包含任务实例、任务、作业的建模。
- machine/: 包含机器的建模。
- cluster/: 包含计算集群的建模。
- algorithm/: 定义调度算法的接口。
- scheduler/: 包含调度器的建模。
- broker/: 包含代理的实现,用于提交作业。
- monitor/: 包含监测器的实现,用于监测仿真状态。
- simulation/: 包含仿真的建模。
-
playground/: 用于方便用户进行试验的包。
- DAG/: 支持考虑任务间依赖关系情况下的仿真实验。
- Non_DAG/: 支持不考虑任务间依赖关系情况下的仿真实验。
- auxiliary/: 包含一些辅助类和函数。
-
README.en.md: 英文版的项目介绍文档。
-
README.md: 中文版的项目介绍文档。
-
LICENSE: 项目的开源许可证文件。
2. 项目的启动文件介绍
CloudSimPy 项目的启动文件通常位于 playground/ 目录下。具体来说,启动文件可能位于 playground/Non_DAG/launch_scripts/ 或 playground/DAG/launch_scripts/ 目录中。
示例启动文件
以 playground/Non_DAG/launch_scripts/main-makespan.py 为例:
# main-makespan.py
import sys
import os
sys.path.append(os.path.abspath('../../..'))
from playground.Non_DAG.algorithm.DeepJS.DRL import DRLAlgorithm
from core.simulation import Simulation
from core.broker import Broker
from core.scheduler import Scheduler
from core.monitor import Monitor
# 创建仿真对象
simulation = Simulation()
# 创建集群、调度器、代理和监测器
cluster = simulation.create_cluster()
scheduler = Scheduler(cluster)
broker = Broker(cluster)
monitor = Monitor(simulation)
# 运行仿真
simulation.run()
启动文件功能
- 导入模块: 导入所需的模块和类。
- 创建仿真对象: 创建
Simulation对象,用于管理整个仿真过程。 - 创建集群、调度器、代理和监测器: 分别创建
Cluster、Scheduler、Broker和Monitor对象。 - 运行仿真: 调用
simulation.run()方法启动仿真。
3. 项目的配置文件介绍
CloudSimPy 项目的配置文件主要位于 core/config/ 目录下,用于定义任务实例、任务、作业的配置。
示例配置文件
以 core/config/TaskInstanceConfig.py 为例:
# TaskInstanceConfig.py
class TaskInstanceConfig:
def __init__(self, cpu, memory, duration):
self.cpu = cpu
self.memory = memory
self.duration = duration
配置文件功能
- 定义资源需求: 配置文件中定义了任务实例所需的 CPU、内存和持续时间等资源需求。
- 初始化配置: 通过构造函数初始化任务实例的配置。
通过这些配置文件,用户可以自定义任务实例、任务和作业的资源需求,从而进行不同场景的仿真实验。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
386
458
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
894
680
暂无简介
Dart
805
198
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
354
211
昇腾LLM分布式训练框架
Python
120
146
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781