计算网格中动态负载平衡策略研究

负载平衡调度策略对于网格计算系统非常重要,有利于网格子任务和网格资源间作出更合理的匹配,起到优化总计算时间的目的.研究了通用的集中式动态负载平衡策略,基于Globus的网格信息获取和任务分配模型,网格节点硬件类、软件类及文件类信息的获取方法,设计并实现了网格动态负载平衡算法,继而应用该算法在网格中进行了地震波正演模拟实验.实验结果表明:该算法充分利用了网格中每个节点的资源,有效地减少计算密集型任务的求解时闻.     

将参数扫描应用分布于网格的负载平衡方法

为降低高性能计算网格中参数扫描应用的响应时间,基于负载平衡确定各网格节点分得任务的数目.用处理机需求与处理机数的比值表示网格节点的作业负载,用作业负载的均方差表示网格负载失衡度,并按降低网格负载失衡度确定参数扫描应用的任务分配.当参数应用的任务数不足以实现网格负载失衡时,选择作业负载较低的一组节点,并按负载平衡将该参数应用分布于这些节点.实验表明,基于负载平衡的调度可有效降低参数扫描应用的响应时间.     

校园计算网格作业自适应调度的研究和实现

由于网格资源具有分布、异构、动态、自治等特性。使得网格作业调度成为网格计算中具有挑战性的任务之一。针对校园高性能计算资源负载不均衡、管理模式不统一的问题，提出了校园计算网格自适应调度系统的解决方案。详细研究了网格作业的白适应调度技术，设计了含有负载均衡能力的资源动态信息收集模型，并给出自适应调度算法。实现了校园范围内高性能计算资源的负载均衡和统一的资源管理。     

基于Petri网的两阶段网格任务调度模型与分析

首先给出了一种集成P2P模式的网格资源管理模型,针对此模型,提出了两阶段的网格任务调度方法,并分别利用层次颜色Petri网和颜色时延Petri网来进行建模.最后,分析了网格可达任务图,给出了集成P2P模式的网格任务最佳调度方案.     

一种基于QoS的网格资源动态分域算法

为了解决网格资源管理中资源合理分配与任务优化调度问题,提出了一种动态分域的网格资源层次管理模型,以便在实现任务调度最小化任务执行时间(Minimum Execution Time)的情况下,最终实现网格资源的全局优化分配。本模型先按用户提交的任务主关键字对任务进行分类,然后运用一、二级调度中心算法与计算结点算法相互搭配对任务进行合理调度、对资源予以优化管理。文章最后通过仿真实验验证了所述模型与算法的实用性、有效性和优越性。     

基于QoS的超级节点模式网格调度研究

提出一种基于超级节点模式的网格管理模型,引入市场经济机制,允许网格用户提出任务的截止完成时间、费用上限以及时间、费用偏好参数,并作为用户QoS参数给出对应的网格复合任务调度算法。根据此算法,利用层次颜色Petri网、价格时延和颜色Petri网对调度过程进行形式化动态建模。最后,构建模型的可达任务图,通过实例分析系统的最佳调度方案及其吞吐量、负载平衡、时间和费用等性能参数。     

一种基于动态聚合方法的网格任务调度算法

网格中的资源都是动态的,传统的静态任务调度算法不能适应网格的动态特性.通过对资源在未来一段时间内的状态进行预测,可以提高调度算法的性能.文中提出了一种用动态聚合进行调度的算法.首先对处理器的负载进行取样,然后根据网格任务的执行时间,对处理器的取样值进行动态聚合,再利用AR（p）模型进行预测,最后利用预测到的值作为参数对网格任务进行调度,把网格任务分配给每个处理器,使得每个处理器完成子任务的时间都相同,从而使得整个任务的执行时间最短.实验表明,这种算法能很好地适应处理器负载高度变化的情况.     

网格系统中一种基于MSMQ的任务调度模型及性能分析

网格环境中集成了大量的用户和资源，任务调度对系统良好地运行起着极其重要的作用。本文提出网格系统中一种基于多服务器多队列的集中式的任务调度模型，并给出模型的随机进程代数的描述和性能评价与分析技术，实验结果表明该模型能较好的模拟网格系统中任务处理与调度。研究结果提供了形式化描述调度模型，为大规模和复杂的网格系统的建立提供了定量分析和预测评价。     

截止时间约束下独立网格任务的协同调度模型

针对网格环境中任务实时性难于保证的问题,提出一种截止时间保证度的计算方法,用于量化分析资源协同调度对任务实时约束的影响,并设计和实现了一个可扩展的协同调度模型,允许系统动态选择截止时间保证度最优的协同调度方案.实验结果显示,截止时间保证度指标可以较为准确地量化调度决策对任务实时约束的满足程度,从而为实时网格任务调度决策...     

基于Nash均衡的网格多调度节点的任务调度算法

 目前网格任务调度算法主要是针对1×n型即单调度节点多资源的网格环境,而针对m×n型的网格环境研究较少.论文用M/M/1排队系统对m×n型网格环境建模,然后以每个调度节点调度任务的平均完成时间为优化目标,提出了m×n型网格环境任务调度的Nash均衡问题,并利用粒子群算法求得该Nash均衡解.通过仿真验证了该算法在单位时间内平均完成的任务数,网络平均负载,以及系统的平均负载上均优于基于均匀调度策略的调度算法.     

多目标约束的网格任务安全调度模型及算法研究

异构网格环境的特点决定了其任务调度是受调度长度、安全性能及调度费用等多个因素制约的。该文根据网格资源调度的特点构造了一个安全效益函数和节点信誉度动态评估模型,并以此为基础建立了一个多目标约束的网格任务调度模型。利用隶属度函数将多目标函数转化为单目标模型,通过设计新的进化算子,从而提出一种遗传算法MUGA(Mode Crossover and Even Mutation Genetic Algorithm)进行求解,并对算法的收敛性进行了理论分析。仿真实验表明,在同等条件下该算法与同类算法相比,在任务调度长度、安全效益值、可信度及调度费用指标优化方面具有较好的综合性能。     

基于5G边缘计算的智能电网高性价比任务调度

针对智能电网环境中电力数据量庞大且对处理时效性要求高的问题,将5G边缘计算引入智能电网系统.研究了基于5G边缘计算的智能电网任务调度问题,在满足电网任务完成需求的同时,最大限度地降低成本.基于此提出了一种基于贪心策略的启发式任务调度算法,通过与两种算法在包括输入任务数、传输数据大小和延迟要求等参数下的比较,验证了所提算...     

改进的Min-Min网格任务调度算法

在网格环境中,如何对任务进行高效调度是当前研究的热点问题。目前Min—Min调度算法是一个简单、快速、有效的算法。但它很难满足网格任务对服务质量的要求。在独立型的任务调度模型的基础上,提出了一种基于权值的改进Min—Min调度算法。改进后的算法通过量化网格任务的优先级和等待时间,解决了原有算法存在的高质量任务和大任务等待时间过长的问题。仿真实验结果表明,改进后的算法满足了网格任务对优先级和等待时间的服务质量要求．是一种网格环境下有效的任务调度算法。     

军用网格环境下基于优先权的Min-Min任务调度算法

军用网格环境下的资源调度与一般网格环境下的资源调度相比较，一个明显的特点就是必须考虑一些特别任务的优先级。在给出网格独立任务调度模型基础上，提出了一种基于优先权的Min—Min资源调度算法，该算法首先调度优先级高的任务，其余任务则采用Min—Min算法调度。经过分析，该算法的时间复杂度是O（n^2m），与Min—Min相比，该算法的Makespan可能略大，但可以满足军用网格环境下特殊任务优先执行的需求。     

基于价格反馈机制的网格任务管理研究

网格的任务管理目的是优化网格资源,利用选择、匹配、负载平衡等技术提高整个系统的利用率和吞吐率。应用经济学思想。设计基于价格反馈机制的任务调度模型,通过资源调度价格的调控与选择,实现任务的合理调度,向网格用户提供满意的服务质量。     

一种两阶段的敏捷卫星任务并行调度技术

敏捷卫星灵巧的姿态机动能力令其观测能力和使用效率得到大幅提升,也使得卫星任务调度变得更加复杂和困难.首先,通过分析敏捷卫星的工作模式、任务调度特点和使用约束,构建了基于任务重要性、任务满足度和任务成像质量等目标的敏捷卫星任务调度优化模型;然后,通过对敏捷卫星多种成像模式进行统一编码,设计了一种新的差分变异策略——基于排名的变异算子,提出了基于主从式的改进并行差分进化算法;最后,和基于时间轴的成像质量贪心算法相结合,给出一种新的两阶段敏捷卫星观测任务调度方法,并通过仿真对比验证了方法的有效性.     

信任驱动的网格作业调度算法

针对目前网格资源管理中信任机制与作业调度机制分离的缺陷,基于网格信任模型与信任效益函数,提出了信任驱动的网格作业调度问题。对传统批作业调度算法进行信任扩展,提出了两种信任驱动的网格作业调度启发式。对信任驱动网格作业调度算法进行大规模仿真实验,有力地证明了信任驱动算法优于传统时间驱动算法,在平均信任效益和总信任效益等方面具有较好的综合性能。     

树形异构网格的启发任务调度算法

讨论了在网格资源计算能力和网络通信速度异构的树形网格环境下任务调度问题,导出了线性方程并且根据调度任务大小进行了模型的优化,提出一个基于线性规划的任务分配启发式算法。实验结果表明:在异构树形计算网格环境下实现任务调度时,该算法的性能明显优于其他算法。     

面向分布式环境的信号驱动任务调度算法

为优化IaaS服务的执行效率,提出面向IaaS的信号驱动任务调度算法,该算法根据IaaS模型的结构特征建立控制子系统和节点子系统,根据任务的结构特征建立任务的DAG(directed acyclic graph)调度模型,并建立各任务分片的状态转化机制及控制子系统和节点子系统间的信号通信机制。以系统间信号交互的方式驱动任务分片的状态改变,并在每一调度时刻来临时利用并行优化选择策略分配任务分片。由于本算法采用了模拟IaaS模型的双系统控制方式,使本算法与IaaS模型的分布式体系相兼容且复杂度较低。最后通过实验验证了所提算法的有效性和实用性。