基于移动代理的网格作业管理模型的研究

网格作业管理是网格的最主要的功能之一,主要涉及到网格计算环境下作业调度和分配、作业分解和迁移、负载平衡等问题.介绍了一种引用移动代理Agent技术的网格作业管理模型,并针对该系统依次详细地描述了其中的作业提交与发布、作业调度以及作业的分解和迁移,最后给出基于移动代理的网格作业管理模型的原型系统,并对该系统作单机与联机的性能进行分析和比较.     

基于网格的分布式仿真系统负载平衡研究

对进程迁移的研究起源于分布式处理的出现，它使得分布式系统内动态负载平衡成为可能，并可显著提高系统的容错性和可用性；网格是新一代信息基础设施，其目的是实现资源共享利用网格提供的信息，将过载节点上的进程迁移到合适的其它节点上运行，就可以实现真正的负载平衡。该文首先简要介绍了进程迁移及网格的资源管理功能，根据现有的基于HLA构建的分布式仿真系统存在的缺陷，利用进程迁移、网格技术的优势研究并提出了分布式仿真系统负载平衡使能模块(LBEM)。现初步实现了网格环境中进程迁移的部分功能，该部分的研究工作是后续研究的基础。     

基于TL_Sheduling的异构集群负载均衡算法的研究与应用

异构环境下"集群系统"负载均衡技术的关键是实现进程的跨平台迁移,对于进程的跨平台迁移所带来的困难和开销是巨大的.在传统进程迁移算法基础上,充分考虑节点对提交作业的适应性,提出一种新的TL-Scheduling负载均衡算法,能够控制作业提交到适合它执行的节点上,该算法可以有效提高系统负载均衡和作业执行效率.在其基础上,研究设计了基于XML业务流程模板的卫星作业调度系统,使得作业调度系统更加实用化.     

MOSIX进程迁移机制研究

MOSIX是一个优秀的集群系统软件，它对Linux内核进行了扩充，采用自适应资源管理方法，通过抢占式进程迁移实现动态负载平衡。该文简要介绍了进程迁移及MOSIX系统，主要分析了MOSIX进程迁移的实现机制。     

基于蚁群优化算法的服务网格的作业调度

提出了利用蚁群算法来优化服务网格的作业调度系统的方法和一个两层的作业调度模型，该模型可以在网格的动态和异构环境下实现对作业执行时间的预测，然后根据作业的预测执行时间并利用蚁群优化算法使适应函数取得最小值，从而得到最优化的作业调度。基于开发的校园网格实验床，通过实验显示该方法可以优化服务网格的性能，减少作业的平均执行时问，提高系统的吞吐率。     

STLBM:一种基于服务自主迁移的网格负载均衡模型

体育信息化系统具有时间性和突发性等特点,访问负载难以达到均衡,因此对系统性能和服务质量等产生巨大影响.本文针对体育信息化系统的以上需求,提出了基于网格服务自动迁移的负载均衡解决模型-STLBM,可以有效提高体育信息化系统的性能和服务质量.该模型首先将服务迁移技术引入到体育信息化当中,提出了这类系统的负载衡量标准,并进一步给出了基于负载阀值的迁移策略,通过网格服务的迁移和复制,达到负载均衡的目的,从而实现资源合理有效的使用.实验结果显示,该模型可以明显均衡体育信息化网格各资源的使用效率,改善服务质量.     

一种基于历史信息的自适应动态网格作业调度方法

目前,国内外围绕着网格中的作业调度算法已做了大量研究,先后提出了很多调度算法.但是,这些算法并不能很好地适应网格的动态性、自治性和分布性等特征.对此,提出了一种动态的网格作业调度方法-基于历史信息的自适应动态网格作业调度方法ASHI.该方法利用每个资源上最近作业的执行信息自适应调整预测模型,然后再根据网格的动态性和实时性等因素,对资源进行反馈选择后将作业提交负载较轻的资源上执行.实验证明,ASHI不但能及时有效地对作业进行调度,而且还可有效提高整个网格的吞吐量和均衡系统的负载.     

基于网格计算市场模型的资源与作业描述语言的研究

网格计算市场模型是把经济学的概念应用到网格的资源管理和作业调度中的模型。本文分析了网格计算市场模型中资源和作业描述语言的需求,简要介绍了资源和作业描述语言Classified Advertisements(Classad),指出它在网格计算市场模型中描述资源和作业的不足之处,对它做了相应的改进和扩充．以实现在经济模型下对资源和作业更加灵活、细枉度的描述。     

支持多应用的桌面网格关键技术研究

针对基于多应用的计算需求及桌面网格设计中的主要技术问题,设计了桌面网格架构六层模型,并介绍了关键技术以及具体的实现方法,目的是解决在设计桌面网格架构时所面临的应用部署慢、整合异构计算资源难、作业调度模型少及扩展性差等问题,具体的实现方法包括采用多种通信模块,能够整合不同的计算资源访问系统;通过使用代理作业模块实现作业实例的转换的方法;采用文件系统及镜像服务,实现面向不同应用的作业环境及镜像需求;基于虚拟化技术实现异构计算资源的整合;针对不同应用类型的差异性,开发了通用控制程序组件;面向不同应用类型需求,实现的多种调度模型。基于这些方法实现了支持多应用的桌面网格系统,分析测试结果表明,这些方法可行并具备通用性。     

网格中间件GOS2及一种网格作业流的实现*

GOS2 (Grid Operation System)是国内自主开发的一款网格中间件。该文介绍了GOS2的特点和几个主要模块：社区、网程和网程容器、安全机制、网格文件系统、网格批作业系统以及网格记账系统。文中给出了一种基于GOS2系统架构,在此基础上实现了一种网格作业流形式的作业提交,结果查看以及作业取消和删除。实现包括页面部分和后台作业运行脚本部分,并给出了主要实现代码。     

一种基于流作业的网格作业调度研究

在基于网格环境的一些网格应用中,用户需要提交一种作业类型,该作业可以被分解为逻辑上独立的元作业,这些元作业不存在依赖和通讯关系,并且它们的执行需要大量的数据移动。针对这种作业类型,本文提出了一种基于流作业的网格调度模型。在该模型中,这些独立的元作业像"流"一样自主地流向各个计算节点去执行,各计算节点接收的流量取决于其计算能力,并避免"断流"问题。同时,该模型还分离了作业流和数据流,实现了作业逻辑控制和数据控制的分离,提高了调度的灵活性。本文将该调度模型应用于药物虚拟筛选应用中,该模型能够充分利用计算节点的计算能力。     

网格环境下的作业运行支持系统分析*

网格环境下的作业运行支持系统支持用户在网格资源上远程提交作业任务,执行科学计算应用程序,并管理运行着的作业任务.作业运行支持系统解决了计算执行环境的准备、状态监视汇报、运行时操纵和I/O支持等方面的关键问题.现有的几种主要的网格中间件系统均提供了作业执行和管理工具,很好地解决了几个主要问题,但并不能完全满足用户的需要,还需进一步改进与完善.     

On the Design of Adaptive and Decentralized Load Balancing Algorithms with Load Estimation for Computational Grid Environments

In this paper, we address several issues that are imperative to grid environments such as handling resource heterogeneity and sharing, communication latency, job migration from one site to other, and load balancing. We address these issues by proposing two job migration algorithms, which are MELISA (modified ELISA) and LBA (load balancing on arrival). The algorithms differ in the way load balancing is carried out and is shown to be efficient in minimizing the response time on large and small-scale heterogeneous grid environments, respectively. MELISA, which is applicable to large-scale systems (that is, interGrid), is a modified version of ELISA in which we consider the job migration cost, resource heterogeneity, and network heterogeneity when load balancing is considered. The LBA algorithm, which is applicable to small-scale systems (that is, intraGrid), performs load balancing by estimating the expected finish time of a job on buddy processors on each job arrival. Both algorithms estimate system parameters such as the job arrival rate, CPU processing rate, and load on the processor and balance the load by migrating jobs to buddy processors by taking into account the job transfer cost, resource heterogeneity, and network heterogeneity. We quantify the performance of our algorithms using several influencing parameters such as the job size, data transfer rate, status exchange period, and migration limit, and we discuss the implications of the performance and choice of our approaches.     

An integrated security-aware job scheduling strategy for large-scale computational grids

All existing fault-tolerance job scheduling algorithms for computational grids were proposed under the assumption that all sites apply the same fault-tolerance strategy. They all ignored that each grid site may have its own fault-tolerance strategy because each site is itself an autonomous domain. In fact, it is very common that there are multiple fault-tolerance strategies adopted at the same time in a large-scale computational grid. Various fault-tolerance strategies may have different hardware and software requirements. For instance, if a grid site employs the job checkpointing mechanism, each computation node must have the following ability. Periodically, the computational node transmits the transient state of the job execution to the server. If a job fails, it will migrate to another computational node and resume from the last stored checkpoint. Therefore, in this paper we propose a genetic algorithm for job scheduling to address the heterogeneity of fault-tolerance mechanisms problem in a computational grid. We assume that the system supports four kinds fault-tolerance mechanisms, including the job retry, the job migration without checkpointing, the job migration with checkpointing, and the job replication mechanisms. Because each fault-tolerance mechanism has different requirements for gene encoding, we also propose a new chromosome encoding approach to integrate the four kinds of mechanisms in a chromosome. The risk nature of the grid environment is also taken into account in the algorithm. The risk relationship between jobs and nodes are defined by the security demand and the trust level. Simulation results show that our algorithm has shorter makespan and more excellent efficiencies on improving the job failure rate than the Min–Min and sufferage algorithms.     

计算密集型与数据密集型混合网格作业调度算法

针对计算密集型作业与数据密集型作业混合情况,在一个作业有时间限制的动态环境中,对传统的网格作业调度方法进行扩展,提出了三种网格作业调度启发式算法:Emin min、Ebest、Esufferage。并在一个由多个Cluster组成的、通过高速网络连接的网格模型上,对三种算法进行验证。与Min min算法的比较结果显示：三种算法均优于Min min算法。与ASJS算法比较结果显示：Emin min减少了等待时间与作业的makespan; Esufferage算法以减少作业完成量为代价,减少了作业的等待时间及makespan; Ebest在完成作业数量上与ASJS基本保持一致,但却增加了作业的等待时间与makespan。总体上,Emin min具有比较大的优势。     

容错计算网格作业调度模型的研究

网格技术的发展对网格系统的效率和服务质量提出了更高要求．在综合研究目前网格作业调度环境的基础上，提出一种容错计算网格作业调度的随机Petri网模型，并给出了网格作业分派策略和计算站点内的作业选择策略，以及容错计算网格的性能评价指标．仿真实验对容错计算网格的性能进行有效的分析，反映故障对网格中不同类别作业的影响．     

An energy-efficient reliable grid scheduling model using NSGA-II

Job scheduling in computational grid is a complex problem and various heuristics and meta-heuristics have been proposed for the same. These approaches usually optimize specific characteristic parameters while allocating the jobs on the grid resources. Many a times, it is desired to optimize multiple parameters during job scheduling. Non-dominated sorting genetic algorithm (NSGA-II) has been observed to be the best meta-heuristic to solve such multi-objective optimization problem. The proposed work applies NSGA-II for job scheduling in computational grid with three conflicting objectives: maximizing reliability of the system for job allocation, minimizing energy consumption and balancing the load on the system. Performance study of the proposed model is done by simulating it on some real data. The result indicates that the proposed model performs well with multiple objectives.     

面向信息服务的网格资源管理器的设计

设计一个面向信息服务的网格资源管理器的架构，该架构分为全局和局部管理器。介绍一个新的作业调度算法，该算法的特点是根据历史作业执行时间来预测当前作业的执行时间，在调度时考虑作业执行时间和截止时间2个要素。试验证明该算法比目前常用的Max-Min和Min-Min算法具有更好的性能。