DHT负载均衡的必要性

在分布式哈希表(DHT)中,节点ID通常随机选择,但这并不意味着DHT是负载均衡的.仿真结果表明,Chord网络中的负载是不均衡的.在总结对该问题相关工作的基础上,理论上证明了DHT算法本质上的不均衡性,并精确给出节点负载不均衡性的上界范围,仿真验证了分析结论.     

主动获取式的分布式网络爬虫集群方法研究

针对当前分布式网络爬虫方法遇到的处理效率、扩展性、可靠性、任务分配和负载平衡等问题,提出了一种主动获取任务式的分布式网络爬虫方法。该方法在子机节点中加入分控模块,评估节点负载及运行状况,并主动向中控节点申请任务队列。在此基础上,结合动态双向优先级任务分配算法,设计了一种具有负载平衡、任务分级分配、节点异常敏捷识别、节点安全退出等特性的分布式网络爬虫模型。实际测试表明,该主动获取式的分布式网络爬虫方法可有效地利用通用平台建立大型分布式爬虫集群。     

基于HLA的分布式仿真中负载平衡的研究

随着基于HLA的分布式仿真实现技术的日益成熟,对于仿真的效率和精确性的要求也越来越高.大规模的分布式仿真中,负载平衡成为影响仿真效率和正确性的关键问题,然而HLA本身并未提供负载平衡机制.在对负载平衡问题和HLA深入研究的基础上,在HLA中实现了负载平衡机制,使用计算机性能的评价参数CPU占有率和内存使用率作为评估标准,以确定进行负载迁移的对象.最后通过实验证明,该机制能有效地平衡仿真系统中各节点之间的负载,从而验证了该机制的有效性.     

面向异构DHT存储的数据与位置解耦算法

分布式哈希表(distributed hash table, DHT)由于其高效的数据寻址方式而被广泛应用于分布式存储.传统DHT必须将数据存放在指定节点中才能实现高效的数据分布式寻址,极大地限制了DHT技术的应用范围.例如,在异构存储网络中,节点的存储空间、带宽、稳定性等均有较大差异,结合数据特征和节点性能差异选择合适的数据存放节点可以很大程度上提高数据的访问效率,而传统DHT数据和存储位置紧耦合的特征导致其难以应用于异构的存储网络中.针对此问题,提出了vRoute算法以实现DHT中数据标识与其存储位置的解耦.通过构建基于Bloom Filter的分布式数据索引, vRoute算法可以在不降低数据寻址效率的基础上允许数据存储在网络中的任意节点.通过扩展Kademlia算法实现了vRoute,并从理论上证明了vRoute算法的有有效性.最后,模拟实验表明vRoute以较低的存储、网络开销实现了和传统的DHT算法接近的数据寻址效率.     

一种基于节点交换的DHT优化方法

分布式哈希表(DHT)存在逻辑拓扑与实际网络拓扑不匹配的问题,造成查询操作时延过大.针对该问题,提出一种基于节点交换的DHT优化方法,通过对DHT节点逻辑位置的调整,改善DHT的查找性能.使用地标聚类方法对节点进行分类,物理位置相近的节点属于同一个地标聚类区,采用地理布局的思想,使DHT覆盖网络逻辑拓扑与底层物理拓扑尽...     

一种结构化P2P系统的负载平衡算法

在结构化P2P系统中,由于使用分布式散列表,各节点能够达到基本的负载平衡。但是,各个节点由于承担负载的能力不同和数据的存取存在热点现象,因此仍然存在负载不平衡的情况。针对这一缺点,采用局部信息调整负载的方法,提出了分布式负载平衡算法,从而避免了单点失效问题,同时算法的实现更为简单。     

支持分布式协同入侵检测的动态负载平衡算法

通过对分布式协同入侵检测系统及其流量动态平衡分配问题的分析与研究,提出基于负载平衡器的动态负载平衡算法,该算法通过对数据包的特征域进行散列运算,将其映射到网络数据采集代理或检测代理的接收区间内,负载平衡器可根据它们的负载情况调整接收区间。性能分析和实验结果表明,该算法具有良好的动态流量平衡性能,能充分地利用系统的计算资源。     

一种分布式数据流系统负载平衡算法

分布式数据流系统中,当输入数据流速发生较大波动时,会引起部分节点过载,从而影响整个系统的数据处理能力。针对这个问题,该文分析了分布式数据流系统的特点以及现有负载平衡算法的局限性,提出了一种利用多层重叠结构进行负载信息收集和负载分配的平衡算法。该算法利用虚拟树形结构进行负载信息的收集和负载分配,具有较好的扩展性能。以环形虚拟结构中保存的节点相对位置信息为依据进行负载移动,从而有效降低系统的响应时间。实验结果表明该算法具有良好的负载平衡能力和一定的应用价值。     

异构结构化P2P网络负载均衡方案

结构化P2P网络由于采用DHT算法导致节点存储资源的不均衡,当前解决方案都是假定节点容量及负载是均匀分布在系统中,而忽略了实际网络存在的节点异构性的影响.本文提出的考虑节点异构性的结构化P2P网络负载均衡方案提出了负载均衡的衡量标准--负载平滑度,采用基于相同资源描述符的资源整体转移方案,以节点的邻居节点为平衡范围,描述了系统在节点加入、离开,资源加入以及节点过载情况下的算法,使得整个系统逐步达到负载均衡.该方案充分考虑了实际网络中存在的异构问题.仿真实验表明,该方案有效地解决了并构P2P网络下的负载均衡问题.     

基于IPv6地址聚类性的改进型DHT网络

在基于DHT技术的对等网络中，一个重要的研究内容是减少逻辑网络和物理网络不匹配所带来的寻路时延过长的问题．现有的解决方案没有考虑IPv6网络环境下的新特征．基于IPv6体系中地址层次性具有物理网络路由聚集的特点，提出了通过IPv6前缀对节点进行聚集，并利用DHT网络本身定位具有相同IPv6前缀的节点列表信息来实现高效寻路．这种节点聚集策略不依赖集中式服务器，具有完全分布式的特点．利用此策略对Chord和CAN这两种应用广泛的DHT系统进行改造，仿真和分析表明此方案可显著减少寻路延时．     

基于无线传感器网络的控制系统采样频率优化算法

针对基于无线传感网的网络化控制系统，讨论了采样频率的优化问题．建立了以数字和模拟控制系统性能差距指数最低为目标，以无线节点的通信容量为约束条件的非线性优化模型，并以障碍函数法进行求解，提出了基于节点缓冲区信息的分布武迭代算法．该算法在传感节点的计算量小，易于实现．仿真表明该算法能有效收敛到系统的最优目标点，并能适应于系统的负载变化．     

Distributed average consensus with least-mean-square deviation

We consider a stochastic model for distributed average consensus, which arises in applications such as load balancing for parallel processors, distributed coordination of mobile autonomous agents, and network synchronization. In this model, each node updates its local variable with a weighted average of its neighbors’ values, and each new value is corrupted by an additive noise with zero mean. The quality of consensus can be measured by the total mean-square deviation of the individual variables from their average, which converges to a steady-state value. We consider the problem of finding the (symmetric) edge weights that result in the least mean-square deviation in steady state. We show that this problem can be cast as a convex optimization problem, so the global solution can be found efficiently. We describe some computational methods for solving this problem, and compare the weights and the mean-square deviations obtained by this method and several other weight design methods.     

可能性测度下的LTL模型检测并行化研究

分布式模型检测是一种缓解状态空间爆炸的有效途径,已有文献提出了定性的分布式模型验证算法,然而定量LTL验证算法并行化问题还未得到有效解决。对此,展开两个方面的工作:提出一种新的动态系统状态空间划分方法;在定性LTL分布式验证算法的基础上给出了定量模型检测并行化验证算法。首先,将系统模型转化为可能的Kripke结构并选取一个并发分量,依据状态之间的关系完成系统状态的分割,使得关系紧密的状态尽可能分布在同一个计算节点上;其次,调整划分结果以使得计算负载平衡;然后,将划分结果与其他并发分量的状态进行叉乘,以完成系统状态空间的划分;最后,将待检测性质用自动机表示,在两者的乘积上,利用扩展的基于嵌套DFS的分布式验证算法完成系统的定量验证。     

Pathbook: Cross-layer optimization for full-duplex wireless networks

Recently, Choi et al. designed the first practical full-duplex wireless system, which challenges the basic assumption in wireless communications that a radio cannot transmit and receive on the same frequency at the same time. In this paper, we study cross-layer optimization for full-duplex wireless networks, comprehensively considering various resource and social constraints. We focus on (1) the problem of allocating resources to maximize the total profit of multiple users subject to node constraints and (2) the problem of allocating resources to minimize the network power consumption subject to user rate demands and node constraints. We formulate these problems as convex programming systems. By combining Lagrangian decomposition and subgradient methods, we design distributed iterative algorithms to solve these problems, which compute the optimized user information flow (i.e. user behavior) for the network layer and the optimized node broadcast rate (i.e. node behavior) for the MAC layer. Our algorithms allow each user and each node to adjust its own behavior individually in each iteration. We analyze the convergence rate, the amount of feasibility violation, and the gap between the optimal solution and our solution in each iteration. We also use the dual space information to analyze node load constraint violation.     

Analytic models of adaptive load sharing schemes in distributedreal-time systems

In a distributed real-time system, nonuniform task arrivals may temporarily overload some nodes while leaving some other nodes idle. As a result, some of the tasks on an overloaded node may miss their deadlines even if the overall system has the capacity to meet the deadlines of all tasks. A decentralized, dynamic load sharing (LS) scheme has been proposed as a solution to this problem. Analytic queuing models to comparatively evaluate this LS scheme as well as three other schemes-no LS, LS with random selection of a receiver node, and LS with perfect information- are developed. The evolution of a node's load state is modeled as a continuous-time semi-Markov process, where cumulative execution time (CET), rather than the commonly-used queue length (QL), is employed to describe the workload of a node. The proposed scheme is compared against other LS schemes. The validity of analytic models is checked with simulations. Both analytic and simulation results indicate that by using judicious exchange/use of state information and Bayesian decision mechanism, the proposed scheme makes a significant improvement over other existing LS schemes in minimizing the probability of dynamic failure     

异构云平台中基于多层架构的动态循环调度方案

针对现有分布式循环自调度方案在异构云平台中存在负载不平衡等问题,提出一种基于多层架构的分层分布式动态循环调度方案。首先,通过HPLS算法来评估计算环境中各Worker节点的计算速度。然后,在传统自调度方案中融入节点计算速度,构建一种能够处理异构环境的调度方案,提高负载平衡能力。最后,将计算系统构建成一个由SuperMaster,Master和Worker节点组成的多层架构,利用层次化方法来解决传统Master-Worker架构中单个Master节点的瓶颈问题,用来提高任务分配效率。仿真实验结果表明,提出的方案能够有效提高云平台的计算效率。     

基于存储熵的存储负载均衡算法

在分布式存储系统中,一般都是以磁盘空间利用率（DU）来判断各存储节点的负载均衡程度,当所有节点的磁盘空间利用率相等时,是整个分布式存储系统的存储负载均衡点。但是在实际的应用场景中,磁盘I/O速率比较低的存储节点和可靠性比较低的存储节点往往成为影响整个存储系统数据读写性能的瓶颈,因此在异构分布式存储系统中,特别是各存储节点磁盘I/O速率和可靠性差异较大的分布式存储系统中,如果仅仅以磁盘空间利用率作为存储负载均衡的判定条件,则其数据的读写效率必然受到限制。从读写效率的角度提出一种度量分布式存储系统中存储负载均衡的新思路。根据负载均衡理论和熵理论给出存储熵（SE）的定义,并提出一种基于存储熵的负载均衡算法,该算法通过系统负载判定、单节点负载判定和负载迁移实现了对分布式存储系统存储负载的量化调整,并通过实验与基于磁盘空间利用率的负载均衡算法进行了对比分析,验证了该算法对分布式存储系统中存储负载具有良好的均衡性,有效地控制了系统负载失衡的问题,提高了分布式存储系统的整体读写效率。     

基于DHT的P2P系统的负载均衡算法

在基于DHT的结构化P2P系统中，DHT的使用以及节点处理能力的不同导致系统中节点的负载不均衡．现有的负载均衡算法存在两个不足：①负载的转移没有考虑节点之间的链路延迟；②算法依赖于系统中固定位置的某些节点．提出了分布式负载均衡算法：每个节点周期性的收集系统局部负载信息，然后选择链路延迟较小的节点进行负载转移．算法依赖于系统中的所有节点，解决了单点失败问题．同时，负载的转移是在链路延迟较小的节点之间进行的．仿真实验表明，①对于各种系统利用率，该算法都可以获得理想的负载均衡效果；②算法可以使负载转移开销减少45％以上．