集群动态负载平衡系统的性能评价

该文使用随机Petri网对集群动态负载平衡系统建立了一个抽象模型．通过细化模型中的节点本地处理部分对5种动态负载平衡算法的性能进行了分析，并讨论了集群负载特性对动态负载平衡系统性能的影响，最后得出的主要结论有：(1)动态负载平衡算法可以取得比静态负载平衡算法更好的性能；(2)与传统的只考虑CPU就绪队列的负载平衡算法相比，考虑了各种I／O请求队列的负载平衡算法可以取得更好的性能；(3)即使在极端的集群负载特性中。集群动态负载平衡算法仍然能取得比较理想的性能，因此实现即使是十分简单的集群动态负载平衡系统也是很有必要的。     

机群系统的动态负载平衡方法研究

通过对机群系统中的动态负载平衡算法的研究，解决任务再分配时由于进程迁移而引起额外开销较大的问题，提出了一个有效的动态负载平衡算法。通过实验结果分析，可以证明此算法能够提高并行程序的运行性能。     

网络拓扑及调度频率与动态负载平衡的关系

本文从影响动脉负载平衡效能的三个因素入手,介绍、分析了动态负载平衡算法、网络拓扑、动态负载平衡粒度与动态负载平衡效能之间的关系,有助于我们在以上三个因素中作出适当的选择,以获得较好的负载平衡效果。     

基于Bayes定理的动态负载平衡算法研究

动态负载平衡算法存在影响服务器性能、设置负载因子困难等问题.基于Bayes定理可有效地改正动态负载平衡算法的弊端,得到改进算法的工作机制和实现方法.     

分布式系统中一种负载平衡的动态反馈调整自适应算法

重点研究了分布式系统中的进程迁移和定位、负荷分担中的负载平衡等问题；提出并讨论了基于动态阈值和阈长的进程定位模型和系统负载平衡的动态反馈调整自适应算法，还通过具体的实验分析论证了算法的性能．实验结果说明该算法能在一定的范围内很好地解决进程定位和负载平衡问题，具有较大的实用价值．     

基于消息传递机制的动态负载平衡算法研究

针对同构集群系统中的动态负载平衡问题，提出了一套面向负载信息交流的消息机制，基于该消息机制设计了一种分布式控制、发送者驱动的动态负载平衡算法。实验证明该算法在处理大规模计算密集型任务时，具有一定的有效性和实用性。     

网络并行计算中动态负载平衡的实现

文章首先讨论了网络并行计算的负载平衡问题，特别是对动态负载平衡进行了深入的分析。最终给出了ＰＶＭ环境下，动态负载平衡的实现程序。并将其应用于大计算量的实际问题。结果表明，算法简单有效     

并行绘制的动态负载平衡算法研究

负载平衡是影响并行绘制效率的关键问题。提出了动态负载平衡算法两阶段映射的模型，给出了负载平衡性能的一种度量方法；还提出了一种最佳的任务调度算法，对该算法的性能进行了分析，得出绘制时间的理论上限值，同时给出了多任务划分的方法。     

论动态负载平衡策略

为了提高整个分布式系统的性能,有必要在分布式系统中应用动态负载平衡策略。本文描述了三种有代表性的分布式系统中的动态负载平衡策略——排队论算法,Bidding 算法和稳定分式调度算法,并且定性分析了这三种动态负载平衡策略及其优缺点。     

一种基于P2P系统的动态负载平衡算法

在P2P系统中，负载平衡算法的好坏将直接影响到系统的使用效率。在这篇文章中提出了一种负载平衡算法，从地址空间平衡与动态负载等几个方面提出对现有算法的改进策略，目的是提高负载平衡效率并使其适应于更广的DHT应用。     

P2P分布实时数据交换的高可用混合负载均衡算法

负载分配是分布式系统的资源管理和任务调度的关键问题之一，本文在分析当前已有算法在负载的实时分配方面存在的问题基础上，提出了适用于P2P分布实时数据交换的高可用性混合负载均衡算法2PLB．该算法将处理结点的处理能力和网络流情况协同考虑，以一种静态负载均衡和动态负载均衡结合的自调节混合负载均衡算法实现用于实时任务调度和负载调节．相比单纯的静态负载均衡或者动态负载均衡算法，本文所提的算法避免了纯静态负载均衡算法在处理任务时不能满足可适应性问题，又克服了纯动态负载均衡在任务处理过程中由于维护动态负载状态和任务迁移而导致的计算复杂度等问题的缺点，所提算法对于大规模实时任务处理具有实时性强，易于调度，具有显著的可比性等特点，广域网络环境下的系统测试表明所提算法能够以对等模式提供高质量实时数据交换和共享服务．     

面向同构型多处理机系统的动态负载平衡算法

为了解决同构型多处理机系统中的负载不平衡问题,提出一种分布式控制、发送者驱动的动态平衡算法,该算法利用CPU队列长度衡量处理机负载状态、利用进程执行时间选取适合被迁移的负载、利用较完备的消息机制传播处理机负载状态和负载平衡要求,适用于计算密集型任务.实验结果验证了该算法的有效性.     

基于改进权重的D-S证据理论的动态负载平衡算法

针对大型网络游戏中易出现的服务器集群负载不均衡的问题,提出基于改进权重的D-S（Dempster和Shafer）证据理论的负载平衡判别策略。首先,根据D-S证据理论,将影响服务器性能的多因素作为判据,利用历史数据与阈值大小的比较规则计算动态权重,再依据动态权重与原始信度的关系建立基本信任函数;然后,计算不同判据对应结果的信任函数,使用证据合成规则作深层融合;最后分析合成结果,最终推断服务器是否超载。模拟实验结果表明,与基于负反馈机制的动态均衡算法相比,所提算法的准确率更高,更符合真实情况;且所提算法的运行时间明显少于基于负反馈机制的动态均衡算法以及加权循环算法。实验结果表明,新算法有效缩短了运行判断的延迟,能够根据历史参数对当前服务器负载情况快速作出推断,且决策结果可信度高,更符合实际情况。     

Agent scheduling model for adaptive dynamic load balancing in agent-based distributed simulations

Agent-based distributed simulations are confronted with load imbalance problem, which significantly affects simulation performance. Dynamic load balancing can be effective in decreasing simulation execution time and improving simulation performance. The characteristics of multi-agent systems and time synchronization mechanisms make the traditional dynamic load balancing approaches not suitable for dynamic load balancing in agent-based distributed simulations. In this paper, an adaptive dynamic load balancing model in agent-based distributed simulations is proposed. Due to the complexity and huge time consuming for solving the model, a distributed approximate optimized scheduling algorithm with partial information (DAOSAPI) is proposed. It integrates the distributed mode, approximate optimization and agent set scheduling approach. Finally, experiments are conducted to verify the efficiency of the proposed algorithm and the simulation performance under dynamic agent scheduling. The experiments indicate that DAOSPI has the advantage of short execution time in large-scale agent scheduling, and the distributed simulation performance under this dynamic agent scheduling outperforms that under static random agent distribution.     

集群服务器在混合请求下的负载均衡优化算法

针对Web集群服务器在处理分配混合页面访问任务时开环负载均衡算法导致局部服务器负载偏高而降低系统效率的问题,建立了一类基于动态调节的闭环负载分配策略。根据服务器处理Web访问页面类型的特点,建立静态页面与动态页面混合处理的负载量模型,形成处理不同服务请求与负载均衡的内在动态映射关系,以此优化静态页面缓存与调用方式,并基于服务器负载率动态预测和均衡指标,采用负载率偏差最小的任务权重最优分配模型,确定服务器集群的最优任务权重,实现了服务器集群处理混合页面访问的负载均衡分配策略和算法。仿真结果验证了负载均衡算法的正确性和有效性,可以达到更好的负载均衡效果。     

基于迁移技术的云资源动态调度策略研究

现有云资源管理平台存在着瞬时资源利用率峰值易引发迁移、动态负载效果不佳等问题。依据云资源动态调度模型,提出了有效的基于迁移技术的虚拟机动态调度算法。算法将物理节点负载与虚拟机迁移损耗评估、多次触发控制、目标节点定位三者有机结合,实现云计算数据中心高效的动态负载均衡。实验结果表明,该算法优于CloudSim的DVFS调度策略,在保证应用服务水平的同时能减少虚拟机迁移次数和物理机启用数量。     

一种基于负载反馈的分布式数字集群动态负载均衡算法

针对传统负载均衡算法不能满足公网数字集群系统高并发用户请求和快速呼叫建立等需求,提出一种基于负载反馈的分布式数字集群动态负载均衡算法,实现公网数字集群系统负载均衡,提高用户容量。首先建立参与MCPTT服务器的静态负载和动态负载监控机制和指标;然后利用加权轮询算法为用户分配参与MCPTT服务器,并通过用户请求的处理获得复合负载参数;根据负载指标的反馈更新参与MCPTT服务器权值以动态调整服务器负载。仿真结果表明,该算法的负载均衡效果优于传统算法和其他动态反馈算法,负载均衡度更小、用户请求响应延迟更低。     

分布式文件系统的动态负载均衡算法

为了解决分布式文件系统的负载均衡问题,研究了多种负载均衡算法,分析各种算法的优缺点.综合了静态权重轮询算法和动态负载均衡算法两类算法的优点,提出一种自适应的综合动态负载均衡算法,它实现简单、降低了获取反馈信息的开销且不失实时性.经过试验比较,该算法能有效地降低平均响应时间和提高吞吐量,负载的分配更为均衡.     

云计算中负载优化模型及算法研究

云计算环境的动态性和异构性,使得云计算很容易出现负载失衡现象,严重影响了云计算的整体性能和用户体验.论文提出了基于改进遗传算法的负载均衡优化模型,兼顾资源需求动态变化和虚拟机的计算能力,建立相应的资源调度模型,运用改进遗传算法实现资源负载均衡.验证表明,该算法能很好满足云环境下数据中心的使用要求,提高资源利用率和负载均衡度.