树形网格自适应调度模型研究

提出一种基于树形计算网格的自适应调度模型,实现对小粒度独立任务和用户大作业的自适应最优调度.通过对网格环境的实时检测,给出了基于节点负载状况、节点任务执行时间和任务特性的自适应调度算法.实验证明该任务调度模型在负载平衡和容错方面具有良好的性能.     

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.     

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.     

基于多Agent网格资源管理模型的负载均衡研究

网格是下一代互联网的应用模式，资源管理是网格技术的核心任务之一。它包含资源发现、任务调度和负载均衡。在网格环境中，当大量任务到达的时候，总会出现某些节点因任务过多而忙，另外一些节点空闲的情况。为了解决这个问题．文章首先介绍了一种基于多Agent的网格资源管理层次模型，在此基础上研究了负载均衡问题，提出了一种负载均衡的算法设计思想。提高了网格计算能力和资源利用率。     

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。     

浅谈WMN中基于移动边界点的网关负载平衡问题

无线网格网中MBLB（Moving Boundary-based Load Balancing基于移动边界点的负载平衡）是用于描述网关节点在其最外围的边界点或边界线上的负载和处在这些网关节点边界线内的WMN节点之间通过该网关进行通信。为了适应网关承载的流量负载和容量的变化,区域边界会周期性的进行更新。本文讨论了这种负载平衡的两种主要实现方式：基于最短路径的移动边界方式和基于负载指数的移动边界方式。     

无中心式调度框架下网格作业的节点选择优化

为优化无中心式调度框架下网格作业的节点选择,提出了随机多起点爬山算法.为使多个起点均匀分布于网格,按随机选择邻居的重复次数的指数增长找出各起点.为反映合理的用户调度需求,用平均的并行计算能力加权的有界减慢率衡量节点选择.灵活调整网格工作负荷,对随机多起点爬山算法进行了全面评估.在网格负载不是很轻情况下,该算法能有效地在网格全局优化节点选择.     

基于高效负载均衡的网络任务分配技术

针对传统的网格在分配任务的过程中,当多任务发生竞争的时候,由于多条路径的任务负载不均衡,造成传输速度慢的问题,提出一种基于遗传算法负载均衡的网格工作流算法.通过模拟自然界的生物进化过程对任务空间进行随机化搜索,根据预定任务的适应度函数,并用全局并行搜索方式找到最优节点,避免了传统方法的负载不均衡问题.实验证明,该算法实现了负载的快速均衡,提高了网格工作流系统的工作效率.     

基于改进蚂蚁算法的网格资源管理的研究

设计了一个面向信息服务的网格资源管理器的模型,实现了各组成部分的功能.提出了一种基于改进蚂蚁算法的网格任务调度策略.不同干传统蚂蚁算法,改进的蚂蚁算法通过在处理任务前后分别调整信息素来准确地反映资源的性能,并通过增加负载平衡因子,将用户提交的任务合理地映射到相对空闲的资源上去,经仿真平台验证,可有效实现任务的合理调度和网格系统的负载平衡.     

基于负载均衡思想的遗传算法在网格资源调度中的应用

网格资源调度本身是一个NP完全问题,世界各国专家相继提出了一系列网格资源调度算法.但是实际网格节点的性能可能有差异,如果在各节点性能差异比较大、而任务本身计算量差异也比较大的情况下,网格中各节点负载可能出现不平衡,这样就会影响整个网格总体性能.因此,本文提出了在网格资源调度时使用遗传算法,并且同时考虑负载均衡问题.     

云环境下基于迁移的虚拟机集群优化算法

针对云环境中虚拟机集群负载不均衡问题,提出一种基于虚拟机迁移的集群优化算法。通过对节点负载的实时监测,动态调整各种资源的权重,根据资源权重选择可最大程度降低主机负载的虚拟机进行迁移。该算法利用预测机制,消除主机资源利用率的临时越界引起的不必要的虚拟机迁移。在选择目标节点时,采用多目标决策法,兼顾多资源匹配率,服务级目标违背率(SLA)等多种管理目标。实验结果表明,与同类型的负载均衡算法相比,该算法能减少迁移次数,降低SLA违背率。     

基于排队论综合指标评估的动态负载均衡算法

互联网通信、计算机集群和云环境均具有一定的复杂性和动态性,极易发生负载失衡,从而降低服务效率、增加能耗。因此,负载均衡技术成为重点研究课题。现有的负载均衡策略均是以 CPU、内存、进程等参数的占用率来评估服务器当前的负载情况,但服务器负载情况的复杂性往往使其难以得到准确评估。针对该问题,提出了一种基于排队论综合指标评估的动态负载均衡算法,首先引入排队论模型评估各服务器的实时负载情况,然后根据各服务器的负载综合指标,将输入队列中的任务逐一分配给各服务器。实验结果表明,该方法可有效平衡各服务器的负载且减少任务请求的平均等待时间。     

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。     

Load balancing in heterogenous distributed systems

In most distributed systems, the work generated at a node is processed there; little sharing of computational resources is provided. In such systems it is possible for some nodes to be heavily loaded while others are lightly loaded, resulting in poor overall system performance. The purpose of load balancing is to improve performance by redistributing the workload among the nodes.In this paper four load balancing techniques are studied by simulations. The study is limited to a class of techniques where the jobs are lined up in a generic queue and sent to a central job dispatcher which allocates the job to a particular processor based upon the following criteria: nondeterministic routing, response time, system time and throughout.We propose an algorithm that reduces the computational complexity of algorithms ensuring minimum system time.     

基于蚂蚁算法的网格作业调度研究

网格环境下的作业调度是一个NP难问题,蚂蚁算法内在的并行性和可扩充性使其非常适合网格作业调度。将蚂蚁算法应用于网格环境作业调度,提出一种通过作业代理的移动进行网格作业调度的方案,该蚂蚁算法不仅在分配网格计算资源时进行信息素的局部更新,还在网格计算资源完成作业后进行信息素的整体更新。通过模拟实验测试和选取蚂蚁算法的各种影响参数,取得了比较理想的实验结果。实验证明该算法能够有效地实现作业的合理调度和网格系统的负载平衡。     

ALP:一种面向CometCloud平台的自适应负载均衡方法

在云平台中,动态负载均衡对分配任务工作量、提高系统吞吐量、加强网络处理能力以及缩短任务处理时间起到了很重要的作用,然而由于工作节点资源运行信息的不断变化,现有的动态负载均衡策略难以很好地获得节点信息,因此提出了一种基于CometCloud系统平台的自适应负载均衡策略(ALP),ALP可以很好地获得工作节点的运行信息,并精确计算其负载状态。通过模拟实验与其他动态负载策略进行比较,ALP对云平台负载的调控效果良好。     

基于Gossip机制的自组织覆盖网络拓扑管理协议(英文)

Gossip-based protocols have attracted more and more attention because of their simplicity and reliability.They can be applied to large-scale overlays for solving problems such as topology management,information dissemination,and aggregation.However,previous works sample nodes by their indegrees,without considering the differences in capability among nodes,and result in losing global load balancing.This paper proposes a load balancing gossip protocol for self-organizing overlays-LBTMP(Load-Balancing Topology...     

一种基于分层多代理的云计算负载均衡方法

针对现有云计算系统中负载均衡方法的不足,借鉴系统逻辑分层和多代理的思想,提出一种基于分层多代理的云计算负载均衡方法.通过对云计算平台逻辑分层,在任务代理层设置任务监控代理和任务子代理,根据用户任务的差异性,采用基于任务优先级和QoS目标约束的调度策略协同完成任务调度;在资源代理层设置资源监控代理和资源子代理,考虑物理节点的异构性,采用基于启发式贪婪的资源分配策略协同完成虚拟机到物理节点的映射.通过评估对比仿真实验,结果表明该方法在任务调度效率、任务完成时间、截止时间违背率和负载均衡度方面表现更优,多代理有效地分担了中心管理节点的管理负载,使云计算平台的任务处理能力、资源利用率及鲁棒性均得到了进一步的提升.     

Reconfiguration and Dynamic Load Balancing in Broadcast WDM Networks*

In optical WDM networks, an assignment of transceivers to channels implies an allocation of the bandwidth to the various network nodes. Intuition suggests, and our recent study has confirmed, that if the traffic load is not well balanced across the available channels, the result is poor network performance. Hence, the time-varying conditions expected in this type of environment call for mechanisms that periodically adjust the bandwidth allocation to ensure that each channel carries an almost equal share of the corresponding offered load. In this paper we study the problem of dynamic load balancing in broadcast WDM networks by retuning a subset of transceivers in response to changes in the overall traffic pattern. Assuming an existing wavelength assignment and some information regarding the new traffic demands, we present two approaches to obtaining a new wavelength assignment such that (a) the new traffic load is balanced across the channels, and (b) the number of transceivers that need to be retuned is minimized. The latter objective is motivated by the fact that tunable transceivers take a non-negligible amount of time to switch between wavelengths during which parts of the network are unavailable for normal operation. Furthermore, this variation in traffic is expected to take place over larger time scales (i.e., retuning will be a relatively infrequent event), making slowly tunable devices a cost effective solution. Our main contribution is a new approximation algorithm for the load balancing problem that provides for tradeoff selection, using a single parameter, between two conflicting goals, namely, the degree of load balancing and the number of transceivers that need to be retuned. This algorithm leads to a scalable approach to reconfiguring the network since, in addition to providing guarantees in terms of load balancing, the expected number of retunings scales with the number of channels, not the number of nodes in the network.