局域网环境下的虚拟筛选网格平台搭建

在计算机辅助药物设计中,虚拟筛选是非常重要的一种方法,但其需要的计算量非常巨大。虚拟筛选网格平台,是在局域网环境下使用普通的PC机进行搭建的,可以提供很强的计算能力。相比于并行机而言,它的成本非常低廉。使用的是各个计算节点的空闲资源,并不影响计算节点的自身实际工作。针对局域网的通信成本低的特点,通过适当地减小计算粒度,更好地平衡了计算节点的负载,提高了网格平台的处理能力。在平台上进行了分子筛选实验工作,并与传统计算方法进行时间上的对比分析,结果表明该网格平台在进行虚拟筛选时能够提供非常好的计算性能。     

适用于应用模式的网格结点选择方法研究

网格环境中的任务调度面临着海量的计算和通信资源环境,所以调度者需要考虑资源的选择问题.传统的资源选择方法一般只考虑计算能力或通信能力的最大化,没有考虑资源的通信模式与应用的匹配问题.本文在Remos研究的基础上,提出了一个完整的基于应用通信模式的网格结点选择算法.算法使用子图同构的辨识方法来判断网格结点的连通关系是否与应用模式相匹配,在满足通信模式约束的前提下,再用贪婪算法来选择计算和通信均较优化的结点.在通用算法的基础上,特别考虑了基于Master-Slave和All-to-All应用模式简化结点选择算法.最后,利用仿真方法,将本文的算法和随机选择法进行了比较,结果表明本文算法选择的网格结点不但满足应用的通信约束,而且性能较优.     

药物分子对接中应用网格的研究与进展

药物分子对接所涉及的搜索空间非常巨大，需要耗费大量的时间，并且对计算环境也有较高的要求．将网格技术应用于药物分子对接中，能有效地解决上述问题．首先对分子对接理论做了简单介绍；然后，利用网格数据传输和网格任务调度等网格技术对分子对接过程进行了优化，有效利用了网格结点资源，并降低了药物分子的对接时间；最后的实例测试表明了药物分子对接与网格技术相结合的合理性及有效性．     

基于容错机制的精细药物分子对接网格

针对药物分子对接的搜索空间大、耗费时间长、对计算环境要求高等问题,给出一种将网格技术应用于药物分子对接的方案。基于遗传算法多种群竞争机制的对接演化模型GasDock,以信息熵控制空间的收缩,增强进化的目的性,提高对接效率。提出局部类树型结构及结点失效的容错机制,提高了精细药物分子对接任务的效率及容错性。测试结果证明了精细药物分子对接与网格技术相结合的合理性和有效性。     

一种用于大数据分析服务的启发式云爆发算法

基于异构云联合的并行化大数据分析服务可以提升性能。然而由于大数据网络传输存在较大时延,原则上必须在并行化水平和大数据分析性能之间进行折衷。鉴于此,提出一种启发式云爆发算法用于并行化大数据分析服务。首先确定联合云中哪些计算结点应该用于大数据分析并行处理,然后将大数据妥善地分配给这些计算结点,确保处理同步完成且性能最优,最后,确定被分配的不同大小数据块在各个结点的计算次序,确保数据块传输尽量在结点上一数据块计算期间完成。与其他负载均衡算法做了对比,结果表明,使用该算法后性能可提升20%~60%。     

基于网格服务的GridFTP传输性能的研究

利用GT4提供的网格服务功能研究了基于网格服务的GridFTP数据传输的性能,分别在关闭网格服务环境下和开启网格服务环境下,观察利用GridFTP进行不同文件类型和大小的数据传输情况,分析了网格服务对GridFTP数据传输的影响,并针对目前GridFTP进行跨异构平台传输过程中存在的问题,提出了几种改进方法.实验结果表明,将网格服务应用于Grid-FTP数据传输,可以改善其传输性能,提高其传输质量.     

基于DSOF的网格资源发现模型研究

为了解决传统资源发现机制不能很好地适应网格资源环境的问题,在有效组建网格资源虚拟组织的基础上,提出了资源虚拟组织中联系结点的选取原则和选取算法,通过该算法从具有相同资源类型的联系结点中选出管理结点.联系结点和管理结点之间采用类似二部图的方式进行连接,构成基于动态自组织覆盖架构的网格资源发现模型.从资源发现能力、资源发现效率和系统可扩展性等方面对该模型进行了综合评价,结果显示该模型适合网格资源的特征,在大规模网格系统中能够有效提高资源发现性能,仿真实验验证了该模型的有效性.     

网格环境中检查点技术的研究与实现

检查点机制作为一种软件容错机制，将其与网格环境相结合，提高网格计算的服务质量。更好地满足网格系统的要求。本文研究了如何面向网格应用实现检查点设置，使网格环境能够在某个计算结点发生故障后。将相关进程恢复到故障前的检查状态，从该检查点处继续执行，避免重新执行整个任务，节省了大量重复计算时间，实现了容错服务。     

聚类的逻辑文件复制服务机制研究

网格环境下资源的管理和调度是一个非常复杂且具有挑战性的问题。在数据密集型应用中,数据文件的读取延迟时间是至关重要的。提出了一种基于聚类预处理的数据文件复制算法（CBR）,将传输带宽满足一定条件的网格结点通过聚类方法构成一个“逻辑区域”;并介绍了一种改进的LRU算法,考虑了其他计算任务需要的数据文件请求,避免删除未来将使用的数据文件。通过实验证明,该算法得到的计算任务完成时间优于其他两种算法。     

网格安全技术大比拼

一、网格计算环境的特殊性在网格计算环境中,各种资源都动态的连接到Internet上,而且不同的网格结点之间的通信也是通过Internet连接的。网格计算环境中的所以主体都可以动态加入或撤离网格中的虚拟组织。因此在考虑网格安全体系结构时必须考虑到网格计算环境的种种特点:用户数量庞大且为动态,参与者变化的频率较高;网格计算环境中的资源池很大,且动态可变;网格计算环境中的计算过程可在其执行过程中动态地请求、启动进程和申请、释放资源;一个计算过程可有多个进程组成,进程间存在不同的通信机制,底层的通信连接(例如TCP/IP套接字)在程…     

Artificial life techniques for load balancing in computational grids

Load balancing is a very important and complex problem in computational grids. A computational grid differs from traditional high performance computing systems in the heterogeneity of the computing nodes and communication links, as well as background workloads that may be present in the computing nodes. There is a need to develop algorithms that could capture this complexity yet can be easily implemented and used to solve a wide range of load balancing scenarios. Artificial life techniques have been used to solve a wide range of complex problems in recent times. The power of these techniques stems from their capability in searching large search spaces, which arise in many combinatorial optimization problems, very efficiently. This paper studies several well-known artificial life techniques to gauge their suitability for solving grid load balancing problems. Due to their popularity and robustness, a genetic algorithm (GA) and tabu search (TS) are used to solve the grid load balancing problem. The effectiveness of each algorithm is shown for a number of test problems, especially when prediction information is not fully accurate. Performance comparisons with Min-min, Max-min, and Sufferage are also discussed.     

云边智能: 电力系统运行控制的边缘计算方法及其应用现状与展望

本文分析了当前我国电力系统的运行与控制面临的挑战, 对边缘计算的发展背景和关键技术进行了介绍, 阐述了云边协同和边边协同的功能与特征, 并对边缘协同技术下的边缘智能技术进行了探讨. 结合电力系统的层级式构架, 讨论了在电网部署边缘计算层的方法, 提出利用云边协同、边边协同、边缘智能等技术解决电力系统面临的实时性高、数据周期短、任务复杂等难题, 在减轻边缘节点与云中心通信压力的同时, 提高业务服务质量, 保障边缘节点的数据隐私. 通过对边缘计算在“源 ? 网 ? 荷”各环节的应用前景进行分析与讨论, 阐述了边缘计算在电网中的可行性与实用性. 最后, 对边缘计算的应用范式与方案进行了总结, 并对其在未来电力系统中的发展方向进行了展望.     

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。     

一种基于内存服务的内存共享网格系统

内存密集型应用对运行环境的物理内存要求严格,在物理内存不足时将会引发大量磁盘IO,降低系统性能．传统的网络内存致力于在集群内部通过共享空闲节点的物理内存解决该问题,但受集群负载和内部网络影响较大．通过结合网络内存和服务计算、网格计算等技术,提出一种基于内存服务的内存共享网格系统——内存网格,并分析和讨论了实现内存服务的关键技术和算法．内存网格弥补了网络内存的不足,扩展了网格计算的应用范围．通过基于真实应用运行状态的模拟,证明了内存网格与网络内存相比具有性能的提高．     

GridMol系统中蛋白质可视化与建模的性能优化

基于网格计算思想开发一个具有计算化学前、后处理功能的系统GridMol,其主要功能包括分子可视化、分子建模和计算作业提交。针对GridMol系统中蛋白质大分子显示和建模遇到的性能问题,给出调整Java 3D场景图进行性能优化的方法,通过GridMol和其他分子可视化软件的性能比较以及自身优化前后的性能比较,证明优化方法取得了良好的效果。     

RETENTION: A reactive trust-based mechanism to detect and punish malicious nodes in ad hoc grid environments

In ad hoc grid environments, resources are not always available since nodes can spontaneously connect and disconnect at any time. Thus, these environments demand the correct execution of tasks to guarantee good performance. However, there are malicious users that affect the normal operation of these grids. These users modify tasks results and even cheat security mechanisms. Therefore, to assure high performance in these grid computing scenarios, it is essential to use punishment procedures based on trust models. These solutions have been used in wireless ad hoc networks, but not in the context of ad hoc grid computing. Thus, in this paper, we first present an analysis of mathematical trust models in ad hoc grid scenarios, using different ways to treat detection information passed on by other nodes. Then, we provide a comparison and a performance evaluation of these models using a grid simulator platform. Besides that, we choose the most accurate trust model among the evaluated ones to propose RETENTION: a reactive trust-based mechanism to detect and punish malicious nodes in ad hoc grid environments. Simulation results demonstrate the effectiveness of the proposed approach in detecting and punishing up to 100% of malicious nodes without generating false-positives. The results can be a valuable tool for network designers in planning trust models in ad hoc grid network deployments.     

A framework for adaptive collective communications for heterogeneous hierarchical computing systems

Collective communication operations are widely used in MPI applications and play an important role in their performance. However, the network heterogeneity inherent to grid environments represent a great challenge to develop efficient high performance computing applications. In this work we propose a generic framework based on communication models and adaptive techniques for dealing with collective communication patterns on grid platforms. Toward this goal, we address the hierarchical organization of the grid, selecting the most efficient communication algorithms at each network level. Our framework is also adaptive to grid load dynamics since it considers transient network characteristics for dividing the nodes into clusters. Our experiments with the broadcast operation on a real-grid setup indicate that an adaptive framework allows significant performance improvements on MPI collective communications.     

高性能计算集群的Linpack测试及其在大数据中的应用

高性能计算集群用于高效并行计算,具有很高的性价比和良好的可扩展性,如何测试和评价集群系统性能成为一个关键问题。本文基于6个节点的集群进行Linpack测试,测试不同问题规模、计算节点数、求解矩阵数据分块NB、处理器网格拓扑P×Q、网络通信等重要因素,将单机与集群的计算性能进行对比,测试集群性能,结果表明：该集群的并行计算性能良好,可扩展性强,但硬件通讯能力需进一步改善。应用该集群到实际的地震大数据计算中,该集群的并行计算能力得到了很大的提升。     

Entropia: architecture and performance of an enterprise desktop grid system

The exploitation of idle cycles on pervasive desktop PC systems offers the opportunity to increase the available computing power by orders of magnitude (10×–1000×). However, for desktop PC distributed computing to be widely accepted within the enterprise, the systems must achieve high levels of efficiency, robustness, security, scalability, manageability, unobtrusiveness, and openness/ease of application integration.We describe the Entropia distributed computing system as a case study, detailing its internal architecture and philosophy in attacking these key problems. Key aspects of the Entropia system include the use of: (1) binary sandboxing technology for security and unobtrusiveness, (2) a layered architecture for efficiency, robustness, scalability and manageability, and (3) an open integration model to allow applications from many sources to be incorporated.Typical applications for the Entropia System includes molecular docking, sequence analysis, chemical structure modeling, and risk management. The applications come from a diverse set of domains including virtual screening for drug discovery, genomics for drug targeting, material property prediction, and portfolio management. In all cases, these applications scale to many thousands of nodes and have no dependences between tasks. We present representative performance results from several applications that illustrate the high performance, linear scaling, and overall capability presented by the Entropia system.