基于小世界理论的自组织计算网络有效调度算法

以小世界（Small-world）模型作为理论依据，阐述了基于P2P的自组织计算网络的构造和基于该网络的计算任务调度算法，对计算网络的若干特性（诸如高聚合性和低搜索路径）以及调度的效能进行了分析。该文构造的计算网络表现出明显的自组织特性，具有较好的可扩展性和自组织能力，能为计算资源的调度提供很好的支持。     

基于对端重叠网络的通用大规模计算资源共享环境的构造

大规模计算资源共享是网格计算和其它基于Internet的计算模式的首要目标之一 .作为计算网格的一个主要分支 ,自愿计算环境在大规模计算模式中正在扮演着越来越重要的角色 .目前的自愿计算环境大多是专用和集中控制的 ,因而存在着某些可用性和可扩展性的问题 .该文构造了一个通用和可扩展的自愿计算环境 :Paradrop per .该环境的可扩展性得益于一个自组织的对端重叠网络 ( peer to peeroverlaynetwork) ;通用性得益于统一的计算和任务描述手段以及建立在该网络之上的计算任务调度、容错机制和界面友好的使用平台 .该文首先对自愿计算的特点以及Paradropper计算平台做了简要介绍 ,然后重点阐述该环境下计算网络的构造和基于该网络的计算任务调度算法 ,对计算网络的若干特性 (诸如高聚合性和低搜索路径 )以及调度的效能进行了仿真分析 ,最后 ,通过若干示例应用对计算平台的功能进行了测试 .仿真结果说明 ,该文构造的计算网络表现出明显的自组织特性 ,具有较好的可扩展性和自组织能力 ,能为计算资源的调度提供很好的支持 .小规模测试结果初步说明 ,该文构造的计算环境为Internet环境下的单程序多数据 (SPMD)的易并行计算应用提供了一个可行的思路 .     

移动P2P中基于惩罚培育的拓扑构造算法

提出一种基于惩罚培育的拓扑构造算法,针对P2P系统中普遍存在的搭便车、sybil攻击、whitewashing等不合作行为,在移动P2P拓扑构造过程中采用节点自监督、自惩罚机制,构造自适应的拓扑,使不合作节点受到惩罚,以培育节点合作性,并保障合作节点能够更有效地获得服务.根据移动P2P网络的固有特性,构造了一个结合有限状态维护、局部连通和信息交互的,具有全局视图的移动P2P覆盖网拓扑.实验结果分析显示,该算法构造的拓扑结构具有较好的可扩展性、稳定性和较强的容错性,且提高了搜索效率.     

基于混合式非结构化对等网络的桌面网格平台

利用非结构化对等网络的可扩展性与非集中性的特点,设计与实现了一个基于混合式非结构化对等网络的桌面网格平台UDGP(Unstructured P2P Desktop Grid Platform).UDGP平台中的节点角色分为工作机对等实体、管理机对等实体、应用程序对等实体,共同的协同与合作完成并行分布式计算.利用了一个通用的混合式对等网络通信库JXTA,JXTA框架方便了对等实体直接或间接的通信,保证了对等实体组的自组织特性与安全性.构建了平台的测试环境,以生物多序列比对作为案例程序,实验结果表明UDGP平台的加速比与计算时间比同类系统性能较好,具有稳健性、高效性与可扩展性的特点.     

新一代网络计算模型——P2P及其JXTA体系结构的设计与实现

提出了P2P网络计算模型同传统的计算模型之间的区别，它所具有的许多吸引人的新特性和广阔的应用前景，简要地论述了JXTA体系结构在实现P2P计算模型时的特点，设计原则，核心构造块，核心协议，主要的参考实现及潜在的应用。     

一个基于P2P技术的分布式视频检索系统

分布式视频检索是当前网络环境下信息检索的重要技术和方式之一,能够改善传统视频检索技术的性能.本文在分析已有视频检索系统发展状况的基础之上,利用FreePastry分布式平台以及P2P网络的可扩展性、负载均衡和稳定性,研究构建基于P2P(Peer-to-Peer)的分布式视频检索系统的方法.利用倒排索引技术和模糊查询技术提高视频检索效率.实验结果表明该系统在扩展性、查全率和查询准确率等性能上取得了较好效果.     

P2P-对等网络的未来

P2P(Peer-to-Peer)引导网络计算模式从集中式向分布式偏移，网络应用的核心从中央服务器向网络边缘的终端设备扩散。P2P是一种基于互联网的新的应用型技术，主要为软件技术。主要介绍了P2P技术的背景起源，关键技术和应用趋势，并重点分析了sUN公司提出的P2P平台：JXTA的体系机构。     

基于P2P的大规模MANET多路径路由模型研究*

由于P2P网络与移动自组织网络存在许多相似特性,提出基于P2P的大规模移动自组织网络多路径路由模型,以提高移动自组织网络可扩展性和路由效率。新模型通过掩码轮换匹配机制发现多路径路由,并按照最优传输权重机制进行流量分配,达到动态感知移动自组织网络物理拓扑变化和平衡网络负载的目的。仿真实验证明,新模型能够适用于大规模移动自组织网络环境,并且有效提高了大规模移动自组织网络路由性能。     

大规模MANET路由协议SPDSR的仿真研究

为改善大规模自组织网络中的通信质量,介绍了一种基于P2P(peer-to-peer,P2P)计算模式的新型MANET路由模型——SPDSR (structured peer computing based dynamic source routing)[1].根据移动自组网和对等网络的特点,对结构化P2P覆盖层网络技术应用到移动自组织网络路由中的可行性及原理进行了说明,在此基础上设计实现了该算法.最后通过NS2仿真工具对新协议进行了仿真,并与其他协议进行比较.实验结果表明,新协议在大规模网络中的性能优于其它协议,具有较强的可扩展性,研究结果为改善大规模网络的通信质量提供了可行的解决方案.     

基于树型层次结构的计算资源共享与聚集

提出并描述了一个基于树型层次结构的计算资源共享与聚集系统(tree-based layered sharing and aggregation,TLSA).TLSA系统由对等网络环境下的空闲节点组成,形成一个类似B树的层次结构,使在节点加入和退出的时候可以自动的维持平衡.树型结构的网络拓扑通过自组织的可用性协议来维护,保证了系统的比较低的消息通信量和平衡的处理器负载.通过内部的资源发现协议,节点可以寻找到系统中最近最合适的空闲计算资源来完成大量的子任务.通过模拟测试结果表明对于大规模的子任务,TLSA可以在很短的时间内寻找到空闲资源,而且网络消息通信量不超过O(logmN),具有低消息通信量、非集中性、可扩展性、自组织等特性.     

志愿者计算模型的研究进展

志愿者计算模型由于可以高效的聚集和利用在Internet上闲散的大规模计算资源,使得人们对高性能计算的研究与实现比集群系统更加廉价和容易,近年来已在工程和科学计算中显示其越来越重要的作用.在构造志愿者计算环境的过程中,志愿者计算网络的拓扑架构、任务的调度模型、应用的编程模型、数据的传输协议、应用的扩充研究等都是研究的关键技术点.本文分析志愿者计算的基本概况,综述了目前的志愿者计算项目在关键技术点上的研究进展,并对其今后的若干研究方向进行了展望.     

自愿计算中重叠网络拓扑对面向结点能力的非集中式调度方法的影响分析

自愿计算在大规模计算模式中正在扮演着越来越重要的角色．目前的自愿计算环境大多是专用和集中控制的，因而存在着某些可用性和可扩展性的问题．最新的研究提出了基于对端重叠网络的自愿计算环境构造方式，通过在各参与结点间建立更灵活的连接形成对端重叠网络来实现计算资源更灵活、有效的共享．面向结点能力的调度方法是为适应这一变化而提出的自愿计算中的一种非集中式资源调度方法，具有简单易行的特点．这一方法的效果在很大程度上取决于底层的重叠网络拓扑结构．文中建立了相应的理论分析模型，计算了该调度方法在具有不同度均值和聚合系数的对端重叠网络中搜索步长和最终所定位结点能力水平的期望．模型计算通过迭代进行，将时间复杂度控制在O（n^3）．利用3种不同的拓扑生成算法所产生的不同特征的重叠拓扑结构进行了仿真验证．模型的理论计算结果与仿真结果吻合良好，表明在具有较小的聚合系数和较大结点度均值的重叠网络中，面向结点能力的资源调度方法具有更好的效果．     

P2P计算网格路由和负载均衡算法

路由和负载均衡是P2P计算网格的两个技术难题,由于P2P网络的分布性和动态性,以及缺乏统一的中心控制,使得传统的路由和负载均衡算法不能应用于P2P网络。提出了一种源自蚁群智能的混合路由和负载均衡算法,通过移动代理,即人工蚂蚁在节点间移动时所释放的信息素来作为路由和任务调度的依据。仿真结果表明该算法是有效的,且适用于具有分散和自组织特性的P2P网络。     

边缘环境下计算密集型任务调度研究综述

随着移动设备数量的急剧增长及计算密集型应用如人脸识别、车联网以及虚拟现实等的广泛使用,为了实现满足用户QoS请求的任务和协同资源的最优匹配,使用合理的计算密集型应用的任务调度方案,从而解决边缘云中心时延长、成本高、负载不均衡和资源利用率低等问题。阐述了边缘计算环境下计算密集型应用的任务调度框架、执行过程、应用场景及性能指标。从时间和成本、能耗和资源利用率以及负载均衡和吞吐量为优化目标的边缘计算环境下计算密集型应用的任务调度策略进行了对比和分析,并归纳出目前这些策略的优缺点及适用场景。通过分析5G环境下基于SDN的边缘计算架构,提出了基于SDN环境下的边缘计算密集型数据包任务调度策略、基于深度强化学习的计算密集型应用的任务调度策略和5G IoV网络中多目标跨层任务调度策略。从容错调度、动态微服务调度、人群感知调度以及安全和隐私等几个方面总结和归纳了目前边缘计算环境中任务调度所面临的挑战。     

A scheduling algorithm for applications in a cloud computing system with communication changes

This paper proposes a scheduling algorithm to solve the problem of task scheduling in a cloud computing system with time‐varying communication conditions. This algorithm converts the scheduling problem with communication changes into a directed acyclic graph (DAG) scheduling problem for existing fuzzy communication task nodes, that is, the scheduling problem for a communication‐change DAG (CC‐DAG). The CC‐DAG contains both computation task nodes and communication task nodes. First, this paper proposes a weighted time‐series network bandwidth model to solve the indefinite processing time (cost) problem for a fuzzy communication task node. This model can accurately predict the processing time of a fuzzy communication task node. Second, to address the scheduling order problem for the computation task nodes, a dynamic pre‐scheduling search strategy (DPSS) is proposed. This strategy computes the essential paths for the pre‐scheduling of the computation task nodes based on the actual computation costs (times) of the computation task nodes and the predicted processing costs (times) of the fuzzy communication task nodes during the scheduling process. The computation task node with the longest essential path is scheduled first because its completion time directly influences the completion time of the task graph. Finally, we demonstrate the proposed algorithm via simulation experiments. The experimental results show that the proposed DPSS produced remarkable performance improvement rate on the total execution time that ranges between 11.5% and 21.2%. In view of the experimental results, the proposed algorithm provides better quality scheduling solution that is suitable for scientific application task execution in the cloud computing environment than HEFT, PEFT, and CEFT algorithms.     

分布式环境软件开发平台

对一般的软件开发人员编写分布式并行计算程序是比较艰难的。它要求设计者对任务的分解、分配及子任务间的交互等问题有更高的技术。本文给出了分布式环境并行计算程序开发平台的一种新构架，研制了一个网络环境的可视化并行程序设计平台。用户只须将并行问题可视化地以图形方式描述出来，任务的调度、任务间通信都由系统自动完成
成，因而大大地方便了用户进行并行程序设计。     

基于云计算神经网络物流车辆调度算法研究

研究了物流车辆调度优化问题。针对云计算下任务调度算法没有考虑调度的服务质量和用户满意度的问题,特别是在物流任务调度问题中存在复杂的计算网络,造成计算率降低,为了解决上述问题,提出了一种新的有关云计算和神经网络相结合的物流作业调度算法。算法充分考虑了调度的服务质量以及用户满意度,建立一个参数化的处理模型,计算用户在各个资源上的综合满意度,再将任务分配到满足用户需求和使系统资源达到均衡的资源上执行,最后采用改进的神经网络进行优化车辆调度。实验结果表明,改进算法不仅能满足用户的多种需求,提高了用户的满意度,同时也提高了资源调度率和系统资源的利用率。     

一种基于综合匹配度的边缘计算系统任务调度方法

边缘计算模式满足数据的实时和低功耗处理需求,是缓解当前网络数据洪流实时处理问题的有效方法之一.但边缘设备资源的异构与多样性给任务的调度与迁移带来极大的困难与挑战.目前,边缘计算任务调度研究主要集中在调度算法的设计与仿真,这些算法和模型通常忽略了边缘设备的异构性和边缘任务的多样性,不能使多样化的边缘任务与异构的资源能力深度匹配.本文针对边缘计算系统资源异构且受限的特性,研究边缘任务与目标设备资源深度匹配的有效方法,提出基于任务资源匹配、负载均衡和任务公平性的综合匹配度评估方法(integrative matching evaluation degree method,IMDE),并设计基于网络流的在线多任务调度算法(IMDE and network flow based online multi-task scheduling algorithm,IMD-FLOW)来验证该方法的有效性.同时,研究边缘计算的仿真系统,将实际环境中用户、任务和设备等若干实体抽象成多个角色和组件,构建符合边缘环境异构特征的EdgeSimPy离散事件仿真平台.在该平台上的实验结果表明,提出的IMD-FLOW调度算法相较于轮询、主资源公平(dominant resource fairness,DRF)、Quincy等其他算法,至少降低6.26%的任务响应延迟与7.53%的网络通信开销,在集群超负荷的情况下,系统失效时间平均延缓1.24倍.