网格环境下集群管理系统

分析了集群接入网格的过程中所面临的问题,研究了在网格环境下使用集群的方法,详细分析了集群接入网格需要提供的接口和服务,并实现了一个网格环境下集群管理的原型系统,将集群转化成为一种标准的、透明的资源接入网格.通过该系统用户能够在任何地方使用分布在各处的集群资源,系统能保证用户提交的作业正确、有效的运行,并及时向用户反馈提交作业的相关信息.实验分析表明,该系统能够有效的整合集群计算资源,从而提高计算能力,增大全局吞吐量.     

网格环境中节点CPU负载的分形预测

网格环境下，常常需要知道网格资源在未来某一时刻具有什么样的性能，比如，调度器需要该性能估测以便进行高效的资源调度、提供满足要求的QoS以及保证整个网格系统的负载平衡。正如在其他任何计算环境中一样，计算能力是所有网格资源中最为重要的资源，通常用CPU负载来刻画节点主机的忙碌程度、衡量节点所能提供的计算能力。已有的研究表明CPU负载具有自相似性和长相关性，这启发我们使用本文介绍的分形的方法进行CPU负载的预测。实验结果证明该方法具有较高的预测精度，因而具有较好的实用价值。     

改进的自动回归网格主机负载预测模型

网格计算中对资源的有效预测能很好的改进任务分配和作业调度的策略，提高它们的执行效率，作为网格资源预测的核心？主机负载的预测显得尤为重要。文中提出了一种基于AR改进的主机负载预测模型，它不仅具有AR模型本身的计算成本小、预测性能稳定的优点，还对AR模型只对未来某个固定时间段的负载预测进行了改进，使之能根据作业的预测执行时间进行主机负载动态预测，同时该改进模型还充分体现了主机负载变化的自相似性和长期依赖性，实验结果表明，该模型达到了预期的效果。     

基于网格环境中的量化评估信任模型

网格计算系统是由地理上分布的,异构的计算机和资源组成,它是一个分布式的高性能计算机环境,通过网络连接,用户可以透明地共享这些资源.但其本身具有动态性和不确定性,给区域间网格实体的合作带来一系列安全问题.所以网格环境中的信任问题,成为当前网格研究的一个热点.在本文中,把信任划分为身份信任和行为信任,提出了一种新型的量化评估信任模型,来处理网格环境中实体之间的信任关系,从而更科学、有效地解决网格环境中存在的安全问题.     

资源获胜率保证的网格任务调度算法

为保证多资源竞争下单个资源的获胜率,建立一个资源富裕型的网格计算环境模型,基于此模型提出了一个基于博弈论的资源竞争获胜率保证算法（GVP）。GVP算法通过对已知信息分析,预测对手在下一次博弈中的行动,并在此基础上确定自己的行动,使资源累计的获胜率维持在一个可接受的范围。通过实验比较了使用不同竞争策略资源的获胜率。对实验结果进行了深入分析,讨论了两资源博弈的纳什均衡解。     

地震勘探集成环境资源监控研究与实现

利用网格技术建设地震勘探集成环境高性能计算平台基础设施的过程中,监控系统不仅要为位于不同管理域、分布异构的高性能资源管理提供资源全局视图,方便对资源管理和控制,还要为分布环境下资源的选择、任务的调度与执行提供指导信息．本文提出了面向地震勘探领域的高性能应用网格监控系统体系结构,建立了监控信息数据模型,在GlobusToolkit信息服务组件的基础上扩展了信息采集功能和信息查询接口,并基于Websphere为高性能计算资源的信息查询与监控提供了资源实体的统一视图和可视化管理Portal．经测试,系统运行稳定,可扩展性强．     

一种基于预测的反馈网格作业调度模型*

网格计算中的资源是动态和异构的,常规的静态作业调度方法不适宜网格计算环境,对于网格计算中一类并行计算的有效执行有赖于网格资源（CPU和网络带宽等）与作业的有效匹配。提出了一种基于资源预测结果对作业进行调度的策略,首先阐述了网格主机负载预测的研究成果——IAR模型,并提出了一种预测网络带宽的工具——网络性能平面,利用资源预测结果构造了一种反馈作业调度模型并对一类基于时间平衡的作业进行实验。结果表明,该模型在与其他诸多方法比较中,取得了执行时间较短和稳定性较好的效果。     

基于推荐机制的网格资源匹配算法研究

针对网格计算环境下,参与计算用户和计算资源规模日益庞大,用户申请资源过程中所需的资源匹配过程逐步复杂化和大规模化,提出了一种基于推荐机制的网格资源匹配算法.以往的网格计算资源的匹配和调度算法需要在调度计算时遍历所有网格资源,而改进的基于SVD(奇异值分解)的协同过滤算法考虑了用户行为相关性和资源使用频度的相关性,通过用户对资源项的使用历史记录建立用户对资源的满意度评分体系,利用推荐机制给出用户推荐资源集以到达资源匹配的效果.从一个新的角度给出了解决大量资源匹配的方法.     

基于组合预测模型的云计算资源负载预测研究

随着云计算技术的不断发展,云计算资源负载变化呈现出越来越复杂的特征。针对云计算资源的负载预测问题,综合考虑云计算环境中资源负载时间序列的线性与非线性特性,提出了一种基于自回归移动平均模型ARIMA与长短期记忆网络LSTM的组合预测模型LACL。使用公开数据集与传统负载预测模型进行了对比实验,实验结果表明,该云计算资源组合预测模型预测精度明显高于其他预测模型,显著 降低了云环境中对资源负载的实时预测误差。     

基于Nu-支持向量回归的网格资源监控与预测系统

为实现智能任务调度与提供可接受的服务质量, 需要建立分布式系统对计算网格资源及网络环境进行监控与预测. 本文设计并实现了网格资源监控与预测系统, 其可用性来源于它的鲁棒性, 可扩放性, 可扩展性与用户友好性. 引入Nu-支持向量回归作为未来多步预测的建模方法, 提出一个混合优化算法以联合优化预测模型的特征选择过程与参数选择过程. 使用基准数据对预测方法进行性能评估, 对比实验结果表明Nu-支持向量回归模型具有较高预测精度, 且组合优化算法能够有效提高预测性能, 这两种方法适用于在线监控与预测系统.     

网格资源动态管理系统的研究与设计

网格的资源管理是网格计算系统的必要基础，它及时地收集网格资源的信息，并提供整个网格的统一资源信息视图。对于具有大科学、多单位合作特色的高能物理研究，网格计算将提供一个强大的计算技术支持。着重说明了网格计算资源动态管理系统的设计原理和总体结构，以及基于网络的信息查询、修改服务。     

基于Ganglia与MDS结合的网格监控体系研究

资源监控可以为使用者提供网格环境中与资源相关的性能数据,同时也可以为作业调度提供必要的资源信息支持。Ganglia可以监控基于集群的广域系统中的节点(处理器集)的状态,MDS可以用来监控和发现网格资源和服务,本文通过对Ganglia与MDS的结合进行研究,提出了一个功能强大且严密的网格资源和作业监控体系,同时将该监控体系加入到校园计算网格平台中。     

Rejuvenation effects on the grid environment performance with response time delays using Monte Carlo simulation

Grid computing is an evolutionary technological achievement that takes advantages of wide area communication and large scale resource sharing. Although there are several advantages, grid does not guaranty stableness of resources due to their resources’ nature, diverse failures and error conditions that may appear. Consequently, grid dependability issues arise. In this paper, a grid computing environment with star topology and direct access to resources is considered, which consists of a Resource Management System (RMS) and distributed Root Nodes (RNs). The distributed RNs are considered either as operational or as failed, though the RMS is susceptible to resource exhaustion, which can lead to software failures. The response waiting time from a distributed RN is also taken under consideration. A software rejuvenation to counteract RMS resource exhaustion is adopted, and its effect on grid environment performance is studied extensively. A non-Markovian approach is considered to model the system’s evolution in time and to evaluate the proposed performance measures. Due to the complicated structure of the system, analytic formulas for the proposed measures are not available, thus Monte Carlo simulation methods are employed.     

基于网格的煤矿安全应用网格体系研究

煤矿安全应用工作中数据信息分布、计算资源闲置、异构以及计算功能单一严重制约着行业应用和信息化的发展。网格（grid）是新一代高性能计算环境和信息服务基础设施,能够实现动态跨地域的资源共享和协同工作。该文基于新兴的网格技术,参照OGSA体系,提出并构建了从信息获取、处理到应用的完整的煤矿安全应用网格（CMSAG）体系结构。同时结合行业应用需求,着重研究了其资源表示、资源管理、存储访问以及数据缓存等关键技术,最后通过具体应用示例的工作流程论证了该网格体系的应用模式。     

利用信任管理提高网格安全

网格计算系统是一个分布式的高性能计算机环境,由广域分布的异构的计算机和资源组成,目的是让用户透明的使用这些资源,为保证共享合作更加安全可靠,提出了信任的概念.信任管理是一种适用于大规模的、开放的分布式系统的授权机制.广义上讲,信任分为执行信任和代码信任.提出了一种信任管理的框架来提高网格的安全性,这种新的信任模型能捕获网格系统中存在的不同类型的信任关系,还提供了信任评价,信任推荐和信任更新的机制.     

Mobile robot navigation using grid line patterns via probabilistic measurement modeling

Mobile robots are generally equipped with proprioceptive motion sensors such as odometers and inertial sensors. These sensors are used for dead-reckoning navigation in an indoor environment where GPS is not available. However, this dead-reckoning scheme is susceptible to drift error in position and heading. This study proposes using grid line patterns which are often found on the surface of floors or ceilings in an indoor environment to obtain pose (i.e., position and orientation) fix information without additional external position information by artificial beacons or landmarks. The grid lines can provide relative pose information of a robot with respect to the grid structure and thus can be used to correct the pose estimation errors. However, grid line patterns are repetitive in nature, which leads to difficulties in estimating its configuration and structure using conventional Gaussian filtering that represent the system uncertainty using a unimodal function (e.g., Kalman filter). In this study, a probabilistic sensor model to deal with multiple hypotheses is employed and an online navigation filter is designed in the framework of particle filtering. To demonstrate the performance of the proposed approach, an experiment was performed in an indoor environment using a wheeled mobile robot, and the results are presented.     

基于事件触发的网格资源监控研究

对于异构的高性能分布式计算环境——网格来说,监控其中每个计算节点获取资源的状态信息是至关重要的。然而传统的资源监控方式需要周期性地读取各个节点的信息,对网格系统资源浪费较大。本文提出一种基于事件触发的方法来降低监控服务开销,准确获取资源状态信息。然后采用该方法在Clobus Toolkit 4下实现网格资源监控系统,并对该系统做出客观评价。     

网格环境下的集群系统作业管理研究

网格计算已经逐渐形成一个重要的新领域。相对于传统的分布式计算，它的显著之处在于它能够共享网络上的各种资源，包括地理上分布的各种计算资源。PBS是广泛应用于并行计算机的作业管理系统，它可以按照用户定义的配置参数相对公平地为每个作业分配系统资源。但是在网格环境范围内对集群系统进行管理仍然是一门有待研究的课题。利用网格系统软件和集群系统管理软件，实现了一种在网格环境下对集群系统作业进行管理的方法。     

适合遥感影像处理的网格计算环境研究

网格计算是近几年来发展迅速的一种网络资源共享模型,其目的是网络资源的完全共享。网格计算相对于传统的C／S及Web GIS来说,它在网络计算、数据处理、资源共享、任务协同等方面都有了进一步的发展。在适感影像处理与理解应用方面,由于涉及大量的网络计算及网络传输等耗时操作,应用网格计算思想进行适感图像处理就更有实际意义。结合网格计算的网络计算及资源共享的优势,设计并开发适合适感影像处理的网格计算环境及软件,是解决当前适感影像海量数据处理的有效途径之一,同时也是适感图像处理软件的一个发展趋势之一。本文结合实际研究成果,首先给出了基于网格计算思想的适感影像处理的设计流程,并对其具体实现技术进一步进行了讨论。在分析其在图像处理方面应用的基础上,对面向网络的智能化适感图像网格处理系统进行了分析与设计,并给出了其实现的一些关键技术。     

Agent域的Web Services资源管理模型

Web网格是一个新的研究领域,网格环境相对于一般网络环境有着更为复杂的特征,实现有效的网格计算还有很多需要解决的问题。在网格环境里如何有效地管理Web Services资源是影响网格计算是否成功的最重要因素之一。本文通过分析Web网格资源管理的现状以及目前Web网格资源管理技术中的不足之处,提出了基于Agent域的Web Services管理模型。