并行分布计算中的分布式动态任务调度

1.引言并行分布计算中静态的启发式任务调度算法都要求并行分布程序任务在执行前是比较确定的。但一般情况下,实际并行应用程序并不满足这一限制条件,在执行前存在着许多不确定性因素,主要有:并行程序任务中的循环次数事先并不确定;条件分支语句到底执行哪个分支,在程序执行前不能完全了解;每个任务的工作负载大小事先不能确定;任务间的数据通讯量大小只有在运行时才能决定;有些任务是动态产生的。虽然能通过某些技术把这些不确定性转化为确定性,如对条件分支的归纳,但是,并行分布程序中存在的许多不确定性是不能在     

基于自动测试系统的并行测试软件设计

本文首先论述在自动测试系统中以串行测试架构为基础的硬件结构设计,优化测试资源和硬件接口模式;其次,选用多进程/多线程技术来实现并行测试软件的设计,并提出了运用DLL、消息传递和内存映射等多种技术方法来解决多进程之间的数据共享以及测试资源问题;最后,给出相应实例,用于指导并行自动测试系统的软件开发;在工程应用中,采用其中一种或多种技术的组合来满足实际需要.     

基于自动测试系统的并行测试软件设计

本文首先论述在自动测试系统中以串行测试架构为基础的硬件结构设计,优化测试资源和硬件接口模式;其次,选用多进程/多线程技术来实现并行测试软件的设计,并提出了运用DLL、消息传递和内存映射等多种技术方法来解决多进程之间的数据共享以及测试资源问题;最后,给出相应实例,用于指导并行自动测试系统的软件开发;在工程应用中,来用其中一种或多种技术的组合来满足实际需要.     

支持自动测试系统并行测试的软件设计

并行测试能够显著提高自动测试系统的测试吞吐量和测试效率。采用基于ABBET分层的软件标准和双引擎机制组建支持并行测试的自动测试系统软件架构,围绕软件架构的层次化和模块化设计、引擎机制的实现等问题进行论述。     

基于图染色理论和遗传蜂群算法的并行测试任务调度

针对并行测试中任务优化调度这一关键性问题,提出了一种图染色理论和遗传蜂群算法相结合的任务调度优化算法.首先,建立了基于图染色理论的并行测试任务关系模型,用图来描述测试任务占用仪器资源的情况;然后, 在测试任务关系模型的基础上,将遗传算法特有的交叉、变异操作与人工蜂群(ABC)算法相结合搜索最优解,能够有效避免算法早熟并且加速算法收敛;最终得到并行度最大的任务分组方案.经仿真验证,所提方法能有效地实现并行测试,提高自动测试系统的测试效率.     

并行分布计算中的任务调度及其分类

并行分布计算中的任务调度问题就是根据一定的调度规则和调度策略,把组成并行程序的一组任务或构成工作负载的一组作业,按照一定执行时序分配到并行分布系统的多个计算结点上,以期取得较好的系统执行性能。目前许多基于并行分布处理的高性能计算中心的计算环境是由多种并行机或网络工作站机群系统构成的异构多应用系统,并且某些并行机的内部计算结点也可能是异构的（如Ｐaragon系统中有些结点的内存为１６Ｍ,有些结点的内存为３２Ｍ;或者有些结点为单ＣＰＵ,有些结点为双ＣＰＵ）,这时不同的应用层次对任务调度有不同的要求,下面就从作业调度、任务划分与一般任务调度概念的区别出发,讨论并行分布计算中的任务调度问题。     

基于多核处理器并行系统的任务调度算法

针对多核处理器并行系统的特点,提出了相应的任务调度算法,该算法在任务调度之前加入了任务分配技术,通过合理的任务分配,可有效减少多个处理器间的通信开销,使任务调度效率更佳.仿真实现了该算法,并通过实验数据证明了该算法的优越性.     

基于广义随机Petri网的并行自动测试系统性能分析研究

为了提高并行自动测试系统的测试效率,改善系统总体性能,运用基于广义随机Petri网的系统性能分析方法,对并行测试任务过程建立广义随机Petri网模型,将并行测试过程同构于马尔科夫过程,并对该过程进行性能分析,进而得到并行测试系统中各种测试资源的利用率以及任务过程的平均延时数据;根据模型计算所得到的测试资源利用率,确定影响并行测试系统性能的瓶颈所在;通过分析并行测试系统中测试资源调用的分布情况,调整测试资源同测试任务的匹配关系,以达到进一步提高测试系统测试效率的目的。     

自动测试系统并行测试软件技术研究

针对新一代自动测试系统的并行测试,首先论述在硬件结构设计时,以串行测试架构为基础,改进测试资源和硬件接口模式,以满足并行测试对硬件结构的需求;然后,重点研究在软件设计时采用多进程/多线程技术来实现并行测试,并提出了运用内存映射、消息传递、TCP/IP协议和DLL等多种技术解决多进程间的测试资源和数据共享问题;给出了相关应用实例,可用于指导并行自动测试系统的软件开发;在工程应用中,可根据实际需要,采用其中一种或多种技术的组合.     

并行自动测试系统硬件结构研究

为实现自动测试系统高效率和低成本,对并行自动测试系统的硬件结构进行了研究,提出了单处理器架构方式下的并行自动测试系统硬件结构;并具体对测试控制器、接口总线、仪器资源以及开关系统等各硬件模块的特点进行了研究,通过分析它们对并行测试的支持,明确了并行自动测试系统设计中的关键技术,可指导系统的实际开发。     

基于共享模型的通用ATS并行测试任务调度算法研究

为了完成通用ATS并行测试,寻找任务调度的最优解,介绍了基于遗传算法的共享模型的任务调度算法,利用所提出的遗传操作,对调度问题进行了求解,最后对算法进行了实验验证;结果表明,该算法能够有效解决资源分配和任务调度问题,能快速给出最优调度方案,且对于相同的调度问题,任务完成时间优于其它算法。     

改进粗粒度并行遗传算法在网格任务调度中的应用

现有并行遗传算法采用随机方法划分子种群,算法收敛性能不高,并且不可避免的破坏种群的较优模式;为了改进这些缺陷,设计了一种新的多点交叉算子,提出了一种改进的粗粒度并行遗传算法;取资源数为6,任务数为50,种群的规模为60,遗传代数为600;采用相同的控制参数进行仿真实验;仿真实验表明,与传统并行遗传算法相比较,提出的改进算法在收敛速度和寻优空间方面有很大的提升。     

DAG任务图的一种调度算法

并行程序的调度技术是开发并行计算机系统的计算潜能的关键问题。本文讨论了4种典型的调度算法的缺陷，提出了一种新的调度算法CPFMBF，它采用的策略是：优先调度关键路径节点，其次调度b-level值大的节点，再次调度节点的关键路径影响度大的节点。对照分析及在几种具代表性的工程应用任务图上的实验结果证明CPFMBF算法的调度性能普遍好于其它算法。     

Degree-of-Node Task Scheduling of Fine-Grained Parallel Programs on Heterogeneous Systems

Processor specialization has become the development trend of modern processor industry. It is quite possible that this will still be the main-stream in the next decades of semiconductor era. As the diversity of heterogeneous systems grows, organizing computation efficiently on systems with multiple kinds of heterogeneous processors is a challenging problem and will be a normality. In this paper, we analyze some state-of-the-art task scheduling algorithms of heterogeneous computing systems and propose a Degree of Node First (DONF) algorithm for task scheduling of fine-grained parallel programs on heterogeneous systems. The major innovations of DONF include:1) simplifying task priority calculation for directed acyclic graph (DAG) based fine-grained parallel programs which not only reduces the complexity of task selection but also enables the algorithm to solve the scheduling problem for dynamic DAGs; 2) building a novel communication model in the processor selection phase that makes the task scheduling much more efficient. They are achieved by exploring finegrained parallelism via a dataflow program execution model, and validated through experimental results with a selected set of benchmarks. The results on synthesized and real-world application DAGs show a very good performance. The proposed DONF algorithm significantly outperforms all the evaluated state-of-the-art heuristic algorithms in terms of scheduling length ratio (SLR) and efficiency.     

云环境下可用性感知的并行任务调度方法

云计算是一种新兴的计算模式,倡导一切皆服务.云计算由于能够共享分布在世界各地的计算资源,在大规模计算和数据存储中越来越受到重视.云计算是当前IT工业界、学术界研究的热点领域,云环境中的资源可用性已成为云计算不可忽视的问题.对于云计算,当处理器的处理速度不同,不是一直可用于计算时,可用性成为设计和发展云计算系统的关键需求.根据并行任务图及树形云平台的结构特点,分别讨论了影响并行任务可用性需求和计算资源可用性保障的关键因素,给出一种可用性的量化计算公式.并且通过感知任务“可用性需求”和计算资源“可用性保障”,实现可用性匹配,提出了两种可用性感知的调度算法Afsa和Agsa.模拟实验表明该算法能够改善云环境中资源可用性和可靠性,对提高任务调度的成功率具有实际意义.     

一种针对结构化并行控制机制的任务调度算法

缩短程序的执行时间是并行处理的首要目标,有效的任务分配算法是实现这一目标的关键,对机群系统来说更是如此.研究机群系统上针对结构化并行控制机制的任务调度问题,并基于贪心算法、粒度控制、反馈式分派的原则,提出近优的任务调度算法SSA(sub-optimal scheduling algorithm).实验结果表明,在机群环境下,该算法的并行计算性能与其他算法相比均有所提高.     

一种基于并行测试完成时间的任务调度算法

介绍了一种基于并行测试完成时间的极限定理分析和设计的静态并行测试任务调度算法——TSUL(task scheduler based on UUTs model and limit theorem of parallel test finish time)算法.该算法在设计过程中运用并行测试完成时间的极限定理确定了并行完成所有测试任务所需的极限最短时间,生成的解能够尽量接近或达到问题的最优解.经实例验证,对于静态的并行测试任务调度问题,TSUL算法是一种有效的最优化算法.     

并行处理系统中的一种新的任务调度算法模型

本文提出一种新的任务调度算法,是利用改进的启发式群聚算法,对MARL－LO算法进行了改进,弥补了MARY－LO算法的不足,并增加了一些动态控制功能,较好地解决了n个处理器的分配问题。     

基于改进DPSO算法的并行测试任务优化调度研究

并行测试以减少测试时间和降低测试成本的强大优势,已成为当前自动测试系统发展的方向。针对并行自动测试过程中,测试任务调度复杂,难以优化的问题,以PSO算法为基础,通过对问题空间编码的重新定义,并运用交叉、变异算子给出了新的粒子位置的更新公式,提出了一种改进后的DPSO算法。依据并行测试完成时间极限定理,给出了并行测试任务调度的目标函数与约束条件。以某雷达电子装备并行测试系统中三块电路板并行测试为例,对改进的DPSO算法进行了仿真验证,得到了最优调度测试序列。结果表明：与遗传算法相比,改进后的DPSO算法迭代次数更少,寻优性能更好,适用于工程应用。     

分布式并行服务器透明性及任务调度研究

针对当前多服务器系统透明性和任务调度研究中存在的问题，提出一种分布式并行服务器的网络服务透明性实现机制和相应的任务调度算法。该透明性机制修改服务器结点的ARP地址解析协议以及客户端到服务器端的连接和数据请求处理，使得整个服务器系统对外界表现为惟一的VIP地址和VMAC地址；相应的任务调度算法则根据负载和阈值设置将服务器结点分成两个链：有效服务器结点链和过载服务器结点链，然后由量值循环法对有效服务器结点链进行任务调度，在修改Linux内核网卡驱动程序和部分底层网络协议的基础上进行了实现，测试结果表明其具有良好的响应特性和较强的服务能力。