基于网格监控系统的动态监控间隔的研究

网格环境是由很多元素构成的高度复杂的分布式计算环境。对于网格来说,监控其中每个计算节点的状态是至关重要的。然而频繁地监控资源的状态信息会增加系统的负担。本文提出一种动态调整监控间隔的方法, 来降低监控服务所需的花费,并利用动态监控间隔来准确地获取监控事件,最后通过在网格环境下进行实验,对该方法做出客观的评价。     

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。     

基于Globus的网格信息归档服务

分析当前网格监控信息服务的不足,针对基于历史状态数据的应用需求,提出一种面向Globus的信息归档服务。在MDS聚合框架的基础上,设计2种状态信息获取方法,给出监控信息的数据存储结构。测试结果表明,该服务可以简化基于网格监控信息的系统开发。     

教育服务网格监控系统的研究与设计

监控系统LagridM用于教育服务网格中节点及资源信息的监控。通过对比分析当前网格计算项目中监控策略的特点与不足,结合教育网格节点分布的特点,选用层次式架构、分域管理,采用＂传感器-传感器管理器-域监控服务-全局监控服务＂的监控策略,对分布在广域范围内异构环境下的资源和节点进行监控,并对上层提供全面有效的服务。给出了监控功能模块的设计与实现,通过性能测试,证明了该系统安全、可行、有效,能满足教育服务网格平台下监控的需求。     

教育服务网格监控系统的研究与设计

监控系统LagridM用于教育服务网格中节点及资源信息的监控.通过对比分析当前网格计算项目中监控策略的特点与不足,结合教育网格节点分布的特点,选用层次式架构、分域管理,采用"传感器-传感器管理器-域监控服务-全局监控服务"的监控策略,对分布在广域范围内异构环境下的资源和节点进行监控,并对上层提供全面有效的服务.给出了监控功能模块的设计与实现,通过性能测试,证明了该系统安全、可行、有效,能满足教育服务网格平台下监控的需求.     

基于AB角理论的网格负载平衡研究

针对网格系统中的负载不平衡和负载迁移问题,提出利用AB角的方法来进行快速的负载迁移以实现负载平衡。分析了网格系统中的负载平衡问题,讨论了收集节点信息的和判断节点的状态的方法,并根据节点的状态设计了能够为它确定B节点的算法,以及系统中如何使用AB角理论对负载进行快速迁移。实验结果表明,该算法考虑到了网格资源的异构性和任务对资源类型需求的不同,从而缩短了任务的执行时间和获得了更高的迁移成功率。     

基于GMA的层次化网格资源信息服务研究与实现

网格资源信息服务(GRIS)是网格基础结构的关键组成部分，它定义了一套发现和监控网格资源的机制，并以此为网格上层应用提供服务，如故障检测、性能分析、任务调度等。资源信息的准确获取、有序管理和高效检索是其中的关键技术问题。基于GMA体系结构，文章提出了一种对网格资源信息进行层次化组织管理的方法，并面向Windows平台，设计实现了基于该方法的网格资源信息服务系统。论文研究成果已在工程项目中得到实际应用。     

网格资源监控关键技术的研究

网格资源监控可以获得网格环境中的各种动态资源和各个节点的状态,提供对网格计算环境的一个真实、实时的动态反映。GridFerret系统是一种基于移动Agent技术的网格监控系统,将移动Agent技术应用于网格环境中,能减少远程计算机网络的连接费用和通讯代价,充分发挥了移动代理的优势,为网格技术的发展提供了新的思路。     

一种可扩展网格监控系统的设计与实现

基于网格服务架构中的网格服务和网格信息服务，提出了一种新的系统结构来构建网格监控系统，给出了它的一个原型系统实现。该结构采用了网格服务调用的方法，借鉴了层次化监控模型和GMA监控模型的特点，具备良好适应性和可扩展性。多种监控信息获取机制的使用适应了不同的监控需求，使监控系统在实现上更具灵活性和可靠性。     

基于Globus Toolkit网格信息服务的研究及应用

为了提高校园中资源的利用率,方便管理校园中的网络设备和资源,进行信息整合,实现资源共享,基于GlobusToolkit搭建了校园网格。在充分对比基于Web Service监控发现系统和监控发现系统的基础上,重点研究了基于WebService监控发现系统的工作机制和工作原理。利用网格中间件Globus Toolkit4.2.1中的基于Web Service监控和发现系统搭建了校园网格信息服务,实现了对三个校区集群资源信息和调度信息的监控,实现了对数据传输的监控,管理员可以通过网页的形式方便查看网络设备运行状态,掌握整个网络的运行状态。     

基于本体的网格资源匹配算法研究

由于网格动态异构等特点，传统的基于资源属性的精确匹配方法不够灵活，并且扩展性差。近年采，本体论引入到网格计算中，试图在语义层次上采用通用可扩展的信息系统建模工具，使得网格资源分配系统能够高效和精确地检索网格资源信息。通常采用的技术是建立和维护一个集中和一致的网格资源本体。这种集中的本体不适合具有分布式特性的P2P网格资源匹配。针对P2P网格，本文提出了一种基于分布式网格本体的P2P网格资源匹配模型。在该模型中，全局本体由各个节点的独立的本地网格资源本体构成。网格资源匹配操作完全分布式地由节点自主控制。这种方法可扩展性强，更适合p2p网格的资源匹配。     

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.     

网格环境下一种可扩展的资源发现机制

在分布、异构的网格环境下，如何快速、准确地查找用户所需要的资源是影响网格计算性能的重要因素。本文针对集中式资源发现方法存在的可扩展性弱的不足，将P2P方法应用到网格资源发现领域，提出了一种扩展性好的分布式资源发现方法。该方法使用二叉树来管理数据，网格中每个节点都负责管理一部分资源信息。实验结果表明，本文提
出的方法能有效解决集中式资源发现方法可扩展性不好、资源信息服务器负载过重、容易造成单点失效等问题。     

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。     

基于市场竞标机制的网格资源管理模型

网格资源管理是网格计算首要解决的核心问题。现行的网格资源管理模型通常需要在网格系统中建立一个高于其他节点的自身庞大的管理体系,以掌握全网格内资源动态信息,实现全局资源调配,这种模式的主要问题是管理成本高且资源配置效率低。文章基于市场经济中的招投标机理,提出了一种新的网格资源管理模型,本模型的资源分配机制是根据网格内资源供需关系和资源的市场价格通过招投标方式来决定。网格内站点是否参与网格计算交易活动,完全由站点自主地根据自身资源现状和资源的市场价格来确定而不需要一个高于自己的管理机构,本模型是一个完全的市场经济的资源分配模型。     

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。     

一种基于竞标机制的通用网格资源管理模型

目前大多数的网格资源管理都有表示网格资源的全局信息中心。该文提出了一种网格资源管理模型，在该模型中不存在全局的资源信息中心，网格资源管理采用节点的完全自治管理，网格资源的发现和匹配工作是通过在网格中采用竞标机制实现的，即资源提供者不仅管理自己的资源而且通过竟标参与网格资源的匹配和任务调度工作。     

网格资源管理与调度研究

网格计算是近年来得到快速发展的广域网格计算技术，其目标是把因特网整合成一种超大规模的巨大计算机系统，以实现计算资源，存储资源，信息资源．知识资源的全面共享，资源管理与调度是网格计算中的核心部分，在本文介绍网格资源管理，分析了三类资源调度策略；并提出了一个基于信任度的资源调度策略，详细描述了基于信任度的资源调度策略的算法实现．把服务质量有机集成在资源调度策略当中去．     

基于Kubernetes的AI调度引擎平台

文中介绍了基于Kubernetes的AI调度引擎平台的设计与实现, 针对当前人工智能调度系统中存在的服务配置复杂, 集群中各节点计算资源利用率不均衡以及系统运维成本高等问题, 本文提出了基于Kubernetes实现容器调度和服务管理的解决方案. 结合AI调度引擎平台的需求, 从功能实现和平台架构等方面设计该平台的各个模块. 同时, 针对Kubernetes无法感知GPU资源的问题, 引入device plugin收集集群中每个节点上的GPU信息并上报给调度器. 此外, 针对Kubernetes调度策略中优选算法只考虑节点本身的资源使用率和均衡度, 未考虑不同类型的应用对节点资源的需求差异, 提出了基于皮尔逊相关系数 (Pearson correlation coefficient, PCC)的优选算法, 通过计算容器资源需求量与节点资源使用率的互补度来决定Pod的调度, 从而保证调度完成后各节点的资源均衡性.