网格环境中一种有效的Web服务资源组织机制

Web服务资源的有效组织与获取是网格计算中的关键性问题．基于OGSA(open grid service architecture)框架提出了一种有效的网格Web服务资源组织体系模型，它将Web服务资源的逻辑结构与物理资源组织分开，以层次结构的Web服务解析系统(Web services name system，WSNS)来进行Web服务资源查找与定位，以区域自治系统(area autonomy system，AAS)来进行Web服务资源的维护．详细描述了该模型的实现机制、组织协议与数据结构．通过对模型的分析和对原型系统的模拟表明该模型是合理而有效的：它可以在较小开销下获得较满意的资源组织与定位性能，能适应网格Web服务资源的异构、复杂与动态性、多级的负载平衡和良好的可扩展性．’     

基于网格技术的资源发现机制的研究与优化

在对OGSA，P2P等相关技术和模式分析研究的基础上，提出了一个在资源组织、负载均衡等多方面性能进行优化的网格资源发现模型，并对其体系结构、资源组织方式、资源发现机制作了详细的描述。该机制主要采用集中式与分布式相结合，以对资源服务进行分类为基本思想，结合P2P相关技术，具有合理和较高效的资源定位能力及良好的强壮性。     

基于网格技术的资源发现机制的研究与优化

在对OGSA,P2P等相关技术和模式分析研究的基础上,提出了一个在资源组织、负载均衡等多方面性能进行优化的网格资源发现模型,并对其体系结构、资源组织方式、资源发现机制作了详细的描述。该机制主要采用集中式与分布式相结合,以对资源服务进行分类为基本思想,结合P2P相关技术,具有合理和较高效的资源定位能力及良好的强壮性。     

教育资源网格环境下的资源监控机制研究

针对网格中资源利用率低下,单一、集中的资源监控面临单点失效、性能瓶颈等问题,引入一种教育资源网格体系结构模型,给出一种资源监控机制。该机制采用层次化、分布式按域管理思想,融合JNI、Web服务、目录服务等技术,通过构建其总体框架及逻辑结构,说明资源的远程注册、发现及动态加入/离开资源节点的检测的监控管理的过程。通过性能分析表明,该机制安全、可靠、有效,能满足教育资源网格的应用需求。     

教育资源网格环境下的资源监控机制研究

针对网格中资源利用率低下,单一、集中的资源监控面临单点失效、性能瓶颈等问题,引入一种教育资源网格体系结构模型,给出一种资源监控机制。该机制采用层次化、分布式按域管理思想,融合JNI、Web服务、目录服务等技术,通过构建其总体框架及逻辑结构,说明资源的远程注册、发现及动态加入/离开资源节点的检测的监控管理的过程。通过性能分析表明,该机制安全、可靠、有效,能满足教育资源网格的应用需求。     

一种支持MMOG的MMOGGRID网格体系结构

基于C／S结构的MMOG不易扩展，服务器容易成为瓶颈．本文提出了一种应用网格技术实现MMOG的体系结构-MMOGGRID网格，并提出了适合此结构的负载均衡解决方案，该方案包括负载均衡算法和游戏地图动态划分算法．实验结果表明，该方案与其它同类的负载均衡机制相比减少了系统延迟，降低了计算资源使用率，更符合MMOG实时性和可扩展性的要求．     

基于动态负载均衡的分层式高速网络入侵检测模型

设计了一种新颖的适用于高速网络的分层式动态负载均衡入侵检测系统模型及相应的动态流量均衡算法。该模型采用两级分流结构，由均衡代理与探测器根据均衡算法配合完成流量的动态均衡分配；动态均衡算法通过对数据包的特征域做敞列运算，将其映射到某个探测器的接收区间内．并根据探测器的负载情况调节接收区间的宽度，合理分配各个探测器上的流量。性能分析和实验结果表明，该模型能够充分利用系统的计算资源，具有良好的动态流量均衡性能及高度的可扩展性，在高带宽环境中有较高的效率。     

一个具有服务质量保障的面向服务的网格模型

为了在面向服务的网格系统中提供服务质量（QoS）支持，本文较深入地研究了OGSA及Web Service等相关理论和技术．基于面向服务的体系结构，提出了一个具有QoS保障的面向服务的网格系统模型SoGSM—QoS．该模型通过物理网格节点的联合，来消除管理上的冗余并简化网格系统结构．模型支持虚拟组织和资源虚拟化，在各层次间提供用户QoS需求的映射和监控，保障用户的QoS．本文详细阐述了模型的结构、功能和访问控制机制，并建立了相应的过程模型．分析了有关性能，验证了模型的有效性．     

一种基于被动式网格资源发现机制的研究与设计

在基于P2P、OGSA网格结构等相关技术研究的基础上,结合部分资源组织结构优化分组的优秀成果,提出一种基于被动式资源注册、邻接表资源检索等综合性能较好的网格资源发现模型。并对其体系结构、资源组织结构和资源注册、发现机制作详尽的描述。该机制综合了集中式和分布式资源组织方式,利用各种资源在信息中心节点的邻接表存储方式,不仅优化了整个系统的性能,而且会保证最优资源被使用,从而负载更为均衡,明显优于传统的泛洪机制。     

STLBM:一种基于服务自主迁移的网格负载均衡模型

体育信息化系统具有时间性和突发性等特点,访问负载难以达到均衡,因此对系统性能和服务质量等产生巨大影响.本文针对体育信息化系统的以上需求,提出了基于网格服务自动迁移的负载均衡解决模型-STLBM,可以有效提高体育信息化系统的性能和服务质量.该模型首先将服务迁移技术引入到体育信息化当中,提出了这类系统的负载衡量标准,并进一步给出了基于负载阀值的迁移策略,通过网格服务的迁移和复制,达到负载均衡的目的,从而实现资源合理有效的使用.实验结果显示,该模型可以明显均衡体育信息化网格各资源的使用效率,改善服务质量.     

面向云环境的自适应集群调整方法

应用服务器集群是平台即服务(platform as a service,PaaS)模式的主要运行环境。针对云环境下动态变化的用户负载和共享、异构的集群环境,提出一种自适应集群调整方法,根据集群负载状况实现资源按需供给。该方法建立了PaaS平台的性能分析模型,并据此提出自适应的资源供给机制和负载均衡机制。实验结果表明,通过调节集群节点逻辑资源池的大小和集群节点数量,配合自适应负载均衡方法,达到了资源按需供给的目的。     

A new step toward load balancing based on competency rank and transitional phases in Grid networks

Grid computing is a network of software-hardware capabilities. It serves as a comprehensive and complete system for organizations by which the maximum utilization from resources is achieved. Resource distribution in a heterogeneous and unstable environment and also effective load distribution among these resources are the important and difficult problems in Grid networks. Using dynamic and static algorithms or searching tree and Branch and Bound algorithm are considered to be among the available methods to reach the load balancing in Grid networks. This paper presents a new method for dynamic load balancing. In this method, we use the subtraction of forward and backward ants as a competency rank to take the priority of the sites, and we use a control word to search the suitable resource as well. Our main purpose is to devote jobs to the existing resources based on their processing power. Simulation results show that the proposed method can reduce the total completion time and also total tardiness to get the load balancing. The cost of using resources as an effective factor in load balancing is also observed.     

分布式虚拟环境中的信息服务和资源定位

在分布式虚拟环境系统中,存在多种不同的资源,如场景中的实体、用户化身、ＣＰＵ、内存、网络等,而在碰撞检测、动态负载平衡、场景数据的一致性维护、系统的安全服务等操作中都要求对系统中的资料进行查找、定位。将资料作为对象来解决分布式虚拟环境系统的信息服务和资源定位,提供对分布的不同机器上的各种不同资源动态信息的有效、可靠访问。     

A dynamic resource management in mobile agent by artificial neural network

In this paper, a resource management for dynamic load balancing in mobile agent by artificial neural network scheme (ANN-DLB) is presented to maximize the number of the served tasks in developing high performance cluster. This dynamic load balance with the growth of the service type and user number in the mobile networks of the higher performance is required in service provision and throughput. Most of the conventional policies are used in load indices with the threshold value to decide the load status of the agent hosts by CPU or memory. The main factor influencing the workload is the competitions among the computing resources such as CPU, memory, I/O and network. There are certain I/O data of the intensive applications where load balancing becomes the important issue. This relationship between the computing resources is very complex to define the rules for deciding the workload. This paper proposed a new dynamic load balancing for evaluating the agent hosts’ workload with the artificial neural network (ANN). By applying the automatic learning of the back-propagation network (BPN) model can establish the ANN model and also can measure the agent host loading with five inputs: CPU, memory, I/O, network and run-queue length. The structure of the load balancing system is composed of three design agents: the load index agent (LIA), the resource management agent (RMA) and the load transfer agent (LTA). These experimental results reveal that the proposed ANN-DLB yields better performance than the other methods. These results demonstrate that the proposed method has high throughput, short response time and turnaround time, and less agent host negotiation complexity and migrating tasks than the previous methods.     

SALSA: QoS-aware load balancing for autonomous service brokering

The evolution towards “Software as a Service”, facilitated by various web service technologies, has led to applications composed of a number of service building blocks. These applications are dynamically composed by web service brokers, but rely critically on proper functioning of each of the composing subparts which is not entirely under control of the applications themselves. The problem at hand for the provider of the service is to guarantee non-functional requirements such as service access and performance to each customer. To this end, the service provider typically divides the load of incoming service requests across the available server infrastructure. In this paper we describe an adaptive load balancing strategy called SALSA (Simulated Annealing Load Spreading Algorithm), which is able to guarantee for different customer priorities, such as default and premium customers, that the services are handled in a given time and this without the need to adapt the servers executing the service logic themselves. It will be shown that by using SALSA, web service brokers are able to autonomously meet SLAs, without a priori over-dimensioning resources. This will be done by taking into account a real time view of the requests by measuring the Poisson arrival rates at that moment and selectively drop some requests from default customers. This way the web servers’ load is reduced in order to guarantee the service time for premium customers and provide best effort to default customers. We compared the results of SALSA with weighted round-robin (WRR), nowadays the most used load balancing strategy, and it was shown that the SALSA algorithm requires slightly more processing than WRR but is able to offer guarantees - contrary to WRR - by dynamically adapting its load balancing strategy.     

基于目标约束的分层动态负载均衡算法*

针对网格环境下的负载不均问题,提出了一种分层动态负载均衡机制,该机制采用随机服务模型描述网格任务流特性及其资源上的动态负载状态,将站点内负载平衡问题归结为目标约束规划问题。理论分析了分层负载均衡机制的有效性证明并设计了优化方案的求解算法,仿真实验结果显示,该分层负载均衡算法在平均响应时间、系统吞吐量方面优于以往的RBA算法和DBA算法。     

云计算虚拟资源的熵优化和动态加权评估模型

云资源的动态变化和不确定性给资源管理及任务调度带来了很大的困难.为了准确地掌握资源动态负载和可用能力信息,提出一种基于熵优化和动态加权的资源评估模型,其中,熵优化模型利用最大熵和熵增原理的目标函数及约束条件,筛选出满足用户 QoS 和系统最大化的资源,实现最优调度,保障用户 QoS.对筛选后的资源再进行动态加权负载评估,对负载过重及长期不可用资源进行迁移、释放等,可减少能耗,实现负载均衡和提高系统利用率.设计了仿真实验,以验证所提评估模型的性能.实验结果表明,熵优化模型对用户 QoS 和系统最大化有很好的效果,动态加权负载评估有利于均衡负载,提高系统利用率.该评估模型实现了用户QoS保障、减少能耗、负载均衡以及提高系统利用率等多目标的优化.     

基于双层分配器的Web服务集群负载平衡解决方案

为了解决目前Web服务集群存在的问题，提出了一个双层分配器负载平衡模型。在确定了负载指标的基础上，给出了该模型的负载平衡算法。并就服务器迅速过载问题和容错性问题提出了初步的解决方案。最后，对模型的性能进行了测试，结果表明模型达到了较好的负载平衡。