一种可分负载WSN的能耗均衡负载调度算法

无线传感器网络的节点电源能量有限,其能耗均衡问题已成为研究热点。针对星型可分负载无线传感器网络的负载调度过程,在同时感知、顺序返回信息的工作模型下提出了一种以能耗均衡为目标的负载调度算法(DLEBS)。该算法以降低网络能耗标准差为优化目标,在保证网络总体传输时间及传输顺序的情况下,可以得到相应的负载调度策略。仿真实验表明,算法得到的负载调度可以有效降低网络的能耗标准差。并且随给定时间的增加,算法得到的负载调度使得能耗标准差相应地减小。     

一种应用于桥载设备监控网络CSMA/CA机制算法

在机场桥载设备在线监测管理网络的现场应用测试中,针对网络突发事件中高优先级节点传输延时长,节点能耗利用率低的问题,采用基于优先级调度策略思想的网络节点能量优化机制,对网络MAC层协议中的CSMA/CA算法参数做出调整,达到数据快速传输的目的,利用NS2软件进行网络仿真,结果表明该方法提高了高优先级节点的信道访问率,均衡了网络能耗并延长了网络生命周期.     

基于模式融合的网络动态资源柔性调度仿真

传统资源调度方法无法获取资源调度适配因子,导致资源调度精度偏低、利用率小且负载均衡度低问题.为此提出基于模式融合的网络动态资源柔性调度方法.根据移动中心网络结构矩阵确定移动网络节点分布,以此为基础构建混合预测模型,获取网络节点负载状态,并计算节点负载和资源占有率,得出适配因子,引入max-min和蚁群混合算法,实现网络动态资源有效调度.实验结果表明:研究提出的教育教学动态资源利用率和负载均衡度更高,说明基于模式融合的网络动态资源柔性调度方法性能更好,更有利于实现资源共享.     

基于禁忌搜索的流式计算平台负载均衡策略

针对大数据流式计算平台原生的调度机制存在计算负载分配不均衡、资源利用率低的问题,提出异构环境下基于禁忌搜索算法的负载均衡策略,并将其应用于Apache Flink平台。首先,通过构建作业拓扑模型将流式计算作业的拓扑结构抽象为有向无环图（directed acyclic graph,DAG）,并将每个任务槽（task slot）抽象为节点,为计算节点的性能评估奠定基础;其次,通过建立性能评估模型将有向无环图中带性能权值的节点导入性能评估模型,进行归一化处理得到节点性能的优劣;再将评估参数传入禁忌调度算法（tabu search for schedule,TBS）进行作业路径优化,从而得出最优作业路径;最后,使用Flink平台提供的CustomPatitionerWrapper接口将数据分配到最优作业路径包含的节点中,完成计算负载的均衡分配,从而提升Flink平台的整体性能。实验结果表明：通过禁忌调度算法优化后的负载均衡策略与原生的Flink平台相比,平均计算延迟降低了10~20 ms,资源利用率显著提高,平均吞吐量提升约15%,有效证明了负载均衡策略的有效性和优化效果。     

面向WSN数据汇集应用的动态负载均衡算法

针对WSN数据汇集应用中,由于负载分配不均衡,使得网络节点出现早死,缩短网络寿命问题,提出一种面向WSN数据汇集应用的动态负载均衡算法（DLB-DGA）。DLB-DGA算法采用压力传输和压力均衡的思想,通过压力计算模型和流量均衡计算模型,动态调整子节点转发给父节点的数据流量比例,使网络上游节点的负载逐渐趋于最大程度的均衡,延长网络寿命。仿真实验表明DLB-DGA算法可行。     

无线传感器网络跨层自适应周期分簇路由模型

分析了无线传感器网络传输信息位置相关性特点以及节点能耗模型,运用基于能量指标和距离指标的簇首选举方法,建立了一种基于节点剩余能量和传输距离的跨层自适应周期簇间路由性能模型。该模型均衡网络节点能耗和负载。簇间通信根据其下一跳簇节点的能量、能耗因子、RSSI以及能耗指数等进行选择。仿真结果表明,与已有的跨层设计和分簇协议相比,该模型有效地延长了网络寿命,提高了网络的吞吐量。该模型能效高,控制开销较低,能量负载均衡。     

基于SDN的数据中心网络流概率路径选择方法

为提高数据中心网络(DCN)的链路带宽利用率和吞吐量,提出一种基于软件定义网络(SDN)的流概率路径选择方法。在最短路径选择方法的基础上,利用SDN控制器对网络流进行分类处理,同时计算每条数据流在调度过程中的带宽占用情况以减少数据链路碎片化,并优化DCN数据流量调度,从而实现网络负载均衡。实验结果表明,该方法能降低网络传输时延,提高链路利用率及负载均衡度。     

数据本地性感知的MapReduce负载均衡策略

现有针对MapReduce的负载均衡调度的研究均未考虑中间数据的分布特点及网络传输的开销,导致额外的网络传输代价与系统效率的下降。为解决上述问题,提出了一种数据本地性感知的负载均衡策略。充分利用YARN中资源管理的新特性,在Map阶段对内存数据溢写的同时进行统计以获取数据分布,根据数据分布情况及各节点的计算能力进行任务调度,减少网络传输开销的同时尽量保证各节点的负载平衡。此外,通过引入细粒度分区与分区的自适应分裂策略,进一步提高在数据倾斜时调度策略的性能。对比实验结果表明,提出的负载均衡调度策略能有效提升性能,同时较好地降低网络总开销。     

云计算中心多用户网络资源负载均衡控制研究

在控制网络资源负载均衡时，由于不同传输链路的传输能力不同，难以满足适应性调节，为此提出云计算中心多用户网络资源负载均衡控制方法。首先，构建云计算中心网络模型，并以传输链路的带宽参数作为模型的约束；其次，以云计算中心网络传输链路的最大利用率达到最小化状态为目标，结合每条链路当前执行传输任务的状态及实际传输效率，实现对网络资源负载的均衡配置；最后，进行测试分析。测试结果表明，采用设计方法后网络的吞吐量能够结合实际的流量负载实现适应性调节。     

物联网节点负载均衡优化调度方法研究

针对物联网节点负载均衡调度方法存在资源节点浪费的问题,笔者提出物联网节点负载均衡优化调度方法。通过建立物联网节点负载均衡优化调度模型,实现了分层路由网关节点数目匹配与网关调度任务节点重组,对重组后节点进行网络负载均衡匹配,可以完成物联网节点负载均衡优化调度。根据仿真实验,对比优化调度方法与其他调度方法的负载均衡离差值,证明了优化调度方法能够更好地实现物联网节点负载均衡优化调度。     

方格拓扑无线传感器网络源路由策略的能耗分析

无线传感器网络(WSNs)中的汇聚传输模式使得靠近汇点的节点承担了较多的数据转发业务,导致这些节点能量很快耗尽,降低网络的寿命。针对这种问题,结合规则拓扑结构的对称性和预知性,对方格拓扑结构中多种典型源路由策略进行分析,分别计算各策略的瓶颈节点负载和数据传输时延,提出能耗的计算模型,并据此探讨网络节点的通信能耗、待机能耗和总能耗。数值分析结果表明:均衡转发策略产生最小的总能耗。     

网络数据动态传输与存储安全自动监测系统设计

为了提高网络数据动态传输与存储安全自动监测能力,进行监测系统优化设计,提出基于负载均衡调度和嵌入式总线传输控制的网络数据动态传输与存储安全自动监测系统设计方法。构建网络数据动态传输的信道均衡调度模型,采用随机线性均衡控制方法进行网络数据动态传输与存储过程中的信道自适应调度,提取网络数据动态传输过程中的模糊关联规则,采用自适应的链路转发控制方法进行网络数据动态传输与存储的安全监测和负载均衡调度。在嵌入式总线协议下进行网络数据动态传输与存储安全自动监测系统的软件开发设计。仿真结果表明,采用该方法进行网络数据动态传输与存储安全自动监测的稳定性较好,自适应控制能力较强,降低了网络数据动态传输的误比特率。     

基于无限深度神经网络的非平衡大数据集群匿名化调度算法

以提升非平衡大数据集群数据调度的高效性、准确性、安全性为目的,提出基于无限深度神经网络的非平衡大数据集群匿名化调度算法。数据采集模块利用传感器采集非平衡大数据集群中各节点服务器的数据信息,传输至数据分类模块的深度最小最大概率机中,通过卷积神经网络的端对端方式,训练获得的非平衡大数据,提取原始大数据高级特征,以最小最大概率机作为分类器,实现非平衡大数据的分类;应用数据匿名化模块的K-匿名化算法匿名化处理分类后的数据信息,经数据调度模块中基于蚁群算法的负载均衡调度方法,进行非平衡大数据集群各节点、任务的实时调度。实验结果表明：该算法可提升非平衡大数据的分类准确度,降低信息损失率、泄密风险,并可充分调度优势节点与空闲节点实现任务的均衡分配,提升非平衡大数据集群的任务调度能力。     

Hadoop异构集群中数据负载均衡的研究

Hadoop平台下,数据的负载均衡对平台性能的发挥有着深远的影响。首先分析默认数据负载均衡的局限性,针对现有默认HDFS(Hadoop Distributed File System)数据负载均衡算法只考虑存储空间利用率,而未考虑节点间异构性的问题,提出一种量化异构集群数据负载均衡的数学模型。该模型根据节点的存储空间及节点性能计算得到各个节点的理论空间利用率,并根据当前集群存储空间利用率动态调整节点最大负载。实验结果表明,提出的数据负载均衡策略能够让异构集群达到更合理的均衡状态,提高集群的效率,并有效减少作业的执行时间。     

无线传感器网络邻近节点数据融合调度算法

现有的调度算法存在节点能耗大、数据收集时延长等问题。为此,提出一种能量高效的邻近节点数据融合调度(CNDAS)算法。该算法通过计算竞争集,产生无冲突的调度序列,并为兄弟节点分配连续的传输时隙,从而降低节点状态转换的频率,节省节点能耗。模拟结果表明,当网络规模较大时,CNDAS算法的能量有效性明显优于SCHDL算法。     

基于无线传感器网络的地铁通信传输延迟优化方法

网络数据传输过程中传输节点耗能过大、传输数据量过多,导致信息传输不分主次造成网络拥堵,会造成地铁通信传输存在不同程度的延迟问题。针对这一问题,提出基于无线传感器网络的地铁通信传输延迟优化方法。采用受控自回归积分滑动平均模型预测分析通信状态,分辨出高质量信息并对其调度传输,同时通过传输数据模型选取节点最优的参数,控制传输节点能耗,配置网络并生成多个区群结构,结合传输节点能量消耗控制参数调节数据压缩率,实现传输延时优化。仿真结果表明,所提方法发送和接收延迟小,能够有效减少网络拥堵现象,且降低数据丢失问题,保持传输信息精准,适用性较强。     

基于优先级排列的内存数据库负载均衡仿真

针对因云计算环境数据基数较大、数据种类过多、特征难提取,导致的数据储存比例失衡问题,提出一种内存数据库负载均衡优化算法。根据云计算环境下内存数据的数据特征、状态等参数,建立负载失衡问题模型,将存在问题的数据代入,求得负载率和虚拟资源参数关联变化。考虑到云计算环境下数据基数过大、数据离散性强的问题,将内存数据看作为分布复杂的资源网络,数据点看作网络节点,求解节点跟随网络状态发生的位置、速度以及状态更改,建立数据负载率的位置与更新速度规则,求解不同数据的负载均衡尺度,并排列优先级顺序,采集内存数据库参数输入至负载尺度函数中求解,根据每个数据点的最新负载尺度实行重新配比调整,完成均衡优化。实验结果表明,所提方法的负载均衡优化效率和效果较好,环境适应能力强。     

Storm集群下基于性能感知的负载均衡策略

Storm计算框架具有为多源异构大数据提供高效、快速、实时处理的能力.然而因Storm默认的调度策略使用了简单的轮询方法,无法根据集群动态的负载状态调整其任务的分配.针对该问题,提出了基于性能感知的负载均衡策略,根据节点的处理效率计算其性能感知值,并通过贪心调度保证节点的任务量与节点处理能力相匹配,以达到负载均衡的目的.通过与默认调度算法实验比较,结果表明该算法能够有效降低Storm处理时延,提高吞吐量和实现集群负载均衡.     

基于压缩感知的传感器网络中概率负载均衡的数据路由协议

基于混合压缩感知(CS)理论,提出一种负载有效的路由协议.考虑分簇网络结构,簇内节点传输原始数据到簇头,簇头对数据进行压缩再通过最小生成树发送到sink.为防止簇头节点负载不均衡造成网络不能正常通信,提出负载度的概念并设计基于CS的负载均衡策略;然后,研究概率负载均衡策略以均衡所有节点的负载流量;最后,提出分布式补偿算法构建分簇网络并实现数据汇聚功能.仿真结果表明,所提出方法在提高网络生存时间及能耗均衡方面均优于传统方法.     

无线传感器网络中ARQ协议能量有效性分析

综合无线传感器网络节点电路能耗和信道传输能耗,建立了ARQ协议传输每比特负载数据的等效能耗数学模型和以链路最低能耗为有效性优化目标,通过MATLAB仿真计算,分析研究了高斯白噪声信道条件下,ARQ协议的能耗与传输帧长和误帧率的关系以及一定范围内电路参数对能耗性能的影响,讨论了最低能耗状态下的最佳帧长和最佳误帧率。