一种Web集群系统的动态分离式调度策略

静态分离式调度策略（SSSP）不能有效地分配服务器资源。动态分离式调度策略（DSSP）对静态请求和动态请求分别以请求的文件和用户会话为单元进行调度。请求分发器监测后端服务器的状态,按资源使用情况将服务器区分为轻载、重载和过载,轻载服务器可以接收新的请求单元,重载服务器不接收新请求单元,但继续为已接收的请求单元服务,过载服务器迁移部分请求单元到轻载服务器。试验结果表明,DSSP的效率明显优于SSSP。     

请求速率对集群Web服务器调度的影响

讨论了集群Web服务器的几种常见请求调度策略，针对目前大多数的请求调度策略都是只考虑服务器的内在指标，而忽略了请求速率等输入指标对负载调度的影响，即使考虑了请求速率，也很少考虑请求速率变化突发性对Web服务器的影响。通过分析请求速率对Web服务器的性能影响，可以利用输入指标结合服务器指标来调度请求输入，从而有效地解决服务器间的负载不平衡。     

基于Web的内容的集群服务器请求分配系统的研究与实现

随着基于Internet上的Web应用服务迅速发展，提供高性能、高可靠性和高扩展性的各种Web服务已成为用户的迫切需求，通过对现有的请求分配策略的分析，提出一种综合考虑后端服务器的缓存局域性的基于Web请求内容的集群服务器负载分发策略的设计与实现。     

一种Web服务器集群负载均衡调度算法

分析Web服务器集群技术,研究负载均衡算法,提出基于临界加速递减的一致性哈希负载均衡算法CHMDC(Consistent hash load balancing algorithm based on the Multiplicative Decrease in Critical area)。一方面,该算法采用了加权一致性哈希算法,引入了虚拟化的设计思路,采用虚拟节点进行真实服务器节点分配;另一方面,该算法提出了基于请求反馈时间计算机服务器节点负载率的方法,引入了临界因子的概念,采用了临界因子加速递减来防止服务器过载。通过实验测试证明,该算法应用于Web服务器集群的负载均衡效果突出。     

Web服务器集群系统的实现方法及负载管理

影响WWW网站应用的一个主要因素是用户请求的响应时间太慢,这严重影响了基于Internet的各项应用的发展。本文主要阐述了如何通过多个分布式的Web服务器结点来构筑Web服务器集群系统。文中详细说明了Web服务器集群系统的实现原理及方法,并讨论提出了实出其中各个服务结点之间负载平衡的一些基本技术及机制。     

Web服务器集群请求分配和选择的性能分析

讨论并提出了 Web服务器集群的请求分配和选择控制方案 ,而且提供了这些方案的随机高级 Petri网模型 ,并强调研究这些方案及性能模型和分析方法 .为解决模型状态空间爆炸问题 ,作者提出了一种近似性能分析技术 ,可以显著地简化模型求解的复杂性 .文中的 Web服务器集群模型、请求分配和选择控制方案及近似性能分析技术可以应用于这类复杂系统的性能评价 .     

Web集群服务器中分发静态请求的调度算法

为分发静态请求提出一种自适应的基于文档大小的调度算法ADSB,它使用资源占用时间来衡量负载,并根据被请求文档的大小来分发请求,均衡各个后台服务器的负载;ADSB根据负载历史周期地预测即将到来的负载统计特性,并根据预测结果来调整算法的参数;由于有着目标位置特性,ADSB能获得很高的缓存命中率;因为实际静态文档的大小服从重尾分布,所以分发大小不同的文档到不同的服务器,使ADSB减小了小文档的平均响应时间,同时大文档也没受到明显的影响。实验表明,ADSB的性能优于已有的经典的调度算法。     

Web集群中的动态请求的分类调度策略

现有的请求调度策略应用于动态请求时容易导致集群节点间的负载失衡.针对动态请求,提出了基于分类的请求调度策略,根据URL模式对动态请求分类,同一类的请求具有相同的负载特性,然后用比较简单的轮转策略对各类请求进行调度,因而可以在不估计请求负载的情况下,很好地将负载均衡到了后端节点上.测试结果表明,使用该策略后,集群系统的吞吐量可以提高51.9%.     

面向Web服务器集群系统的Web QoS机制研究

Web QoS是当前Web计算中的重要研完内容,用于解决Web计算环境中端到端QoS保证问题。本文提出一种支持QoS的Web服务器集群系统方案以及实现技术,整个系统由支持QoS的集群交换机和Web服务器集群两级结构组成,通过集群交换机和Web服务器的协同工作,实现优先转发与优先服务相结合的分布式QoS保证体系,充分满足Web用户的服务质量需求。通过系统测试,原型系统的性能指标达到了设计要求。     

论改进Web服务器性能的有关技术

Web服务器在分布式系统中主要担当接入的角色,它的接入性能、容量和响应速度是衡量系统性能的主要技术指标。我们的系统是基于Web服务器技术的银行金融设备的监控和管理。Web服务器接收数据和发送响应,数据采集量比较大,而且管理设备多,会话数目也较多,系统负荷比较大。在系统建设中,主要从以下几个方面考虑提升Web服务器性能:(1)数据交换协议的选定;(2)基于组件技术的系统构成;(3)基于J2EE平台技术构造Web服务器系统;(4)优化后台数据库的连接性能,提高获取信息;(5)优化Web服务器软件系统,提高系统的网络带宽。Web服务器性能的改善不仅是Web服务器本身的问题,而是一个整体系统性能优化的问题。只有从全局角度考虑这个问题,才能根本提升Web服务器性能。     

DPSP:一种基于内容的客户请求调度策略

改善执行服务器的性能对于提高Web服务器的服务质量至关重要，在分析执行服务器的线程数量，调度策略，服务器响应时间和客户请求到达率间相互关系的基础上，提出了动态优先级调策略DPSP（dynamic priority scheduling policy)，它根据客户请求内容的重要程序有效地组织服务器的请求执行顺序，达到提高请求服务质量的目的，与先来先服务FCFS（first come first service)，短请求优先SRF（short request first)和DEDF（dynamic earliest deadline first)策略进行模拟比较表明，DPSP策略以较小的响应延迟增量为代价，提高了WWW的服务质量。     

一种新的Web集群请求调度模式与体系结构

分析了网络及Web应用的发展对Web集群请求调度提出的新要求,在此基础上提出了一种基于文档组织分布的新请求调度模式.针对该请求调度模式的特点,提出了一种分布调度、分布路由的Web集群体系结构,该结构结合了多分配器集群和分布式集群的优点,能保证系统的可扩展性,并能有效减少集群内的通信开销和消除单点故障.     

装备保障动态任务柔性调度策略研究

高技术战争条件下,装备保障任务的动态性特点更加显著。如何柔性调度装备保障动态任务成为研究装备保障指挥控制系统柔性问题的关键。在对装备保障任务Agent和动态任务柔性调度框架进行描述的基础上,提出了一种基于Agent的装备保障动态任务的柔性调度策略。     

基于适应策略的迭代学习调度

适应调度是一种基于状态/性能反馈的定性控制方法．适应调度知识完成从状态到 调度规则的映射，与制造系统配置、生产任务构成、调度目标函数密切相关，并随调度问题 的改变而改变，具有较强的针对性．采用迭代学习方法，根据具体调度问题自动修正适应调 度知识，提高系统运行性能；另一方面，由于引入了调度目标函数，使生产管理者最关心的 性能得到优化，最大限度满足生产管理者的生产目标．仿真实验结果验证了这一方法的有效 性．     

实时数据库的定时调度策略

本文针对目前实时系统中优先级调度的不足,提出了一种新的定时调度的事务调度方法。该方法能以系统时钟的最小量度精确地实现事务的定时调度。它与传统的优先级调度方法结合使用,可以更好地满足事务的截止期。本文还讨论了实现该策略的一些问题。     

Web服务器中基于自适应控制的成比例延迟区分服务

Internet上Web应用日益广泛的使用,使得Web服务器需要在高负载下提供性能保证与区分服务,以满足用户的不同需求。响应延迟是评价Web服务器的一项关键性能指标,而成比例延迟区分服务是一种重要的区分服务模型。针对Apache Web服务器,提出并实现了基于自适应控制的成比例延迟区分服务。在每个采样周期,自适应控制器根据预设的延迟区分参数,通过动态计算并调节各个客户类别的服务线程数目,可保证Apache Web服务器上高优先级客户具有较低的平均连接延迟,而各个客户类别的平均延迟比保持不变。仿真结果表明,在动态变化的负载、参考输入以及不同的系统配置之下,控制器作用下的Apache Web服务器都能可靠地提供成比例延迟区分服务。     

自适应蚁群算法在流水车间调度的应用

以求解旅行商问题(TSP)来介绍基本蚁群算法模型.针对其存在的易陷入局部最优和易出现停滞等缺点,将自适应调节策略与蚁群算法结合,提出应用改进的蚁群算法求解流水车间调度问题,并通过仿真实验验证了该改进算法的有效性和优化性.     

半导体制造系统仿真调度中的优化方法

基于仿真的调度方法通常需要进行大量的仿真或者采用好的规则以优化调度结果. 本 文建立了以减小平均在制品为优化目标的半导体制造系统的调度模型, 对模型进行分解和简 化. 把结论作为一个调度规则直接应用于仿真调度方法. 由于充分利用了系统全局的状态信 息, 可以有效地减少仿真的次数, 提高了仿真调度的优化能力.     

移动微云任务迁移与调度

为了解决移动微云中时间期限约束下的任务能效调度问题,提出一种基于自适应概率的分布式任务调度算法。算法分为两个阶段:资源发现阶段和自适应概率调度阶段。第一阶段主要通过修正的QoS OLSR协议,使发送任务执行请求的源节点周期性地收集邻近处理节点的资源信息;第二阶段主要根据源节点的任务到达率,以概率计算方式选择最优的处理节点执行任务,在满足时间约束的同时,达到最优的能效。经过大量仿真场景的验证,结果表明该算法在维持较高的任务完成率的同时,还可以降低任务完成的平均能耗。