计算网格中资源调度研发现状及展望

网格在解决分散式资源共享方面具有广阔的应用前景,使得它成为下一代互联网瞩目的焦点.而计算网格为资源的需求和供给提供定量分析,激励资源拥有者加入网格的同时保证资源消费者合理有效地使用资源.介绍计算网格通用模型GRACE的基础上,针对该模型中的热点问题--资源管理和调度展开讨论,分析比较当前的几种调度方案,为进一步提出高效完备的资源调度算法作准备.     

基于膜计算的蝙蝠算法在云计算资源调度的研究

如何进一步实现云计算环境下的资源利用最大化是目前研究的热点.建立云计算环境下的资源分配模型,云计算资源调度使用蝙蝠算法,同时引入膜计算概念,提出一种基于膜计算的蝙蝠算法,将膜系统内部分解为主膜和辅助膜,在辅助膜内进行蝙蝠的个体局部寻优,将优化后的个体传送到主膜间进行全局优化,从而达到了云计算资源优化分配要求.通过CloudSim平台与其他算法进行仿真对比表明算法提高了云计算环境下的系统处理时间和效率,使得云计算环境下的资源分配更加合理.     

基于效用最优的网格计算资源调度算法

基于市场机制提出了一种以资源代理为基础面向服务的网格资源管理模型--SBAGRM,在该模型的框架下提出了一种基于效用的网格资源调度算法,该算法以满足用户的QOS需求为出发点,旨在追求系统资源的全局最优化。     

基于 OpenStack 的虚拟资源调度技术研究

传统的高能物理计算系统基于物理机集群,主要通过 Torque、Condor、LSF 等资源管理和作业调度系统将作业调度到物理机器上运行,缺少对虚拟化计算的接口支持。我们选取 OpenStack 作为底层虚拟化平台,设计并实现上层调度系统与 OpenStack 之间的桥梁,采用推拉结合的作业运行方式,构建虚拟计算集群。     

网格计算资源调度策略的三级模式

网格计算下对资源进行有效的管理和调度是一个很复杂的问题。该文结合已有的调度策略,提出了一种新的改进调度策略的三级模式,并给出算法。     

高性能计算与作业调度技术在核电工程领域的应用

介绍了工程计算的主要技术以及高性能计算与作业调度技术在核电工程领域的应用。通过高性能计算集群与作业调度系统的技术实现,将设计和仿真相关的软硬件环境进行统一规划和实施,为设计人员提供高效统一、安全可靠的高性能计算环境和许可证使用平台,实现了软硬件最大程度的共享,从而提高IT投资回报和生产效率。     

基于任务的网格资源调度研究

本文详细的介绍了网格环境下资源调度的实质;阐述了基于任务的调度原则与体系结构．并总结了若干重要调度算法;分析了目前研究中的问题,并讨论了其未来的发展问题,为进一步的理论研究、实际应用提供一定的基础与方向。     

基于网格计算的资源调度研究

本文对资源调度的特点、相关技术及面临的挑战等难点进行了初步探讨,并将在未来继续探索和试验。     

网格计算资源调度算法研究

如何将网格这个复杂环境中的资源进行有效调度，是一个NP问题。并行遗传算法被证明是解决这类问题的有效算法，同时并行遗传算法有“早熟”和慢速收敛等缺点。为了克服其缺点，该文引进蚁群算法思想，将两个算法结合起来，充分发挥各自的优势，该算法能更有效地解决网格计算资源分配的问题。     

考虑截止资源公平调度的雾计算任务卸载

为解决雾计算网络中不同延迟期限的任务卸载问题,合理分配计算资源,提出一种考虑截止资源公平调度的雾计算任务感知卸载算法。首先,提出考虑计算资源公平的调度策略,确保在各自截止时间内完成的任务数量实现最大化,同时使网络具有很强的稳定性;然后,利用李雅普诺夫漂移加惩罚函数对任务队列长度进行调度,并设计调度策略决定要卸载到欠负载雾节点的任务数量,以充分利用网络中所有雾节点提供的计算资源;最后,仿真实验结果表明,该雾计算任务调度策略要优于选取的对比任务调度策略。     

基于支持向量机的计算资源反馈调度

在实时控制系统(RTCS)中,计算资源一般受限。由于诸多不确定性因素和工作负载的动态变化,系统总是运行在不可预期的开放环境中。为保证系统的稳定运行,提出了一种基于支持向量机(SVM)的计算资源反馈调度方法。它周期性地监测系统计算资源,通过SVM在线预测,得到各个控制回路的下一个采样周期,从而实现系统计算资源的动态分配。通过仿真实验验证了该反馈调度方法的性能,并与理想情况、传统开环调度方法进行了比较,显示了其优越性。     

面向5G边缘计算的Kubernetes资源调度策略

容器云是5G边缘计算的重要支撑技术,5G的大带宽、低时延和大连接三大特性给边缘计算带来较大的资源压力,容器云编排器Kubernetes仅采集Node剩余CPU和内存两大资源指标,并运用统一的权重值计算Node优先级作为调度依据,该机制无法适应边缘计算场景下精细化的资源调度需求.面向5G边缘计算的资源调度场景,通过扩展K...     

视频监控在高速路作业调度系统上的应用

高速作业的管理是高速管理的重要方面。首先介绍了高速公路的发展现状和高速作业管理上面临的问题和挑战,从远程管理的角度出发,构建了高速作业调度系统。该文简单介绍了系统总体设计框架并详细阐述了客户端上视频模块的设计与实现方法。最后对该客户端进行测试,验证其实际的效果,证明该设计在监控和调度领域有良好的应用和发展前景。     

云计算资源调度算法仿真

针对云计算的资源调度问题,有效利用云网络结构,是分布式结构与网格技术中的主要问题.大量资源调度算法使用任务结构对云计算环境下的负载进行分配,但较少考虑网络节点的动态信任度问题使得云计算资源存在一定的安全隐患.首先基于云计算任务串并联结构对网络动态资源进行分配,然后使用粒子群算法并结合节点置信度指标进行改进.通过仿真进行验证,证明了改进方法在增加节点信任度指标后提高了云计算资源的利用率,降低了网络资源负载.     

分布式流媒体资源调度技术研究

随着信息技术和网络技术的飞速发展,以多媒体为核心的现代网络流媒体技术得到非常广泛的应用。为了应对流媒体的应用中出现的大量消耗CPU、带宽等资源的问题,单机服务器已经不能承受高并发用户的访问,因此分布式的解决方案应运而生。本文针对分布式流媒体调度技术进行研究,在分布式的流媒体服务子节点的部署环境中,每个子节点均作为流媒体的服务器。为保证流媒体服务的质量,设计了基于蚁群的资源调度算法来获取传输的最佳路径。     

面向司法专题分析的大数据计算资源调度方法

针对司法专题分析过程中面临的交互式分析类数据处理执行效率低的问题,提出了一种基于任务类型的计算资源调度方法,为任务类型建立计算资源配额管理机制。在类型配额内具备抢占式优先调度权,在类型配额外可以借用其他任务类型的空闲资源。实验与分析表明,该方法能够在兼顾普通大数据处理任务执行效率的前提下显著提升交互式分析类任务的执行效率。     

基于蚁群遗传算法的网格资源调度研究

传统的资源调度算法在网格环境下存在一定缺陷,如不能很好地平衡资源节点的负载,不能很好满足用户服务质量需求等.为了提高网络质量,应用遗传算法全局快速收敛的优点,将遗传算法融入到蚁群算法的每一次迭代中,使之具有很强的全局搜索能力,以加快算法的收敛速度,提出了在价格机制驱动下,应用蚁群遗传算法进行网格资源调度的算法.仿真实验结果表明,在价格机制驱动下,应用蚁群遗传算法进行网格资源调度可以减少系统总执行时间和任务完成时间,系统负载均衡度好,提高了资源调度效率,在网格环境下,算法具有稳定性和高效性.     

面向实时流数据处理的边缘计算资源调度算法

针对边缘计算带宽限制导致的实时流数据处理计算效率低下的问题,提出一种迭代优化算法FFS+IPFS,通过对应用负载的实时监控,实现合理的边缘节点任务部署,支持实时流数据处理任务.首先,利用贪心算法进行全局任务分配,通过贪心的算法得到一个近似最优的结果;然后,基于监控到的实时任务信息,通过迭代优化进行局部调优,使得同一数据...