基于CPU-MEM的负载共享调度机制研究

分布式系统中调度机制对负载共享系统性能有重要影响。基于CPU-MEM的负载共享策略考虑内存资源对系统性能的作用,降低了页失效次数,提高了资源利用率。在CPU-MEM负载共享机制基础上,考虑任务在执行过程中的变化特性,提出了在单节点上减少任务平均内存需求的多内存需求多时间片轮询策略(RR-MMMCS)和基于预测的多内存多时间片策略(MMMCS-P)。实验表明,无论是对计算密集型任务还是数据密集型任务,RR-MMMCS、MMMCS-P调度机制在平均响应时间方面具有较好的性能。     

网络处理器自适应负载均衡调度机制*

对TLDP结构网络处理器的线程调度问题展开讨论,设计并用硬连线实现了TLPD结构的微引擎间自适应负载均衡线程调度机制。它根据TLDP结构内部各个微引擎的实时负载状态和历史信息自动调整活动微引擎的数量,然后在被选择的活动微引擎集合上实现微引擎间的动态负载均衡,最大程度地提高了TLDP结构网络处理器的分组吞吐率。通过对TLDP结构的RTL级模型仿真说明,该机制能有效地实现微引擎间的实时负载均衡。     

附加信息对负载可任意划分应用调度的影响

研究需要附加信息的可任意划分应用的调度问题.文章首先引入附加信息的概念,扩展了DLS模型,在此基础上重新分析了在这类应用中经典的平均划分(EQS)算法的缺陷,并提出了一个无空闲时间调度算法(NIS).基于这两个算法的解析表达解,严格地证明了NIS算法的调度性能总是优于EQS算法.由于在这类应用中典型的情况是每个处理器需要相同的附加信息,文章进一步研究了这类典型应用.分析表明,与EQS算法相比有更大范围的应用能利用NIS算法获得并行计算的收益,NIS算法所能利用的资源也更多.     

负载共享系统的设计与实现

文章介绍在 Ｌｉｎｕｘ操作系统网络环境下,负载共享系统的基本设计原理和实现方法。重点描述客户一服务器通信模式以及程序模块的算法框架。     

异构计算中的负载共享

在基于消息传递的异构并行计算系统中 ,各处理器或计算机具有自制和独立地调度、执行作业的能力 .当一个可划分的作业初始位于一个处理器上时 ,为了提高计算性能 ,该处理器可以请求其他异构处理器负载共享 ,参与协同计算 ,减少作业的完成时间 .该文提出了异构计算负载共享的一种方案 .首先 ,调用负载共享协议 ,收集当前各处理器参与负载共享的许可数据 ,包括共享时间段、计算能力等 .然后 ,构造一个作业量与作业完成时间之间的关系函数 .该函数是选择一组合适的处理器群、优化作业划分、作业完成时间最小的理论基础 .最     

共享集群基于HDFS的数据块密度调度策略

随着云计算技术和海量数据处理技术的发展,共享集群逐渐采用HDFS作为分布式文件系统并通过虚拟化的方式管理计算资源,为计算框架和应用提供运行资源,造成应用运行过程中计算资源和数据存储的分离。海量数据处理应用的数据本地性是影响其性能的关键因素之一。目前,共享集群管理框架调度器的研究主要集中在通过提升调度的并行度来提高系统的吞吐量和资源利用率,而其在调度的质量方面还存在一些缺陷,如应用的数据本地性问题。提出基于数据块密度的调度策略,来提高应用的数据本地性, 根据数据块的密度为应用等比例分配计算资源,减少应用运行过程中的跨主机I/O,从而提升应用的性能。实验表明,基于数据块密度的调度策略能够有效减少数据密集型作业的运行时间,该策略能够使应用达到90%的数据本地性。在测试应用WordCount和TeraSort中,该策略使应用缩短了20%左右的运行时间。     

漏桶模型下GPS调度系统的性能分析

着重分析了在数据流分别由线性漏桶和分形漏桶模型进行约束和整形的情况下，GPS(Generalized Processor Sharing)通用处理器共享调度系统的排队性能，给出了最大队长和最大时延的估算方法，并将理论分析与实验结果做了一定对比．文章分析指出，对UDP流和聚集程度不高的TCP流，用线性漏桶模型是有效的；而对于聚集程度较高的TCP流，用分形漏桶模型来描述其流量则比较合适．     

负载调度策略的设计与实现

并行处理机系统中负载不平衡问题一直没有得到彻底地解决，国内外学者提出过多种解决办法，但都有不尽人意的地方。讨论了如何确定一个处理机的负载已达到阈值和如何选择任务要送到的结点等亟待解决的问题。一个处理机只要有任务在运行就不能算是空间，由空间的处理机申请任务可以决定任务要送到的结点，用这种方法调度并行处理机系统比其他方法有更高的效率。本方法在同构的计算机系统和异构的计算机系统中应用效果都很好。     

计算网格中动态负载平衡的分布调度模式

网格计算下对资源进行有效的管理和调度可以提高系统的利用率.在对现有若干调度方法的研究和分析基础上,针对计算网格中的负载平衡问题,提出了一种分布式网格作业调度模型,并给出相关算法.算法通过建立主从模式的负载信息收集机制,提供给节点全局负载信息,加速重负载节点的负载转移速度.通过有效的负载平衡模式,解决资源调度中负载平衡及其可靠性问题.     

一种基于蚂蚁算法的网络负载分担路由方法

针对蚁群算法(Ant Colony System，ACS)在网络负载分担方面的不足，提出了一种改进的蚁群算法。该算法在同一网络中使用多个标记的蚁群，各个蚁群之间的外激素相互抑制，同一蚁群的外激素相互促进，从而通过减少在最短路径上的蚁群外激素数量来实现路由的负载分担。最后通过实验验证了该方法的可行性，并给出了实验结果。     

集群技术及负载均衡调度算法研究

集群(cluster)技术是一种较新的技术,通过集群技术,可以在付出较低成本的情况下获得在性能、可靠性、灵活性等方面相对较高的收益.任务调度是集群系统中的核心技术.文章对集群的定义、分类、优点及各种常见的负载均衡调度算法进行了详细归纳.     

负载平衡调度问题的一般模型研究

分布式系统提供了巨大的处理能力,为了实现和充分利用这种能力,需要优良的负载平衡调度技术。因此,负载平衡问题是影响分布式系统性能的重要因素。在深入研究分布式系统中负载平衡调度问题的基础上,归纳总结了负载平衡调度的一般模型,对影响负载平衡的各个因素进行了详细的分析。此模型已在一个实际模型中得到了有效地验证。     

一种基于统计思想的网格负载平衡调度算法

针对层次化网格模型结构,运用统计思想提出了一种新的资源分配与任务调度算法,不仅能够提高资源的利用率和系统的吞吐率,而且能够实现网格系统内部的负载平衡。算法主要包含三个功能模块,即负载跟踪模块、作业分配模块和负载监视模块。在解释了方案中各功能部件的作用及其相互之间关系的基础上,给出了相应的算法伪码。仿真实验表明,该算法是有效的。     

基于无服务器边缘计算下的服务负载调度算法

随着边缘计算的不断发展,其在资源管理配置方面逐渐出现相关问题,无服务器计算作为一种新的方式可以有效解决边缘计算的相关问题。然而,无服务器计算不具备在分布式边缘场景中高效处理请求所需服务负载调度的能力,针对这一问题,提出了一种基于无服务器边缘计算的服务负载调度算法(service load scheduling algorithm, SLSA)。SLSA的核心是通过隐式建模充分考虑了动态变化的节点状态、负载调度器放置等影响因素来优化整体时延,然后通过改进的平滑加权轮询调度(smooth weighted round robin, SWRR)算法进行服务调度。经仿真实验分析,SLSA在资源消耗上有着明显下降,同时在单城市场景与多城市场景下均有良好的性能表现,其中在单城市场景中相对于集中式轮询调度(round robin centralized, RRC)算法提升了43.01%,在多城市场景中提升了53.81%。实验结果表明,SLSA可以有效降低资源消耗率并提升性能。     

基于负载预测的虚拟机动态调度算法研究与实现

在云计算系统中为了实现负载均衡和资源的高效利用,需要在虚拟机粒度上对云计算系统进行调度,通过热迁移技术将虚拟机从高负载物理节点迁移到低负载物理节点。把负载预测技术和虚拟机动态调度技术相结合,提出了LFS算法,通过虚拟机历史负载数据对虚拟机未来的负载变化情况进行预测,然后根据预测结果对虚拟机进行调度,能够有效地避免云计算系统中高负载物理节点出现,实现负载均衡,提高资源使用率。     

网格环境中基于负载均衡的工作流调度算法

由于网格工作流任务之间存在时序和数据依赖等关系,使得网格环境中工作流的调度问题成为一个NP完全问题。针对有向无环图(DAG)类型工作流提出一种调度算法,先确定关键路径,从而优先调度关键路径成员节点,该算法追求在最优时间跨度下的系统均衡负载,最后通过实验验证了该算法的有效性。