基于生物计算的分布式计算系统

分布式计算技术提供了充分利用现有网络资源的有效途径。该文论述了基于解决生物计算中难解问题的具有开放接口的分布式并行计算系统的设计与实现技术。系统兼有开放式、异构性、容错性与易用性等特点。讨论了系统的容错性机制、检查点策略及任务调度算法。对Motif Finding问题的求解验证表明,分布式并行计算机制能大大缩短问题的求解时间,为计算领域的难解问题提供有效的解决途径。     

元计算系统的批模式启发式任务调度算法研究

元计算系统是通过网络连接的地理上分散的主机、数据库和文件等资源。使用这些资源、可以运行用户的应用程序。研究元计算环境下的批模式启发式任务调度算法,论述Wade系统的应用任务的调度模型,比较4种调度算法的性能。     

面向任务调度优化的分布式系统信息管理框架

近年来深度学习作为学术界与工业界共同关注的热点,取得了飞跃式的发展,在计算机视觉、语音识别等领域取得了令人瞩目的成果.深度学习分训练与推理两个阶段,在实际应用中主要关注的是推理阶段.深度学习推理过程中伴随着巨大的计算量,通过分布式系统提高其计算速度也得到了越来越多的关注.然而,构建分布式深度学习推理系统面临着深度学习加速设备更新迭代快速、上层应用及计算任务复杂多样等挑战.本文设计并实现的系统信息管理框架,用于收集并处理系统中的各类信息,收集及处理的规则具有高度的可扩展性和灵活性,并提供通用的RESTful API数据访问接口,以支持分布式深度学习推理系统对各类硬件加速器的灵活兼容性以及对任务调度策略的动态调整能力.最后,本文通过一个应用实例对该框架的功能进行验证并对实验结果进行分析.     

基于校园网络的元计算实验系统WADE的设计与实现

元计算系统是可以作为虚拟的整体而使用的地理上分散的异构计算资源，这些资源包括计算机、数据库和昂贵仪器等．元计算系统在硬件和软件方面均有异构性，适合具有不同内在并行性的复杂应用的执行．现存的绝大多数并行系统都是同构的，不具有这一优势，因此，研究异构环境下的元计算系统就很有现实意义．WADE是基于校园网络开发的元计算实验系统，使用MD支持异构数据格式转换，使用面向对象技术实现单一映像系统，使用优先约束的任务调度算法来实现应用程序的调度和运行，并提供与流行的并行编程软件如PVM等的接口。     

侧重任务调度的网格计算底层支撑系统模型

在分析几个代表性实现系统的基础上，给出了一种侧重于计算任务调度的网格计算底层支撑系统的实现模型(SE-Model)，在对该模型进行分析之后，又进一步指出了当前网格计算研究中存在的问题和未来的发展趋势。     

一种基于综合匹配度的边缘计算系统任务调度方法

边缘计算模式满足数据的实时和低功耗处理需求,是缓解当前网络数据洪流实时处理问题的有效方法之一.但边缘设备资源的异构与多样性给任务的调度与迁移带来极大的困难与挑战.目前,边缘计算任务调度研究主要集中在调度算法的设计与仿真,这些算法和模型通常忽略了边缘设备的异构性和边缘任务的多样性,不能使多样化的边缘任务与异构的资源能力深...     

并行自动测试系统的任务调度

并行测试技术的广泛应用,将是下一代自动测试系统(AutomaticTestSystem,ATS)的主要特征。通过对现有并行技术的分析,介绍了目前实现并行测试的主要方法,并根据任务量的多少提出了,相应的任务调度算法,通过实验证明算法是可行的。     

并行处理系统中的一种新的任务调度算法模型

本文提出一种新的任务调度算法,是利用改进的启发式群聚算法,对MARL－LO算法进行了改进,弥补了MARY－LO算法的不足,并增加了一些动态控制功能,较好地解决了n个处理器的分配问题。     

基于Quartz的网管系统任务调度的实现

网管系统的大部分功能都需要以任务调度的形式实现,介绍了基于Quartz框架的网管系统任务调度的实现方法.实践证明,该方法具有较好的扩展性,在大量任务并发的网管系统中执行效率较高.     

运用网格技术实现地震减灾科学计算系统

通过创建网格计算服务,将原有地震减灾应用系统中的计算系统改造为网格计算服务,运用集中任务调度系统统一管理调度应用系统中的计算请求,进而将传统的单一的集中式的计算模式转变为分布式的网格计算模式。经试验显示改造为计算网格的应用系统计算效率有了很大的提高,这进一步证明作者提出的设计思路的可行性,从而为在地震减灾应用领域中急需解决的技术难题提出了解决方案。     

基于LSF集群系统的分布式并行计算

介绍了LSF集群系统和分布式并行计算的基本概念,基于LSF集群系统提出了一个分布式并行计算的基本结构和分级任务调度策略,另外在此结构上实现了矩阵相乘的分布式并行计算,并对此结构进行了性能评测,最后分析了基于LSF集群系统的分布式并行计算具有的优点和存在的不足.     

随机任务在云计算平台中能耗的优化管理方法

针对云计算系统在运行过程中由于计算节点空闲而产生大量空闲能耗,以及由于不匹配任务调度而产生大量“奢侈”能耗的能耗浪费问题,提出一种通过任务调度方式的能耗优化管理方法.首先,用排队模型对云计算系统进行建模,分析云计算系统的平均响应时间和平均功率,建立云计算系统的能耗模型.然后提出基于大服务强度和小执行能耗的任务调度策略,分别针对空闲能耗和“奢侈”能耗进行优化控制.基于该调度策略,设计满足性能约束的最小期望执行能耗调度算法ME3PC(minimum expectation execution energy with performance constraints).实验结果表明,该算法在保证执行性能的前提下,可大幅度降低云计算系统的能耗开销.     

一种异构计算系统中考虑通信冲突的有效任务调度算法

任务调度是异构计算的核心问题之一 .现有的异构计算系统的任务调度算法基本上没有考虑任务通信时可能在同一通道中发生冲突的情况 ,因而造成任务调度的结果与实际运行结果之间的差异 .本文提出了一种异构计算系统中的基于表调度 (list scheduling)的启发式任务调度算法 ,该算法考虑了任务通信中通道冲突的情况 ,在不提高算法复杂度的同时提高了任务调度的性能 .文中还通过实例结果的比较说明了该算法的有效性     

耦合分布式仿真中任务调度的研究与实现

在耦合分布式仿真系统中,为解决任务对资源合理利用的问题,采用一种First—Available调度策略,即在对资源和任务有效管理的基础上,根据工况计算任务的资源请求,在资源表中选取第一个符合要求的计算节点,指定此节点运行某项工况任务。测试表明,该调度策略能够快速有效匹配任务的资源请求,有非常强的实用价值和实效性,能够有效合理地利用资源,满足了大规模多工况多任务耦合仿真计算的要求。     

树型网格计算环境下的自适应任务调度算法

提出一种基于树型计算网格的自适应调度算法,实现对小粒度独立任务和用户大作业的自适应最优调度。通过对网格环境的实时检测,给出了基于节点负载状况、节点任务执行时间、任务传输时间和任务特性的自适应调度算法,即基于最优任务分配方案的启发式任务调度算法。通过实验与其他调度算法的比较,证明了所提出的任务调度算法在负载平衡和最优跨度方面具有明显的优越性。     

用户QOS及系统指标指导的计算网格任务调度

针对网格环境中的动态性特点,特别是用户服务质量（QoS）需求的动态变化性,通过定义任务的效益函数来评估任务的多维QoS需求。同时为了兼顾任务完成时间、负载平衡等系统指标,引入系统效益的概念,给出负载平衡度的定义用来指导调度及评价调度性能。针对一组具有QoS需求的相互独立的计算任务提出一种用户QoS及系统指标指导的计算网格任务调度算法——UQSI。模拟实验结果显示,该算法能较好地满足用户的多维QoS需求,更加适合开放复杂的网格环境。     

基于雾计算的计算资源分配方案

雾计算可以为用户提供近距离的数据存储、计算和其他服务，因此雾计算中的任务调度和资源分配已经成为一个新的研究热点。考虑终端用户和雾设备通常处于一种相对开放的状态，扩展了雾计算的体系结构，提出一种开放式雾计算环境中基于稳定匹配的计算资源分配方案，利用雾网络中动态的计算资源协同为用户提供计算服务并收取计算收益，同时终端用户向雾服务器提交任务请求并支付一定的费用。基于稳定匹配的思想，利用子任务的优先级列表、子任务和计算服务设备的偏好列表解决子任务与计算服务设备的分配问题，保证任务的完成时间和计算服务设备的收益。通过实验对方案性能进行了分析，实验结果表明该方案的资源分配时间相对稳定，且在执行雾计算任务时延以及任务违规率上都优于SGA算法和ACOSA算法。     

同构计算环境中一种快速有效的静态任务调度算法

快速有效的调度任务是多处理器计算环境中的一个关键问题. 目前任务调度算法中刻画任务依赖关系最流行的模型是DAG. 在以前的文献中, 提出了一种新的更实际、更普遍的TTIG模型及其相应的MATE算法(基于同构计算环境). 延伸了TTIG模型, 并提出基于同构系统的新的算法及两种启发式方法(GBHA1和GBHA2). GBHA以组的形式尽量消除图中回路,因而能获得任务图的全局信息,具有更好的调度性能. 在模拟实验中,将此算法与MATE和其他同构环境中基于DAG的有效调度算法,在不同测试条件下进行了比较,结果显示GBHA在性能上明显优于MATE,与基于DAG模型的调度算法比较而言,在性能方面各有千秋,但在算法时间复杂度方面具有显著的优势.