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.     

支持IPv6的大规模链路接入系统应用研究

针对传统带宽链路接入系统不支持IPv6、接入链路数少及负载调度能力弱等问题,设计一种能够支持IPv6的链路接入系统架构,提出基于内核级的链路计算方法及分布式并行处理模型,以支持超大规模链路接入,研究多处理节点负载均衡及流量控制方法。实验结果表明,该系统能够获得良好的性能。     

多逻辑链路最大可用带宽比流量调度算法

针对多逻辑链路间流量调度不平衡问题,分析逻辑链路流量调度模型,给出逻辑链路可用带宽计算方法,提出＂可用带宽比＂指标,以更准确地刻画各链路负载状况,量化特定链路上调度流量的大小。仿真实验证明,该算法有较好的流量调度能力,能有效控制各链路的流量,改善多链路间负载均衡,提高链路利用率。     

一种费用最优令牌缓冲流量调度负载控制方法

为有效解决多链路共享令牌缓冲流量调度系统负载较高的问题,设计了一种多链路共享令牌缓冲池流量调度模型,提出"费用"指标以更准确地刻画系统负载状况,基于费用最优研究了令牌缓冲流量调度负载控制方法.该方法包含了令牌缓冲池非空和可以为空这两种情况下的具体计算过程,从而保证了该方法的全局完整性.通过仿真实验与固定周期令牌缓冲调度方法进行比较,证明了本文方法有较好的流量调度能力,能有效地控制链路的流量,改善系统负载均衡.     

基于极值优化的多核集群负载均衡

针对分布式多核节点系统的负载均衡难以取得最优解的问题,提出了一种基于改进极值优化的负载均衡方法.该方法通过节点的CPU占用率发现负载不均衡情况,然后用一个衡量模型估计计算与通信开销使改进的极值优化方法能够实现集群的负载均衡.仿真与实验结果表明该算法能够提高分布式集群的计算效率,是一种理想的负载均衡算法.     

多核机群主节点并发发送数据的可分负载调度

对于节点计算、通信与存储能力不同、节点由多个多核处理器(多个片上多处理器)组成且共享L3cache的机群系统,采取计算与传输重叠模式,提出了主节点以多进程方式并发发送数据给从节点的可分负载调度模型.该调度模型自适应节点具有不同的计算、通信和存储能力,动态计算、确定调度轮数和每轮调度分配给各从节点的负载块规模,以平衡各节点的计算负载、减少节点之间的通信开销,缩短任务调度长度.依据各节点中的L3cache,L2cache和L1cache的可用存储容量,提出了对节点主存中接收到的负载块进行多级缓存划分的数据分配方法,以确保分配给节点中各个多核处理器、各个内核的负载平衡.基于提出的多核机群节点间可分负载调度模型和节点内多级存储数据分配方法,设计实现了节点拥有多个多核处理器的异构机群上通信和存储高效的k-选择并行算法.在曙光TC5000A多核机群系统上,测试了主节点并行与串行发送数据给从节点的任务调度方式、各级缓存利用率、每个核心执行不同数目的线程对并行算法运行性能的影响.实验结果表明:基于主节点并发发送数据给从节点的调度模型设计的k-选择并行算法,其运行性能优于基于主节点串行发送数据给从节点的调度模型设计的k-选择并行算法;L3cache和L2cache利用率大小对算法运行性能影响较大;当L3cache,L2cache和L1cache利用率取其优化组合值、每个核心运行3个线程时,算法所需的运行时间最短.     

多机群网格的数据负载均衡模型

在多个计算机机群构成的网格环境下,为了提高异构资源的利用率,提出了一个数据负载均衡模型。根据查询节点的计算能力、存储能力、通信能力,研究了查询节点的性能模型。利用数据饱和度、数据负载矩阵、数据迁移技术描述了系统的数据负载均衡机制。试验结果表明：该模型适合海量数据的查询。     

基于主机负载的任务执行时间预测研究

在网格计算中,预测网格节点性能的动态变化和网格任务的执行情况是影响网格任务高效调度是否成功的最重要因素之一.结合主机负载和任务执行时间的线性关系,研究分析了一种基于主机负载的任务执行时间预测算法.利用仿真实现了这种算法,对基于主机负载实现任务执行时间预测的可靠性进行了实验论证,并给出了预测精度的评价结果.     

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.     

STLBM:一种基于服务自主迁移的网格负载均衡模型

体育信息化系统具有时间性和突发性等特点,访问负载难以达到均衡,因此对系统性能和服务质量等产生巨大影响.本文针对体育信息化系统的以上需求,提出了基于网格服务自动迁移的负载均衡解决模型-STLBM,可以有效提高体育信息化系统的性能和服务质量.该模型首先将服务迁移技术引入到体育信息化当中,提出了这类系统的负载衡量标准,并进一步给出了基于负载阀值的迁移策略,通过网格服务的迁移和复制,达到负载均衡的目的,从而实现资源合理有效的使用.实验结果显示,该模型可以明显均衡体育信息化网格各资源的使用效率,改善服务质量.