一种分布式调度中间件的设计和实现

本文提出了一种轻量级的用于大规模集群的分布式调度中间件产品方案,并结合业务需求,从应用架构、逻辑功能架构和总体技术架构等方面进行了详细的阐述。该方案对于研究和设计大中型互联网集群分布式调度软件有一定的参考借鉴意义。     

云环境下高校数字化资源自适应调度框架研究

在当前高校内部多种应用共存的情况下,通常各应用都有自身的负载曲线,如果按峰值负载来设计、建设该应用对应的基础架构,将造成资源的严重浪费。提出基于开源KVM虚拟化资源池以及动态的JBoss负载均衡技术的框架结构,实现了一个能够按需分配的资源池,按照业务指标的要求,实现了高校内部数字化资源动态、灵活地自我调度的框架。     

分布式Kahn处理网络的一种集群调度算法*

研究并提出一种采用分布式Kahn处理网络表达的并行程序在多处理器集群环境下的任务——处理器动态分配算法。由于Kahn处理网络的不可判定性,静态作业调度算法不能适用,而忽略其显式数据依赖关系的动态负载均衡策略存在很大的随机性,往往带来不必要的进程迁移。基于运行时动态生成的离散事件序列,预测Kahn处理网络在不同分配方案下的执行效率（处理器资源利用率）,迭代寻求最优动态分配方案,仿真效果良好。     

一种面向会话的自适应负载均衡算法

在论述负载均衡技术相关工作的基础上,基于IP报文头多域分类方法,提出自适应负载均衡算法MSF(minimum sessions first),通过动态调整TCP流数目最少的流束,能够在各处理节点间保持动态负载均衡的同时维持会话的完整性.模拟结果表明,MSF算法具有设计简洁、负载均匀度好、重映射破坏度小、会话完整性破坏度小等优点,对不同负载具有良好的综合性能.该算法已经成功地应用在国防科学技术大学计算机学院研制的高速网络安全设备中,在保持较好的负载均衡效果的前提下保证了会话的完整性,提高了网络安全设备的性能.     

一种负载均衡的自适应算法

分布式中的负载均衡通过任务迁移来改善系统的负载分布，提高系统的性能与效率。本文提出并详细讨论了一种负载均衡的自适应算法，该算法的突出特点是不去跟踪任务的执行，而着眼于系统整体效率与性能，处已在以太网的环境下实现，证明确定简单，有效，实用。     

一种高效的分布式反馈流量负载均衡算法

为解决多节点路由器等系统的分布式流量负载均衡问题,提出一种基于反馈的自适应算法。该算法通过会话划分进行负载任务分组,根据各节点的反馈进行接入分配和负载参数调整,实现负载均衡,给出快速端口检测和初始负载均衡等实现该算法的关键技术。性能分析与实验表明,该算法具有较高的负载均衡度和较低的系统开销。     

一种自适应分布式网络管理体系结构

将新型的分布式计算技术——移动代理引入网络管理系统中，提出了一种既能克服现有集中式网络管理缺陷又方便管理的自适应分布式网络管理体系结构。它充分利用移动代理的移动性、自治性等特点，将网络管理任务分布化，节约了通信量，提高了性能。     

一种自适应动态负载均衡算法

负载均衡问题是一个经典的组合优化难题,该文建立了一个集群中的负载均衡问题模型,并提出了一种旨在最小化负载均衡开销的动态自适应算法。由于集群中存在网络延时,所以负载重分配的开销很大一部分取决于CPU间发送、接受的消息的最大数量。该负载均衡算法以最小化负载重分配时CPU间消息发送、接受的数量为目标,根据过载、轻载CPU数量的变化动态调用D算法和R算法,以降低负载均衡开销。     

一种有效负载均衡的分布式WebGIS体系结构模型

本文分析了分布式WebGIS现有的几种计算模型的特点,从负载均衡的角度提出了一种新颖的基于Agent的混合式计算模型,有效地解决了空间信息处理任务在客户端和服务器之间的负载均衡问题,对空间信息处理功能进行合理的分布,具有良好的可扩展性及保持全局网络负载的良好性能。     

一种针对线性循环结构的非线性静态调度策略

现有OpenMP调度策略通常采用动态策略处理程序中的线性循环结构,存在负载不均衡和调度开销大的问题。提出一种针对线性递增或线性递减循环结构的非线性静态调度策略Nonlinear_static。将线性循环负载均匀变化参数与总负载、负载峰值、线程数相结合构建调度模型,计算循环迭代在线程上的映射,使迭代块大小呈非线性递增或递减趋势。将线性循环的负载平均地分配在每个线程上,并在开源OMPi编译器中进行编码。在Adjoint Convolution、Compute Pots、Matrix Multiplication、Mandelbrot Set应用程序上进行多线程调度,实验结果表明,相比静态调度、动态调度、指导调度等策略,Nonlinear_static调度策略在处理线性循环结构时执行时间缩短了5%~10%,且具有无调度开销的优点。     

异构分布式系统中基于负载均衡的容错调度算法

提出了基于主/从版本的具有容错功能的进程调度算法HDALF和HDLDF,且分别给出两种算法的时间复杂度并对算法的负载均衡性和节点资源利用率作了讨论.与以往容错调度算法不同的是,此算法是在被动进程复制模式下、适合于异构分布式系统的容错调度算法.而以往的研究都是建立在主从版本进程有相等的负载或执行时间相同的模型基础上,或者仅适合于同构分布式系统.实验结果表明,HDALF算法和HDLDF算法的性能比基于同构分布式模型下的两阶段算法更加优越.并且得出了这样的结果：当系统发生故障前后的负载均衡性权值相等时,在负载均衡和处理机资源利用率方面,HDLDF算法都要优于HDALF算法.     

基于机器学习的分布式星载RTs系统负载调度算法

分布式星载多RTs(Remote Terminal)系统的任务主要基于功能进行分配,而数据处理任务的突发性往往会使不同计算机之间负载不均衡。运用灵活的负载调度机制,可以有效调节不同计算机间的负载差异,从而在一定程度上提升计算机系统的整体性能。文中提出了一种基于机器学习的分布式星载RTs系统负载调度算法,包含样本采集、任务吞吐率预测模型构建、吞吐率预测和负载调度等4个步骤。在构建任务吞吐率预测模型环节,通过机器学习的线性回归正规方程获取模型权重,缩短了构建模型消耗的时间。在负载调度环节,若RTs的吞吐率之和大于系统总的负载数据量,则按吞吐率比例给各RTs分配数据,否则只给负载数据量小于自身吞吐率的RTs分配一定量的数据。在多台星载计算机电性能产品构建的地面模拟系统上的实验结果表明,该算法可以使系统所有节点的平均CPU利用率提高23.78%,节点间的CPU利用率方差降低至34.59%,同时目标任务的系统总吞吐量显著提升225.97%。也就是说,该方法在确保系统负载均衡性的同时,可有效提高系统的资源利用率,提升星载计算机系统的数据实时处理性能。     

一种自适应文件系统元数据服务负载均衡策略

随着大数据时代的到来,全球信息存储量呈现爆发式的增长,传统的存储系统在存储性能、存储容量、数据可靠性和成本等方面存在诸多不足。近年来,以云计算平台为依托的存储技术得到了飞速的发展,成为了处理海量数据的重要工具。本文针对分布式文件系统元数据管理的问题,提出了一种自适应元数据服务负载均衡策略。该策略主要包括以下三点内容：第一,介绍了一种实时的元数据服务器的性能评价模型;第二,提出了一种基于服务器负载变化的检测周期自适应调整机制;第三,提出了一种基于元数据服务器性能指标的自适应负载均衡算法。实验证明了该方法的可行性,有效性和稳定性。     

一种负载均衡的网格任务调度算法

在分析网格计算中经典的Min-Min和Max-Min任务调度算法的基础上,针对Min-Min算法存在的负栽不均衡的缺陷,本文提出了一种负载均衡的网格任务调度算法LBGTSA,以有效地均衡负载;给出了LBGTSA算法的设计原理和实现过程,而且采用GridSim模拟工具对LBGTSA和Min-Min算法进行了模拟实验,实验结果分析表明,LB（汀SA比Min-Min能获得更小的Makespan,而且能有效地均衡负载。     

在无中心式作业调度中的动态网格负载平衡实现

提出一个新颖的递归算法,用于实现动态的网格负载平衡。实验仿真了松耦合无中心式调度框架,基于传统并行系统的workload模型构建了网格workload模型,保守式装填法用作各结点上的本地调度策略。结果表明,在实现网格负载平衡上,这里的递归算法比静态调度方法更有效。     

分布式系统中一种负载平衡的动态反馈调整自适应算法

重点研究了分布式系统中的进程迁移和定位、负荷分担中的负载平衡等问题；提出并讨论了基于动态阈值和阈长的进程定位模型和系统负载平衡的动态反馈调整自适应算法，还通过具体的实验分析论证了算法的性能．实验结果说明该算法能在一定的范围内很好地解决进程定位和负载平衡问题，具有较大的实用价值．     

基于PI3000平台的分布式任务调度研究与实现

在PI3000平台中任务调度是应用系统中很重要的部分,应用环境的复杂程度导致各式各样调度的框架和算法.文中提出一个新的分布式负载均衡的任务调度框架,以解决在并行任务中特定的应用环境下的任务调度问题.这个框架是动态的、可重用的,通过提供给各种不同的资源环境对应的接口,来进行跨服务的调度.整个框架关注于实际应用环境下任务、资源的动态不稳定性和任务计算的快速响应.     

GSM:一种多服务器系统的动态负载均衡调度模型

设多服务器系统由 n个服务器结点和 1个中心任务调度结点组成 ,所有服务器具有同样的处理能力 ,任务的到达是一速率参数为 nλ的泊松流 ,任务的服务器处理时间服从参数为 1/μ的指数分布 (λ<μ) ,一次负载信息收集时间和任务调度时间在理想情况下可忽略不计 .基于这些假设 ,提出了多服务器系统的广义超级市场调度模型 (GeneralizedSuperm arket Model,GSM) ,详细分析并证明了该调度模型的解特性 .结论表明 :对于大规模多服务器系统 ,广义超级市场调度模型与随机选择服务调度策略相比 ,可指数级地提高平均任务消耗时间性能 ;与文献 [1,2 ,3]的结果相比 ,达到其极小化平均任务消耗时间