分布式系统中基于非合作博弈的调度算法

针对分布式系统中任务调度问题,根据分布式环境下的任务调度特性,建立了一个非合作博弈的多角色任务调度框架,在此基础上提出了一种基于纳什均衡联合调度策略的分布式强化学习算法.相比于静态调度算法,该算法需要更少的系统知识.能使调度器主动学习任务到达和执行的相关先验知识,以适应相邻调度器的分配策略,目标是使得调度器的策略趋向纳什均衡.模拟实验结果表明:所提出的算法在任务的预期时间和公平性上相对于OLB(机会主义负载均衡)、MET(最小执行时间)、MCT(最小完成时间)等同类调度算法具有更好的调度性能.     

Pareto方法在服务网格资源调度多目标优化中的应用

服务网格资源调度问题是一个新兴的课题,如何构建一个高效的资源调度模块,是提高服务网格性能的关键.采用基于微粒群智能优化算法(PSO算法)的Pareto方法,探索解决资源调度的多目标优化问题,通过实验证明该方法在多目标优化方面具有优越性.     

一种冗余分析方法及其在分布式文件系统中的应用

目前网络中存在着大量以服务器为核心的文件服务机制,特别是一些分布式的文件服务系统.针对这些文件服务系统中的空间消耗问题,本文进行了文件冗余的分析,提出了一种网络文件服务冗余分析方法.这种冗余分析方法应用在分布式系统中,可以确定文件系统的空间性能,为系统的空间优化提供参考数据,并有利于进行分布式系统访问调度平衡策略的制定.     

异构分布式实时系统中容错调度模型的研究

研究了基于异构分布式系统的实时容错调度算法 ,同构分布式系统中的处理机完全相同 ,而在异构分布式系统中各个处理机均不相同 ,各个处理机有不同的处理能力和不同的健壮性 .提出了可靠性成本概念 ,建立了一个基于异构分布式系统实时容错调度模型 .基于该模型 ,设计了一种实时容错调度算法 ,算法在不增加系统硬件成本的情况下 ,提高了实时分布式系统的可靠性 .     

基于组件的分布式人机交互系统开发模型的研究

为了解决分布式系统人机界面资源的容错、动态配置以及多个人机交互结点界面切换的统一控制问题,基于组件技术,提出一种分布式人机交互系统开发模型.该模型通过既定的策略调度各界面组件,以达到对人机界面的容错、动态配置和统一控制,最后通过仿真验证了该模型是可行的.     

用Globus Toolkit 4实现有态Web服务

状态管理是大规模分布式系统的一个基本问题,WSRF(Web服务资源框架)规范的出现为解决分布式系统(特别是网格应用系统)的状态管理问题提供了标准的方法.Glubus Toolkit 4(GT4)完全实现了WSRF.介绍WSRF规范及GT4,探讨GT4中有态资源Web服务的实现.     

水库预报调度分期分级模型系统的研究与应用

洪水资源化是利用洪水的资源特性,缓解水资源短缺,减少水旱灾害损失,实现水资源可持续开发利用的重要措施.水库的预报、分期、分级调度是节省水资源、洪水资源化的有效手段.水库的这种运用方式是今后的重要研究方向.本文针对水库调度的这种需求,概化出了一种预报调度的分期分级模型系统,并将该模型系统应用于漳卫南运河防汛决策支持系统的岳城水库的调度工作中.     

GOS支持的集合预报网格门户系统

为充分利用异地分布的网络高性能资源,基于网格技术和中国国家网格中间件GOS,实现了集合预报网格门户系统.首先给出了该系统的结构和所包含的主要功能组件;然后提出了调度组件的核心设计思想,分析了集合预报流程的具体计算特征,设计了适合于不同应用场景的3种调度方式;接着给出了调度方式间的实际运行性能比较,结果表明动态竞争调度方式在资源负载不稳定时明显优于静态时间优化的提交方式;最后给出了系统的具体实现和实际部分运行界面,实践表明本系统是切实可行性的.     

一种分布式实时事务调度新策略研究

针对目前分布式系统中存在的问题,详细分析了分布式系统和并发控制协议对实时事务调度策略的影响,鉴于目前真正的分布式实时事务调度策略尚处于探索发展阶段,现提出一种分布式最少剩余时间优先的调度策略,通过实践结果证明,该调度策略比传统调度策略更适用于分布式实时数据库环境中。     

塔里木河流域水量统一调度自校正模型应用

我国多数流域存在水资源供给不足的问题,全流域水资源统一调度是解决这一问题的重要措施.2000年黄河流域调水引入自适应理论,首次实现了全流域自适应水量调度.塔河流域没有像黄河干流五大水库那样的水量调度大型调节杻纽,全流域水量调度工作难度更大.本文根据模型库思想,综合水文预报、社会经济需水预测、生态需水预测、水量分配和河道径流预报等模型,将自校正技术引入到塔河流域的水量调度工作中,依靠滚动的来水预报数据,动态修正水调目标,开发了塔里木河流域水量统一调度自校正模型.在2004到2005年度的水量调度工作中,将模型结果与现行调度方案进行了对比,实践表明该模型具有更高的灵活性,更能反应水资源的变化.     

隧道代理的负载均衡问题研究

隧道代理是IPv4-IPv6过渡过程中的重要技术,分布式部署隧道代理有利于提高系统的可靠性.为了解决隧道代理分布式部署面临的负载均衡问题,本文从调度者,参数和调度算法3个方面研究了隧道代理的负载均衡问题,并结合最少利用率算法和加权轮叫算法,提出了一种包含简单预测机制和过载预警机制的新的负载均衡算法.仿真实验的结果表明,所提出的算法在突发用户接入、突发初始负载和预防过载的方面,优于现有的负载均衡算法,适应于隧道代理系统的分布式运行实践.     

基于谱聚类的BaaS资源负载均衡调度算法

Fabric作为超级账本的核心项目,以其多通道的设计为用户提供更为隐私的交易空间,为了解决基于分布式架构下的多通道资源负载均衡问题,提出了基于NJ W谱聚类的区块链即服务(BaaS)负载均衡调度算法SC-channel.该算法将平台子节点的数量作为划分类簇数量的依据,首先,基于通道采用peer之间的Jaccard系数构造相似矩阵;其次,计算拉普拉斯矩阵,求取前k个特征值和特征向量并将特征向量单位化;最后,用基于数量加权的k-means算法完成聚类.在Kubernetes平台上对这种方法进行验证,并与采用经典k-meansi的NJW算法默认调度算法下的资源负载均衡度做了比较分析.结果表明,采用基于谱聚类的BaaS资源负载均衡调度算法可提高资源利用的均衡程度,增强了平台的可用性与可靠性.     

负载均衡的分布式系统任务调度优化算法

针对当前分布式系统任务调度算法存在节点负载不平衡,资源利用率低等缺陷,提出一种基于负载均衡的分布式系统任务调度优化算法.首先分析了当前分布式系统任务调度优化算法的研究现状;然后对节点的实时性能指标进行估计,并根据估计结果分配不同的任务;最后通过仿真实验与其他算法进行对比.实验结果表明,相比于经典分布式系统任务调度算法,该算法缩短了任务完成时间,使得系统各节点的负载更均衡,提高了节点资源的利用率.     

耦合分布式系统多线程任务管理算法

针对耦合分布式系统中多个计算任务以不同的线程运行在单一计算结点的情况,提出了一种多线程计算任务管理算法.该算法能满足耦合分布式系统协同仿真的要求,并提高分布式系统计算资源的利用率,平衡耦合器负载,满足大规模仿真计算的要求.     

云计算下安全可控的移动弹性资源动态调度算法

当前云计算下移动弹性资源动态调度算法CPU利用率较低,且运行不稳定。为此,提出一种新的云计算下安全可控的移动弹性资源动态调度算法,把云计算下移动弹性资源的CPU平均利用率、内存负载、带宽负载以及可靠性看作移动弹性资源调度目标的约束,给出移动弹性资源的状态模型。依据遗传算法的优点,设计了一种基于蚁群算法的、安全可控的移动弹性资源动态调度算法。依据云计算下移动弹性资源动态调度特点和约束条件,利用适应度指标,对种群中个体的优良度进行描述,给出适应度函数。通过一维字符串完成对解的编码,利用轮盘赌法设置合理的阈值,获取所有染色体中选择性能较好的染色体。通过选择的实数编码完成对字符串的逆向解码,得到云计算下移动弹性资源调度的最优方案。实验结果表明,所提算法稳定性、效率和资源利用率高,迁移率低,负载均衡性好。     

星座网络关键链路代价增量路由算法

全球通信业务量大且分布不均衡的客观因素,使得卫星网络资源利用率较低的问题日趋严重。为了解决这个问题,提出了一种面向星座网络的关键链路路由算法。该算法在业务统计模型下,以传播时延和当前链路负载状态为链路代价选出候选路径。在此基础上引入关键链路的概念并建立关键链路代价增量预测模型,最终从候选路径中选择代价增量最小的为最优路由。算法还采用拥塞控制策略发现拥塞,减轻拥塞链路的负载,选择重新设计部分业务的路由。实验结果表明,算法在平均路径阻塞概率、吞吐率、路径时延以及负载均衡方面均有较好的提升;在满足时延要求的前提下,能够有效地分配网络资源,提高网络利用率,是一种较好的卫星网络路由算法。     

基于SVM的分布式入侵检测系统

支持向量机（Support Vector Machine．简称SVM）具有泛化性高、全局最优、对样本的充分性要求不高等优点,在集中式的入侵检测问题中得到较好应用．文章将SVM算法推广到分布式入侵检测环境中,提出基于SVM的分布式学习算法。并在KDD Cup 99数据集上与集中式方式进行了对比实验．结果表明,该算法不仅能降低网络中的通信负载．而且取得了与集中式方式相当的检测性能．     

云计算环境下多信道联合均衡调度算法研究

针对传统资源调度方法存在执行时间跨度大、信道接入率低、资源负载不均衡等问题,提出云计算环境下多信道联合均衡调度算法研究.根据云计算环境下多信道通信链路优化时隙和多信道资源,构建多信道链路模型,提出信道端到端可靠性最大化优化模型,将优化问题转换为多信道联合均衡调度问题.利用多信道最优跨度和负载均衡算法对均衡调度问题进行求解.结合多信道数据处理和任务执行的特性,设计最优跨度和负载均衡双适应度函数,在种群进化初始阶段和接近收敛阶段对适应度函数做适当调整,完成多信道联合均衡调度.实验结果表明,所提方法资源调度的执行时间跨度小、信道接入率高、负载均衡程度好,能满足资源传输的实时性要求.     

基于VMD-EWT-IASSP-EBILSTM的短期电力负荷预测

电力系统在国家工业基础设施中起着举足轻重的作用,维持系统负荷高精度预测是保障电力系统高效供应的关键。针对负荷数据的非平稳性、随机性与非线性,负荷预测误差较大的问题,结合变分模态分解(variational mode decomposition, VMD)、经验小波变换(empirical wavelet transform, EWT)、改进的空洞卷积金字塔模块(improved atros spatial pyramid pooling, IASSP)、集成双向长短时记忆模块(ensemble BiLSTM,EBiLSTM),提出了一种短期电力负荷预测模型。为解决负荷数据的非平稳性引起的模型预测波动问题,通过变分模态分解方法与经验小波变换的结合分解为若干子序列,显著降低了原始负荷序列的复杂性;为提高模型预测精度,将分解的负荷子序列利用过零率指标划分高低频序列,在低频序列中构建一种时序依赖捕获模块EBiLSTM提取长期负荷特征,高频序列中构建特征提取模块IASSP提取局部负荷特征,最后累加各子序列的预测结果,实现电力系统负荷的短期预测。选取行业通用客观评价指标：平均绝对误差、均方根误差,...     

支持大规模地震探测数据快速可视化的云端数据缓存技术

首先, 基于云计算应用模式, 提出一种能有效利用云存储架构的双层缓存技术. 通过在客户端和服务器端建立分布式缓存, 能有效避免用户频繁访问远端数据, 为用户构建轻量级的客户端, 解决了目前地学数据可视化软件大量占用用户本地存储容量的问题. 同时服务器端也避免了多次访问云存储文件系统, 减少了大量的数据检索与加载时间. 其次, 提出一种ARLS(association rule last successor)访问预测算法, 根据用户的历史访问记录, 利用关联规则挖掘用户的访问模式, 对其访问行为进行预测, 进而提前加载数据, 提高缓存命中率, 解决了用户在可视化过程中不断移动兴趣区域, 频繁更换渲染数据的问题, 能有效应对用户具有多种访问模式的情况, 提高了预测准确率. 实验结果表明, 该云存储架构显著减少了本地资源消耗, 访问预测算法的准确率在最差情形下可达47.59%, 平均准确率达91.3%, 分布式缓存的平均缓存命中率达95.61%, 可有效支持云端大规模地震数据的快速可视化.