支持网格监控服务自动部署的系统

提出一种GADMS(Grid Automatic Deployment Monitoring System),这是一个网格环境下支持网格监控服务自动部署的网格资源监控系统,它基于分层结构收集不同地域的多个集群的状态信息.GADMS根据新加入集群的配置信息,通过shell脚本的方式,自动完成监控该集群所需的系统组件的部署.GADMS将监控结果存储到MySQL和RRD数据库中,通过Web方式显示监控结果,并允许用户查询当前状态和任意时刻的历史信息,为管理与优化系统性能提供服务.GADMS还能与ChinaGrid支撑平台、Ganglia等很好地融合,充分利用网格环境中的已有资源,提高资源利用率.     

用Optorsim仿真数据网格中调度和复制优化策略

数据网格中，调度和复制优化策略的好坏直接影响网格资源的使用性能。在将优化策略应用于网格之前，通常使用仿真环境对其进行评估。本文选取网格模拟器Optorsim2．0仿真动态网格环境。仿真模型使用不同的作业调度和复制优化策略来衡量其对网格性能的影响，并根据网格性能评价指标对仿真结果进行了分析。     

计算网格环境下多址作业调度系统模型研究

针对网格环境下的作业调度问题,提出了适合异构机群作业调度的三种网格调度系统模型:作业本地调度模型、作业共享调度模型和作业多址调度模型.建立了多址作业在三种网格调度系统模型下的性能模型.理论分析得出如下结论:同构情况下,多址作业调度应遵循先单址后多址、先本地后异地的资源选择策略;异构情况下,该策略失效,需对所有资源组合进行遍历,可设计启发式调度算法获得近优解.     

基于Web的网格监控系统研究

网格监控是网格管理和网格优化的核心．本文提出了基于Web的网格监控系统——GMSWeb．该系统采用浏览器／服务器（B／S）模式来构建网格监控系统,通过友好的浏览器界面实现网格资源网格环境中分布式、大规模、动态、异构的计算及存储资源的各种参数的监视和控制．GMSWeb底层采用生产者／消费者模式和SOA架构实现了对网格环境下各类资源的订阅发布,显示层对中国教育网格平台CGSP中资源、网格服务、网格用户、网格作业、网络状态等信息的可视化监控．     

校园网格及其作业服务的研究

对网格及网格体系结构进行分析,提出了校园网格系统分层结构的模型,总结了校园网格系统实现的目标,指出了作业服务在校园网格系统的重要作用,并对校园网格作业管理的功能、作业调度的模型及作业调度的策略进行研究.     

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.     

基于经济模型的网格资源调度算法

建立了基于经济模型的网格作业调度系统,给出了相应的服务质量(QoS)资源调度算法.通过定义资源的多维QoS指标,实现了对计算网格中广域分布和异构资源的统一描述,能很好地适应网格资源的动态性和自治性.采用QoS偏好度排序和欧氏距离的优化策略搜索资源,将用户提出的具有个性化或总体服务需求的作业透明、动态地分配给最适应的资源,优化了资源的统一配置.采用仿真实验比较多种算法的性能,结果说明QoS算法可满足资源的自适应性,较好地实现全局资源调度的目标.     

网格资源性能监控

在网格环境下资源动态变化,网格需要实时、准确、动态的性能信息,负载管理系统从动态变化的资源池中选择合适的资源是非常重要的.网格资源性能监控可以在动态网格环境下为调度决策系统提供调度依据,使网格资源的利用更加合理,改进应用程序的执行性能.通过分析当前流行的网格监控工具,以可扩展性、浸入性、信息有效性、数据格式、可添加性、通信、安全以及监测度量等性能指标为参考,对网格资源监控工具进行了比较并讨论了目前系统中的某些局限性和下一步的工作.     

一个地震数据挖掘网格及其作业调度

基于网格建立地震数据挖掘平台,充分利用网格中现有的资源和研究成果,可以减少系统开发、升级及维护的费用,提高系统可伸缩性;同时还能有效地提高对大量数据信息的处理能力,从而提高数据挖掘的速度.该文介绍了一个基于网格构建的地震数据挖掘平台,着重论述了其中的作业调度策略,并针对作业调度中面临的各种问题,设计并实现了一个能适应资源动态变化的JRA作业调度算法.     

基于Agent的新型网格资源调度模型及策略

提出一种基于Agent的、旨在实现负载平衡的网格资源调度模型,着重描述该模型中各个模块的功能以及调度流程,并利用Agent的智能交互,进行协同合作以管理复杂的网格资源。为了充分利用资源调度中的可用资源,提高网格资源的整体利用率,提出了基于此模型的一种动态上限资源调度策略（DUBRSS）。此策略不仅充分发挥了Agent的智能性、自主性,还具有良好的扩展性,提高了资源调度的效率。     

基于贝叶斯信任模型的资源调度策略

在科技迅速发展的今天,云平台正在迅速成为科学应用的重要平台.由于云平台下的节点资源数量非常多,显然他们有很多是不可靠的,这些节点会对EXE的执行和调度任务产生很大的影响.在本文中,受贝叶斯认知模型的启发和社会学的信任关系模型的引导,笔者首先提出了一种新的基于贝叶斯方法的认知信任模型,然后,将这种模型应用到资源调度系统中.理论分析和仿真实验证明,笔者提出的方法能有效的满足云计算对节点资源的信任要求,并且牺牲较少的时间成本,确保在一个相对安全的节点资源池中执行云计算任务.     

网格数据管理互操作机制研究

针对不同网格之间数据管理互操作存在的问题,分析了数据网格中间件SRB(Storage Resource Bro-ker)和ChinaGrid中的数据管理模型,同时讨论了SRB和ChinaGrid两者之间实现数据互操作存在的难点,提出了一套基于接口的网格数据互操作机制,并建立了相应的接口模型.该模型采用接口映射和副本管理策略,有效屏蔽了不同网格的数据操作接口,为用户提供了统一的逻辑数据视图和操作模式,保证了数据文件的有效性和一致性.该接口模型具有灵活性高、兼容性强和扩展性好等优点;通过这套接口机制可以实现China-Grid和采用SRB的数据网格之间的互操作.     

DLS和NGA结合的平台资源调度方法

研究战场环境平台资源调度问题,针对传统使用的动态列表调度算法易陷入局部最优,提出一种基于动态列表调度和小生境遗传算法相结合的求解方法。考虑任务激烈度来更准确地描述平台资源能力的动态损耗,以使命完成时间为指标,在保证平台资源利用率的前提下,采用具有全局性的小生境遗传算法,得到最优的平台资源调度方案。通过一个联合作战案例,得出所提方法作战使命完成时间更短,为战场资源调度提供依据。     

Fuzzy Logic-Based Secure and Fault Tolerant Job Scheduling in Grid

The uncertainties of grid sites security are main hurdle to make the job scheduling secure, reliable and fault-tolerant. Most existing scheduling algorithms use fixed-number job replications to provide fault tolerant ability and high scheduling success rate, which consume excessive resources or can not provide sufficient fault tolerant functions when grid security conditions change. In this paper a fuzzy-logic-based self-adaptive replication scheduling (FSARS) algorithm is proposed to handle the fuzziness or uncertainties of job replication number which is highly related to trust factors behind grid sites and user jobs. Remote sensing-based soil moisture extraction (RSBSME) workload experiments in real grid environment are performed to evaluate the proposed approach and the results show that high scheduling success rate of up to 95% and less grid resource utilization can be achieved through FSARS. Extensive experiments show that FSARS scales well when user jobs and grid sites increase.     

云计算资源优化问题求解的萤火虫算法

为了提高云计算资源利用率,结合云计算资源优化问题的特点,设计一种云计算资源优化问题求解的萤火虫算法.首先建立云计算资源负载调度问题的约束条件,以用户任务完成时间最少作为云计算资源负载调度优化的目标函数;然后通过萤火虫算法找到目标函数值最优的资源调度策略;最后在CloudSim平台上实现云计算资源负载调度仿真实验.实验结果表明,萤火虫算法减少了云计算任务完成的时间,均衡了云计算资源的负载,使云计算资源得到合理分配,且比其他算法优势明显.     

双资源作业车间智能优化调度

用遗传算法研究了双资源作业车间的调度优化问题,提出了一种将归约法与遗传算法和分派规则相结合的调度算法,该算法将机床和工人合理地分配给加工任务(工序),使评价指标获得最优.通过与国外学者的算法进行比较,本算法在相同生产周期的情况下,能够获得平均流动时间较少的调度结果.本算法采用的遗传编码不含工人和机床设备的信息,使得染色体的交叉和变异容易操作,节省了计算时间.最后还就工人/机床设备的比率对作业车间加工性能的影响进行了分析并给出分析结果.     

基于云遗传算法的不确定性环境下平台资源调度适应性优化方法

针对战场环境中不确定因素对平台资源调度方案的影响,提出了一种面向不确定事件的平台资源调度适应性优化方法。考虑平台损耗和任务处理时间2个方面的不确定性,建立以最大任务执行效率为目标函数的平台资源调度的适应性优化问题的数学模型,根据不确定事件对平台资源能力或任务属性的影响来判断是否触发调度方案的适应性优化,并基于云遗传算法设计了平台资源调度适应性优化问题数学模型的求解方法,最后通过算例进行了验证。仿真结果表明,使用云遗传算法对平台资源调度方案进行适应性优化调整,能得到更加优化的平台任务匹配关系,并从整体上缩短使命完成时间。     

网格负载均衡策略及其蚁群优化算法

以重庆大学CampusGrid建设和加入ChinaGrid的发展规划为背景,研究了多网格环境中出现共用节点(即同时为多个网格系统服务的节点)时资源利用率下降问题,并针对该问题提出了以提高资源利用率为优化目标的负载均衡算法。主要分为问题模型建立、算法设计、以及实验评估3个部分。提出的算法能较好解决该问题,并考虑了网络通信开销对算法执行效果的影响。实验表明,提出的算法能有效防止网格中出现共用节点时资源利用率的下降,并对网格动态变化的特性具有较强的适应能力。     

海量电子图书信息资源利用率均衡调度方法

为解决传统方法调度均衡性差,资源利用率低的弊端,提出一种新的海量电子图书信息资源利用率均衡调度方法。依据海量电子图书信息资源池中物理服务器的工作情况,对资源池运行工作进行判断,针对不饱和运行状态,通过分析资源利用率方差、资源利用率均衡度和整个资源利用率均衡度,建立均衡调度目标函数,采用蚁群算法对其进行求解决,获取最优调度策略。在资源池饱和的情况下,求出全部虚拟机资源的等待时间,选用等待时间最短的虚拟机执行当前海量电子图书网络用户请求资源。结果表明,所提方法调度结果和其他方法相比最均衡,只有少部分均衡性相对较差;对CPU和I/O资源利用率调度均衡性较好,对内存利用率调度均衡性相对较差,但和其他方法相比较好;对不同资源利用率均为95%～99%。可见所提方法对电子图书信息资源利用率调度均衡性好,有很高的竞争力和资源利用率。