基于CAN总线的分布式容错系统实现

针对一种基于控制器局域网(controller areanetwork,CAN)总线的多冗余计算机构成的实时控制网络,设计并实现了分布式容错计算系统。该系统采用软总线保证数据可靠传输,使用数据表决屏蔽节点计算与传感故障,通过同步保证数据一致,利用成员关系管理维护动态成员关系。该系统完全独立于控制应用程序,包括了分布式容错计算的典型功能,充分利用分布式系统的优势和CAN总线传输的特点,在保证系统实时性的基础上为应用程序提供容错计算服务。测试结果表明,在性能指标上能够满足某实时控制系统的要求。     

基于CAN总线的分布式容错系统实现

针对一种基于CAN总线的多冗余计算机构成的实时控制网络,设计并实现了分布式容错计算系统。该系统采用软总线保证数据可靠传输,使用数据表决屏蔽节点计算与传感故障,通过同步保证数据一致,利用成员关系管理维护动态成员关系。它完全独立于控制应用程序,包括了分布式容错计算的典型功能,充分利用分布式系统的优势和CAN总线传输的特点,在保证系统实时性的基础上为应用程序提供容错计算服务。测试结果表明,在性能指标上能够满足某实时控制系统的要求。     

采用节点优先级的对等网络流媒体请求量分配算法

在多源协同调度的对等网格(P2P)流媒体系统中,针对现有请求量分配算法不能根据源节点性能动态调整向各节点分配的请求量,导致源节点带宽利用率不高以及服务器负载重的问题,提出一种基于节点优先级的请求量分配算法.该算法根据源节点的历史调度评价和可用数据量计算源节点优先级,调度时根据优先级动态调整分配给各源节点的请求量,优先向历史调度评价好和可用数据量多的源节点分配请求.仿真实验与实际系统测试表明,所提算法可以充分利用源节点带宽资源进行数据传输,较传统算法降低服务器负载17.3%以上,提高了系统可扩展性.     

一种高效的对等网络流媒体数据调度算法

在基于无结构对等网络环境的P2P流媒体系统中,针对现有数据调度算法不能充分利用节点带宽资源导致服务器负载较重的问题,提出了一种基于数据块优先级的数据调度算法.该算法根据邻居节点滑动窗口中数据需求信息和数据稀有性计算数据块优先级,调度时优先请求高优先级的数据,以提高节点间数据协作性.当多个源节点可以同时提供所需数据时,根据节点已上传下载数据量计算节点的贡献率,向贡献率最低的源节点请求数据,实现新加入节点上行带宽资源的快速利用.仿真实验与实际系统测试表明,该算法可以更充分地利用节点带宽资源,较传统算法降低服务器负载20%以上,提高了系统可扩展性.     

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.     

基于PI反馈的分布式控制系统动态负载均衡算法

针对分布式控制系统由于负载不均衡、网络通信量大等引起的时延问题,文中设计了基于请求划分的任务分配模型,提出了基于实时动态比例积分(PI)反馈控制的负载均衡算法.该算法利用增量PI控制的思想,根据服务器节点性能的实时反馈值动态调节服务器节点的分配权值,通过虚拟节点转移算法局部调整虚拟节点的分配,以维护哈希空间的稳定.仿真实验结果表明,该算法实现了分布式控制系统的动态负载均衡,减小了服务器资源消耗及用于存取远程数据的通信开销,提高了控制系统的实时性,具有良好的扩展性和容错性.     

飞行器控制系统双CAN网络混合调度策略设计

由于飞行器控制系统中需要共享的数据量急剧增加且系统控制周期越来越快,导致数据传输总线的网络负载率越来越高,系统的实时性和可靠性受到影响而变差.为此,综合总线任务调度算法、冗余设计方法和网络管理策略,提出一种多功能双CAN网络混合调度策略.实验结果表明:该策略不但可以实现数据传输通道的冗余备份功能,提高了系统的可靠性,而且还保证了关键指令信息传输的实时性和非实时状态信息传输的公平性.     

基于节点实时负载的开源大数据负载均衡优化算法

为保证网络访问稳定,减少资源浪费,提出了基于节点实时负载的开源大数据负载均衡优化算法。建立开源大数据节点计算能力模型,按照节点负载大小及时反馈和调整,根据该区域服务器收到的请求数量预测下一步行动,利用指数平滑方法算出每秒服务器请求数量的预测值,完善一阶指数平滑法滞后偏差问题,计算服务器综合负载。在节点上添加一个负载代理和监控器,用于平衡组块的数目和分片节点负载,并将不能删除的分片和组块放入最小单元候选名单,实现负载均衡优化。通过实验证明,所提算法能提高网络资源利用率和负载均衡性,在访问中保证网络更加稳定安全。     

基于TCN-GRU的Handle标识解析系统负载均衡算法

数联网技术是解决数据管理困难及数据孤岛等问题的关键。近年来,随着数联网技术的飞速发展,Handle系统作为数联网标识解析领域中最具有代表性的系统得以快速落地。然而,Handle标识注册量和解析请求量的快速增长使得Handle系统缓存/递归解析服务节点的解析请求压力加大,且难以保证标识解析请求的服务质量。针对上述问题,提出一种基于TCN-GRU的缓存/递归解析服务节点的负载均衡算法,旨在优化缓存/递归解析服务节点的标识解析效率。首先,将用户的解析请求合理地分配到缓存/递归解析服务节点的服务器集群当中,以提升服务器集群整体的工作效率和吞吐量;其次,基于Handle系统中节点的层级架构,考虑到循环神经网络中普遍存在的梯度弥散问题,引入TCN时序神经网络,有助于提取服务器集群负载的时序性信息。相较于传统的负载均衡算法,所提算法根据服务器负载状况动态调整负载转发策略,服务器平均响应时间缩短50%左右,吞吐率提高40%左右,请求失败次数大幅减少。     

分布式内存数据库系统的容错管理

在大数据背景下,分布式系统被企业广泛部署和应用,随着分布式系统节点规模的扩大,系统故障的概率也将随之增加,在分布式系统中引入容错机制,对提升分布式系统可用性、可靠性、可恢复性至关重要.CLAIMS系统是面向金融领域的对实时数据进行实时分析的内存数据库系统——在数据不断注入系统时,提供近实时的查询、分析任务.本文主要探讨CLAIMS系统中容错机制.依据租约机制,实现系统中异常节点的快速发现及标记(即Fail-fast).在标记异常节点之后,实现对受影响分析任务的重启(即Fail-over);对异常节点全局内存状态的恢复(即Fail-back).实验结果表明,本文所提算法能够较好地实现CLAIMS系统的容错特性.