一种基于预测的负载平衡策略

提出了一种基于预测的动态负载平衡算法，算法以本地负载信息为基础预测结点到达空闲状态的时间，并且在此之前发出任务请求，从而保证系统中各结点都处于忙碌状态，以提高系统资源的利用率与系统整体性能。由于算法在实施负载平衡时不需要在各进程之间进行同步操作，而且各结点自主决定负载平衡参数，对系统中其他结点的信息要求少，因此负载平衡的开销较小。实验证明，该算法对于科学计算类问题具有较好的效果。     

基于RMI的集中式并行动态负载平衡算法

介绍了并行算法中常用的动态负载平衡技术,并分析了RMI的工作原理,提出了一种基于RMI的集中式并行动态负载平衡算法.该算法最大的特点是不需要保存结点的负载信息,可有效地减少各节点之间通信和同步所需的时间,同时结合了RMI的运行机制和JAVA的线程机制,由子结点根据自己的负载情况动态地推动任务的划分和分配,可以在多结点的并行搜索计算中获得较高的加速比和效率.通过在33个结点的并行机上的试验,证明了该算法的可行性和有效性     

基于深度置信网络的云应用负载预测方法

为了准确预测云应用负载以便及时执行云应用自适应优化,从而保证云应用性能的稳定,根据云环境下应用负载预测问题的特点,提出了基于深度置信网络的云应用负载预测方法.首先给出能够有效描述负载数据的显式特征和隐式特征并定义了负载预测模型,进而给出基于深度置信网络的负载预测算法.对算法进行了分析并在真实数据集上与相关算法进行了比较,结果表明,本文提出的方法能够更加有效地解决云应用负载预测问题.     

“数据分析与计算专栏”主持人语

<正>中国大数据和人工智能技术正处于蓬勃发展阶段,先进模型算法不断涌现。本期专栏推出3篇论文,以大数据和人工智能应用为中心,面向工业界和学术界的应用场景,介绍前沿模型算法的相关应用案例。第1篇是张冬雯等撰写的《基于长短期记忆神经网络模型的空气质量预测》。这是一篇算法类的文章,主要针对当前空气质量预测研究中预测精度低、效率低、缺失时间因素等问题,从时间角度提出了一种简单的空气质量预测方法——LSTM神经网络模型,使用MAPE,RMSE,R,IA和MAE等指标检测LSTM神经网络与对比模型的预测性能。实验结果表明,LSTM神经网络可以适应多个变量或多输入的时间序列预测问题,具有预测精度高、速度快和鲁棒性较强等优点,使用LSTM神经网络进行空气质量预测可以有效提高预测的准确性。     

铁路票据审核系统中里程计算问题软件实现

针对Dijkstra算法在实际应用中遇到结点多浪费内存空间,系统效率降低的问题,采用网络分析方法,对最短络算法进行分类和评述,结合铁路交通网现况进行网络分析,以此为基础在网络分割策略下采用Dijkstra算法解决实际问题是有效的、可行的.结果表明该算法解决铁路客票核查系统中的里程计算问题满足客户需求.     

基于令牌环网的动态实时带宽分配算法

提出了一种动态实时带宽分配算法 ,能够动态估算当前各个结点的实时通信负载 ,分布式地控制各个结点的令牌持有时间 .实时消息 M的负载指数和结点的实时消息负载指数 ,可以有效地衡量结点的实时通信的负载情况 ,为动态分配实时带宽提供依据 .通过模拟实验的测试 ,证明该算法优于固定带宽分配 ,同时也说明上述的两个指数是可行的     

基于令牌环网的动态实时带宽分配算法

提出了一种动态实时带宽分配算法,能够动态估算当前各个结点的实时通信负载,分布式地控制各个结点的令牌持有时间,实时消息Ｍ的负载指数和结点的实时消息负载指数,可以有铲地衡量结点的这时通信的负载情况,为动态分配实时带提供依据,通过模拟实验的测试,证明该算法优于固定带宽分配,同时也说明上述是可行的。     

高速网络入侵检测系统负载均衡策略与算法分析

为了解决高速网络入侵检测系统(n IDS)的性能瓶颈问题,提出了可用于n IDS的负载均衡策略和算法。在阐述基于多引擎并行处理的n IDS框架的基础上,提出和分析了3种实用的n IDS负载均衡策略,重点论述了一种基于流的动态负载均衡算法——FDLB算法。该算法依据通过动态反馈和预测机制得到的当前引擎负载情况,以一个会话为分配单位,将新的网络数据包分发给当前负载最小的引擎。实验结果表明,在大流量多引擎情况下,FDLB算法的负载均衡效果要比轮转算法好得多。     

网格结点选择中基于时间模型的多起点最陡爬山算法

为任务计算时间和任务间通信时间构建一个运行时间模型，根据资源性能相对差异，模型可从一种结点选择下的任务计算和任务间通信时间，计算出其他结点选择下的任务计算时间和任务间通信时间．基于运行时间模型实现的多起点最陡爬山算法，分别在多个潜在收敛域选择搜索起点，使搜索结果更优．该模型预测任务计算时间、结点内任务通信时间、结点间任务通信时间和应用总运行时间的平均误差分别为17％、19％、15％和11％，实验表明，该算法可有效提高应用性能．     

基于多代理的负载均衡算法在新药研发网格中的应用

设计了利用因特网上多个集群的空闲资源来处理生物医学领域数据密集型计算的新药研发网格（DDG）。采用兼备网格和对等网络双重特点的混合资源管理系统架构,解决了传统的主从结构无法避免的单点失效、性能瓶颈等问题。系统使用基于多代理协同计算的负载均衡算法,根据计算结点的实时工作负载状态进行资源的管理和调度,蛋白质分子对接实验验证了设计的有效性,系统可以保持良好的负载均衡状态,同时可以大幅缩短药物筛选周期。     

一种基于动态可分配比的服务器负载均衡算法

负载均衡是服务器集群技术研究的重点,为了解决分配不均的问题,综合考虑集群中各节点性能、负载情况、传输代价、网络随机任务等各方因素而提出了一种基于动态可分配比的负载均衡算法.基于动态可分配比的算法由一张动态的描述各节点负载情况的全局表动态生成一张候选节点表,并在该表中找出负载最轻的节点完成任务.通过仿真实验发现该算法思路简洁,实现简单,并在解决服务器负载均衡方面有明显效果.     

云中心基于Nginx的动态权重负载均衡算法

为了解决云中心的服务器端在高并发情况下各节点的负载失衡问题,在对负载均衡技术Nginx自带的负载均衡策略和主流的负载均衡策略进行研究、分析的基础上,提出了一种动态调节权重的负载均衡策略.该策略基于加权轮询策略进行改进,同时考虑服务器的本身硬件性能与工作时的负载情况,设计了静态权值和动态权值的计算方法,将两者结合得到节点最终权值.静态权值主要考虑了各服务器的硬件性能情况,动态权值的计算则是收集各后端服务器节点工作时的CPU利用率、内存利用率、网络性能情况及磁盘I/O等性能情况,由此,动态地调节各后端服务器节点权重.测试结果表明,相较于原加权轮询算法,该算法在高并发情况下的响应时间和实际并发数等方面表现更好.     

并行分布式图形生成系统

文章介绍了基于计算机网络的分布式并行图形生成系统，该系统符合ＯｐｅｎＧＬ规范．系统提出了利用非均匀分解实现负载平衡的分解算法，设计了具有自适应能力的体系结构，其研究结果可直接在微机和普通工作站组成的计算机网络上应用，也可用于开发高性能三维图形系统上．     

一种适应性的动态负载平衡模型

为了改善分布式系统中负载分布不平衡对性能的影响，提出并实现了一个基于控制理论的时滞脉冲切换负载平衡模型.该模型根据节点资源的动态性建立了相关子系统.当节点状态发生改变时触发子系统的切换，并根据负载迁移规则对过量负载进行迁移，迁移比例根据节点的实时运行状态进行计算.节点仅在此时才进行信息广播，降低了通信开销，提升了动态负载平衡的效率.给出了相应的负载平衡算法，并在实际平台上进行了验证.实验结果表明，与其他负载平衡算法相比，本模型算法使负载平衡时间平均减少29.82%.     

基于ED-Chord的数据网格副本定位机制

为了提高数据网格副本定位机制的负载平衡性和可扩展性,提出一种均匀分配节点标识的分布式hash表结构(ED-Chord),设计了基于对等网模式的层次结构副本定位机制(PRLM)。ED-Chord采用分布式方式获取节点位置分布信息,据此进行优化选择新节点的加入位置,使节点分布更加均匀,PRLM全局副本目录采用ED-Chord结构进行设计,本地副本目录利用虚拟组织的局部性进行查询。分析和实验结果表明:ED-Chord节点标识分布均匀,PRLM具有良好的副本定位时间性能,节点的负载平衡性与可扩展性较好。     

并行计算环境负载信息的动态监测及处理

负载平衡(load balancing)是网络通信和网络并行计算中的关键问题之一. 为达到负载平衡,就必须对各节点的负载指标进行分析,给出各节点的负载值. 通过系统调用与读取硬件配置信息,实时地获取负载计算所需的参数,利用这些参数计算出复合型负载指标. 该指标经加权处理后为并行计算的进程迁移提供了更加准确的负载值.     

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.     

一种基于进程迁移的自适应双阈值动态负载平衡系统

为了实现机群系统内负载的均衡分布 ,提高资源利用率和系统的吞吐率 ,论文设计并实现了基于并行虚拟机环境的可迁移动态负载平衡系统。该系统采用集中式任务调度 ,定义了负载向量的计算方法 ,同时设计了“自适应双阈值算法”实时监测系统下各结点的负载信息 ,并实现了同构机群系统下进程的动态迁移。该算法有效保证了负载信息的及时性和准确性 ,避免了进程迁移的颠簸现象。实验结果表明 ,由于采用了自适应算法 ,本系统额外开销较小 ,能有效改善动态任务的分配和调度 ,提高系统的并行运行性能。     

一种基于多Agent的动态负载平衡算法应用研究

在介绍动态负载平衡算法基本原理的基础上，提出了一种基于多Agent的负载平衡算法DMAL，定义了节点机可能的4种状态，并讨论了DMAL算法的实现规则；描述了基于DMAL算法的任务调度模型；讨论了DMAL算法中任务的分类问题、任务的迁移粒度问题、负载迁移的触发时机问题；为了增强在负载平衡时处理节点间的通信能力，引入了多Agent技术，并为异构分布式处理系统提出了一种基于DMAL算法的负载平衡框架结构；最后通过实验仿真，比较了DMAL算法、现有的负载平衡算法以及不作负载平衡的运行结果．实验结果表明，基于DMAL算法的分布式处理系统工作在不同负载和应用问题数据规模的情况下，在任务的处理时间、丢弃率和平均响应比方面都显示出良好的性能，从而验证了该算法方案的可行性和有效性．