损耗均衡算法在Flash管理中的应用研究

简要介绍了Flash存储器的物理结构特点。主要论述了实现损耗均衡在Fat闪存文件系统的必要性,以及根据闪存的物理结构特点,在进行垃圾回收时设计损耗均衡的算法,根据区块数据的更新频率不同分别设计了动态损耗均衡算法和静态损耗均衡算法。     

关于NAND闪存损耗均衡算法的优化

为了改善NAND闪存不耐擦写的特性,本文对传统的损耗均衡算法(HWL算法)进行优化,主要包括触发机制的优化和将现有的静态损耗均衡与动态损耗均衡策略相结合的优化策略.最后根据需求设计了评估损耗均衡算法效果的测试实验.结果表明:与当前算法相比,本优化算法展现了良好的磨损均衡效果,解决了NAND闪存不耐擦写的缺陷.     

基于蚁群优化算法的云计算资源负载均衡研究

针对云数据中心虚拟机分配物理机时存在负载不均衡的问题,提出了一种基于蚁群优化算法的资源调度算法.对问题场景进行了分析,提出了数据中心负载不均衡度以及物理机与虚拟机之间不匹配度的概念,并给出了问题的形式化描述.在蚁群算法选择概率规则中参考了用户对虚拟机资源的需求,尽量避免对相同类型虚拟机部署在一台物理机上,同时对信息素的初始化、信息素的更新进行了改进.通过CloudSim模拟平台进行仿真实验,并与其他的分配算法进行了比较,实验结果表明:该调度算法能够快速地完成虚拟机的放置,并且使云数据中心的物理机具有较低负载不均衡度,提高了资源的利用率.     

一种改进的Hadoop数据放置策略

采用现有的Hadoop默认数据放置策略时,若本地数据副本失效,从远程结点上恢复数据需要耗费大量数据传输时间,且随机选取数据放置结点可能会影响数据放置的负载均衡.为此,文中提出一种改进的数据放置策略.该策略基于结点网络距离与数据负载计算每个结点的调度评价值,据此选择一个最佳的远程数据副本的放置结点,从而既能实现数据放置的负载均衡,又能实现良好的数据传输性能.在Hadoop平台上实现了所提出的数据副本放置改进策略,结果表明,与系统默认策略相比,文中提出的策略不仅可以改进数据放置的负载均衡,而且可以减少数据副本放置的时间.     

网格存储中的自适应负载平衡策略

为了优化网格存储的系统性能,针对网格环境中不同存储单元的性能差异,基于文件的访问特点提出一种自适应的负载平衡策略. 通过建立能量模型体现文件访问对存储单元的负载压力;通过与用户访问复合减少负载调整开销;通过创建和回收副本实现数据访问优化. 实验证明,提出的负载平衡策略与传统的磁盘冷却算法相比,请求处理时间和系统吞吐量均有20%左右的提高.     

基于用户行为统计的流媒体集群负载均衡算法

为了通过内容分配达到负载均衡的目的,对流媒体用户的行为特征进行了分析,并根据用户在点播中对不同片源和片源内部各区段的行为规律,提出访问强度的概念,用来表示与分片相关I/O操作的处理频度,基于此定义给出了一种基于内容分片的负载均衡算法.该算法根据访问强度将节目切片,再将其分配给后台各异质节点.通过仿真实验比较算法在不同访问强度定义下的系统响应时间,验证了算法的有效性,达到了负载均衡的效果,系统性能明显提升.     

ASON中波长预留冲突避免恢复算法

在ASON中的链路故障恢复过程即选择路由并分配波长的过程,采用一种改进的均衡路由算法(ERA)以实现负载均衡;分配波长过程中由于波长连续性的限制,不具备波长转换能力的网络中很容易造成阻塞,提出一种波长预留冲突避免算法(WRCA),通过在基于流量工程的资源预留协议中加入冲突检测对象(CDO),并根据CD标志位不同的取值,由目的端选取不同的波长分配策略,减少由于波长预留冲突造成的阻塞.仿真实验对采用了ERA的4种波长分配算法进行了比较,数据结果显示,应用了冲突检测机制的首次适配法(FF)和随机适配法(RD)与传统的FF和RD相比,能够有效降低全网的阻塞率.     

多通道并行访问模式下的闪存静态损耗均衡设计

静态损耗均衡算法决定了固态闪存存储系统的使用寿命。为了提高多通道并行访问模式下的闪存系统寿命,提出了一种主动搬移静态数据的静态损耗均衡设计。该设计在多通道并行访问模式下,根据擦除标志位,采用轮询法主动挑选静态数据块并加入待擦除块队列,从而减小各物理块之间的损耗不均衡程度。实验结果表明:该设计能提高平均擦除次数至少8.33%,有效降低并行访问模式下的损耗不均衡程度至少5.39%。该文还对影响损耗均衡程度的触发阈值进行了分析,提出了在选择触发阈值时,需要综合考虑损耗均衡情况和系统速度。     

WSN中基于负载均衡的EAMCT-G优化算法

针对EAMCT-G算法中个别簇头因成员过多使其能量过早耗尽的问题,基于负载均衡的思想,通过引入能量和距离的综合权值,对簇成员加入簇的选择策略加以改进,改善了个别簇头负载压力过大的情况．又通过引入双优化阈值,避免优化后新的负载不均衡情况出现,保证各簇头负载比较均衡,能量在各个簇间均匀分布,从而延长了整个网络的生存期．     

基于MapReduce和改进人工蜂群算法的并行划分聚类算法

针对大数据背景下基于划分的聚类算法中存在参数寻优能力不佳、初始中心敏感、数据倾斜等问题,提出一种基于MapReduce和人工蜂群(artificial bee colony,ABC)算法的并行划分聚类(the partitioning-based clustering algorithm by using im-prove artificial bee colony based on MapReduce,MR-PBIABC)算法.首先,提出基于反向学习和聚类准则函数的初始化策略(backward learning and the clustering criterion function,BLCCF),提升人工蜂群算法搜索的解质量,并将ABC算法和人工鱼群(artificial fish colony,AFS)算法结合,提出改进人工蜂群(improve artificial bee colony,IABC)算法,通过利用AFS算法最优解能力较强的特性,来提高ABC算法的寻优能力;其次,根据改进的人工蜂群算法IABC获取初始聚类中心,提出相对熵策略(rela-tive entropy strategy,RES)衡量人工鱼间的距离,保证获得的初始聚类中心是最优人工鱼状态,从而有效避免了随机选取初始聚类中心,引起的初始中心敏感的问题;再次,设计数据均衡策略(data balancing strategy,DBS),通过动态收集节点负载并分配节点间的负载,解决了节点上数据倾斜的问题;最后,结合MapReduce计算模型,并行挖掘簇中心,生成最终聚类结果.实验结果表明,MR-PBIABC算法的聚类效果更佳,同时在大数据环境下,能有效地提高并行计算的效率.     

一种基于负载流量矩阵的均衡网关技术研究

为了达到最佳的负载均衡效果,将负载分给多个服务器分担.负载控制器需要根据网络流量状态和服务器资源来分配负载,这就需要应用优化的负载分配策略,达到平均分配负载的目的.讨论了特定流量条件下网关数目的计算模型,分布式路由策略实现负载分配的策略的方法,并研究了基于网络地址转换在FreeBSD unix环境下实现负载均衡网关的方法.     

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.     

基于优化博弈算法在WMN信道分配中的应用

针对无线Mesh网在资源分配公平性方面存在的不足,提出了一种基于损耗因子动态优化权重的博弈算法,算法将博弈论融合在无线Mesh网的信道分配问题中,把节点间的竞争看作博弈参与者,采取博弈策略来竞争信道资源.针对信道分配过程中存在的损耗,引入损耗因子来动态更新博弈权重,使博弈能够按需索取,达到信道公平分配的目的.实验结果表明,改进算法使得网络吞吐量有所提升,并且保证了信道分配的相对公平.     

动态电源管理随机模型算法的设计与实现

基于随机控制的策略优化算法能有效地解决动态电源管理(DPM)中电源状态切换的能耗问题,从而获得更优的策略.文中通过为系统建立基于马尔可夫决策过程的随机模型,在DPM框架中实现了DPM随机模型算法,并对算法进行了实验.结果表明,在不同的性能损耗条件下,可以得到不同的、满足性能要求的优化策略,也就是说,算法在性能和能量损耗间取得了平衡,这也证明了文中介绍的算法实现过程的可行性.     

Linux集群下基于改进多态蚁群负载均衡算法研究

建立了集群负载均衡问题的数学模型,并提出改进多态蚁群算法来对其进行求解的策略.首先,算法中侦察蚁以每个处理节点为中心,作局部侦察并设置侦察信息素;其次,搜索蚁利用侦察蚁提供的辅助信息做全局搜索,通过多态蚂蚁间的协作,能更快地搜索到问题的优化解.最后,通过一个试验与最小加权连接算法,传统多态蚁群算法进行了对比.结果表明,对于负载均衡问题,改进多态蚁群算法比前述算法在算法稳定性,负载的均衡能力,计算速度方面更具有优势.     

C-RAN架构下一种基于分形定理的载波迁移预测算法

作为C-RAN关键技术之一的实时虚拟化技术要求实现硬件处理资源的虚拟化管理,实现物理资源的动态分配和负载均衡,保证虚拟基站的实时性,处理时延和抖动可控。为提高物理资源的动态分配和负载均衡的效率,在传统虚拟机迁移策略基础上结合分形理论,提出一种动态载波迁移预测算法,避免了因瞬时负载峰值触发载波迁移而带来不必要的迁移开销。该算法通过对物理资源负载离散历史数据进行分形拼贴拟合出完整负载曲线,然后根据分形维度不变性实现对未来数据的预测。为实现对该算法的仿真,结合C-RAN的系统架构搭建了一个基于并行离散事件仿真(parallel discrete event simulation PDES)的验证平台,仿真结果表明该算法能在有效减少虚拟基站迁移次数的同时确保达到负载均衡的目的。     

基于最小负载的Linux Web机群负载均衡算法

为了充分发挥Web机群后端服务器的实际处理能力,实现了一种基于最小负载的Web机群负载均衡算法.该算法依据后端服务器的实际状态:CPU使用率、内存使用率、网络利用率和磁盘性能,通过定时获取后端服务器的状态信息,导出服务器综合负载并放大取整,作为服务器权值.基于最小负载的均衡算法能够动态反馈,具有自适应特性.与加权轮转调度算法相比,基于最小负载的调度算法具有更高的请求成功数和较低的请求失败数.     

基于不同分配策略的云计算任务调度性能比较与分析

形式化描述了云计算环境下的负载均衡任务调度问题,借助动态规划方法形式化推导了最早完成时间的启发式优先分配策略,给出了基于先易后难优先分配策略、先难后易优先分配策略的启发式云计算任务调度算法。阐述了基于顺序调度策略、先易后难优先分配策略、先难后易优先分配策略等启发式任务调度算法和基于禁忌搜索策略、元胞演化策略等智能任务调度算法。针对不同分配策略的云计算任务调度进行性能比较与分析,提出了完成时间可改进百分比和资源负载平衡因子的调度性能评价指标,实验数据对比充分表明:与启发式调度算法相比,智能调度算法能减少任务执行时间,优化资源负载均衡性能。     

基于负载均衡的任务调度算法

基于传统任务调度算法, 通过在调度过程中增设服务器最佳期望序列及负载均衡指数, 采用任务连接数约束服务器选择, 解决了传统任务调度算法对于集群负载均衡性能的忽略问题. 实验结果表明, 该改进算法能达到较高负载均衡度, 同时缩短任务完成时间, 并提高了集群对于批量级任务的处理能力, 从而达到了优化的目的.     

基于能量均衡的无线传感网络路由算法

有效的簇首选择策略可提高无线传感器网络（WSN）的负载均衡和簇首均匀分布程度,延长网络生存时间.现有算法在选取簇首时未充分考虑节点剩余能量和能耗速率,导致负载不均衡,部分节点因耗能过度而提前消亡.为此,本文提出一种基于能量均衡的WSN路由算法,该算法使用节点剩余能量、能量消耗速度、与Sink节点的距离作为簇首选择参数,并通过回退机制实现节点回退等待时间的自适应调整,从而保证高能量节点有更高机率成为簇首.实验表明,该算法可有效避免“热区”的出现,延长网络寿命