计算网格中基于负载平衡的调度模式

对资源进行有效的管理和调度可以提高网格系统的利用率.针对计算网格中的负载平衡问题,为减少网络通信量,提出一种分布式的网格作业调度模型,并给出了其相关算法：将轻负载节点逐个收集到一个队列,并设定一个可调节的刷新时间,当重负载节点提出调度请求时,直接从轻载节点队列中取一轻载节点并把负载转移到该节点上,从而解决了资源调度中的负载平衡问题.     

基于服务网格的动态负载平衡调度算法研究

为了提高资源利用率和系统的吞吐率,需要实现服务网格系统内负载的均衡分布.提出了层次式动态负载平衡调度模式,详细介绍了负载平衡系统的系统结构.作业分配是负载平衡系统中的核心机制.设计并实现了一种综合考虑各局部代理作业数和各个局部代理性能以及当前负载情况的动态双阀值作业分配算法.试验数据表明,该作业分配算法较传统调度算法综合性能有较大提高.在作业数较多时,该作业分配算法性能更好.     

交通流预测网格自适应负载平衡研究

交通流预测从理论研究到投入实际应用,需要满足大规模路网交通流预测对计算资源的需求,同时能以较低的代价使用这些资源,网格技术提供了这种可能性。但是网格是一个动态共享的环境,负载失衡会使得交通流预测的实时性无法得到保障。由于路网交通流预测任务是由一组不断被执行的相互独立任务组成的。提出了一种结合网格节点动态负载信息与任务执行时间反馈的自适应网格负载平衡算法,根据系统负载变化来分配任务到各个主机,同时根据各个节点上任务执行时间的差距来调节各个节点的负载。并且在此算法的基础上构建了大规模路网的交通流预测网格系统,验证了算法在实际运用中的可行性。     

基于负载的网格资源调度策略研究

研究表明,网格资源的调度策略与网络的拓扑结构紧密相关.本文从无标度网络负载特征出发,认为基于节点负载特征分布(BOL:Base to Load)的调度策略有利用于提高网格资源的分配效率,考虑到计算网格负载的实际困难,认为以基于节点度特征分布(BOD:Base to Degree)的调度策略来代替是可取的.文章通过演化仿真的方法研究了这两种策略的各种表现.     

校园网中视频网格系统构架与资源管理

校园网中如何保障用户流畅观看高质海量多媒体视频内容是一个迫切需要解决的问题,构建视频网格系统架构是改善校园视频服务质量的有效方法.网格应用系统中的资源管理是整个校园网络系统的关键和基础.利用网格信息服务技术中的监测与发现系统收集每台视频服务器动态负载参数,运用自适应调度算法,能有效地实现校园视频网格资源管理.     

一种网格资源负载均衡调度算法

网格资源调度性能的好坏、效率的高低直接关系到计算网格系统的性能.本文在Min-min算法的基础上提出了一个资源调度启发式算法Dmin-min.在假设所有任务都是独立的情况下,考虑到系统中资源的动态性、异构性,从资源负载均衡方面对系统中的资源进行动态分配,仿真实验表明该算法在资源负载均衡方面比Min-min算法要好.     

基于量子和克隆策略的负载均衡算法

针对网格计算中多个独立任务在多个异构的资源上处理时,资源的负载均衡为最小非抢先调度的问题,建立了一类资源负载均衡问题的优化调度模型.该模型将量子算法、克隆算法和遗传算法结合起来,提出一种新的混合量子克隆遗传调度算法.仿真实验表明在网格环境下,该算法全局寻优能力强,能有效地实现资源的负载均衡,并具有合理性和高效性.     

基于网格的虚拟样机仿真关键技术

提出了基于网格的仿真支撑体系结构,讨论了将Globus和仿真融合,即基于Globus和运行支撑系统(RTI)的双中间件实现方案,用网格管理仿真资源及仿真运行高层体系结构(HLA)负责仿真相关事务.介绍了在网格上调度、运行仿真和基于仿真网格服务的两种应用框架;探讨了在网格上实现成员动态调度运行和负载平衡机制,及基于服务的虚拟样机仿真应用的层次化结构、部署和运行,达到了仿真的资源共享、动态部署和自组织等目标.     

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Globus网格平台的电子工程预算软件作业调度实现

作业调度是能否充分发挥网格性能的关键技术。基于SaaS模式的电子工程预算软件(SaasBudget)为用户提供一个动态、实时、高可用性的预算软件平台。SaasBudget基于Globus Toolkit4网格平台实现,利用网格提供的强大计算性能和分布式处理能力进行大工程的项目预算计算。通过对Globus作业调度机制的研究,设计了SaasBudget系统的作业调度系统。实验结果表明,该作业调度系统能够综合考虑任务与计算节点的特性,并能根据任务当前运行情况实时进行调整,有效改善了作业调度效率,大大提高了网格资源的利用率。     

基于QoS的改进Min–Min调度算法

针对经典Min–Min调度算法存在负载不均,资源利用率低,处理时间长等问题,提出了P–Min算法。该算法根据任务的优先级并结合贪心算法来实现调度。仿真结果表明:P–Min算法在负载均衡的资源利用率方面较Min–Min算法提高了17%,任务总体执行时间调高了8.03%。     

Hadoop平台下MapReduce模型调度算法研究

针对Hadoop默认FIFO调度算法和Fair调度算法、Capacity调度算法的不足,引入了一种基于优先权的自适应MapReduce调度算法.该算法利用作业权值为不同的Job分配不同的系统资源,同时根据各TaskTracker节点反馈回来的消息调整可执行队列的长度,以达到各节点负载平衡,提高系统的执行效率.     

适用于光纤网格的可自适应调度算法

根据光纤传输特性建立光纤网格模型,给予网络资源同计算、存储等网格资源同等的地位,并将数据传输中网络资源的分配考虑进去,从而真实地反映出网络占用对整个工作调度的影响.基于List Scheduling算法描述一种应用于光纤网格上的可自适应的任务调度算法,其中的路由算法通过修改Dijkstra算法而得到.同固定算法的比较结果证明了该可自适应算法的有效性.     

基于激励与约束机制的网格资源分配模型

基于激励与约束的博弈机制式表述方法,根据科学与工程计算网格(science and engineering computing grid,SECGrid)应用特点,对网格计算资源负载与计算性能下降的相关问题进行了分析,将实际应用中影响计算资源使用性能的因素与双方经济效益目标,由定性转化为定量,构建合理效益函数,指导计算网格资源分配.将影响网格资源分配的各种因素划分、归类为相应的激励与约束策略和行动,并对其进行动态调整,引导和协调资源主体调节自身行为,充分共享更多的有效资源,使双方效益趋于最大.     

网格环境下多集群资源虚拟化的设计与实现

针对网格基础平台与多集群的互操作问题,基于西北工业大学校园网格,提出集群资源调节器用以屏蔽集群调度系统的分布性,利用网格技术平台共享资源,消除信息孤岛,并结合调度系统管理作业,使得作业的吞吐量和资源的利用率达到最大化,实现资源虚拟化.通过实现自适应管理机制,准确刻画资源的动态性,提高系统的工作效率.     

DDGrid： a grid computing system for drug discovery and design

0IntroductionCurrently,most applicationsinthe field of drug dis-covery and design are running on high throughput clus-ters.Utilizing these clusters,scientists can run theircompute-intensive and data-intensive applications such asmolecular docking and quantum mechanics in parallelmode and get results efficiently.However,with more ap-plications submitted to a cluster,the workload becomesmuch heavier and the efficiency becomes much lower.Acommon solutionisto upgrade the computing power of theclus…     

一种基于任务划分的启发式网格调度策略

网格环境下的任务调度是一个非常复杂且具有挑战性的问题,目前存在的调度策略大多数忽略了任务执行调度算法的顺序这个重要因素.针对这一问题,本文提出任务划分(task-partition)的概念,结合任务存取数据的位置信息,给出了一种以任务级别的忍耐度(task-sufferage)作为启发规则的网格调度策略.实验结果表明,该策略消除了任务的重新调度,降低了任务总的完成时间,能够有效地保证负载均衡,具有较好的综合性能.     

一种基于动态聚合方法的网格任务调度算法

网格中的资源都是动态的,传统的静态任务调度算法不能适应网格的动态特性。通过对资源在未来一段时间内的状态进行预测,可以提高调度算法的性能。文中提出了一种用动态聚合进行调度的算法。首先对处理器的负载进行取样,然后根据网格任务的执行时间,对处理器的取样值进行动态聚合,再利用AR(p)模型进行预测,最后利用预测到的值作为参数对网格任务进行调度,把网格任务分配给每个处理器,使得每个处理器完成子任务的时间都相同,从而使得整个任务的执行时间最短。实验表明,这种算法能很好地适应处理器负载高度变化的情况。     

基于自适应遗传算法的网格任务调度优化

针对传统任务调度算法效率较低、资源负载不平衡等缺点,基于遗传算法,考虑现代网格系统异构性和动态性的特点,提出一种有效的交叉概率和变异概率自适应更新方法,提高遗传算法的全局搜索能力和收敛速度.仿真实验表明,改进后的遗传算法在进化速度上有明显提升,可较好地处理网格任务调度问题,提高任务调度效率,降低资源负载的不平衡性.