大规模分布式系统中的智能资源管理模型

提出了一个适用于大规模分布式系统的智能资源管理模型。该模型能有效地解决大规模分布式系统中全局状态信息的不完整性、管理策略的单一性等问题，具有自我调节能力，保证了分布式系统始终保持良好的性能。     

分布式线程池模型的设计与实现

针对传统线程池的弊端,设计了一个分布式线程池系统模型,该系统可在池内部实施功能分布、动态自我调整和任务透明传递执行.给出了该线程池内部的主要对象结构,并对池内对象在池资源的多元性及统一接口实现、负载平衡与任务透明转移以及池结构的动态监控管理与优化等几个方面的功能协作给出了详细的设计.     

分布式系统动态配置一致性算法的实现

在基于构件的分布式系统中进行动态配置是目前研究的重点与热点，动态配置必须保证系统的一致性.该文提出一种基于事务及其静止状态理论的动态配置一致性算法，采用等待方式驱动目标构件进入静止状态，即目标构件启动和参与的所有事务只可能处于未启动状态或已经正常完成状态，使得对目标构件实施任何动态配置意图都不会破坏事务的完整性，从而在所有动态配置场景下严格保证行为一致性.在基于CORBA的模型原型实现中对该算法的性能测试验证了其可行性.     

注册表中失效信息的自动删除机制研究

提出了一种LG结构,用本地和全局两级注册表实现注册表中过时信息的自动注销,使得信息和所描述的资源情况相一致.实际系统运行的结果证明提出的方法是可行的.     

基于SOA分布式辅助教学系统的研究

传统面向对象的软件开发使用的平台、开发工具、操作系统在结构上的紧藕合,容易导致这些位置上分散的独立系统逐渐形成了所谓的"信息孤岛".面向服务的体系结构(SOA)被认为是解决分布式环境中软件重用、互操作、提高软件开发效率的有效途径.本文讨论了如何利用SOA提供的这种面向对象和面向构件更具优势的软件开发方法,去构建出一个松散藕合的分布式计算机辅助教学系统.     

OceanBase分布式存储引擎

OceanBase是一个分布式关系型数据库,其目的是存储海量的高速增长的结构化数据,以廉价的服务器集群实现高可用、高可扩展、高性价比的服务.OceanBase采用内外存混合存储的模式,使用内存存储增量(新写入)数据,而使用外存存储基线(只读)数据,并将基线数据划分成大致等量的数据分片并采用分布式B+tree的形式将分片存放在很多的数据服务器上,利用定时合并机制不断将增量数据与基线数据融合.本文介绍OceanBase基线数据存储的基本结构和分布方式、定时合并机制,以及基线数据在OceanBase中的具体存储格式的设计和实现.     

一种平衡数据读写开销的数据复制方法

大型分布式系统通常将系统内存储的数据复制到多个节点以减少数据访问的时间开销.然而,随着数据副本数量的增加,副本数据更新过程的写代价也随之增加.如何合理地选择数据副本的存储节点、控制副本数量,以平衡数据的读写开销,进而有效地降低系统总的数据访问代价是分布式存储的研究热点.针对这一问题,本文提出了一种基于遗传算法的数据复制方法来平衡数据的读写开销.具体地本文对遗传算法进行了以下两方面改进:(1)建立了一个综合考虑读写数据传输代价的评价函数,以控制遗传算法的收敛方向,搜索数据副本存放位置的最优或次优策略;(2)通过时间序列预测方法来启发式地指导染色体变异操作,以合理控制副本数量适应数据的读写访问趋势.实验表明,与传统方法相比,本方法能够更有效地降低数据访问的总时间代价.     

基于簇的可动态调整的分层负载均衡算法

为了提高分布式系统的性能,设计了能根据节点当前任务负载强度和调度能力,动态地改变集群的逻辑控制结构的2层负载均衡算法.算法把系统中的节点分成多个簇,每个簇有1个调度节点和若干个工作节点,簇内工作节点形成算法的第1层,执行用户提交的任务;簇间的调度节点形成算法的第2层,调度节点间通过相互协作,均衡簇间的负载.算法可以通过分裂簇增加调度节点的方式来提高系统的调度能力;通过合并簇增加工作节点的方式来提高系统的执行能力.对于不同类型任务,算法能根据任务到达流的速度调整逻辑控制结构,从而提高CPU利用率.测试结果表明,该算法不仅能提高系统性能,而且经过调整后的系统会进入稳定状态.     

基于Petri网的动态负载平衡双层调度模型研究

根据集中式和分布式动态负载平衡调度方式的优点,提出一种动态负载平衡双层调度模型（DLBDSM）,并在Petri网上进行建模。该模型将分布式系统分成若干相对独立的任务调度组,调度组由1个调度服务器和3个工作站组成,组内采用集中式调度,组间采用分布式调度,顶层子系统和底层子系统分别．由每个任务调度组的调度服务器和工作站组成。与现有的动态负载平衡调度模型对比,DLBDSM模型具有易实现、易管理和实时性等优点,并能有效地减少任务迁移所带来的系统开销。