可负载均衡的实时虚拟机VCPU调度算法

针对多核环境下的现有实时虚拟机VCPU(virtual CPU)调度算法不能在保证任务可调度的基础上高效地使用CPU资源的问题,提出一种改进的实时虚拟机VCPU调度算法LBP-EDF(基于独立队列的可负载均衡的最早截止时间优先调度算法).该算法采用了独立队列的方式,以避免共享队列带来的竞争开销.同时算法能够识别紧急任务,并通过负载均衡的机制及时地将紧急任务迁移到负载较轻的CPU上执行,在保证任务可调度的基础上,同时达到充分使用CPU资源的目的.实验结果表明:在保证任务可调度的基础上,LBPEDF较其他算法有更高的CPU利用率.     

IaaS云计算中虚拟机部署算法研究

针对基础设施即服务(IaaS)模式的云计算应用系统,以减少宿主机使用数量、提高宿主机资源利用率为优化目标,研究了虚拟机集合向宿主机集合部署算法.分析了虚拟机部署基本原则,提出了扩展降序最佳适应(EBFD)算法,该算法将宿主机和虚拟机资源量化、排序,并引入初始长度的概念.对比了EBFD算法和其他装箱算法的基本性能;针对虚拟机部署,将EBFD算法和已有虚拟机部署算法进行比较,结果表明EBFD算法有较好的调度效果.     

高校云计算数据处理中虚拟机迁移与轮转模式研究

针对高校云计算数据处理应用中的虚拟器迁移和数据处理任务调度问题,首先提出一种新颖且高效的数据依赖感知的虚拟机迁移方案(简称为DataAware)。在进行虚拟机迁移时,DataAware考虑了虚拟机之间的数据依赖性和服务器的剩余容量,以此减少迁移产生的网络流量。然后,为了进一步提高云计算中数据处理的性能,提出一种基于轮转模式的同步并行轮转(SPR)调度算法,以减少由数据汇聚而形成的通信瓶颈。最后分别采用仿真实验和理论分析评估所提出方法的性能。仿真实验结果表明,DataAware能够大大地减少网络流量,提高网络性能。通过推导出SPR策略的误差上界,说明采用SPR模式对数据处理任务进行调度能使数据处理算法收敛。     

嵌入式Linux任务调度算法实时性优化

实时嵌入式系统的特点及应用要求其任务调度策略尽可能精简和高效。而作为通用操作系统的Linux的任务调度并不能很好的支持实时性任务。本文分析了实时系统中有代表性的静态以及动态调度算法。在此基础上,结合RM和EDF算法各自的优点,对嵌入式Linux的调度算法进行了优化。     

基于离散粒子群优化的MPSoC节能调度算法

为了降低多核片上系统MPSoC在应用中的能耗,在MPSoC上提出了基于优化离散粒子群算法的节能任务调度算法.通过比例选择算子生成初始种群,以任务在MPSoC上不同内核执行的能耗作为解空间,粒子群在整个解空间上搜索最低能耗调度方案,并在算法中优化了粒子群算法的局部早熟问题,使算法性能进一步提升.仿真实验表明:基于优化离散粒子群算法的节能调度算法与常用的3种调度算法相比,能耗得到了降低,且算法的截止期错失率并没有升高,保证了算法的整体性能.     

Linux2．6进程调度算法实时性能改进

深入分析Linux 2.6内核进程调度算法,为更好的满足Linux系统对嵌入式系统实时可靠性的要求,对现有的调度策略进行分析,指出Linux 2.6内核调度算法的不足,提出基于LFS算法的处理器调度算法,提高了Linux系统的实时性及吞吐量.     

Linux 2.6内核CFS调度器仿真分析与研究

最新的Linux2.6.23内核推出了CFS进程调度器.为提高采用该调度器进行嵌入式Linux系统开发的效率,迫切需要设计一种适合该调度器的调度性能分析方法.为此,建立了一种Linux进程调度器仿真系统的形式化模型,并在此基础上设计并实现了一个Linux进程调度器仿真系统,最后基于此仿真系统对CFS调度器进行了深入的仿真实验.仿真实验结果表明,该仿真系统可为嵌入式Linux开发提供事先的调度性能评估,并指导相应的调度策略设计以满足不同应用系统对吞吐量和响应时间等个性化的需求.     

基于猫群优化算法的云计算虚拟机资源负载均衡调度

为了提高虚拟机资源调度的利用率, 实现虚拟机资源合理调度, 提出一种基于猫群优化算法的虚拟机资源调度优化方法. 首先根据虚拟机资源调度优化目标构建数学模型; 然后综合考虑最短时间与最优负载构建猫群优化算法的适应度函数, 并通过模拟猫的日常行为实现虚拟机资源调度最优方案的寻优; 最后在CloudSim平台上对该算法的有效性进行测试. 测试结果表明, 该算法能获得更优的虚拟机资源调度方案, 保证了虚拟机资源的负载均衡, 可以满足用户需求的偏好性.     

虚拟机集群自适应负载均衡策略

针对虚拟机集群资源负载不平衡的问题,为提高资源利用率,提出一种集群自适应调度策略。首先将虚拟机资源按类别进行划分,然后通过量化各类资源对系统性能的影响,采用随机概率选择算法,完成对拟迁移的虚拟主机和目标迁移节点的选择,从而解决系统负载不平衡问题。实验结果表明,该方法能有效改善系统性能和提升资源利用率。     

EDF调度算法在Linux2.6上的实现

Linux2．6对以往以Linux2．4为代表的传统内核进行了诸多方面的改进。尤其是新的调度器、抢占式内核和O（1）调度算法的引入,使Linux在实时性能方面有了很大的提高．但传统的时间片轮转和先进先出算法毕竟有它自身的局限性．本文阐述了如何将优秀的实时调度算法——最早截止期限优先动态调度算法（EDF）引入linux2．6的内核中,将其改造成实时性能更强更适合嵌入式应用的系统．文章最后介绍了对改造后的系统所进行的检验,实验结果证明改进后的实时性能相对原来的linux2．6版本有明显的提高．     

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.     

基于CDVRS的虚拟机资源调度策略研究

云计算将各种处理器、存储以及网络等物理资源虚拟化为虚拟机,为用户分配相应的虚拟机以及将虚拟机调度到物理资源上是云计算中一个重要问题.提出一种基于分类挖掘的虚拟机资源调度模型及算法CDVRS(virtual machine resources scheduling based on classification data mining)解决该问题,采集用户访问虚拟机及虚拟机映射物理资源的历史信息,采用改进的分类挖掘算法对其进行挖掘,得到指导虚拟机资源调度的分类规则和模式,在此基础上实施虚拟机资源调度.对模型和算法进行仿真,实验结果表明采用CDVRS算法相比GA(genetic algorithm)、PSO(particle swarm optimization)等算法在资源利用率上有较大的改善,能有效提高云计算中虚拟机资源调度的效率.     

多核编程模型运行时环境的自适应性研究

针对多核编程模型运行时环境易造成处理器核资源竞争加剧以及可扩展性较差等弊端,基于动态反馈控制思想,将资源分配、运行时控制、任务执行视为有机整体,提出了自适应协同调度模型ACSM.ACSM采用集中式与分布式相结合的协同机制,动态调节处理器核资源在不同应用负载间及其内部的分配与管理.ACSM的优势在于充分体现了多核编程模型良好的可编程性和可移植性,消除了传统多核运行时环境显式指定核数的弊端,增强了处理器核资源分配的高效性和自适应性.实验结果表明,ACSM在提高多核编程模型易用性的同时,减少了系统处理器核资源的不良竞争,提升了系统的整体性能和资源利用率.与仅依赖多核编程模型运行时环境的调度算法相比,ACSM使应用程序的运行时间缩短了近50%,并且随着应用程序数量的增加效果更加显著.     

网络控制系统中任务与信息的优化调度

为了提高网络控制系统性能,解决网络控制系统中信息和任务相互约束的问题,设计了同时调度网络控制系统中任务与信息的算法.采用遗传算法优化调度序列,减小系统采样周期和端端延时,优化了系统整体性能.最终形成同步异构系统一个周期内的调度表,确定了系统每个子任务的执行时间和占用资源,解决了不同控制回路资源冲突问题和相同控制回路任务与信息执行顺序的约束问题,并且保证了每个子任务的实时性.仿真表明该算法是有效的.     

改善嵌入式Linux实时性能的方法研究

分析了Linux的实时性,针对其在实时应用中的技术障碍,在参考了与此相关研究基础上,从5-方面提出了改善Linux实时性能的改进措施。为提高嵌入式应用响应时间精度,提出两种细化Linux时钟粒度方法;为增强系统内核对实时任务的响应能力,采用插入抢占点和修改内核法增强Linux内核的可抢占性;为保证硬实时任务的时限要求,把原Linux的单运行队列改为双运行队列,硬实时任务单独被放在一个队列中,并采用MLF调度算法代替原内核的FIFO调度算法。     

改善嵌入式Linux实时性能的方法研究

分析了Linux的实时性,针对其在实时应用中的技术障碍,在参考了与此相关研究基础上,从三方面提出了改善Linux实时性能的改进措施.为提高嵌入式应用响应时间精度,提出两种细化Linux时钟粒度方法;为增强系统内核对实时任务的响应能力,采用插入抢占点和修改内核法增强Linux内核的可抢占性;为保证硬实时任务的时限要求,把原Linux的单运行队列改为双运行队列,硬实时任务单独被放在一个队列中,并采用MLF调度算法代替原内核的FiFO调度算法.     

云计算中运营商效益最优的资源分配机制

针对传统的虚拟机调度方法中虚拟机申请时,调用相应负载均衡算法将虚拟机调度到相应的物理服务器上,不能达到整体效益最优的问题,提出了一种实时满足运营商资源最高效益的动态调度方法.每次新加入用户时,新加入的用户资源和先前分配的资源一起重新在所有服务器上规划,进行全局虚拟机调度,迁移那些能给系统带来足够效益部分虚拟机,完成全局最优的虚拟机部署.该方法对云中资源进行了合理的高效益规划,大大节约运营商成本,提高了云中资源利用率,降低了能耗.     

一种新的处理能力优先的权值分配调度算法

针对加权最小连接数算法中服务节点权值不准确而直接影响负载均衡效率和整个集群系统性能的问题, 提出一种新的改进算法--处理能力优先的权值分配调度算法. 给出了改进算法的工作流程和要点, 分析并设计了算法的主要技术、 主要模块及原理. 实验结果表明: 该算法解决了LVS(Linux virtual server)负载调度的负载不平衡问题, 提高了LVS集群的性能和稳定性; 改进算法比加权最小连接数算法具有更优化的动态平衡性.     

Linux虚拟服务器研究

网络应用的日益发展对服务器的处理能力提出了更高地要求。利用集群技术可以较好地解决这一问题。Linux虚拟服务器(Linux Virtual Server,LVS)就是Linux环境下的高效而且开源的负载均衡的集群解决方案。本文介绍了LVS的基本结构及分类、director的基本原理以及调度算法。     

云计算下均衡负载的差异性资源调度算法优化

随着云计算的逐渐发展,云计算下容易出现虚拟机负载不均衡和差异性资源调度时间长的问题。当前调度算法大多无法有效解决均衡负载问题,影响调度性能。为此,提出一种新的云计算下均衡负载的差异性资源调度算法,对云计算下资源调度问题进行描述,针对云计算下虚拟机差异性资源负载问题设定参数。设计蚁群优化算法,蚂蚁爬行的每一步代表指派的一个差异性资源任务,引入挥发因子对信息素更新规则进行改进,获取全局信息素。利用蚁群优化算法对云计算下负载的差异性资源进行均衡调度,给出详细实现过程。实验结果表明,所提算法有较好的收敛性,均衡负载效果好,且时间复杂度低。