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.     

实时多任务异构云计算平台负载均衡算法

针对组成云计算平台各节点之间软件环境存在异构性及数据分布不均匀等原因而导致云计算平台在处理大量任务时往往出现节点负载不均衡的问题,提出了解决异构云计算平台负载均衡方法与相关算法.研究首先统计云计算平台提供的各类服务的平均资源消耗,结合任务分配给指定节点后运行时长和资源占用情况,预测评估某一时刻节点上任务剩余资源消耗需求总量既剩余负载总量;各节点按周期反馈实际任务负载情况,及时修正任务负载信息;最后综合考虑节点各项性能,预测各节点负载评估值,并将待分配任务分发给最适合的节点.实验结果表明,该算法具有可行性并在实时多任务异构云计算平台负载均衡方面具有一定优势.     

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.     

异构Flink集群中负载均衡算法研究与实现

Flink是目前非常流行的流处理引擎.和先前的Hadoop,Spark,Storm等分布式计算框架相比,Flink能实现低延迟、高吞吐,保证Exactly Once.调度模块是保证集群高性能非常重要的一部分,但目前Flink调度默认把集群中所有节点看作是同等性能的,采用轮询调度策略.但在异构集群里这样的调度就会低效,因为计算资源少的节点运行的Task和计算资源多的节点运行的Task一样多,所以局部负载不均衡,影响Job的运行时间和吞吐量,造成延时.提出平滑加权轮询任务调度算法和基于蚁群算法的任务调度算法,解决运行过程中集群负载不均衡问题.平滑加权轮询任务调度算法在任务调度初始阶段根据集群资源按照权重平滑轮询调度.基于蚁群算法的任务调度算法是在运行过程中当集群已使用资源高于阈值时采用类似蚁群算法去执行任务调度,动态计算全局最优任务分配方案,能重新负载均衡.     

一种加权欧氏距离负载均衡云任务调度算法

云计算通常需要处理大量的计算任务,任务调度策略在决定云计算效率方面起着关键作用。本文提出一种加权欧氏距离负载平衡(EDW-LB)的任务调度解决方案。仿真结果表明:该方法能够在保证任务完成时间的条件下,通过新的任务调度策略来提高用户对云计算任务的满意度以及资源的利用率,是一种云计算环境下有效的任务调度算法。     

禁忌搜索在遥感任务调度中的应用研究

针对目前遥感产品生产集群负载不均衡、调度效果不理想的问题,提出了一种基于禁忌搜索的遥感任务调度算法.在调度算法中引入禁忌搜索思想,并增加任务需求与节点服务能力因素,将任务需求与生产节点服务能力分别用相应值描述.最后依据遥感影像和遥感产品生产流程的特点,使用禁忌搜索算法寻找任务分配全局最优解.本算法与传统的轮转法、使用率乘积法等调度算法相比,具有调度效率高、集群不均衡度小的优点,显著提高了遥感产品的生产效率.     

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.     

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.     

一种基于处理时间的Map/Reduce动态均衡调度算法

提出了一种基于处理时间的Map/Reduce动态均衡调度算法.在该算法中,为参与计算的各节点建立处理总时间指标;当节点的子任务返回时动态更新当前节点的处理时间,并按照最小处理总时间来选择子任务处理的节点.实验证明:该算法不仅减少了节点与云中心服务器的负载信息传递,而且充分利用了各计算节点的处理能力,提高了Map/Reduce调度效率,对于提升云计算服务的质量具有十分重要的理论意义.     

云计算环境中三层架构的资源负载均衡研究简

为了使云环境中资源能更加高效、合理地运转,该文探求使用新的调度策略来使系统达到负载均衡,提出了一个在三层架构云计算网络环境中的两阶段调度算法.该算法结合了随机负载均衡算法和Min-Min负载均衡调度算法的特性,从而能更高效率地执行任务并使系统达到负载均衡.     

一种改进加权最小连接算法及在CDN的负载均衡技术中的应用分析

针对内容分发网络技术中本地负载均衡策略进行研究,提出一种适用于内容分发网络负载均衡的改进加权最小连接算法(improved weighted least connection,IWLC)。该算法在加权最小连接算法基础上考虑服务器性能与负载能力,引入服务器动态性能与负载水平评估因子,计算出综合性能指标以及动态权值并以此性能指标为依据完成任务调度,能较好地利用底层硬件资源,同时降低任务响应时间。     

QoS性能约束的云任务调度算法研究

云计算是目前研究的热点,云计算任务调度中为了在保证用户满意的前提下缩短任务完成时间和提高资源负载均衡性,提出了一种具有QoS约束的模拟退火云任务调度算法.首先引入QoS约束的贪心策略产生初始解,以最小任务完成时间和最小负载均衡标准差为目标,实行两阶段退火过程,制定两个具有QoS约束的新解产生函数,始终处于用户满意的前提下寻找最优分配方案.仿真实验结果表明,该算法能够在保证所有用户都满意的情况下降低任务完成时间并提高资源负载均衡性,是一种顾客和云服务提供商都满意的云任务调度算法.     

基于函数约束的云任务分配的研究

为了解决云环境下的资源调度问题,提出了一种改进的蚁群资源调度算法(RRLB-ACO),该算法在综合参考各种云计算任务调度算法的基础上,利用资源约束函数改进信息素的更新,并且通过负载均衡差函数来改进启发信息,使虚拟机经过算法多次迭代以后能够处于一种负载均衡的状态,利用Cloud Sim工具进行仿真测试,与标准的蚁群算法BACO、最新的ACOSA算法做仿真对比,实验结果表明RRLB-ACO算法在任务的执行时间、成本以及系统负载均衡方面均优于BACO算法和ACOSA算法。     

基于OPNET的集群负载均衡仿真

为了分析比较集群负载均衡中随机调度算法、轮转算法、加权轮转算法等3种基本算法,介绍了OPNET的建模方法,给出了基于OPNET进行网络仿真的建模层次和步骤,并运用OPNET建立集群系统模型,对其进行仿真测试.仿真结果表明:3种算法均能实现负载的平衡分配,在同构集群中,轮转算法有较好的负载均衡效果;但在异构的集群系统中,加权轮转算法具有最好负载均衡效果.     

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。     

基于带宽约束的云计算负载调度算法

负载调度是云计算得以大规模应用及提高服务性能的关键技术,对提高云供应商服务质量、用户满意度以及数据中心集群资源利用率等有极其重要的意义.云计算环境中,由于用户任务类型的不同,对带宽的需求也不尽相同,若不区分不同任务对不同带宽的要求,可能会造成资源的浪费,增长用户等待时间.本文对经典Min-Min算法进行改进,提出了BCLL-Min-Min算法,该算法满足带宽需求约束,并且实现相对负载均衡调度.仿真实验表明,BCLL-Min-Min算法能够适应云计算环境下任务多样性和不确定性的情况,使用该调度算法可以提高集群的吞吐率、较大改善数据中心的负载均衡性.     

基于动态规划的云计算任务调度研究

任务调度作为云计算中的核心问题,其目的是合理分配任务,实现最佳调度策略并且有效地完成任务.首先对当前云计算中任务调度算法进行分析并指出传统算法的不足与缺点,然后提出一种基于动态规划模型的任务调度算法,以任务运行时间最少为优化目标,把任务与数据集群中虚拟机匹配看成为多阶段决策的组合优化.最后在CloudSim进行仿真实验,结果表明,所提算法在满足多用户需求下与max-min和min-min算法相比,在一定数量规模下,任务完成时间减少而资源负载相对均衡.     

异常网络环境下云计算资源需求策略

针对常规云计算资源预测算法不能在异常网络环境下做到精准预测的难题,提出一种基于改进蚁群算法的调度策略.该策略融入了信息数的概念,既能快速均衡负载,又能保障用户在多条件下云计算的需要,合理降低能耗,提高云计算性能.实验结果表明,基于改进的蚁群调度算法提高了云计算资源利用率,降低了能量消耗,使单节点处理任务量有较大提升,极大提高了云计算的性能和服务质量.     

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.     

网格计算中基于任务优先级的负载均衡算法

任务调度是网格计算研究的核心问题之一,任务调度策略的好坏将直接影响网格系统的性能.在对已有启发式任务调度算法进行分析比较基础上,针对于网格计算中的高吞吐率应用的任务调度问题,提出了一种综合考虑资源节点性能度量和任务优先级的负载均衡的启发式任务调度算法.进行了仿真实验,在任务完成时间和系统吞吐率二个方面与传统的Min-min算法、Max-min算法和Sufferage算法进行比较.仿真结果表明该算法不但可以减小任务总的完成时间,而且可以提高系统的吞吐率,更适用于高吞吐率应用任务调度问题的解决.