一种网格工作流动态调度算法

由于网格系统异构和资源动态变化,网格工作流多个任务对资源的不同需求,以及任务之间的时序、因果和数据依赖关系,使得网格工作流调度问题非常复杂,低性能的资源和任务调度策略,将会增加任务的执行时间并降低整个网格系统的吞吐量。本文针对网格工作流的特点提出了一种动态调度算法,该算法追求优化执行时间和系统负载均衡的双重目的,最后通过实验验证了该算法的可行性和优越性。     

基于截止时间满意度的网格工作流调度算法

动态网格环境中用户截止时间保障是工作流调度问题的一个挑战.利用随机服务模型来描述网格资源的动态处理能力及其动态负载压力,提出了截止时间满意度的概念和工作流截止时间满意度的计算方法.将以DAG图形式表示的任务执行关系转换为以数值表示的任务执行优先级,并根据最大截止时间满意度优先的思想,确定执行工作流子任务的候选资源;将工作流全局截止时间划分问题描述为一个约束下的非线性规划问题并通过已有方法求解该问题,提出了一种截止时间满意度增强的工作流调度算法(DSESAW).仿真实验采用实际网格应用和系统数据来验证所提出算法的性能表现,实验结果表明新算法在网格环境的自适应性和用户截止时间保障方面优于其他两种实际网格系统中的调度算法.     

遗传算法在网格任务调度的应用研究

研究了网格任务调度问题.针对传统任务调度算法在网格环境下存在不能很好地平衡节点负载和满足用户服务质量需求等缺点,导致网格系统负载极不均衡,调度效果低.为了提高网格任务调度的效果,提出一种基于遗传算法的网格任务调度方法.将网格任务编码成种群中的个体,网络任务目标作为遗传算法的适应度函数,通过遗传算法的强全局搜索及交叉、变异操作,获得最优的任务调度方案.仿真结果表明,采用遗传算法进行网格任务调度可以减少系统总执行时间和任务完成时间,提高了资源调度效率,使网格系统负载均衡度更好,在网格任务调度具有广泛的应用前景.     

网格环境中基于负载均衡的工作流调度算法

由于网格工作流任务之间存在时序和数据依赖等关系,使得网格环境中工作流的调度问题成为一个NP完全问题。针对有向无环图(DAG)类型工作流提出一种调度算法,先确定关键路径,从而优先调度关键路径成员节点,该算法追求在最优时间跨度下的系统均衡负载,最后通过实验验证了该算法的有效性。     

融合遗传和粒子群算法的云工作流调度算法

针对云工作流调度问题,提出一种融合遗传算法和粒子群优化算法的工作流调度负载均衡算法.充分利用多元启发式方法融合的优势,避免遗传算法的收敛过慢和粒子群算法易于陷入局部最优的缺陷,有效将工作流任务映射至虚拟机资源,实现全局工作流执行跨度最小化和虚拟机分配的负载均衡.以算例详细说明算法实现思路,在现实科学工作流条件下进行仿真测试,验证算法性能.与几种单一元启发式调度方法相比,验证该算法拥有更高执行效率和负载均衡度.     

基于微粒群算法的网格工作流优化调度问题的研究

网格工作流中的调度问题是一个复杂且具有挑战性的问题,它影响着网格工作流执行成功与否及效率的高低.针对具有时序和因果约束关系的网格工作流优化调度问题进行了研究,建立了网格工作流的任务调度模型和调度问题的目标模型,并应用微粒群算法来优化网格工作流中任务的调度.实验结果证明该算法优于传统的调度算法.     

一种负载均衡的网格在线调度算法

任务调度是网格领域的一个核心问题。针对网格资源及任务高度异构环境下的负载失衡问题,设计一种负载均衡的在线任务调度算法BOS。BOS算法在进行任务调度时,综合考虑任务到达频率、任务计算量、任务的完成时刻以及任务开始执行时刻等因素。任务周转时间由执行时间和等待时间2个部分组成。对于长任务,执行时间占更大比重。而对于短任务,等待时间的影响更大。算法根据长任务和短任务的各自特点,引入适应度的概念来指导调度。实验结果表明,与MCT算法相比,BOS算法的调度跨度、任务周转时间、响应比更小,资源利用率更高,负载也更加均衡。     

网格工作流引擎的设计与实现

针对传统工作流调度策略只强调任务的执行顺序、忽略任务本身相互间的逻辑关系等不足,基于GT4网格环境,以网格服务及其间的协作关系为出发点,设计并实现了用DAG(directed acyclic graph)模型描述网格工作流,并通过网格服务流语言(gridserviceflowlanguage,GSFL)形式化解析工作流的网格工作流引擎系统架构。在该架构中,设计并实现了基于Dijkstra的工作流调度算法,通过实例对该网格工作流引擎和调度算法进行了实验,实现了预期效果。     

基于OGSA网格的分层式网格任务调度器设计

文章根据网格任务调度的需求、网格任务调度的特点,在充分分析一般网格任务调度的过程等的基础上,另外考虑到了网格计算环境的一些特点,比如虚拟化、分层次及自治的本质特征,以及在工作流任务协同需求下网格任务的资源依赖、粗粒度、重复执行等特性的前提下,改进设计了一种网格工作流任务主从式分层调度模型,并给出了调度策略和调度算法实现。该调度器模型在实际的网格工作流任务协同系统中得到了较好的应用效果。     

基于蚁群遗传算法的网格资源调度研究

传统的资源调度算法在网格环境下存在一定缺陷,如不能很好地平衡资源节点的负载,不能很好满足用户服务质量需求等.为了提高网络质量,应用遗传算法全局快速收敛的优点,将遗传算法融入到蚁群算法的每一次迭代中,使之具有很强的全局搜索能力,以加快算法的收敛速度,提出了在价格机制驱动下,应用蚁群遗传算法进行网格资源调度的算法.仿真实验结果表明,在价格机制驱动下,应用蚁群遗传算法进行网格资源调度可以减少系统总执行时间和任务完成时间,系统负载均衡度好,提高了资源调度效率,在网格环境下,算法具有稳定性和高效性.     

Quantitative Retrieval of Geophysical Parameters Using Satellite Data

The remote sensing information service grid node (RSIN) is a tool for dealing with climate change and quantitative environmental monitoring. Based on the high-throughput computing grid, RSIN enables a workflow management system for data placement. The accompanying unified data-and-computation-schedule algorithm helps load balancing between and within workflow steps.     

负载均衡算法在智慧矿山软件平台中的应用

针对现有负载均衡算法在处理智慧矿山系统数据时存在处理速度慢、无法合理利用现有资源完成任务调度等问题,提出一种基于布谷鸟搜索的加权最小连接数(CS-WLC)算法,并将其应用于智慧矿山软件平台解决负载均衡问题。该算法综合考虑后端服务器处理速率、内存容量、磁盘IO速率、网络吞吐量、进程数指标,通过对指标赋予权值计算各后端服务器利用率;根据计算结果,采用布谷鸟搜索算法对后端服务器进行全局寻优,得到一组较优解;考虑连接数及使用频率对后端服务器赋予权值,采用加权最小连接数(WLC)算法在较优解中选取负载较轻的后端服务器处理实时数据存取和用户访问请求。采用分布式融合性监控系统软件平台进行负载均衡测试,结果表明在数据量不断增多的情况下,与WLC算法相比,CS-WLC算法应答时延小、响应连接数多,从而验证了CS-WLC算法具有更好的负载均衡效果。     

C-Chord：一种改进的Chord路由算法

Chord是一种典型的资源查找路由协议,具有负载均衡、可扩展性和灵活性等特点,广泛应用于P2P系统,但查找效率并不高。为了提高查找效率,提出了一种改进的多层次C—Chord路由算法,通过多层的集群结构组织,先优化路由表,然后改进资源查询过程,最后结合有效的维护机制,使查询效率得以提高。仿真实验表明,这种改进的Chord路由算法查询效率明显高于传统的Chord算法。而且C-Chord路由算法可以把传统的P2P系统扩展成适应大规模的分布式系统,网络的稳定性和健壮性更好。     

A Heuristic Algorithm for Task Scheduling Based on Mean Load on Grid

Efficient task scheduling is critical to achieving high performance on grid computing environment. The task scheduling on grid is studied as optimization problem in this paper. A heuristic task scheduling algorithm satisfying resources load balancing on grid environment is presented. The algorithm schedules tasks by employing mean load based on task predictive execution time as heuristic information to obtain an initial scheduling strategy. Then an optimal scheduling strategy is achieved by selecting two machines satisfying condition to change their loads via reassigning their tasks under the heuristic of their mean load. Methods of selecting machines and tasks are given in this paper to increase the throughput of the system and reduce the total waiting time. The efficiency of the algorithm is analyzed and the performance of the proposed algorithm is evaluated via extensive simulation experiments. Experimental results show that the heuristic algorithm performs significantly to ensure high load balancing and achieve an optimal scheduling strategy almost all the time. Furthermore, results show that our algorithm is high efficient in terms of time complexity.     

一种多集群网格的负载均衡算法

网格环境由于其可扩展性、异构性以及大量的传输延迟,使得网格环境下的负载均衡不同于传统的分布式系统。提出了一种动态的分布式负载均衡算法,该算法综合考虑网格站点的处理能力和站点之间的传输延迟,采用即时分配策略来降低作业的执行成本,目标是使系统平均作业响应时间最小化。仿真结果显示该算法显著减少了作业的平均响应时间。     

一种支持分布式进程迁移的动态负载平衡征募算法的研究

负载平衡是分布式系统必须考虑的问题,本文介绍的征募算法独立于网络拓扑结构,其思想可以应用到分布式系统中,征募算法的设计思想向传统负载平衡算法提出了挑战,它不但克服了投标算法的缺点,而且在减小通讯开销和提高处理机利用率两方面作了很多努力,使其成为一种高效的分布式进程迁移和动态负载平衡策略。我们在分布式ＵＮＩＸ系统上实现并验证了征募算法的高效性。     

基于云自适应遗传算法的LVS 负载均衡改进算法

针对LVS系统存在负载倾斜问题,改进了系统中带权值参数的负载均衡算法．先通过服务器节点反馈的参数计算出服务器节点的负载,再采用云自适应遗传算法根据负载为各服务器节点分配权值,进而实现改进算法．实验证明,改进算法比传统算法提高约10％的性能,可使系统有效地实现动态负载均衡．