Web集群中基于接纳控制的QoS-aware请求调度算法

集群系统的设计主要涉及任务调度与资源调度两方面,以往的大部分算法都只是孤立地考虑其中一个方面。针对这种不足提出了一种基于接纳控制的QoS-aware动态请求调度算法。该算法结合网络自相似访问特征,引入接纳概率Pa作为连接任务调度与资源调度的桥梁,将两种调度结合了起来。Pa是一个以任务服务类别与负载为自变量的二元函数,随着负载的增加,Pa非增变化,对于不同QoS需求的队列,Pa的变化速率不同,这样就可以达到在不同负载情况下动态地为各服务类分配带宽的目的。最后通过仿真实验测试了结果。     

集群技术及负载均衡调度算法研究

集群(cluster)技术是一种较新的技术,通过集群技术,可以在付出较低成本的情况下获得在性能、可靠性、灵活性等方面相对较高的收益.任务调度是集群系统中的核心技术.文章对集群的定义、分类、优点及各种常见的负载均衡调度算法进行了详细归纳.     

服务器集群负载均衡策略的研究

针对服务器集群负载均衡的问题,兼顾任务调度跨度和负载均衡度,提出一种遗传模拟退火算法。实验结果表明,该算法降低了任务调度跨度,提高了集群系统的资源利用率和负载均衡度。     

基于主机性能度量的异构集群作业调度算法

传统经典作业度算法在集群应用中实现简单、执行效率高,但在异构集群环境下由于缺乏在线节点运行状态动态反馈能力和负载均衡能力,降低了计算资源利用率和系统吞吐率.为解决上述问题,设计了一种在异构集群环境下基于主机性能度量的作业负载均衡调度算法,该算法通过收集集群中在线节点的状态信息和作业响应时间遴选出可信节点集合,计算出各可信节点的HPM值,利用负载均衡运算规则生成候选的作业分配节点集合,最终按照预先设计的优先原则把不同作业分配至各计算节点,并更新各节点运行状态.实验结果表明,在异构集群环境下调度同类型作业时,该算法在总完成时间和负载均衡性能等指标上均优于传统经典算法.     

基于PI3000平台的分布式任务调度研究与实现

在PI3000平台中任务调度是应用系统中很重要的部分,应用环境的复杂程度导致各式各样调度的框架和算法.文中提出一个新的分布式负载均衡的任务调度框架,以解决在并行任务中特定的应用环境下的任务调度问题.这个框架是动态的、可重用的,通过提供给各种不同的资源环境对应的接口,来进行跨服务的调度.整个框架关注于实际应用环境下任务、资源的动态不稳定性和任务计算的快速响应.     

基于Linux的负载均衡技术

网络业务量的激增和应用的特殊化都使得负载均衡成为迫切需求,Linux虚拟服务器按传输层连接对集群节点进行业务分配的方式,能便捷而高效地实现负载均衡。文中对Linux虚拟服务器集群的结构与原理进行了讨论,重点阐述了满足不同应用需要的4种负载均衡算法,并在Linux操作系统环境下,构建了虚拟服务器集群,测试了负载响应、服务性能、调度器备份。结果表明,虚拟服务器集群技术可较大幅度地提高系统的综合性能。     

基于Docker集群的弹性任务调度模型构建

针对Docker集群访问量具有随机性和不确定性的问题,在提出基于多指标灰色负载预测基础上,通过增加或减少应用容器的方式,实现集群任务的弹性调度,实现集群应用性能和负载均衡。实验结果表明,所提出的基于多指标灰色负载预测算法的弹性任务调度策略,可适应web应用的动态变化,保证高负载状态下应用可即时响应,低负载状态下集群的资源利用率最高。     

A Dynamic-feedback Scheduling Algorithm for Cluster Load Balancing based on Priority Queue

在分析现有面向LVS集群的负载均衡调度算法优缺点的基础上,提出了一种新的调度算法—基于优先级队列的动态反馈调度算法.该算法根据定期采集到的各服务器负载信息动态地调整各服务器的权值,并根据权值建立优先级调度队列借以实现连接的调度.算法可保证良好的负载均衡性,且时间复杂度降低至O(1).     

一种提高集群调度性能的改进型蚁群算法

蚁群算法ACO能较好地应用于集群调度,但其传统的信息素更新方式带来了性能匹配和负载均衡等问题,影响了集群调度的性能.针对这些问题,提出了改进型蚁群算法IACO,通过引入性能匹配因子和负载均衡因子更合理地调整信息素,缩短了作业处理时间,提高了CPU利用率,从而有效地提高了集群调度性能.     

基于强化蚁群算法的任务DAG在线网格集群资源调度

网格集群资源调度是一个NP难题,而现有的调度方法通常具有任务调度效率低和负载不均衡的问题,由此设计了一种基于强化学习算法和蚁群算法融合的协同依赖型任务调度方法;首先对基于DAG的网格集群协同调度数学模型进行了定义,然后,采用改进的一步TD算法即Q-Learning算法实现集群资源的初始分配,从而得到最优调度方案以及对应的Q值,在此基础上提出一种改进的蚁群算法实现网格集群资源到任务分配的进一步优化,将Q-Learning算法得到的分配方案的Q值用于初始化蚁群路径中的信息素,以避免蚁群的盲目搜索,同时将Q值引入路径概率函数中使得蚂蚁具有启发式的搜索能力,从而获得协同依赖多任务集群调度的最终方案;在Gridsim环境下进行仿真试验,结果表明文中方法能有效地实现网格集群调度,且较其它方法具有任务调度效率高、CPU利用率高和负载均衡的优点,具有较大的优越性.     

一种异构NOWs上负载均衡的适应式并行调度算法

分析了并行作业调度算法，针对异构工作站群机系统(Network of Workstations，NOWs)提出了一种负载均衡的适应式划分(Adaptive Partition，AP)策略的并行调度算法，它利用了短作业需求优先(Shortest Demand First，SDF)的策略，主要思想是让系统中所有作业尽可能均分同时结束，以达到均衡负载。实验结果证明该算法公平和高效。     

Resource scheduling algorithm with load balancing for cloud service provisioning

Cloud computing uses scheduling and load balancing for virtualized file sharing in cloud infrastructure. These two have to be performed in an optimized manner in cloud computing environment to achieve optimal file sharing. Recently, Scalable traffic management has been developed in cloud data centers for traffic load balancing and quality of service provisioning. However, latency reducing during multidimensional resource allocation still remains a challenge. Hence, there necessitates efficient resource scheduling for ensuring load optimization in cloud. The objective of this work is to introduce an integrated resource scheduling and load balancing algorithm for efficient cloud service provisioning. The method constructs a Fuzzy-based Multidimensional Resource Scheduling model to obtain resource scheduling efficiency in cloud infrastructure. Increasing utilization of Virtual Machines through effective and fair load balancing is then achieved by dynamically selecting a request from a class using Multidimensional Queuing Load Optimization algorithm. A load balancing algorithm is then implemented to avoid underutilization and overutilization of resources, improving latency time for each class of request. Simulations were conducted to evaluate the effectiveness using Cloudsim simulator in cloud data centers and results shows that the proposed method achieves better performance in terms of average success rate, resource scheduling efficiency and response time. Simulation analysis shows that the method improves the resource scheduling efficiency by 7% and also reduces the response time by 35.5 % when compared to the state-of-the-art works.     

基于集群的VOD系统视频服务器的负载均衡算法改进

文章针对VOD视频服务中不同的点播方式和视频文件存储调度的特点等问题,改进了三种负载均衡算法-加权最少连接算法、视频服务节点负载排名算法以及视濒文件播放信息算法。     

Job shop scheduling—A systematic approach

A systematic analysis of shop performance versus different scheduling rules is presented in this paper using a computer simulation model of a conventional job shop as a basis. The simulation model is used to identify dependent parameters such as shop load and service distribution for a set of scheduling rules. These conditions should represent different existing shop conditions. Six different scheduling rules and two different performance measures were used in the analysis. A complete statistical analysis and categorization of the simulation results were performed which produced some interesting anticipated as well as unanticipated results.     

分布式空间数据库的动态负载平衡算法

针对分布式应用环境下空间数据库系统的负载失衡问题,提出一种基于服务类型的负载均衡算法。该算法根据不同空间信息服务类型对系统性能指标要求的差异,采用任务和数据相结合的双重迁移机制。在进行任务分配时,根据迁移对象采用不同的分配算法,以保证任务和数据都能够相对均衡地分配到系统中的各个节点上。实验和测试表明,该算法在并发用户不断增多的情况下,有效地控制了系统的负载状况,使系统能够保持稳定的性能。     

一种环境感知的仿真服务调度模型

针对传统分布式仿真框架HLA/RTI中动态调度负载平衡较差、执行可靠性较低的问题,提出一种基于环境感知的仿真服务调度模型C3SM。C3SM模型包含总体结构、调度策略和服务部署。总体结构规定各个模块的功能与交互接口,调度策略采用改进的蚁群算法进行仿真服务的动态调度,服务部署采用重叠覆盖部署策略以保证较好的服务可用性和较低的资源消耗。仿真实验结果表明,与传统分布式仿真框架HLA/RTI相比,C3SM模型通过实时获取执行环境的上下文信息,能够获得较优的负载平衡度,且重叠覆盖的仿真服务部署策略使得仿真运行系统的可靠性明显提高。     

基于负载基尼系数的服务网络公平均衡调度

针对组织结构较为稳定的区域内服务网络,提出了一种有监督的公平均衡负载调度算法。该算法受到经济学领域的收入分配基尼系数的启发,通过对网络负载分配基尼系数的监控,最终完成区域内服务任务的公平调度。给出了实现公平任务调度所需的系统结构和算法步骤,并通过仿真结果验证了该方法能有效完成服务网络任务均衡调度,具有较好的全局公平性。     

基于Docker swarm集群的动态加权调度策略

针对目前的Docker swarm内置的调度策略无法很好地实现Docker集群的负载均衡并且对集群资源的使用率不高的问题,提出了一种动态加权调度算法。所提算法对资源设置权重系数,引入参数bias针对不同服务对资源权重进行动态调整,根据各个节点的实际资源利用情况,对节点资源按照权重进行加权计算,用权值反映节点负载,并将此作为调度依据。在和Docker原始调度策略以及无参数调整的加权调度策略的对比实验中,该算法使得集群中各个节点上的各项资源利用率更加均衡;同时,在集群负载比较高的情况下,该算法实现了更快的服务运行速度。     

P2P工作流系统的调度框架设计和实现

为了把参与者信息用于业务流程调度,同时给出基于流程实例迁移服务的一个可扩展性强的调度框架,提出了一个在P2P工作流系统上的流程实例调度框架.通过在框架中加入一个根据参与者位置调度的算法和一个负载均衡算法,证实了该框架的确能够针对业务流程的不同特点进行决策从而提高流程实例的执行效率.通过网页绑定服务和参与者绑定服务保证流程迁移后能继续和业务系统交互,表明了调度框架的实用性.