基于URL的Web集群分配策略

Web任务的分配影响Web服务器集群系统的整体性能。常用的分配方法是对用户的URL请求,根据服务器数量进行轮询分配。这种策略影响缓存的命中率和服务器性能的发挥。在分析了Web站点中文件的组织方式及用户对Web请求特征的基础上,提出了基于URL分配树的LT分配策略,根据URL地址构建URL分配树,对用户的请求进行响应。同时考虑任务的处理代价,各服务节点服务能力和当前负载状况,对服务节点进行负载均衡的任务分配。本文从缓存队列剩余、请求任务溢出情况和轮询分配策略进行了比较,实验表明本文的分配策略能根据服务节点的服务能力、负载状况进行合理地分配,实现了负载的真正均衡,提高了系统整体吞吐量。     

基于信息资源地址的Web集群分配策略

Web任务的分配影响Web服务器集群系统的整体性能。常用的分配方法是对用户的信息资源地址(URL)请求,根据服务器数量进行轮询分配。这种策略影响缓存的命中率和服务器性能的发挥。在分析了Web站点中文件的组织方式及用户对Web请求特征的基础上,提出了基于URL分配树的LT分配策略。根据URL地址构建URL分配树,对用户的请求进行响应;同时考虑任务的处理代价,各服务节点服务能力和当前负载状况,对服务节点进行负载均衡的任务分配。从缓存队列剩余、请求任务溢出情况和轮询分配策略进行了比较,实验表明分配策略能根据服务节点的服务能力、负载状况进行合理地分配,实现了负载的真正均衡,提高了系统整体吞吐量。     

基于服务器负载状况分类的负载均衡调度算法

针对云端集群负载均衡问题和现有负载均衡算法的优缺点,提出了一种基于服务器负载状况分类的负载均衡算法.通过每阶段采集负载信息,实时掌握节点状态,停止重负载节点接收任务,降低中负载节点集合接收的负载,相应地增加轻负载节点集合的负载,以达到负载均衡效果.同时采用集合的形式很好的避免了大量负载涌入某一指标最优的节点,能够更好地实现均衡,提高系统的吞吐率.结果表明:该算法可以有效地避免云端集群负载发生倾斜,使系统在长时间的运行过程中达到动态的负载均衡.     

云数据中心服务器能耗建模及量化计算

构建精确的服务器能耗模型有助于资源提供者预测和优化数据中心的能耗.针对以往数据中心服务器因未考虑"负载的特征"而导致能耗模型精度低的问题,本文提出一种新的能耗建模及量化计算方法,其主要思路如下:根据数据中心服务器所处理任务特征的不同将其分成三类,分别为计算密集型任务、Web事务型任务和I/O密集型任务;针对每一种类型任务,分析其对服务器各部件能耗的影响;利用"主成分分析法"分析各部件参数对能耗的贡献并选择最具代表性的参数,进而结合多元线性回归和非线性回归方法建立能耗模型.实验结果表明,本文建立的能耗模型预测精度能达到95％以上;与其它模型相比,精度可提高3％左右.     

一个提高机群文件系统性能的方法与实现

提出了一个提高机群文件系统性能的方法,将元服务器分级:高级元服务器实现任务分配功能,依据与二级元服务器性能最密切相关的负载信息将任务快速分配给二级元服务器,同时在存储文件时,提出了一种能正确反映各存储节点I/O流量和存储量的策略,对待存文件进行了合理的分配存储。实验结果表明,本策略提高了系统的性能,缩短了任务执行时间,取得了较好的效果。     

无线传感器网络操作系统中抢占式任务调度策略

提出了一种基于优先级的抢占式无线传感器网络操作系统调度策略IS-EDF,并在TinyOS上进行实现.提出的调度策略通过动态调整执行任务的优先级,可以有效地保证重要任务的实时性,改善无线传感器节点在任务负载较重情况下的系统响应性能;在节点处于轻负载或者空闲情况下,通过将节点带入睡眠状态,保证了无线传感器节点的节能.通过实验和仿真可以得出,提出的任务调度策略,在总能耗增加很少的代价下,可以有效地提高系统在运行负载较重情况下的系统响应性能.     

一种包含两级元数据服务器的机群文件系统

本文提出了一种两级元数据服务器机群文件系统,高级元服务器实现任务分配功能,依据与二级元服务器性能最密切相关的负载信息将任务快速分配给二级元服务器,同时在存储文件时,提出了一种文件热量模型,能正确反映各存储节点I/O流量和存储量的方法,并依据文件热量值对待存文件进行了合理的分配存储。实验结果表明,本策略提高了系统的性能,缩短了任务执行时间,取得了较好的效果。     

基于移动代理的分布式工作流管理系统的研究

本文描述了一种基于移动代理的分布式工作流系统实现方式，利用移动代理的自治，自适应，智能，移动等特性，让移动代理作为地域上分散的各工作流服务器间协作的桥梁。移动代理按照一定的路由策略，从一个节点（WF—Server）迁移到另一个节点，每个节点彼此独立的完成各自的任务．至到工作流过程实例运行结束。通过这种方式，不仅减轻了单个工作流服务器的负载，减少了系统通信代价，同时也避免了因为单个节点失败而导致整个系统的崩溃，提高了系统的可靠性。     

基于 P2P的VOD系统中数据缓存策略研究

提出了一种结合内存缓存与磁盘缓存的新型缓存策略.该策略在原有内存缓存基础上增加了磁盘缓存,数据从内存中被淘汰时,从磁盘缓存空间中选择合适磁盘分片进行缓存,并建立索引管理已缓存数据,使对等网络中的节点利用彼此的闲置磁盘资源缓存更多的媒体数据,服务器的负载得到有效降低,节点在对等网络中从其他节点获取数据的成功率明显提高.实验证明,该缓存策略有效提高了系统的整体服务能力,充分利用对等网络中的空闲节点资源降低视频服务器的负载.     

基于BP神经网络负载预测的虚拟机部署策略

针对传统基于择优选择的虚拟机部署机制忽略了业务对负载指标要求的差异,并且对目标服务器的负载缺乏有效预测,易导致负载不均衡和虚拟机过度迁移等问题,提出一种优化的虚拟机部署策略.首先设计一种改进的BP神经网络算法对服务器节点的负载进行预测,然后实施虚拟机加权部署,使虚拟机部署在合适的服务器上.实验结果显示:该策略在基于时间序列的负载预测上具有较高的拟合精度,可提升虚拟机部署的稳定性.     

基于电力物联网的边缘计算任务卸载优化

为了解决传统卸载模型仅涉及用户设备和边缘计算资源,而在云端资源利用上存在局限性的问题,通过有效利用计算任务时延、能耗及计算资源配置,提出了基于深度强化学习算法的计算任务卸载策略和资源配置优化算法,建立了边云协同的时延、能耗及能效模型,研究了用户设备数量、任务量、任务优先级等对时延、能耗及能效的影响。结果表明：边缘计算服务器资源配置为30 GHz较为合理;高级计算任务优先处理策略和计算资源优化分配,使得时延、能耗均较低;本文所提出的优化算法在时延、能耗及能效方面均优于其他3个对比算法,表明针对不同用户设备数量和计算任务量场景,本文所提出的优化算法和建立的模型能够更有效的实现基于电力物联网的计算任务卸载策略和资源配置优化。     

基于多重指标的MEC服务器选择方案

针对移动边缘计算（mobile edge computing,MEC）服务器超密集部署的网络环境中任务卸载目标MEC服务器的选择问题,设计了一种基于多重指标的MEC服务器选择方案（multiple indicators-based MEC server selection scheme,MIMS）。综合考虑时延、能耗、任务卸载费用、能量效率等因素对MEC服务器选择的影响,基于各参数的线性加权对候选MEC服务器进行排序,选择最优的移动边缘计算服务器为用户提供服务。仿真结果表明,MIMS能够在保障用户任务卸载费用预算和能耗约束的条件下,降低任务处理的总时延,满足多重性能指标。     

一种基于强化学习的车联网边缘计算卸载策略

计算密集型、时延敏感型车载应用的不断涌现导致资源受限的车载终端设备无法在短时间内处理大量的应用任务,而且卸载节点的动态变化特性在复杂多变的车联网场景中会导致任务候选卸载节点存在不确定性。针对上述问题,提出一种基于强化学习的计算卸载策略来实现任务卸载预判和计算资源分配。结合设备链接时间与通信半径等因素制定卸载节点发现机制,通过考虑时延与成本对车联网移动边缘计算卸载系统的影响建立效用函数,并以最大化效用作为优化目标将车联网中的卸载问题转化为优化问题,基于卸载节点发现机制采用Q-learning方法提出一种智能节点选择卸载算法求解优化问题,实现任务的智能卸载。仿真结果表明,在车联网场景中,提出的计算卸载策略可实现更高的系统效用。     

路由算法在均衡物联网传感器节点能耗分析中的应用研究

传统路由算法只采用指定节点或路径实现数据转发,设定阈值的减少使簇头数量降低,能耗急剧升高,导致能量的非均衡消耗。为此,将一种新的路由算法应用于均衡物联网传感器节点能耗分析中。对传感器节点能耗进行研究,求出节点剩余能量。通过阈值得到本块候选簇头集合,把剩余能量较其他节点多,或者和本块中心之间距离较短的节点看作簇头节点。建立路由选择计算公式,按照前向路由节点剩余能量获取数据发送过程中簇间多跳路由。面向能耗均衡对路由进行更新,把传感器节点剩余能量划分成10个能量等级,按照网格能量等级确定等待时间,完成对簇首节点的更新处理,以保证节点能耗均衡性。实验结果表明,所提路由算法簇首节点选择合理,将其应用于均衡物联网传感器节点能耗的分析中,节点能耗较其他算法更加均衡性。     

异构边缘网络中基于服务器休眠的协同计算策略

在异构边缘网络中,基站和边缘服务器的密集部署使系统功耗激增,为移动运营商带来了高额成本.同时,由于异构系统中任务的多样性和复杂性,高效的资源分配和任务迁移构成了严峻的挑战.针对上述问题,建立了服务器间的任务迁移和服务器睡眠模型,提出了一种面向异构边缘网络中服务器多睡眠模式的任务迁移算法.该算法先将问题按时隙划分为多个子问题并分别建模为混合整数非线性规划问题,再使用序列二次规划算法对每个子问题进行迁移决策求解,最后通过睡眠决策算法确定服务器的睡眠模式.仿真结果表示,所提算法不仅可以均衡边缘网络中非均匀分布的任务量,提高服务器资源的利用率,而且可以通过服务器多休眠状态显著降低系统能耗,提高系统性能.     

基于逻辑分区的仿箱鲀鱼群负载均衡分簇控制算法

为实现水下仿箱鲀鱼群体协同控制, 并降低网络节点间负载的不均衡性导致的能量损 耗, 提升群体续航能力, 提出一种基于逻辑分区的负载均衡分簇控制算法. 首先实现局部快速分簇, 减少节点间维护报文数量, 降低系统整体开销; 然后基于 簇内逻辑分区策略, 实现监测、 保障和侦察多区域协同控制, 并结合最小响应时间整编零散鱼群, 优化网络控制体系的同时提高组网灵活性; 最后在维护过程中采用区域节点角色转换机制, 实现网络负载均衡. 通过仿真分簇实验验证了算法的有效性, 并结合网络能量消耗、 网络生命周期和能量均衡性3个指标验证算法的可行性.     

强噪声海量物联网数据处理中节点选择算法研究

当前节点选择算法在强噪声干扰下,通过优先级理论实现节点选择,存在安全性差、能耗高、整体性能低下的弊端,为此,提出一种新的强噪声海量物联网数据处理中节点选择算法。将数字序列中某点的值用与该点相邻的各点值的中值替换,通过中值滤波法对物联网中的强噪声进行去除,完成强噪声干扰去除后。通过基于后悔函数的平衡剩余能量节点选择算法对海量物联网数据处理中节点进行选择。依据误码率选择满足要求的节点作为候选节点,通过减少无效处理增强能量性能。利用后悔函数对节点相对物联网的剩余能量进行估算,依据节点相对于其他节点的剩余能量确定延迟时间,从而实现节点选择。实验结果表明,采用所提算法对海量物联网数据处理中节点进行选择,不仅安全性高,而且节能性好、整体性能高。     

基于逻辑分区的仿箱鲀鱼群负载均衡分簇控制算法

为实现水下仿箱鲀鱼群体协同控制, 并降低网络节点间负载的不均衡性导致的能量损 耗, 提升群体续航能力, 提出一种基于逻辑分区的负载均衡分簇控制算法. 首先实现局部快速分簇, 减少节点间维护报文数量, 降低系统整体开销； 然后基于 簇内逻辑分区策略, 实现监测、 保障和侦察多区域协同控制, 并结合最小响应时间整编零散鱼群, 优化网络控制体系的同时提高组网灵活性； 最后在维护过程中采用区域节点角色转换机制, 实现网络负载均衡. 通过仿真分簇实验验证了算法的有效性, 并结合网络能量消耗、 网络生命周期和能量均衡性3个指标验证算法的可行性.