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。     

光网络环境中计算任务与光路的联合调度算法

针对光网络环境下分布式计算系统的资源调度问题,提出了一种光网络计算任务和光路联合调度方案。该方案将光网络的特性加入到传统调度模型中,提出了计算任务与光路通信的联合调度模型,设计求解联合调度模型的扩展型列表算法。仿真实验验证了联合调度的有效性。     

网格计算环境下资源联合分配的映射策略与机制

提出用于网格环境的资源协同调度框架及网格环境下多任务的资源映射策略,用图论中有向无环图解决资源调度过程中任务的优先级限制问题,并在有向无环图上构造兼容图,通过寻找图中最大独立任务集的方法,解决多任务对多资源请求的资源共享问题。给出了网格计算环境下动态资源联合分配的资源管理机制。     

云计算环境下实训教学平台动态迁移策略

云服务环境下最大特点是按需交付,通过虚拟化技术将相关资源构建统一调度池,并且按照用户需求为用户提供服务,因此,云服务具有并行计算、开放性以及按需交付特性.对于实训教学平台来说,在云计算环境下需要面对各种用户需求,如请求任务各种各样,实验任务类型不尽相同,设备资源存在较大差异,通过虚拟化技术来实现规范化管理何资源共享,对云资源进行调度来才能有效满足用户需求,为此,在本文中提出了云计算环境下实训教学平台动态迁移策略.策略设计了三层协同资源调度机制来实现对资源和任务管理,重点研究了任务分割、资源划分、资源调度策略等,在此基础上对系统进行仿真实验,验证云计算环境下实训教学平台动态迁移策略可行与有效性.     

并行工程环境下设计任务调度原理与实现方法的研究

并行工程ＣＥ环境下,设计任务被分解为若干子任务,然后进行协同求解,因此各子任务的调度是实现产 品并行设计的关键．该文提出了设计任务调度的“均衡一适度”法,分析了其调度策略,研究了其算法实现,最后给出 了应用实例。     

多核嵌入式系统总线冲突避免的节能调度综述

在多核嵌入式系统中,避免总线冲突并在时间限制下调度通信任务和计算任务来降低能量消耗是非常重要的,有效节能调度可以避免总线冲突并在时间限制下实现有效节能。由于任务的粒度、优先级、通信任务和计算任务的协同调度对此类算法的节能有着重要影响,概述了这三个方面的研究现状,指出总线冲突避免的节能调度算法设计中有待解决的问题,并给出了多核嵌入式系统总线冲突避免的节能调度算法的发展方向。     

边缘环境下计算密集型任务调度研究综述

随着移动设备数量的急剧增长及计算密集型应用如人脸识别、车联网以及虚拟现实等的广泛使用,为了实现满足用户QoS请求的任务和协同资源的最优匹配,使用合理的计算密集型应用的任务调度方案,从而解决边缘云中心时延长、成本高、负载不均衡和资源利用率低等问题。阐述了边缘计算环境下计算密集型应用的任务调度框架、执行过程、应用场景及性能指标。从时间和成本、能耗和资源利用率以及负载均衡和吞吐量为优化目标的边缘计算环境下计算密集型应用的任务调度策略进行了对比和分析,并归纳出目前这些策略的优缺点及适用场景。通过分析5G环境下基于SDN的边缘计算架构,提出了基于SDN环境下的边缘计算密集型数据包任务调度策略、基于深度强化学习的计算密集型应用的任务调度策略和5G IoV网络中多目标跨层任务调度策略。从容错调度、动态微服务调度、人群感知调度以及安全和隐私等几个方面总结和归纳了目前边缘计算环境中任务调度所面临的挑战。     

分布式计算环境中的协同分配任务调度仿真系统

协同分配是在分布式计算环境中进行资源分配的一种重要技术,用于把一个应用程序分解为多个子作业,然后将其分配到多个资源上同时处理来满足特定的性能要求。本文提出了一个离散事件驱动的网格资源协同分配仿真系统,实现了对用户、调度器、协同分配器、协同预留器等协同分配相关实体的仿真,实现了FCFS、FPFS、Backfill等主要的协同分配调度算法和策略,可用于资源协同分配相关的分布式计算环境的资源管理和调度算法的仿真和研究。     

求解任务可拆分多项目协同调度问题的启发式算法

生产项目计划与调度过程中任务可以被拆分为更小粒度的子任务分批次执行,实现缩短项目总工期的优化目标.针对抢占式任务可拆分多项目调度问题,从协同优化角度探讨任务拆分与重组方式,提出一个长工期任务优先拆分、长工期项目优先拆分和高资源利用率项目优先拆分3种任务拆分优先级判断规则,设计一种求解任务可拆分多项目协同调度问题的启发式算法.最后通过数值实例和仿真分析验证了所提出方法在多项目调度总工期的优化效果和求解效率.     

云计算环境下任务调度研究综述

云计算是一种新的商业计算模型。将计算任务分布在大量计算机构成的资源池上,使各种应用系统能够根据需要获取计算资源、数据资源、存储资源和应用服务资源等。大数据时代,云计算的另一个特点是其将处理大规模的任务。如何实现在满足用户Qo S的前提条件下,对海量任务进行高效调度并对大量云资源进行合理的分配,使得云任务占用尽量少的云资源是云计算领域的一个研究热点。主要论述了云计算环境下任务调度的目标和新特性,分析总结了云计算任务调度的研究现状并以调度目标为侧重点归纳总结了四类调度策略,即侧重性能的调度、侧重服务质量的调度、侧重经济原则的调度和侧重能耗优化的调度,给出了云任务调度的研究展望,为下一步更深入的研究指出方向。     

协同地球科学计算环境的架构设计

以建立区域气候模拟系统为研究原型,探讨利用Peer-to-Peer 技术和移动Agent 技术构建协同地球科学计算环境（GeoCoEn）。基于P2P 和多Agent 集成的多层体系结构,满足了GeoCoEn 对开放性、灵活性、可扩展性、可移植性以及透明性等方面的需求。     

Mobile-agent-based collaborative sensor fusion

Information fusion can assist in the development of sensor network applications by merging capabilities, raw data and decisions from multiple sensors through distributed and collaborative integration algorithms. In this paper, we introduce a multi-layered, middleware-driven, multi-agent, interoperable architecture for distributed sensor networks that bridges the gap between the programmable application layer consisting of software agents and the physical layer consisting of sensor nodes. We adopt an energy-efficient, fault-tolerant approach for collaborative information processing among multiple sensor nodes using a mobile-agent-based computing model. In this model the sink/base-station deploys mobile agents that migrate from node to node following a certain itinerary, either pre-determined or determined on-the-fly, and fuse the information/data locally at each node. This way, the intelligence is distributed throughout the network edge and communication cost is reduced to make the sensor network energy-efficient. We evaluate the performance of our mobile-agent-based approach as well as that of the traditional client/server-based computing model, vis-à-vis energy consumption and execution time, through both analytical study and simulation. We draw important conclusions based on our findings. Finally, we consider a collaborative target classification application, supported by our architectural framework, to illustrate the efficacy of the mobile-agent-based computing model.     

基于多Agent的复合模型求解自适应QoS机制

在基于网络的分布式系统应用基础上，分析了大型复杂问题复合模型协作求解的过程特征描述，提出基于多Agent 的领域问题协作求解的主动控制策略，探讨了用户交互Agent、系统主控Agent、协作Agent以及模型Agent和数据Agent等复合模型协作求解的4种Agent类型。应用多Agent层次结构，提出一种复合模型协作求解的自适应QoS体系结构，通过实现复合模型协作求解的主动调度规划算法对其进行了验证，支持分布式网络环境下实现模型资源和数据资源的共享，以提高协同计算环境分布式问题协作求解的运行效率和服务质量。     

基于非协作博弈的边缘分布式缓存方案

随着多媒体数据流量的急剧增长,传统云计算模式难以满足用户对于低延时和高带宽的需求.虽然边缘计算中基站等边缘设备拥有的计算能力以及基站与用户之间的短距离通信能够使用户获得更高的服务质量,但是如何利用边缘节点的收益和成本之间的关系设计边缘缓存策略,仍然是一个具有挑战性的问题.利用5G和协作边缘计算技术,在大量短视频应用场景下,提出了一种协作边缘缓存技术来同时解决以下3个问题：（1）通过减少传输延时,提高了用户的服务体验;（2）通过近距离传输,降低了骨干网络的数据传输压力;（3）分布式的工作模式减少了云服务器的工作负载.首先定义了一个协作边缘缓存模型,其中,边缘节点配备有容量有限的存储空间,移动用户可以接入这些边缘节点,一个边缘节点可以服务多个用户;其次,设计了一个非协作博弈模型来研究边缘节点之间的协作行为,每一个边缘节点看成一个玩家并且可以做出缓存初始和缓存重放策略;最后,找到了该博弈的纳什均衡,并设计了一个分布式的算法以达到均衡.实验仿真结果表明,提出的边缘缓存策略能够降低用户20%的延时,并且减少了80%的骨干网络的流量.     

Development of a distributed collaborative design framework within peer-to-peer environment

Distributed collaborative design and manufacture enables manufacturing organizations to maintain competitiveness in the fiercely competitive global industry. This requires that the distributed system not only maintains data consistency across globally-distributed locations seamlessly, but also allows team members to access the storage system and computing resources transparently and securely. Current grid applications mainly based on client-server architecture are inflexible and rigid for fast changing collaborations among manufacturers, especially for small and medium enterprises. In this paper, a distributed collaborative design framework is presented with a hybrid of grid and peer-to-peer technology. In order to access computational resources for design, analysis and process simulation, a meta-scheduler is designed and implemented. It helps in resource discovery and optimal utilization of resources. A test bed is established, based on the framework proposed to demonstrate a distributed collaborative design and manufacturing environment.     

Towards application-level elasticity on shared cluster: an actor-based approach

In current cluster computing, several distributed frameworks are designed to support elasticity for business services adapting to environment fluctuation. However, most existing works support elasticity mainly at the resource level, leaving application level elasticity support problem to domain-specific frameworks and applications. This paper proposes an actor-based general approach to support application-level elasticity for multiple cluster computing frameworks. The actor model offers scalability and decouples language-level concurrency from the runtime environment. By extending actors, a new middle layer called Unisupervisor is designed to “sit” between the resource management layer and application framework layer. Actors in Unisupervisor can automatically distribute and execute tasks over clusters and dynamically scale in/out. Based on Unisupervisor, high-level profiles (MasterSlave, MapReduce, Streaming, Graph, and Pipeline) for diverse cluster computing requirements can be supported. The entire approach is implemented in a prototype system called UniAS. In the evaluation, both benchmarks and real applications are tested and analyzed in a small scale cluster. Results show that UniAS is expressive and efficiently elastic.     

QoS约束的云经济资源管理模型研究

提供用户满意的、具有QoS约束的云计算应用是云计算面临的一大难题。提出了以商品市场为原型的云计算经济资源管理模型,其通过云用户与供应商的SLA协商,实现应用服务层QoS到资源设备层QoS的映射,最后利用效用函数的管理策略实现资源的优化调度。     

分布式计算系统回卷恢复容错的仿真设计

为了解决分布式计算系统回卷恢复容错的验证评估问题,设计一种分布式计算系统的回卷恢复容错算法的仿真机制,依据分布式计算系统回卷恢复容错的总体架构,将分布式计算系统中的节点任务过程使用离散事件模拟,在网络系统仿真工具的应用层增加支持多任务回卷恢复容错仿真的模块,并设计用于回卷恢复容错仿真的结构、功能模块和系统参数设定。结果表明本文提出的仿真机制能够实现分布式计算系统的回卷恢复容错算法的模拟验证,为不同容错算法间对比、改进与优化提供参照。      

日地空间信息分布式协同高性能计算框架

以日地系统活动规律研究为背景,基于美国新近提出的应用于大规模科学计算领域的组件规范CCA（Common Component Architecture）,设计提出了日地空间信息分布式协同高性能计算框架DCHF-SI,它集物理模型组件化封装、模拟应用的构建和管理、模型互操作、分布式容错和计算驾驭可视化等服务于一体,能够充分利用网络集成大量的分布式高性能计算资源和空间物理模型资源来构建多物理松耦合模拟应用,支持日地空间信息的分布式协同高性能计算,解决了多物理耦合模拟的复杂性问题,最终为空间天气预报服务系统提供支持。