基于机器学习的云计算资源分配算法研究

云计算是当前流行的计算模式,而云计算资源分配是云计算系统的关键。文章基于机器学习的云计算资源分配算法研究,通过机器学习算法来识别工作负载,评估资源分配,从而调度资源。实验结果表明,基于机器学习的云计算资源分配算法不仅保证了各节点负载均衡,还提高了云计算集群的稳定性。     

物联网节点负载均衡优化调度方法研究

针对物联网节点负载均衡调度方法存在资源节点浪费的问题,笔者提出物联网节点负载均衡优化调度方法。通过建立物联网节点负载均衡优化调度模型,实现了分层路由网关节点数目匹配与网关调度任务节点重组,对重组后节点进行网络负载均衡匹配,可以完成物联网节点负载均衡优化调度。根据仿真实验,对比优化调度方法与其他调度方法的负载均衡离差值,证明了优化调度方法能够更好地实现物联网节点负载均衡优化调度。     

基于云计算技术的教育信息化管理系统

教育资源配置和管理手段存在不足,导致教育资源存在资源分配不均衡、共享程度低、资源调度配准程度差等问题,为此构建基于云计算技术的教育信息化管理系统,合理、准确完成教育资源调动,提高教育信息化管理效果。并通过基于云计算资源负载均衡控制和信道自适应均衡实现教育资源调度,完成教育信息化管理。测试结果表明：该系统衰减量较低、负载均衡度较好,可高效完成教育资源调度,并且教育资源的调动配准度为98%以上,可准确完成教育资源的匹配调度,提升教育信息化管理效果。     

面向CPUs-GPUs系统的OpenCL任务调度框架

为解决OpenCL多任务环境的自适应调度问题,分析资源竞争导致的内核执行效率下降情况,提出一个可在CPU-GPU异构平台上高效调度多个程序内核的OpenCL任务调度框架。通过随机森林模型分析OpenCL任务在不同设备上的运行状态,提出一套量化OpenCL内核数据传输的公式,提高OpenCL任务分析的准确性;采用负载均衡程度和单任务调度时间混合指标策略,保证系统执行效率,保障单个任务的执行效率。通过实验验证该框架的良好性能,实验结果表明,在不同程度的资源竞争的情况下,与两种常见的调度策略相比,该框架在负载均衡和任务执行效率指标方面均有提升。     

一种基于负载均衡的3D引擎任务调度策略

针对3D引擎内如何合理调度、高效分配统一着色架构中的染色器资源问题,提出一种基于负载均衡的任务调度策略和硬件设计方案。首先,分析了统一着色架构GPU的图形绘制特点;在此基础上提出了一种基于染色器预先分配的避免图形绘制流水线死锁策略和一种基于队列统计的资源分配及负载均衡策略;最后,基于各类复杂渲染场景的仿真结果证明,论文提出的调度策略可有效地降低染色器资源的空闲时长和调度时间,提升了染色器资源的利用率和3D引擎的处理效率。     

云计算环境中基于朴素贝叶斯算法的负载均衡技术

针对云计算环境中任务调度算法复杂度高、任务分配不够合理等问题,提出一种基于朴素贝叶斯分类的负载均衡技术。该技术利用云计算环境的心跳机制全面地收集各节点负载信息,并采用朴素贝叶斯算法对各节点负载状态进行分类;然后,根据节点状态分类结果,实现任务和资源分配的合理调度。实验结果表明,基于朴素贝叶斯算法的负载均衡技术能提高任务的分配效率,避免任务在各节点间频繁迁移,快速有效地实现云计算环境中各节点间的负载均衡。     

云计算环境中基于朴素贝叶斯算法的负载均衡技术

针对云计算环境中任务调度算法复杂度高、任务分配不够合理等问题,提出一种基于朴素贝叶斯分类的负载均衡技术。该技术利用云计算环境的心跳机制全面地收集各节点负载信息,并采用朴素贝叶斯算法对各节点负载状态进行分类;然后,根据节点状态分类结果,实现任务和资源分配的合理调度。实验结果表明,基于朴素贝叶斯算法的负载均衡技术能提高任务的分配效率,避免任务在各节点间频繁迁移,快速有效地实现云计算环境中各节点间的负载均衡。     

不确定性环境中医疗物联网资源云调度的仿真研究

为了在不确定性情况下提高云医疗物联网资源调度及负载的均衡，在研究系统不确定模型、遗传算法和贪心算法基础上，设计一种基于改进遗传算法的云物联网资源调度方案。通过将本文所提算法与GA、Min-Min和FCFS比较，所提算法减少了总体执行时间，以最小的定价成本实现不确定性下医疗物联网云资源上的负载均衡。     

基于Q学习和双向ACO算法的云计算任务资源分配模型设计

云计算异构环境中由于计算和存储资源物理分布的不一致性,往往容易导致在应用传统的调度算法进行任务资源分配时存在调度效率低和负载不均衡的问题,为此,设计了一种基于Q学习和双向ACO算法的云计算任务资源分配模型;首先,引入了基于主从结构的调度模型,并综合考虑任务计算完成时间、网络带宽和延迟等因素设计了资源分配目标函数,然后,设计了基于Q学习的云计算资源初始分配方法,将其获得的最优策略对应的Q值初始化网络中节点的Q值,最后,设计一种结合前向蚂蚁和后向蚂蚁的双向ACO算法实现任务资源的最终分配,并对算法进行了定义和描述;在CloudSim环境下进行仿真实验,结果证明文中方法能有效实现云计算异构环境下的任务资源分配,且与其它方法相比,负载均衡离差值平均约为0.071 5,是一种适用于云计算异构环境的有效资源分配方法。     

基于流特征的数据中心非对称流负载均衡方法

数据中心边界广泛部署的地址转换技术产生的非对称流为负载均衡系统的设计带来了挑战.为了解决软件负载均衡系统不能充分发挥多核处理器和网卡硬件能力的问题,提出一种基于流特征的非对称流负载均衡方法.首先,分析网卡的数据包散列机制,提出数据包调度算法,将数据包调度至预期的CPU核;然后,基于会话报文序列的时间与空间特征,构建大象流识别算法;最后,基于识别结果,提出负载均衡方法.实验结果表明,非对称流负载均衡方法可以正确处理非对称流的负载均衡,平均吞吐率提升约14.5%.