一种基于主负载信息表的动态负载平衡模型及其均衡算法研究

1.引言对于静态和动态负载平衡算法的研究,国际上已经有了30多年的历史。特别是近年来随着一些高速网络的兴起(如ATM),对于它的研究仍然方兴未艾。但是因为一些并行任务之间的互相依赖关系和通讯量的大小很难在编译时就进行确定,所以人们更加倾向于研究动态负载平衡。虽然目前国内外在这方面产生了不少各有特色的算法,譬如Hui等人就在理     

一种基于实时负载的动态负载平衡策略

在分布式系统中采用动态负载平衡算法分配系统中的工作负载,能够提高系统的性能。在简述目前常用的几种动态负栽平衡策略的基础上,提出了一种基于实时负载的动态负载平衡策略,并给出了其调度算法。     

基于前验负载差异的负载平衡性能模型

基于有限差分离散的并行应用非常普遍,针对此类问题的负载平衡性能评估,引入了一个刻画应用问题负载平衡能力的关键参数:最大负载变化率,推导了一个以并行效率为目标函数的负载平衡性能模型,涉及问题规模、并行通信计算比、离散格式复杂度和并行规模等.以POP全球海洋模式并行程序为测试实例,验证了该模型的性能.结果显示最大负载变化率作为衡量负载平衡程度的指标是有效的,基于模型的预测性能与实测性能在总体趋势上基本吻合.该性能模型对基于有限元、有限体积等其他局部离散格式的大型并行计算应用的负载平衡能力评估也具有参考价值.     

三维位错动力学并行算法与程序研制

为研究极端条件下金属材料的性质,在JASMIN 框架上研制了三维并行位错动力学程序PDD3D. 它集成了离散位错动力学模拟的物理方案和数值算法.通过设计实现高效的分布式数据结构、可扩展的快速多极子解法器以及基于影像区的拓扑操作通信方式,该程序具有较高的性能和较好的可扩展性.1024 个处理器上,对包含3 千万条位错线的物理模型的模拟结果显示,PDD3D 程序获得了81%的并行效率.     

一种分布式工作流中基于负载平衡的调度算法

工作流管理系（Workflow Management System）帮助企业实现分布式异质环境中的人工和自动任务的全面流程化。本文提出一种新的分布式WFMS负载平衡调度算法,解决单节点引擎负载过重的问题。改进后的负载平衡技术比轮询调度算法更能保证多引擎间负载基本均衡。当多引擎间任务调度出现不平衡,导致某些节点负载过重或是某个节点出现故障时,多引擎能够根据相应模型策略和实际的信息来动态调整各节点的负载,这样也可以在一定程度上解决有大量分布式事务处理时的性能问题。另外,负载指数调度算法实现简单,尽可能地减少了引擎负担。     

基于最大负载偏移率的并行负载平衡性能分析

大规模并行应用的负载平衡能力对性能的影响很大,但难以度量.针对基于局部离散格式的(有限差分、有限元等)并行应用,通过分析并行计算通信比、并行规模、问题规模、格式复杂度与并行效率之间的数量关系,提出一个“最大负载偏移率”概念,即并行任务的最大负载相对平均负载的偏移量与平均负载之比,作为衡量负载平衡能力的性能指标,并导出了一个负载平衡性能量化模型.将POP全球海洋模式Benchmark程序作为计算实例,验证了负载平衡性能模型的有效性.该模型揭示出整体并行计算性能对负载平衡的依赖程度,特别是对大规模并行计算的情形,负载平衡程度对整体性能的影响随着并行规模的增大而愈加敏感.     

基于稀疏学习的微电网负载建模

微电网由负载、储能系统和分布式电源互联集成到能源系统中, 微电网系统可以作为一个整体系统与电网并行运行或以孤岛模式运行. 负载建模是微电网运行和管理中的一个基本问题. 本文着重解决以下两个关键问题: 1)协调负载模型结构的合理性和简洁性; 2)负载模型参数的校准. 与常规负载建模方法不同, 本文提出了一类数据驱动建模方法以同时实现负载模型结构选择和参数校准. 具体地, 该方法从量测数据中稀疏学习静态负载模型和动态负载模型, 其关键方法分别来自于稀疏贝叶斯学习方法和交替方向方法, 即从一组备选非线性字典函数中稀疏学习最主要的非线性项以平衡数据拟合度并实现模型学习. 所提出的方法将机器学习与稀疏表示相结合, 旨在对负载模型从物理角度提供机理解释并向配电网系统操作员提供有关负载的动态信息. 在孤岛微电网测试系统中验证并评估了所提出的算法. 研究测例表明所提出算法从量测数据中实现负载稀疏学习的合理性和对于噪声的鲁棒性.     

一种基于多种资源的负载平衡算法的设计与模拟

系统资源的有效利用是集群系统的关键问题，负载平衡是实现资源有效利用的重要手段。本文中，我们提出了一种基于资源使用率和向量负载指数的、采用进程迁移机制的负载平衡算法，并通过踪迹驱动的方法进行了大量的模拟和分析。     

一种支持邻居负载感知的动态负载平衡扩散算法

动态负载平衡是网络节点之间负载分布调整的主要手段。负载平衡中的扩散算法与其他算法相比具有各节 点同步执行,迁移开稍较小、不存在中心节点瓶颈等优势。对FOS (First Order Scheme)扩散算法进行改进,提出了 支持部居负载感知的动态负载平衡扩散算法(NLA LI3)。采用了发送者启动的策略来建立迁移组,利用节点的部居 负载信息计算负载交换的影响因子,以实现对H)S算法的加速改进。实验证明,该算法有效提升了收敛速度。     

一个基于网络并行计算环境的动态负载分配算法

网络并行计算系统具有大量的自主的计算资源,如何充分发挥它们的潜在性能,这正是负载平衡的研究内容。文中描述一个基于网络并行计算环境的动态负载分配算法,该算法能够根据系统的状态和任务之间的通信关系动态地分配系统中的负载,以实现系统的动态负载平衡。通过应用实例测试说明该算法在稳定性和性能上,优于稳定的发送者动自适应算法。     

基于混合负载平衡的并行启发式搜索算法

在分析了迭代加深启发式搜索(Iterative Deepening A*)算法及其可并行性后,提出了一种新的基于混合负载平衡的并行迭代加深启发式搜索算法。该算法综合了静态负载平衡和动态负载平衡的优点,可以在多结点的并行搜索计算中获得很高的加速比和效率。给出了该算法的Java RMI实现。通过在72个结点的并行机上的试验表明,该算法可以极大地提高并行搜索算法的加速度和效率。     

基于移动代理的负载平衡策略

在异构计算环境中负载平衡是一个重要问题。移动代理是一种新的分布计算模式,具有许多优势,比如移动代理能够从一台机器移动到另一台机器执行任务。该文提出了一个基于移动代理的并行计算框架,利用一个二段负载平衡策略使程序能够适应不断变化的异构计算环境。实验结果显示移动代理不仅能够用于并行计算,而且能够有效地改善负载平衡。     

时变三维标量场并行计算与绘制框架研究

群体研讨中专家思维的不确定性、研讨信息的非结构化给达成研讨共识带来了困难。针对此问题提出了一个由自然属性与人工属性集成的研讨信息模型,结合论点框架、有效论点组和支持分配函数等概念,研究了不确定性研讨信息提取的机制,探讨了一种基于平均论据的信息融合方法,旨在促进认识的螺旋上升和群体共识的达成。最后结合以汽车为对象的客户需求研讨,用案例说明了模型和方法的可行性与有效性。     

网络负载均衡优化算法的建模与仿真

研究网络资源管理中的负载均衡与优化问题,网络资源有限且负载具有突发性,造成资源浪费。采用传统单一蚁群算法或遗传算法均存在各自不足,难以适应用网络负载变化特点,使网络资源利用率低,网络拥塞严重。为了提高网络资源利用率,使网络负载更加均衡,提出一种蚁群-遗传算法的网络负载均衡方法。首先利用遗传算法对网络负载均衡问题进行全局搜索,使网络负载均衡的解迅速处于全局最优区域解附近,然后将遗传算法的解作为蚁群算法初始信息素,进行进一步搜索,最后找到网络负载均衡的最优解。仿真结果表明,用蚁群-遗传算法提高了网络资源利用率,降低网络丢包率,提高网络整体性能。     

一种基于透明计算的动态负载平衡算法

服务器集群在透明计算新模式中的引入,需要多种资源(CPU、内存和I/O等)有效共享。针对传统负载平衡算法考虑资源因素单一、难以满足需求的现状,该文提出一种基于透明计算的负载平衡算法(LBTC),它充分考虑系统多种资源,并采用负载向量表征和协调。通过不同平均内存需求情况下、不同系统中、不同算法执行复杂任务时的平均减速比较,表明LBTC能以适当增加计算复杂度为代价有效实现资源共享,提高系统性能。     

基于社会力群智能优化算法的云计算资源调度

为了提高云计算资源的调度效率,提出了一种基于社会力群智能优化算法的云计算资源调度方法.首先将云计算资源调度任务完成时间最短作为社会力群智能优化算法的目标函数,然后通过模拟人群疏散过程中的自组织、拥挤退避行为对最优调度方案进行搜索,最后采用仿真实验对算法性能进行测试.结果表明,相对于其它云计算资源调度方法,该方法可以更快地找到最优云计算资源调度方案,使云计算资源负载更加均衡,提高了云计算资源的利用率.     

双网冗余的负载均衡算法研究

提出了双网冗余环境下的负载均衡算法,通过设计合适的包选择算法,在保持网络链接属性的前提下,对数据包的关键域进行Hash运算,在双网之间均衡流量。考虑双网的处理能力和负载情况不同,该文又提出了动态自适应的Hash算法,可以根据负载情况动态地在双网之间均衡流量。理论分析和试验结果表明,该负载均衡算法提高了高速网络环境下双网的数据采集性能,大大提高了双网的设备利用率。     

基于负载均衡的虚拟网映射随机算法

分析了基于"尽力服务"模式的虚拟网映射算法所存在的问题,并指出了其在资源均衡利用方面的不足,设计了物理网负载均衡代价指标,提出了负载均衡的虚拟网映射随机算法。实验表明,所提出的算法能提高物理网资源的负载均衡度和利用率,从而提高虚拟网构建请求的接受率和物理网提供商的收益。     

基于云环境的高效任务调度算法

高效的任务调度是云服务提供商高效处理业务并降低运营成本的关键。针对云环境下的任务调度问题,提出一种贪心模拟退火的新型算法。首先,利用贪心算法求出局部最优解,并用它来初始化所提新型算法的当前最优解及模拟退火算法的初始解;然后,采用模拟退火算法来不断更新当前最优解。实验结果表明,与传统调度算法相比,所提算法能够更快地达到全局收敛,并得到更加稳定的寻优结果,提高了寻优的质量和效率;同时,该算法不仅减少了总任务时间开销,而且使虚拟机的平均资源利用率稳定在99%以上,负载也更加均衡。     

双Beta样条曲面在屏幕上自动调整和显示

介绍了双参数控制的双Ｂｅｔａ样条曲面的算法，投影变换，消隐处理，在屏幕上自动调整和显示的原理和实现方法，并给出应用实例。