实现SMP机群虚拟化的方法

机群是一类重要的并行计算机体系结构,成本低廉,可扩展性强,但编程复杂,管理难度大.利用虚拟化技术可以将机群抽象成具有共享内存特征的虚拟机,支持共享内存的编程模式,从而克服机群的不足.当前,在该领域有少量探索性的研究成果,但都不能支持对称多处理机(SMP,Symmetric Multiprocessor)机群虚拟化.本文提出一种新颖的虚拟化SMP机群的方法,即利用硬件虚拟化技术,在操作系统(OS,Operating System)之下构建分布式虚拟机监视器(DVMM,Distributed Virtual Machine Monitor),通过DVMM对机群的资源进行感知、整合、虚拟化和呈现,使SMP机群对OS呈现为一台具有共享内存特征的虚拟机;通过DVMM与OS配合,实现在虚拟机上透明地运行并行应用软件.

改进型蚁群算法的多处理机任务调度研究

蚁群算法是一种新型的模拟进化算法,具有正反馈、分布式计算等特点,是一种解决组合优化问题的有效算法。在介绍蚁群算法基本原理以及探讨该算法的缺陷基础上,针对多处理器任务调度问题,提出了一种基于改进型蚁群算法的调度策略。仿真研究表明,该算法具有优良的全局优化性能,效果令人满意。

参数化系统二维抽象框架

针对参数化系统状态空间爆炸问题提出了一个通用的参数化系统二维抽象框架TDA。对所有进程单独进行抽象,利用参数化系统的设计思想,隐藏系统参数构建全系统的抽象模型,最大限度地剔除了原始系统中的冗余信息。建立的具有真并发语义的参数化系统的形式化模型,更适合描述一般意义上的并发系统,较好地解决了验证大规模同构和异构系统的空间激增问题。理论推导和实例均证实了TDA的正确性和合理性。

并行累积可视性分析中的任务调度研究

为提高并行地形分析的性能,需要对分布式并行任务进行合理的划分与调度。鉴于基于有向无环图任务划分方法存在的不足,提出了基于任务粒度模型的优化调度方法。以并行累积可视性分析算法作为用例,采用分组的调度策略实现具有不同依赖关系子任务的合并。为体现任务粒度的性能优势,使用Bresenham算法计算不同种类的可视域。在小规模集群环境的实验结果表明,基于该任务调度方法的并行算法具有较高的计算效率。

具有优先链约束的网格作业多资源调度问题

网格计算是网络并行计算的发展新趋势,网格系统中的分布式资源管理和调度一直是研究的热点和难点。对于网格应用作业的多资源调度问题,一个网格作业往往要分成多步骤进行,每个步骤都需要占用多个资源。首先将该问题抽象为典型的多处理机任务调度模型Pm|fix,p=1,chain|Cmax,即在m个处理机系统中调度n个多处理机任务,每个任务指派到所需一组处理机上不可剥夺地执行,而且每个任务都需要一个单位的处理时间,并根据优先关系形成链约束。该问题被证明为NP难问题。利用宽度优先技术和首次满足方法,构建了几个多项式时间近似算法,并通过模拟实验分析算法性能,实验结果显示算法是实用的。

一种基于多处理器环境总线接口部件的优化方案

探讨通过优化总线接口部件的设计来提高处理器整体性能,优化的措施着重于降低处理器访存的次数和减小总线负载。仿真和验证结果证明这些方法是可行有效的。