基于跳跃因子模型的不规则分布蓝色任务法

跳跃因子模型是处理系统超载的一种有效方法 它能够降低系统负载 ,并使系统缓慢降级 Deeply Red算法是一种简单的基于跳跃因子模型的任务请求丢弃方法 ,然而由于Deeply Red算法未考虑任务特性和CPU资源利用率 ,其性能较差 为了克服Deeply Red的缺点 ,提出不规则分布蓝色任务法 :静态不规则分布蓝色任务法 (SUDB)和动态不规则分布蓝色任务法 (DUDB) SUDB和DUDB算法都是通过降低高优先级任务对低优先级任务的干扰时间 ,来提高任务集的可调度性 模拟结果表明 ,SUDB和DUDB算法性能要优于Deeply

面向流计算的GPU存储资源动态分配技术

针对流处理计算模式中的任务分配不平衡问题,提出一种资源动态分配的硬件调度机制。该机制通过实时监测各个任务的计算量,动态地调节分配各个任务的计算资源,提髙不规则任务的计算资源利用率,并且利用任务间数据流动的特性优化了缓存设计。与现有GPU的成熟调度算法相比,该调度算法能使系统性能获得明显提升。