一种新的基于GPS的分组公平调度器

GPS(通用处理器共享 )是一种调度算法流模型 ,WFQ(加权公平排队 )、WF2 Q(最差情形公平加权公平排队 )等调度算法都是基于对GPS的模拟 .本文证明了WFQ、WF2 Q等算法并不是P GPS(基于分组的GPS) ,也就不能保证P GPS的时延及服务特性 .此外 ,本文提出了正确的P

WFQ不是PGPS吗?——对“一种新的基于GPS的分组公平调度器”一文的评注

邬海涛等[1] 声称“证明了WFQ、WF2 Q等算法并不是P GPS(基于分组的GPS) ,也就不能保证P GPS的时延及服务特性” .不幸的是 ,该文对WFQ系统中一个关键概念“阻塞的连接的集合”的理解是错误的 ,因此导致该文的结论无效 .

面向MapReduce的自适应延迟调度算法

MapReduce已经成为主流的海量数据处理模式,调度作为其中的关键环节已受到业界的广泛关注。但是,已有的调度算法难以达到公平性和数据本地性之间的平衡,提出一种动态自适应的延迟调度算法,针对公平延迟调度算法静态设置延迟时间的不足,根据节点的释放速度动态调整作业的延迟等待时间,避免了节点释放速度快时,作业因静态延迟时间而进行的无效等待,从而减少了完成整个作业的响应时间。通过对基于Hadoop平台实现的原型系统的文本排序实验测试表明,自适应的延迟调度算法相比已有的延迟调度算法在作业响应时间方面提升5%～8%。

Hadoop YARN大数据计算框架及其资源调度机制研究

Hadoop 2.0提出一种新的资源管理系统YARN,它可以支持多种大数据计算框架(如Map Reduce、Storm、Spark等),目前已经成为腾讯、阿里等互联网公司部署大数据平台采用的主流计算框架。为此,文章在分析Hadoop YARN计算框架的基本结构和工作流程的基础上,重点研究Hadoop YARN中的资源调度机制,包括其资源调度器的模型与机制,及其目前已经实现的容量调度器(Capacity Scheduler)和公平调度器(Fair Scheduler)的设计思想、工作原理和脆弱性,并探讨其下一代欧米伽调度器(Omega Scheduler)的主要设计思想。

旅游物流多资源高效协同调度算法的研究与仿真

提出了一种基于多资源公平调度器MFS和多资源负载均衡算法RLBA的多资源调度算法,应用于旅游资源的调度中,采用MFS实现用户和物流活动两方面资源的公平调度,依据需求向量资源的大小给物流活动分配合理的资源,运用RLBA将物流活动资源划分成不同的类型,将资源任务分配到轻载物流活动上,中、重载物流活动的负载不会增加,确保总体旅游物流系统资源的负载均衡。实验结果说明,该算法的收敛速率远远大于自适应遗传算法和混合遗传算法,该算法具有较高的搜索概率、较低的平均迭代次数和平均响应时间,能够实现对旅游物流多资源的快速准确的调度,具有较高的应用价值。