基于回填算法的网络空间安全态势动态感知方法

为了提升网络空间安全水平,提出了基于回填算法的网络空间安全态势动态感知方法。在回填算法中引入最早截止时限优先算法与最大权重优先算法,以提升资源利用率。利用改进的黑猩猩算法优化回填算法权重,为网络空间安全态势动态感知任务分配资源。以分配的安全态势动态感知任务资源为数据样本,通过广义径向基函数神经网络输出网络空间安全态势动态感知结果。实验结果表明,该方法可有效降低安全态势动态感知任务资源分配的截止时限错失率,提升网络资源利用率;在不同类型的网络攻击下,该方法可有效地动态感知网络空间安全态势;在不同的认证方式下,该方法的平均相对误差较低。

面积最大优先调度的预约回填算法

传统backfilling算法是在先来先服务基础上,将小作业回填到空闲CPU,以提高CPU利用率。该算法偏向小作业,大作业也会因为长期等待出现饥饿现象。当空闲CPU数无法满足算法中小作业回填要求时,系统仍有部分CPU闲置,难以更好地提高CPU利用率。本文中提出的算法以作业所需CPU数及预估运行时间构成的二维面积作为优先调度的条件,引入二级优先级和预约算法消除大作业的饥饿现象,减少回填作业CPU数,相应增加预估运行时间,更好提高CPU利用率。实验证明,该算法比传统backfilling算法在保证用户公平性,缩短作业平均响应时间及CPU利用率方面有所提高。

云环境下基于EDF和LWF的回填算法

由于云资源有限,如何保证时限和提高资源利用率一直是提高成本效益的关键问题.提出一种基于最早截止时限优先算法(EDF)和最大权重优先算法(LWF)的回填算法.该算法通过使用LWF算法支持等待队列中所有的任务按照时限评分排序,在回填任务时,考虑任务的权重,以提高资源利用率;当检测到回填的任务错过了截止时限,则采用EDF算法,以满足时限保证.仿真结果表明,相比平衡螺旋法回填算法和EASS回填算法,提出的算法具有更短的服务延迟时限和更高的资源利用率.

基于回填算法的实验室云端访问安全监控仿真

传统实验室云端访问安全监控方法无法识别访问数据的伪显特征,实验数据保密性较差。为此提出基于回填算法的实验室云端访问安全监控方法。结合不同云端服务类型,将实验室云数据的生命周期分段处理。利用回填算法,通过调度器根据截止时间实现任务评分,并定义任务优先级。设置四项状态变换规则,构建保护数据隐私性与完整性的安全监控模型。将安全等级按照由高到低顺序排列,建立任务与用户之间的关系矩阵,实现云端访问安全监控。仿真验证了回填算法的应用下,实验室资源利用率较高,可有效识别出访问数据的伪显特征,确保实验室访问安全。

价值密度—截止期—回填的网格作业调度算法

在商业网格和云计算环境中,作业有到达时间、计算量、预算、截止期等属性,区分作业的重要性和紧迫性是调度系统的关键问题之一。现有的作业优先级只考虑作业的单个或部分属性。综合考虑以上提及的四个属性,定义了基于价值密度和相对截止期的作业优先级,提出了基于价值密度和相对截止期的网格作业调度算法,并结合回填算法(EASY backfilling)来提高资源的利用率。仿真结果显示,基于价值密度和相对截止期的作业优先级很好地体现了作业的重要性和紧迫性;而回填算法在提高资源利用率上对某些优先级策略效果显著,有些则效果不明显。

基于BACKFILL的“削足适履”并行作业调度算法

BACKFILL方法在并行作业调度时并不能有效地的利用CPU资源.在BACK-FILL的基础上,提出一种“削足适履”算法.利用CPU的空闲空间作为判断依据,扩展了可参与填充操作作业的数量,“削足适履”算法通过合理修改队列中作业的参数-CPU数量和运行时间,将BACKFILL算法无法处理的作业填充到空闲的CPU空间中,弥补了BACK-FILL算法的不足,提高了并行系统作业调度CPU利用率.

集群资源管理及回填技术

随着互联网的高速发展和大数据的广泛运用,无论是科学计算还是社会工业,都越来越依赖于强大的计算能力,对服务器性能的要求也越来越高。计算机集群系统具有处理速度快、可靠性高,可扩展性好等诸多优点,成为了服务器的主流。而集群资源的合理分配和高效的作业调度算法在提高系统整体资源利用率,作业吞吐量和程序性能等方面发挥着重要作用。基于现有的资源管理模型和应用需求,本文研究和分析了集群资源组织管理方法,作业调度关键技术,并对目前主要的三种回填策略对提高集群资源利用率方面的运用进行了阐述和对比。