基于云计算平台的多数据库并行调度算法仿真

为保证网络负载均衡、解决当前数据库调度效率低下的问题,提出基于云计算平台的多数据库并行调度算法。在云计算基础设施层内引入可信根与信任传递思维,面向虚拟层实际特征,组建高度可信云计算平台;提取多数据并行调度时间序列混沌特征,计算数据库调度控制集合与调度时间顺序适应值,利用MapReduce操作获得并行调度模型;使用离散粒子群算法间接编码各子任务占据的资源,计算粒子的速率与方位并实时更新,结合权重影响因子提高算法搜索效果,完成高效率多数据库并行调度。仿真结果表明,所提算法具备极强的收敛性与全局搜索能力,并行调度效率快,为多数据库信息交互提供充分便利。

嵌入式环境下导航地图数据表示和并行调度显示算法

构造了满足导航要求的地图数据表示多维要素集NDIS_SET,针对嵌入式环境下计算、存储等资源有限的情况,提出了地图数据并行调度显示算法N_PDIS(navigation data parallel display),该算法根据地图显示操作进行模糊图幅预判,并通过动态图幅调度生成两块位图,实时将其中的一块切换至屏幕,算法通过两个并行线程完成。实验结果表明,N_PDIS在显示速度和平滑性方面有明显的优势。

柔性作业车间批量划分与并行调度优化

针对柔性作业车间分批调度中因批次数量划分的随机性,导致最优分批方案存在搜索空间大、效率低的问题,提出试探法,使分批具有方向性、搜索空间可预测,从而得到合适的批量划分。进而提出相同工件同批工序间、不同工序间可并行的车间调度算法,与传统的批量调度结果相比,该算法可缩短生产周期、提高车间生产效率、减少批次数量、降低车间管理复杂度。采用上述方法对批次数量进行划分并使用并行算法对划分后的工序进行调度,实验结果表明,该方法在快速找到合适分批方案的同时优化了调度结果。

并行调度两级轮询控制传感器网络MAC协议分析

针对具有网络流量非均衡特性的时延敏感业务,提出一种并行调度两级轮询MAC控制协议。协议从服务策略和服务路径的角度实现了节点的优先级区分,并且通过服务过程和查询转换过程的并行处理,使得系统的时延特性显著提高。采用嵌入式马尔可夫链和概率母函数理论对提出的协议进行数学建模分析,精确解析了系统的平均排队队长、平均循环周期、信息分组的平均等待时延,仿真实验表明理论分析的正确性以及协议的有效性。

云计算环境下的复杂数据库并行调度模型仿真

在云计算环境下的复杂数据库并行调度过程中,多服务器和多数据库并行工作,但是不同数据库的查询规则、逻辑结构都存在较大差异。在进行数据调度过程中,不但需要考虑服务器的优先级,还要考虑数据的优先级以及两者之间的相互优先级。造成传统的调度过程需要复杂的约束条件,并行调度效率过低。提出采用数据相互混沌特征的复杂数据库并行调度方法。将混沌优先级因子与并行数据调度技术相融合,代入到调度寻优计算中,获取混沌特征,利用得到的混沌特征,提高全局搜索能力。以调度时间序列为基础,完成高精度的并行调度负载控制,防止复杂数据库负载过大等弊端出现。仿真结果表明,改进方法提高了复杂数据库数据调度的效率,增加了调度过程数据的吞吐量。

航天器发射多任务并行调度模型及算法

航天器发射高频度常态化和航天产品可靠度的增加,客观上要求航天器发射采用并行调度模式以提高发射资源利用率。针对工序迭代可能引发的航天器发射系统死锁,构建了死锁预测和损失评价机制,建立了最小化任务时间和最小化加权滞后时间综合的目标函数,设计了多任务并行调度模型,开发了多类agent协同工作的优化算法,并使用调度实例验证了模型和算法的可行性和有效性。模型和算法在"天宫一号"和"神舟八号"发射任务中得到初步应用,效果较好。

基于多核感知的应用服务并行调度平台

在云计算环境下,Paa S和Iaa S协同工作是发展的趋势。针对大数据的处理及应用服务越来越复杂和多样化的需求,利用应用虚拟化技术在Paa S层与Iaa S层之间搭建一个应用服务层,研究在管理平台中基于多核感知的并行调度模型。通过该应用服务管理平台,实现按业务逻辑需求用不同粒度的应用服务组装形成系统新功能,然后以平台中基于多核感知的并行调度模型来处理/响应用户的作业请求。借助应用服务管理平台,一方面提高系统的灵活性和行业适应性,另一方面也能实现对计算资源进行细粒度的分配。从实验结果可知,应用服务管理平台能有效地按业务需求完成应用服务组装,通过并行调度提高了系统对基础架构资源的利用率,并有效地提高了管理平台的吞吐量。

云计算环境下基于模糊聚类的并行调度策略研究

并行任务调度是分布式计算研究的核心问题之一,其结合大规模的石油地震勘探数据在处理过程中对高性能计算的需求,研究云计算环境下地震资料数据的并行调度问题。由于地震资料数据规模较大,因此通常将大作业进行分割,通过并行处理获得较高的处理效率。对任务进行并行处理的一个关键问题是如何将划分后的任务分配到合适的调度节点,最高效的情况是使云计算环境中的每一个资源节点都在进行计算,并且计算性能高的节点执行作业块大且复杂的任务,性能相对低的资源节点则运行对计算性能要求不高的任务或小任务,以达到整体上的负载平衡。因此基于模糊聚类思想,提出一种任务与资源混合聚类的调度优化策略,以作业与资源节点属性的匹配程度为基准,对并行作业进行聚类划分求解,在缩小任务调度规模的同时,为动态调度任务奠定基础。在划分完成后引入基于改进的贝叶斯分类调度算法,将资源节点依据其实时负载情况与队列中的作业进行快速的匹配。实验证实,此方案具有较高的执行效率。

分布存储系统上一种新的并行调度算法

在一般的分布存储系统上各个处理器可能不同且资源共享 ,导致了并行任务在各个处理器上的执行时间具有很大的随机性 ,主要根据系统及并行任务特性等引进特征参数 ,采用计算与通信重叠等方法设计出了一种新的并行调度算法 ,即使在多用户环境下应用此算法不仅能达到极高的负载平衡 ,充分利用系统资源而且能有效地提高并行效率及加速比 .实验结果表明 。

支持并行调度的多项目资源管理CPN建模

构建良好的多项目资源调度模型已成为项目型企业多项目管理计划与控制的关键性基础工作。在分析多项目并行调度特点的基础上,基于Petri网擅长描述随机性、任务间并发、同步、并行等系统特征的优势,克服当前已有的多项目并行调度模型的不足,构建了基于CPN的多项目并行调度模型。通过建模实例阐述了模型的仿真分析方法,证明了基于着色Petri网构建多项目并行调度模型的可行性和有效性。

基于子任务区域分片下的分布式空间查询处理与并行调度方法

分布式空间查询优化是提高分布式空间数据库性能的关键问题之一。本文针对区域分片的数据分布特征,在已有的跨边界连接转化及优化规则基础上,依据片段连接的分配规则将全局查询映射为局部片段连接,提出不同站点上交矩形大面积优先的任务排序策略以及基于子任务的代价模型的分布式并行查询动态任务调整方法。经过实验表明,该方法不仅进一步提高了分布式空间查询的效率,有效解决分布式空间并行查询的负载平衡问题。

一种基于繁忙时间的并行调度能耗优化算法

减少服务器繁忙时间是云计算并行调度中节约能耗的一种有效途径,而现有基于繁忙时间的能耗节约策略大多以牺牲作业调度性能为代价,无法与其他有调度性能优势的作业调度算法结合使用。提出一种有效的基于繁忙时间的并行调度能耗优化算法——BTEOA。首先,将作业请求队列根据当前服务器可用资源划分为作业窗口和非作业窗口。其次,按照作业窗口中作业请求能使所有服务器总繁忙时间局部最优的原则匹配服务器进行调度。最后,作业窗口中所有作业请求执行完成后,继续将非作业窗口进行作业窗口与非作业窗口划分,直到所有作业请求执行完毕。作业调度过程中,始终保持作业排队模型不变,保证了作业调度性能不受影响。实例分析与实验结果表明,BTEOA算法能够在不影响作业调度性能的前提下,节约能耗,同时支持与其他作业调度算法结合使用。

网络磁盘阵列I/O请求并行调度策略

在研究网络磁盘阵列I/O请求处理过程中,利用网络通道与I/O通道的并行操作,提出了网络磁盘阵列I/O请求并行调度策略,并给出了详细设计与实现.该策略由同步控制和并行调度两阶段组成.控制程序初始化完成后,进入同步控制阶段,同步控制阶段操作I/O请求信息队列,并根据当前条件启动并行调度阶段的不同步骤.并行调度阶段按照启动顺序完成I/O请求,并返回下一次同步控制.研究结果表明,并行调度策略能有效地提高网络磁盘阵列的性能.

一种两路并行调度的点乘算法硬件实现

针对GF(2m)域椭圆曲线点乘算法计算速度慢,硬件实现成本高的问题,提出一种改进的并行调度算法以及专用的硬件调度结构。通过合并点乘算法中底层模乘、模逆及模平方算法,降低底层运算单元硬件成本。同时对点乘算法进行模乘和模平方两路并行调度分解,以提高运算速度。并针对点乘调度算法的特点,设计专用的硬件调度结构,以减少调度复杂性。StratixIII系列的FPGA原型实现结果表明,通过这些方式使点乘运算速度得到提高。

NAND flash的并行调度算法

通过对SSTF和SCAN等磁盘调度算法的分析,根据NANDflash的存储特性以及DMA的传输特性,提出一种兼容NVMHCI协议,结合时间相邻和空间相邻的快速调度算法.通过利用FPGA上的可配置处理器核,以定制指令形式成功实现了该调度算法.算法的性能在自行设计的存储系统中得到验证,存储系统的峰值吞吐量可以达到10Gbps.与类似存储系统相比,系统的灵活性和存储性能均有大幅提高.

活动成本目标MMRCPSP并行调度方案

给出了考虑可重用资源约束的活动成本目标多模式资源受限工程调度问题的数学模型,结合多模式问题的特性给出了并行调度方案,提出了一种活动—模式联合调度策略,并设计了模式的优先调度规则,其中考虑了活动先序相关成本因素,包括悲观的先序相关成本因素、乐观的先序相关成本因素和折衷的先序相关成本因素。基于改造PSPLIB的算例测试表明,在考虑折衷的先序相关成本因素时所取得的计算效果相对较好,可以在现实工程调度中作为主要优先规则来使用。

ASON光网格中基于GridFTP的资源并行调度机制

为解决面向应用驱动的网格资源动态分配,提出基于ASON的光网格模型,在此基础上提出面向GridFTP服务的并行网络资源调度机制。并行资源调度借助于光资源控制系统提供网格应用中并行通道数据传输,在网格应用驱动下实现网络资源的动态按需分配,提高了光资源利用效率及海量数据传输能力。通过构建基于ASON的光网格平台体系,执行GridFTP文件传输应用服务以验证所提模型和资源调度机制。

基于云计算的船舶大数据并行调度算法研究

港口对大量船舶进行同时调度时,需要计算非常庞大的数据,传统船舶调度算法很难在短时间内完成计算工作,为此提出基于云计算的船舶大数据并行调度算法研究。建立云计算体系与大数据信息的并行调度框架,完成船舶大数据并行调度计算;采用SQL语言对并行调度核心步骤进行编写,将云计算结果导入并行调度算法体系中,实现船舶大数据并行调度计算。实验数据表明,设计的并行调度算法能较传统计算效率提高37.1%,并短时间内完成所需的计算任务,提高船舶的调度效率。

光纤网络中的云数据并行调度

光纤网络的通信质量受到云数据调度均衡性影响很大,为了改善光纤网络通信质量,提高网络中云数据传输的吞吐量和保真率,通过云数据并行调度,实现云数据传输均衡,提出一种基于自适应判决反馈均衡的光纤网络云数据并行调度模型;构建光纤网络通信的传输信道模型,采用最小均方误差估计方法进行光纤网络的量化融合估计,运用匹配滤波检测器进行云数据中的干扰滤波处理,结合自适应判决反馈均衡方法进行信道均衡,在均衡的信道中对滤波输出的云数据进行并行调度和多线程输出调制;仿真结果表明,采用该方法进行光纤网络中的云数据并行调度的均衡性较好,输出数据的保真率较高,误码率较低,改善了光纤网络的整体性能。

中庸算法——一种基于环型结构的并行调度算法

给出了分布式系统中的一种基于环结构的并行调度算法，以下称为中庸算法，并从理论上证明了该算法能够达到较好的负载平衡、最大限度的减少任务的迁移和通信、最大程度的计算本地化