在线课程下的自适应查询调度算法

在线课程系统中,针对如何将查询请求充分映射到有限资源上这一热点问题,设计基于系统负载平衡的自适应查询处理器。该处理器综合考虑服务器、带宽等性能指标,建立由服务资源单元和远程查询消耗单元组成的基于资源负载平衡的查询期望代价矩阵,并结合利用Min-Min和Max-Min算法的优点,提出新的自适应查询调度算法(A-MM)。实验表明A-MM有较好的执行效率和平衡负载能力。

大规模在线课程非专用资源预测与查询调度

大规模在线课程系统需要大量资源作支撑。资源使用的动态性及租用的固定性导致资源被浪费。将"非专用"思想应用于系统,可整体降低资源租用量。首先通过马尔可夫"生灭"过程预测资源状态,筛选出"非专用"资源;接着建立查询期望代价矩阵,使用A-MM(Adaptive Min-Min and Max-Min)算法进行自适应查询处理;最后实验表明,预测错误率低,性能稳定;A-MM有较好执行效率和平衡负载能力。