考虑云端距离的科技服务边缘计算资源均衡调度算法

为解决科技服务边缘计算资源调度耗时长、负载不均等问题,提出考虑云端距离的科技服务边缘计算资源均衡调度算法。以云端距离为基础搭建边缘计算场景,组成边缘计算网络架构,计算节点云端距离约束与数据传输速率;划分任务优先级,融合任务参数与调度时间规划资源均衡调度模型,使用蚁群优化算法求解模型,完成科技服务边缘计算资源均衡调度。实验结果表明:该算法解决了计算资源调度耗时长、负载不均等问题。

云计算环境下虚拟机资源均衡调度方法探析

云计算是对信息互联网服务的增值和升华,它改变了传统的静态服务与固定有限的服务空间。资源调度和作业调度作为云计算中两个关键技术,虽然领先于业界但还存在缺陷,比如其任务执行的透明度等等。随着如今数据信息中心规模的不断扩大和云端用户数量的持续增加,如何巧妙调整虚拟机用户任务时间,从而最有效率的完成云计算资源均衡调度是需要认真对待和研究的课题。本文根据云计算的特点与节能机制,探讨了虚拟机调度的相关模型和具体算法。

面向Flink的负载均衡任务调度算法的研究与实现

Apache Flink是现在主流的大数据分布式计算引擎之一,其中任务调度问题是分布式计算系统中的关键问题。由于集群的异构性以及不同算子复杂度不同,大数据计算系统Flink中不可避免地会出现负载不均的情况,针对这种问题,提出了基于资源反馈的负载均衡任务调度算法RFTS。通过实时资源监控、区域划分和基于人工萤火虫优化的任务调度算法3个模块,把负载过重的机器中处于等待状态的任务分配给负载较轻的机器,来实现集群的负载均衡,提高系统集群利用率和执行效率。最后通过基于TPC-C和TPC-H数据集的实验结果表明,RFTS算法从执行时间和吞吐量2个方面有效提升了Apache Flink计算系统的性能。