大数据中心集群异构网络基准性能测试方法

针对BDC(大数据中心)集群异构网络缺乏精确、系统和规范化的性能评测优化方案问题,构设BDC集群异构网络基准性能测试指标体系,建立基于STC(思博伦测试)平台的BDC集群异构网络基准性能测试模型,提出一种集群异构网络基准性能测试方法及其指标优化方案。通过实验验证,文中模型能够基于BDC拓扑结构分析,快速定位网络性能瓶颈,实现评测指标的智能迭代优化,在网络性能提升的前提下显著降低系统响应时间。

基于博弈论的异构无人集群协同编队避障控制

针对多无人机、无人车异构无人集群系统编队避障控制问题,对其利用博弈论方法进行了研究。不同于目前大多数只考虑群体编队目标的多智能体编队控制方案,允许每个智能体都具有个体目标,其中个体目标包含个体跟踪目标和避障目标。使异构无人集群系统在完成协同编队的同时,每个智能体还需根据其自身利益跟踪目标点并实时避障。由于智能体的个体目标和群体目标之间可能会产生冲突,将异构无人集群编队问题转化为智能体之间的非合作博弈问题。通过在代价函数中加入基于人工势场函数设计的避障项实现实时避障,并基于寻求纳什均衡方法设计了控制器,使异构无人集群系统可实现个体目标和群体目标平衡的编队模式。最后通过仿真实验验证了理论结果的正确性。采用该方法可使异构无人集群系统实现编队运动并实时避障。

复杂环境下异构无人机集群协同目标搜索方法

为实现无人机集群高效且精准的多目标搜索,考虑集群成员中探测范围广的高空无人机和机动能力较强的低空无人机,提出了一种新颖的异构无人机集群协同目标搜索方法,根据不同无人机的特性快速实现区域搜索以及多目标的精准搜索。高空无人机采用基于数字信息素的区域搜索算法确定目标存在区域,在较短时间内实现区域覆盖。低空无人机在其指引下前往目标区域,并根据目标信号强度采用改进狼群算法实现对目标的精准搜索。对于传统狼群算法信息共享不足、步长固定和易陷入局部最优的问题,采用粒子群算法、自适应参数调整和差分进化方法进行改进,提高了算法的全局寻优能力和收敛速度。仿真实验证明了所提出的模型与方法在复杂环境下目标搜索任务中的有效性和优越性。

面向复杂多任务的异构无人机集群分组调配

针对复杂多任务下的异构无人机(unmanned aerial vehicle,UAV)集群分组调配问题,提出一种基于改进K均值和延迟接受(deferred-acceptance,DA)算法的先聚类后匹配方法。在任务聚类分组环节,通过离群点检测和固定初始聚类中心的方法来提高K-means聚类的精度,并设计余量裕度下的分组均衡性调整策略,在最优性的前提下提高分组的均衡性。在集群匹配分组环节,改进了DA算法,通过任务倾向的偏好列表快速生成预中选方案,并设计两阶段冲突消除来保证匹配的稳定性和收敛性。仿真实验表明,所提方法能够快速有效地解决复杂多任务下的UAV集群分组调配问题,具备良好的最优性和时效性。

基于无线信道建模异构无人集群网络仿真研究

随着无人集群作战系统迅猛发展,适应于无人机/无人车/有人车的异构无人集群网络成为研究的热点。针对当前异构无人集群组网仿真中,无线信道仿真模型建立的空白,提出了基于OPNET无线管道模型的无线信道仿真模型建立方法。通过在OPNET仿真系统中集群无线信道仿真模型,对异构无人集群进行大规模网络构建、快速入网协议以及网络柔性分裂自愈仿真验证。与传统的仅验证网络协议的仿真过程相比,通过建立的仿真模型更贴近真实网络使用场景,能够更加充分地验证网络协议有效性、合理性,保证网络柔性自愈能力。

异构无人系统集群自主协同关键技术综述

本文给出了国内外异构协同项目实例及已经出现的异构集群形式,并综合文献资料给出了异构集群的定义。将同构多无人系统协同任务过程中的关键技术分为协同网络通信、协同决策与规划技术、协同编队控制技术和协同末制导技术,对每个关键技术进展做了总结概括,给出了异构集群相比同构集群的技术差异。在此基础上提出了任务前规划和协同博弈制导两个技术领域,提出了针对异构集群的分组配比问题,介绍了场景建模和双层优化模型求解技术的发展现状;针对多体对抗问题给出了微分对策理论需要解决的问题。最后对异构集群协同技术所面临的难点作出总结,并对该研究领域的未来发展作出展望。

基于动态一致性联盟算法的异构无人机集群协同作战联盟组建

动态未知乃至对抗条件下的异构无人机集群协同作战联盟组建是无人机集群实际作战运用的重要一环。构建以动态一致性联盟算法(Dynamic Consensus-based Grouping Algorithm,DCBGA)为核心的无人机集群决策控制流程框架。为无人机集群设计通信受限条件的通信组网模型,并引入动态自适应机制,以有效应对高动态任务场景;基于“作战环”理论,对网络架构下的异构单元非线性作战效能聚合效果进行描述,并纳入全局效益函数,牵引异构无人机协同作战联盟组建;将联盟组建过程划分为目标选择、一致性和信息与状态更新三个阶段,采用动态一致性联盟算法支撑无人机集群自下而上完成各阶段的信息决策控制。仿真结果表明,新构建的算法体系可以有效推动异构无人机集群实现作战联盟组建,完成协同打击作战任务,具有较好的动态适应性及规模扩展性,在对抗环境下展现出良好的韧性。

智慧校园中面向边缘AI集群的异构优化方法研究

随着边缘计算和人工智能AI技术的兴起,基于云计算集群的物联网解决方案逐渐显露出短板,而基于边缘计算集群的物联网解决方案因其体积小、推理延迟小、集群部署灵活等特点,越来越受到研究者的青睐。然而目前的大多数研究都把焦点放在单个AI任务在单个边缘终端的计算效率,计算效率较低下,因此该文应用高校已有的软硬件资源,搭建一组部署了多种类型推理任务的边缘设备集群,对边缘异构解决方案进行研究,提出了智慧校园中面向边缘AI集群的异构优化方法——整数线性规划及其求解方法——平面分割定界法,来解决边缘异构集群任务调度不合理造成资源浪费的现状,为智慧校园建设打下坚实的基础。

异构Spark集群下自适应任务调度策略

Spark是一种基于内存的类Hadoop MapReduce高效大数据处理平台,但其默认的任务调度策略在异构Spark集群下未考虑到节点的能力差异,降低了系统性能。为此,提出一种基于异构Spark集群的自适应任务调度策略。该策略通过监测节点的负载及资源利用率,分析监测得到的参数,自适应动态调整节点任务分配权值。实验结果表明,在异构节点情况下,该策略在作业完成时间、节点工作状态及资源利用率方面的性能均优于默认的任务调度策略。

异构集群系统中具有QoS需求的实时任务容错调度

容错调度是调度问题中一个重要的研究内容,是提高系统可靠性的有效手段.目前已有很多集群系统中实时任务的容错调度算法,但是这些算法都没有考虑到任务的QoS需求问题.提出了一种异构集群系统中具有QoS需求的实时任务容错调度算法FTQ(fault-tolerant QoS-based scheduling).该算法采用主版本/副版本(primary/backup,简称PB)技术,综合考虑了任务的时间限制、任务的QoS需求、系统的可靠性和系统资源的利用率,能够自适应地根据系统负载情况动态地调整任务的QoS级别和副版本的执行模式,从而提高了系统的灵活性、可靠性、可调度性和资源的利用率.对系统的可靠性进行了定量分析,并将其引入到容错调度算法中,提高了系统的可靠性.同时,在调度过程中尽量提前主版本的开始时间,推迟副版本的开始时间,以使任务的副版本采用被动执行模式或者使任务主版本和副版本的重叠部分尽量少,提高了资源的利用率.此外,采用了副版本重叠技术,并分析了副版本的最晚开始时间及其约束条件,提高了任务的调度成功率.通过大量的模拟实验,对FTQ,NOFTQ和DYFARS算法进行了比较.实验结果表明,FTQ算法的性能优于其他方法,具有更好的调度质量.

面向MapReduce异构集群的低功耗调度技术研究

随着网络数据规模的急剧膨胀,集群在数据处理中扮演日益重要的角色。然而集群中任务的不合理分配导致能量利用率很低。面向数据处理领域中最常用的MapReduce异构集群,通过对节点上的任务进行调度,在保证处理时间限制的前提下最小化能耗。将该问题模型化并基于CPLEX优化工具进行求解。使用GridSim模拟器,以TeraSort和K-means作为评测对象对算法效果进行了评测。实验结果显示,与标准FIFO调度策略相比,所提出的方法使得平均功耗下降了29%。

异构集群系统中安全关键实时应用调度研究

在集群系统中,为有安全需求的实时应用提供安全保障得到了广泛关注,但将实时应用的安全需求与调度算法相结合的研究并不多.文中提出了一种异构集群系统中安全关键实时应用的2阶段调度策略——TPSS.该策略综合考虑了任务的安全需求与时间限制.在TPSS的第1阶段,提出了一种自适应调度算法DSRF,当系统负载较重时,DSRF算法能在保证任务安全需求的基础上,通过降低新到任务和等待队列中任务的安全级别来提高任务的调度成功率.相反,当系统负载较轻时,DSRF算法能在保证系统具有较高调度成功率的基础上充分利用任务在截止期前的空闲时间提高新任务的安全级别.在TPSS的第2阶段,提出了一种新的算法FMSL,用来为所接收任务提供较为公平的安全服务,同时进一步提高了任务的整体安全级别.文中通过大量的模拟实验对TPSS策略与DSRF算法、SAEDF算法和RF算法进行了比较.实验结果表明,TPSS策略优于其它方法,使系统具有较强的安全性与灵活性.

Hadoop异构集群中数据负载均衡的研究

Hadoop平台下,数据的负载均衡对平台性能的发挥有着深远的影响。首先分析默认数据负载均衡的局限性,针对现有默认HDFS(Hadoop Distributed File System)数据负载均衡算法只考虑存储空间利用率,而未考虑节点间异构性的问题,提出一种量化异构集群数据负载均衡的数学模型。该模型根据节点的存储空间及节点性能计算得到各个节点的理论空间利用率,并根据当前集群存储空间利用率动态调整节点最大负载。实验结果表明,提出的数据负载均衡策略能够让异构集群达到更合理的均衡状态,提高集群的效率,并有效减少作业的执行时间。

基于软交换的异构集群媒体服务器中一种LRV负载均衡算法

针对基于软交换的集群媒体服务器的系统特征,本文提出了一种LRV(Limited Resource Vector)负载均衡算法,该算法考虑了系统中资源的协调使用并有效防止了系统性能的剧烈变化.通过在集群媒体服务器负载均衡系统Petri网模型上的大量仿真模拟,对LRV负载均衡算法与其他传统负载均衡算法在异构环境下的均衡能力、系统吞吐量、系统响应时间和性能平稳性几个方面做了比较和分析.结果表明,LRV算法具有优越的性能,对集群媒体服务器的异构环境有良好的适应能力.

基于和声算法异构Hadoop集群资源分配优化

异构Map-Reduce环境中资源分配策略直接影响其响应时间,如何利用有效的策略将计算任务分配到计算资源是亟待解决的问题。利用和声搜索算法对异构Hadoop集群中的计算资源分配问题进行优化。对问题进行建模时考虑了异构计算机集群中各节点的处理能力、带宽和线路质量和源数据位置等因素对计算资源分配的影响,利用和声搜索算法优化资源分配策略,以期在满足用户需求的前提下提高系统的响应时间。并用Gridsim对算法进行仿真实验,实验结果表明利用和声搜索算法可以达到减少系统响应时间的目的。

基于Abaqus软件的并行计算异构集群平台的搭建

在异构集群上充分利用新、旧硬件资源调度计算任务是实现集群高性能并行计算的难点。通过测试已搭建集群服务器的CPU和内存对Abaqus软件计算速度的影响,发现CPU的主频对Abaqus/Explicit模块计算速度的影响大,CPU的缓存对Abaqus/Standard模块速度影响大;当内存满足计算任务的最小需求时,增加内存对计算速度无任何影响;当内存不足时,计算速度会大幅减慢。据此测试结果,新增4台服务器作为计算节点和一台Infiniband QDR交换机作为交换节点,搭建了新的异构集群,性能测试结果表明:相对于千兆以太网络交换机I,nfiniband QDR交换机的并行计算效率更好,且集群的计算节点越多越显著;Abaqus/Standard模块并行计算效率的提高幅度要比Abaqus/Explicit模块的稍高一些。针对异构集群硬件构架相差较大的2批新、旧硬件,设置了2个管理节点、2个网络节点、2个存储节点,充分利用了新、旧硬件资源,高效地实现了在一个异构集群平台上提交与下载任务。

面向异构集群系统的动态负载均衡技术研究

在集群系统中的一个非常重要的问题就是尽量确保负载的均衡。由于目前的负载均衡算法大多针对同构的集群系统,没有很好的扩展性。研究了异构集群系统,提出了一种异构服务器集群的动态负载均衡算法,并取得了较好的效果,特别是在负载较重的时候。

HDFS异构集群中的分级存储调度机制

大部分存储集群构建时可能包含有遗留设备及新购置设备,这些设备在存储性能方面存在较大差异.采用HDFS默认的机架感知存储策略时,可能使访问频率高的数据存储在低性能节点上,而访问频率低的数据存储在高性能节点上,既影响集群响应时间,又降低了资源利用率.针对以上问题,提出一种分级存储调度机制.在HDFS机架感知调度策略基础上,首先根据节点的CPU、内存大小、磁盘大小、磁盘I/O等固有硬件性能将节点划分为高配置节点和低配置节点,其次根据节点的CPU使用率、内存使用率、网络带宽使用率、磁盘使用率等性能的动态因素建立节点的性能评价模型,并建立三个性能级别.根据节点配置情况、性能级别及网络位置等多方面因素进行综合调度.同时在集群运行过程中,会根据数据的访问频率对数据块的分布进行动态调整.实验结果表明,本文提出的分级存储调度机制可以在HDFS异构集群中提高数据的访问效率,优化集群性能.

保持异构数据库集群系统动态平衡的策略研究

针对异构数据库集群系统中的数据分布平衡问题,提出改进的Range数据划分(IR)方法,不仅充分利用了集群中各异构节点的计算能力,还使系统负载在尽可能长的时间内不发生数据倾斜,保持系统均衡.对于在负载访问过程中引起的数据倾斜问题本文进一步设计了联机的数据迁移算法.在搭建的实验平台上测试表明IR数据划分方式比传统的均匀Range数据分布和PBH算法有更高的系统吞吐率和更好的系统可扩展性.

基于PageRank和基准测试的异构集群节点性能评价算法研究

为了提高集群效率,需要根据集群节点的性能来进行集群的数据部署和任务调度。在异构集群中,节点性能存在很大差异,如何评价节点的性能非常具有挑战性。可以使用基准测试来评价节点的性能,而不同的基准测试对节点评价的角度不尽相同。PageRank算法被谷歌用来对网站进行排名,现在它也被应用于评价书籍的影响力或用户行为等等。提出一种新颖的基于PageRank的节点性能评价算法,以充分利用不同基准测试的评价结果。首先对每个节点使用LINPACK、NPB、IOzone等主流基准测试进行评价;然后采用PageRank算法处理每个基准测试的执行结果,从而得到节点的性能。为了使用PageRank算法,建立了1个图模型,并计算了性能向量和概率转移矩阵。该算法具有计算复杂度低、综合评价效果好等优点。