DMMF: Dominant and Max-Min Fair Allocation in Satellite Networks

Resource allocation is crucial for satellite networks. In this paper, we propose a multi-resource fair allocation scheme, namely Dominant and Max-min Fair(DMMF), to efficiently and fairly allocate resources. It consists of two allocation stages, dominant resource fair(DRF) allocation stage and max-min fairness(MMF) allocation stage. The proposed DMMF scheme exhibits desirable properties, including share incentive, strategy proofness, envy freeness and Pareto optimality. Meanwhile, DMMF can improve the allocation efficiency and reach 100% allocation efficiency.

适应异构集群的Mesos多资源调度DRF增强算法

云计算集群环境下多资源分配的公平性是考量资源调度子系统最重要的指标之一,DRF作为通用的多资源公平分配算法,在异构异质的集群环境下可能有失公平性。在研究Mesos框架中DRF多资源公平分配算法的基础上,设计并实现了增加机器性能评估影响因子的meDRF分配算法。将计算节点的机器性能得分,作为DRF主导份额计算的因子,使得计算任务有均等的机会获得优质计算资源和劣质计算资源。通过选取K-means、Bayes及PageRank等多种作业进行实验,实验结果表明:meDRF较DRF分配算法更能体现多资源分配的公平性,且资源分配具有更好的稳定性,能有效提高系统资源的利用率。

基于改进DRF算法的农业微服务负载均衡

微服务作为一种新型的互联网平台架构设计,在现代智慧农业中具有细粒度、低耦合度和高可靠性的优势。在负载均衡智慧农业微服务领域,目前针对复杂农业环境下的特定微服务负载均衡方案的研究较少,而高性能微服务负载均衡策略能够有效提升农业物联网的网络体验和性能指标。本研究提出一种改进的主导资源公平分配(Dominant resource fairness,DRF)算法,通过引入多角度的性能测评因素,着力于提升在智慧农业平台的微服务化下实现服务高效负载均衡的性能。经测试,本研究提出的算法相比于目前流行的微服务平台自带的负载均衡算法在响应时间、吞吐率和稳定性方面有明显提升,实现了各个农业生产单位物联网设备和数据终端以低耦合度的方式接入系统平台,同时实现高效地利用、治理和规范化来自各个数据源的农情数据,具有较高的实用价值。

异构云计算体系结构及其多资源联合公平分配策略

资源分配策略是当前云计算研究领域中的一个重要研究热点,异构云计算体系结构下的复杂应用问题研究中,最基本的问题在于如何将总体有限的资源分配给多个租户或应用,以达到效率或收效最大化.但是,在经典的资源分配问题中,任务或者用户往往是"贪婪"的;因此,在总体资源有限的前提下,资源分配的公平性就显得尤为重要.为了满足不同的任务需求,达到多种资源分配的公平性,设计了一个虚拟化的异构云计算体系结构,提出了该体系结构下基于占优资源的多资源联合公平分配算法(maximizing multi-resource fairness based on dominant resource,MDRF),并且证明了算法的帕累托等相关属性;给出了占优资源熵(dominant resource entropy,DRE)和占优资源权重(dominant resource weight,DRW)的定义,占优资源熵更加精确地刻画了用户资源请求与任务所调度到的服务器资源之间的适应程度,使系统的自适应能力更强同时提高了资源利用率.占优资源权重保障了用户优先获取资源的优先次序,协同所采用保障公平性的Max-Min Fairness策略,使资源的分配更加有序.实验表明,我们的策略有更高的系统资源利用率,并且使需求与供给更加匹配,进而使用户的占优资源获取更多,提高了服务质量.

基于共享资源量的动态多资源公平分配策略

针对云计算共享系统中多资源分配问题,提出一种基于共享资源量的动态多资源公平分配策略。该策略根据不同用户资源需求和共享资源量建立一个线性规划模型,同时证明该模型满足公平分配的4个重要属性:动态帕累托最优、激励共享、动态无嫉妒性和防止策略性操作,而且给出一种改进的动态多资源公平分配算法来提高算法运行效率。实验结果表明,所提动态多资源公平分配策略能够在满足任务资源需求的同时,尽可能保证公平分配下最大化占优资源份额,并且改进的分配算法能够有效地提高资源的分配效率。

兼顾公平与效率的多目标应急物资分配问题研究

大规模灾害发生初期,首批应急物资往往供不应求,物资分配决策者需要在追求效率的同时兼顾公平。针对该问题,构建以总加权嫉妒值最小为公平目标,以总物流成本最小为效率目标,以比例公平为约束条件的多目标数学优化模型;设计改进的快速非支配排序遗传算法,求解冲突多目标的帕累托前沿,并给出帕累托前沿解的选择策略。案例分析表明,模型和算法能有效解决供小于求情况下的应急物资公平分配问题,揭示了最小嫉妒公平与比例公平的悖反关系,以及资源的短缺程度从客观上决定了应急物资分配的总体公平程度。

异构云系统中基于智能优化算法的多维资源公平分配

资源分配策略的研究一直是云计算领域研究的热点和难点,针对异构云计算环境下多维资源的公平分配问题,结合基因算法(GA)和差分进化算法(DE),分别给出了两种兼顾分配公平性和效率的资源分配策略,改进了解矩阵表达式使异构云系统中的主资源公平分配(DRFH)模型转化成为整数线性规划(ILP)模型,并提出了基于最大任务数匹配值(MTM)的初始解产生机制和使不可行解转化为可行解的修正操作,以此提高算法的收敛速度,使其能够快速有效地得到最优分配方案。实验结果表明,基于GA和DE算法的多维资源公平分配策略可以得到近似最优解,在最大化最小主资源份额目标值和资源利用率方面明显优于Best-Fit DRFH和Distributed-DRFH,而且针对不同任务类型的资源需求,具有较强的自适应能力。

基于EDA仿真软件的多资源调度算法

为提高电子设计自动化(electronic design automation,EDA)并行仿真任务的资源利用率并保证公平性,在占优资源公平分配机制(dominant resource fariness,DRF)的基础上,提出考虑license的占优资源公平分配(dominant resource fairness allocation algorithm considering license,LDRF)算法。一方面考虑多类型资源的公平调度问题,满足EDA任务对资源种类多样性的需求;另一方面考虑对EDA工具的license资源调度,避免任务占有硬件资源但是没有获得license授权不能运行,导致资源利用率下降。实验仿真结果表明,在license有限的条件下,LDRF的平均CPU资源利用率比DRF算法提高60%,平均内存资源利用率比DRF算法提高34%。

基于定价机制的卫星网络虚拟资源共享分配策略

针对卫星通信网络规模不断扩大而卫星资源总量受限导致卫星通信资源紧缺的情况,提出一种基于定价机制的虚拟资源共享分配策略。根据微观经济学理论中边际成本的思想建立用户成本的分段函数模型,通过模型求解得出用户请求的总成本并将其上传至资源分配模块,结合定价机制达到资源利用的最大化和用户请求成本的最小化。仿真结果表明,该策略能提高卫星网络资源利用率及分配公平性,最大限度地实现资源的潜在价值。

面向大数据试验场应用的资源优化分配

针对多个用户申请有限的资源的情况,提出两段式优化资源分配方法,在满足用户需求的同时确保资源的公平有效分配.根据以往的执行日志自动确定单类应用相对于资源投入量的饱和点.根据占优资源公平分享原则,为每类应用动态确定可投入运行的实例数量,实现全局最优化配置,在平台层面体现资源共享、杜绝欺诈、公平最优以及帕累托均衡等特性.选择Clik+公用的基准测试程序集,以Docker容器作为应用运行环境验证应用的普遍性,实验结果表明:两段式优化资源分配方法提升了资源利用率,且在多用户同时申请资源时优化了资源配置.模拟并检验了两阶段优化资源分配算法的可行性及有效性.

负载均衡的主导资源公平分配算法

随着使用云计算并行且可靠地处理计算问题成为一种趋势,各种云计算平台应运而生,在这些平台中,保证多种资源调度策略的公平性非常重要。主导资源公平分配算法DRF有效地实现了多种资源环境中的公平分配,但在资源分配过程中容易出现集群负载不均的情况。因此,提出在使用DRF算法分配资源过程中,通过集群中各节点的资源利用率情况对节点进行K-means聚类分析,根据聚类结果将资源分配给任务来提高集群负载均衡的能力。基于CloudSim 4.0实现了改进DRF算法的仿真实验,实验结果表明,负载均衡的DRF算法比原始的DRF算法以及基于层次分析法(AHP)改进的DRF算法更能有效地改善集群整体的负载均衡。