基于主机负载预测的机群动态任务调度策略研究

发布时间：2020-05-09 01:41

【摘要】： 机群系统的迅速发展使其成为并行计算系统中令人瞩目的一族。机群系统的异构性、开放性和网络延迟特性给网络并行计算带来了新的挑战。其中,任务调度策略是影响机群系统性能的关键,已经发展成为并行处理领域中的研究热点。任务调度问题就是指如何把一组任务分配给处理机去执行,获得最短的执行时间。有效的任务调度将使得机群系统中的各处理机能够更好地协调工作,从而充分发挥机群系统的计算潜力。 由于机群系统上任务调度问题的一般形式和几种受限形式都是NP完全问题,为此,各国研究人员对其进行了大量的研究,提出了一系列动态任务调度算法。所有这些方法都从某方面改进了动态负载均衡,提高了机群的性能。但由于机群系统的任务是在各结点动态分配生成,并且各结点的负载会发生动态变化,这就给机群环境中任务的合理分配与调度提出重大挑战。如果在任务分配与调度之前能对主机负载进行精确的预测与度量,这必将很好的改进机群系统中任务调度的策略,提高机群并行计算的效率。 准确预测主机负载是实现高效动态负载均衡的关键,也是判断负载是否出现异常的重要依据。传统的预测方法是将负载看作平稳时间序列,采用线性预测模型进行预测,方法简单但预测精度不高。由于主机负载具有非线性、非平稳的特征,而人工神经网络不需要建立精确的数学模型,具有较好的非线性特性,这就为主机负载预测开辟了新的途径。但人工神经网络存在易陷入局部极小值、全局搜索能力弱的缺点,而遗传算法具有较好的全局寻优搜索能力。遗传神经网络是将两者有机结合,利用遗传算法优化神经网络初始权值,既保留了遗传算法全局寻优能力强的优点,又兼有神经网络的非线性特性和快速收敛性。 本文分析了采用时间序列方法进行主机负载预测时存在的不足,提出采用遗传神经网络预测模型进行主机负载预测,建立了预测模型并进行了实验评估。针对物探数据处理问题,将主机负载预测和动态任务调度进行有效结合,并对传统的集中式任务调度策略(CJD)进行改进,设计出基于PVM平台的动态任务调度策略(CJD-HLP),给出了该调度策略的实现模型和算法。最后,采用一个地质勘探中的电法勘探工程算例,对算法的性能进行了分析。
【图文】：

WPVM的控制台界面

测量区剖面图
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：TP338

【参考文献】

相关期刊论文 前10条

1 李庆华,郭志鑫;一种面向工作站网络的系统负载预测方法[J];华中科技大学学报(自然科学版);2002年06期

2 薛正华;董小社;李炳毅;廖诗华;;基于BP神经网络的集群负载预测器[J];华中科技大学学报(自然科学版);2007年S2期

3 李冬梅;施海虎;;负载平衡调度问题的一般模型研究[J];计算机工程与应用;2007年08期

4 胡志刚,唐小龙,钟掘;基于PVM的并行分布计算中的任务调度策略[J];计算机工程;2001年03期

5 蒋韵联;孙广中;许胤龙;;并行异构系统中的一种高效任务调度算法[J];计算机工程;2007年11期

6 马丹,张薇,李肯立;并行任务调度算法研究[J];计算机应用研究;2004年11期

7 王丽,李敬有,王岩;面向工作站群机系统的网络负载预测[J];齐齐哈尔大学学报;2000年03期

8 许建峰,朱晴波,胡宁,谢立;分布式实时系统中的预测调度算法[J];软件学报;2000年01期

9 齐红,鞠九滨;工作站网络上协作任务的调度[J];软件学报;1998年01期

10 尚月强;;微机网络环境下提高PVM并行程序性能的策略[J];计算机工程与设计;2007年13期

相关硕士学位论文 前8条

1 章文;机群计算在基于有限元法电法勘探中的应用[D];广东工业大学;2003年

2 张信一;网络并行计算的可视化研究[D];广东工业大学;2004年

3 许伟;分布式系统中的主机负载预测与动态负载均衡研究[D];中南大学;2004年

4 李春伟;基于神经网络与遗传算法的股票智能预测[D];西北工业大学;2005年

5 马雪梅;分布式系统中主机负载预测[D];吉林大学;2005年

6 罗伟刚;网络并行计算网格化平台的构建研究[D];广东工业大学;2006年

7 尚月强;基于PVM on Win32的网络并行数值计算研究[D];贵州师范大学;2006年

8 赵新;基于遗传神经网络的MG时间序列预测方法研究[D];武汉科技大学;2006年

，

本文编号：2655383