基于集群的不确定因素下的动态负载平衡

发布时间：2024-06-29 13:29

　　集群计算技术近年来已成为计算机界研究的一个热点。采用集群技术来解决大数据量或时间复杂度高的问题不仅在计算机界,而且在其它科学领域都是首选的。负载平衡是集群系统中的重要技术,用来确定任务和节点机间的映射,提高系统性能。但往往需要用动态负载平衡来处理很多不确定因素,如任务执行时间不确定、任务数量动态变化等情况。本文针对任务执行叶间不确定这一因素来研究动态负载平衡,寻求一个负载调度策略和一个负载估计方法,使得任务在各个节点机上执行,按照调度评价达到最优。本文主要在以下几方面进行研究: (1)在前人四元组动态负载平衡模型的基础上,提出了五元组模型。动态负载平衡涉及的面比较多,从物理环境到软件环境,以及各种策略,都是相互影响的。五元组动态负载平衡模型,包含了硬件环境,调度环境,任务分配,负载估计,调度策略以及调度评价等各个方面,用数学形式定义,完整地表达了动态负载平衡的各个因素,使各个元素之间的逻辑关系更加明确,算法表达更加直观。用形式化语言来描述比用非形式化语言更能表现问题的逻辑性。 (2)根据提出的五元组模型及每个元素对应的解决方案,在Linux集群环境下,一定的实验条件下,实现了动态负载平...

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

图4一3某台节点机不同情况下剩余任务量的比较

图4一3某台节点机不同情况下剩余任务量的比较F19.4一3ComParisonofremainingloadindifferenteonditions011acertainnode由图4一3所示，采用由a值法估计的剩余任务量，对于任务执行时间相差较大的任务....

图4一4某台节点机采用平均值法执行时间比较

12345、678910111213141516171819第i个任务图4一3某台节点机不同情况下剩余任务量的比较F19.4一3ComParisonofremainingloadindifferenteonditions011acertainnod....

图4一7任务执行时的信息传递F19.4一7Infor一nationtransferwllentasksarebeillgexeeuted

去掉最大最小值后再取剩余M一2个数的平均值avgZ作为任务的执行时间。执行时间不把二礴口。，’n计算在内，就是为了避免它们的影响。执行结果如图4一5所示:.开始执行时，己经执行完的任务数不足以很好地进行估计，因此偏差比较大，但往往执行初始，发生任务重分配的几率也低。随着任务不断执....

本文编号：3997623