收藏本站
《西南大学》 2007年
收藏 | 手机打开
二维码
手机客户端打开本文

异构环境中的PE资源控制策略研究

杨娟  
【摘要】: 异构环境下的并发处理已经成为分布式系统研究领域的一个重要课题,而所处理任务的资源分配控制则是提高分布式系统并发能力的一个关键途径。在一个网络环境中,CPU、存储能力、带宽、缓存,甚至是文件、信息等都统称为网络环境中的资源。因此,针对所控制资源的不同,资源控制策略也各不相同,如果将CPU,存储等与节点性能密切相关的资源看作是PE的处理能力,那么分布式计算环境中的资源控制策略就分为面向PE处理能力的资源控制、面向带宽的资源控制以及面向服务的资源控制。本文以面向PE处理能力的资源控制为研究重点。深入探讨几种不同类型的资源控制策略。由于资源控制可分为任务划分、任务调度和资源分配三个主要的阶段,因此文中主要要解决的问题是如何通过这三个阶段的控制使得任务最终可以被有效完成。虽然优化资源控制中的任务调度策略可以增加资源控制的有效性,但传统的集中式计算技术使得计算任务调度策略随着网络规模的扩大和任务量的增加而成为瓶颈。因此单纯改进任务调度策略已经无法完全适应资源控制需求,从其他方面改进资源控制策略的性能是在所难免的。 本文在研究过程中除了对传统集中式资源控制策略进行了改进,还提出了分散式的可处理DAG的资源控制策略。另外,我们基于分布式认知理论的原理,提出了一个可动态进行资源控制的模型,这个模型可以在任务性质发生变化时(例如Qos要求)动态调整资源控制的相关参数,以提高资源控制策略的灵活性和有效性。最后在几个改进策略之间用5个指标对其进行了综合分析。 本文的研究工作和创新点主要包括以下几个方面: 一、构建了异构网络及PE资源的数学模型及其实例--BWRAP 由于已有的资源控制策略研究中缺乏一个一个完整的数学模型中对资源、任务之间的关系以及对PE资源差异和网络性能差异进行抽象。因此本文提出了一个通用的数学模型,对资源控制策略所适用的异构网络环境、异构PE资源、任务与环境之间的关系、任务与资源控制策略之间的关系进行了抽象。 提出了一个实例——离散任务资源分配策略(BWRAP)模型构建。BWRAP(Balanced Workload Resource Allocation Policy)是一个应用于这个通用数学模型中的集中式资源分配策略,做为一个实例,BWRAP说明这个通用的数学模型在进行资源分配策略构建上,特别是集中式资源分配策略的构建上是有用并且有效的。 二、构建了一个Master/Slave结构下可保证Qos限制的资源控制策略--MMP BWRAP是一个通用数学模型的实例,它通过任务流的任务均衡解决了离散任务流的资源分配问题,但它在构建网络环境的数学模型时忽略了网络通信的建模,由于离散任务流的任务分配主要应用在实时系统中,而不具有Qos限制的任务流处理几乎是不存在的。因此在离散任务资源控制策略中进行网络状态的建模,并保证其Qos限制是必须的。另外,其高复杂度的求解算法也无法适用于大型网络环境。 本文提出了一个基于主/从结构的离散任务流资源控制策略MMP(min-max policy),通过构建代价函数为最小化系统整体响应时间来实现任务均衡。而对代价函数添加Qos限制条件则实现了资源分配对实时系统时限的保证。 三、构建了一个可进行任务复制有效性检查的DAG任务资源控制策略--EDCP 以上两个策略都只能针对事件驱动任务流,对于具有相互关联的DAG任务流来说,是无法适用的。已有的DAG资源控制策略中,以基于复制的策略为主。但这些策略都忽略了复制本身的开销以及复制有效性等问题。本文提出了一种改进的基于复制的集中式资源控制策略EDCP。它具有如下优点: (1)在复制过程中引入了复制有效性检查,提高复制效率; (2)在复制过程中使用2次目标函数G,通过对G的设置可以实现双目标资源控制。 四、构建了一个可处理DAG的分散式资源控制策略--CDRAP 由于以上提到的集中式资源控制策略都无法适用于大型网络环境(如P2P网络),因此分散式的资源控制策略成为资源控制策略的重要分支。分散式资源控制策略可以绕过集中式计算的瓶颈。但是已有的分散式资源控制策略都无法处理DAG任务流图。因为DAG图中任务间的牵制关系很难使任务本身根据局部消息来获得全局稳定。希望能够在满足DAG任务间牵制关系的前提下发挥分散式资源控制策略的优势,即资源和任务本身的高度自治化。基于以上考虑我们提出了一种基于聚类的分散式资源控制策略CDRAP。CDRAP使用消息机制来传递任务间约束关系,但是资源分配的处理则不采用传统的集中式计算,而是使用分散式计算原理(移动agent的自我判断机制)。使用处理器中间件(Broker)+订阅/发布(Subscribe/Issue)消息传递机制作为支撑结构。CDRAP可分布式处理任务间具有相互关联的任务流,并且使得普通机群高效处理大量任务成为可能。 五、基于分布式认知理论的动态资源控制策略模型和4种资源控制策略的综合性能分析 上述4种资源控制策略,分别适用于任务驱动和数据驱动的任务流,并且适用环境逐步向大型网络扩展。但是上述的这些策略中都是用户要求固定的资源控制。若用户对任务执行需求发生变化,那么上述的这些资源控制策略都会出现相应的瓶颈。例如可处理DAG任务图的分散式资源控制策略CDRAP,从实验数据可以看出当策略所应用的网络状况不好时,CDRAP的性能会大受影响。因此一个改进CDRAP的有效手段是使得CDRAP中移动agent的迁移策略随网络质量的变化而变化。本文受分布式认知概念启发,提出了一种基于分布式认知理论的动态资源控制模型,在该模型中,网络环境的特征会随着任务性质的变化而发生凸显变化,因此该模型对于提高资源控制策略的灵活性和有效性上具有很大帮助。 最后针对上面提出的4种资源控制策略,对其进行了5个指标的综合分析。
【学位授予单位】:西南大学
【学位级别】:博士
【学位授予年份】:2007
【分类号】:B842.1

手机知网App
【相似文献】
中国重要会议论文全文数据库 前10条
1 侯勇;于炯;田国中;龚红翠;;基于非贡献网格的自适应任务调度算法研究[A];2007年全国开放式分布与并行计算机学术会议论文集(下册)[C];2007年
2 林川;吴景东;;对uC/OS-Ⅱ任务调度算法的改进[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
3 王树鹏;云晓春;余翔湛;;基于生存性和Makespan的多目标网格任务调度算法研究[A];全国网络与信息安全技术研讨会'2005论文集(上册)[C];2005年
4 董海量;胡华平;刘建锋;虞欣平;;基于大规模网络信息发送的任务调度策略研究[A];2010年全国开放式分布与并行计算机学术会议论文集[C];2010年
5 余满珍;陈启军;;一种基于启发式群聚算法的机器人全局任务调度策略研究与实现[A];第二十三届中国控制会议论文集(下册)[C];2004年
6 乔付;张国印;何鸣;;网格环境下井下实时通信系统任务调度策略[A];2009年中国智能自动化会议论文集(第六分册)[中南大学学报(增刊)][C];2009年
7 张晓云;岳继光;杨麟祥;;零星任务调度在多控制任务系统中的应用[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
8 金伟伟;刘强生;李晓彤;岑兆丰;;网格计算在大规模光学计算中的应用[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年
9 李炯权;廖晓文;吴浩彪;;构建基于eCos的无人直升机飞行控制系统开发平台[A];中国自动化学会中南六省(区)2010年第28届年会·论文集[C];2010年
10 张千;梁鸿;李振;;基于改进蚂蚁算法的网格资源管理的研究[A];2009年全国开放式分布与并行计算机学术会议论文集(下册)[C];2009年
中国博士学位论文全文数据库 前8条
1 杨娟;异构环境中的PE资源控制策略研究[D];西南大学;2007年
2 殷锋;基于QoS的校园网格中关键技术研究[D];四川大学;2006年
3 阎毓杰;无线传感器网络自组织管理关键技术研究[D];华中科技大学;2007年
4 罗飞;具有数据依赖的对等高性能计算关键技术研究[D];华中科技大学;2008年
5 魏洪涛;基于网格计算的仿真任务管理与调度方法研究[D];国防科学技术大学;2005年
6 周双娥;实时分布容错系统的任务调度技术研究[D];哈尔滨工程大学;2003年
7 许智宏;关于提高网格计算性能和服务质量的几点研究[D];天津大学;2004年
8 俞国军;基于DSPs的媒体处理系统芯片设计研究[D];浙江大学;2006年
中国硕士学位论文全文数据库 前10条
1 牛庆建;基于遗传算法多目标P2P任务调度策略研究[D];大连理工大学;2010年
2 李静;基于多核的任务调度策略研究[D];哈尔滨工程大学;2011年
3 钟樑;开放式实时系统资源共享的混合任务调度策略研究[D];昆明理工大学;2012年
4 张孟华;基于MPSO算法的云计算任务调度策略研究[D];辽宁工程技术大学;2011年
5 马伟明;基于遗传算法的分布式任务调度系统的分析[D];大连理工大学;2008年
6 杨振兴;机群计算在可视化平台中负载均衡策略的研究[D];广东工业大学;2005年
7 李运芝;基于蚁群算法的网格任务调度研究[D];大连海事大学;2008年
8 张云霞;机场货运站监控系统多任务调度策略的研究与仿真[D];兰州交通大学;2011年
9 王历;基于树形网络的云计算环境下的任务调度策略[D];吉林大学;2012年
10 侯勇;非贡献网格环境下自适应任务调度算法研究[D];新疆大学;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026