基于无差别虚拟机的负载均衡调度算法研究

针对现有云计算调度中心的资源调度问题,结合具体的场景提出了一种基于无差别虚拟机的负载均衡调度算法,该算法比较好地兼顾了响应用户请求时间和服务器的负载均衡两个方面。同时对目前常用的几种调度算法进行了分析,然后在CloudSim仿真平台上进行模拟实验,结果表明该算法能够提高用户请求响应效率和负载均衡性能。     

地理信息服务网站服务器集群负载均衡技术应用研究

在分析基于互联网的地理信息在线服务特点和网站服务质量需求的基础上,对服务器负载均衡的构建方式、调度算法进行了讨论,给出了地理信息服务网站服务器两层负载均衡的设计模型,描述了Web服务器负载均衡的设备部署、调度算法和健康性检测等方面的设计内容;同时,讨论了文件和关系型数据库服务器负载均衡的设计思路及调度算法的具体应用。     

基于云平台的物联网数据挖掘算法的能量分析

从物联网产生的大量数据中获得有效信息需求出发,分析数据挖掘在现有运行平台上的不足,同时指出云平台上的优势.分析数据挖掘中的决策树算法,通过对信息熵和信息增益地分析,得出算法复杂度和能量之间的内在关系,指出并行数据挖掘的计算复杂度和通信复杂度对效率地影响,得出提高系统的隐含并行性是在云平台下减少运行时间、降低能耗的可靠办法.     

基于集群技术的“天地图”运行支持环境设计

在分析基于互联网的地理信息在线服务特点和网站服务质量需求的基础上,对服务器高可用性、负载均衡技术与构建方式、调度算法进行了讨论,给出了天地图网站高可用性服务器集群和负载均衡服务器集群的设计模型,描述了相关的设备部署、调度算法和健康性检测等方面的设计内容;同时,讨论了文件和关系型数据库服务器集群的具体应用.     

采用动态负载均衡的LiDAR数据生成DEM并行算法

随着高性能计算的发展,并行技术已经广泛应用于LiDAR数据的分析处理。本文针对现有LiDAR数据生成DEM并行算法所存在的负载不均衡问题,设计并实现了动态负载均衡的LiDAR数据生成DEM并行算法。该算法采用主从式并行策略,管理进程负责LiDAR点云的高效自适应条带划分,计算进程负责LiDAR点云生成DEM的计算。本文设计了任务量的动态调度策略:首先,由所有进程并行创建任务量由大到小排列的待处理任务队列;然后,管理进程根据计算进程的反馈对待处理任务进行动态分配,以达到负载均衡。在24 核集群环境下,用30 GB(约12 亿点)LiDAR数据对本文算法进行测试,生成分辨率为1 m的格网DEM,算法加速比峰值达到15.16;同时,与静态调度策略进行对比实验,结果显示本文的动态负载均衡策略可更好地保证进程间的负载均衡,有效地提高了LiDAR生成DEM并行算法的整体效率。     

基于负反馈的网络负载调度算法

提出一种基于负反馈权值的动态网络负载调度算法。算法主要用在多出口路由器上，其执行效率高，开销小。基于算法的多出口路由器不仅能够很好的保持出口间的负载均衡。还具有良好的出口容错性能。     

基于熵值法的南宁市耕地集约利用评价

文章以南宁市2010年耕地利用数据为依据,从耕地投入强度、利用程度、产出效果和可持续利用状况等4个方面构建耕地集约利用评价指标体系,采用熵值法对南宁市各地区耕地集约利用水平进行评价,并对不同耕地集约利用水平的原因进行探究,结合制约耕地集约利用的因素,就如何提高耕地集约利用水平提出建议。     

基于熵值法的土地利用效益评价——以咸宁市为例

土地利用效益是衡量土地利用水平的一项重要指标。本文从经济效益、社会效益和生态效益3个方面进行分析,建立土地利用效益评价指标体系,利用熵值法来确定各指标权重,构建协调度评价模型。研究表明:咸宁市2003~2012年土地利用效益呈现增长的趋势,10年间的协调度发展趋势大致分为3个阶段:(1)2003~2005年处于下降阶段,此阶段协调度从0.139下降到0.133;(2)2006~2008年协调度处于低速增长阶段,协调度从0.144增长至的0.285,增长速度较为缓慢;(3)2009~2012年属于高速增长阶段,土地利用协调度从0.425增长至0.956。     

一致性哈希算法在数据库集群上的拓展应用

在数据库集群的研究中,可扩展性是一个重要的性能指标.为实现在数据高速增长或部分集群服务器故障情况下,数据依然能够快速、可靠、安全的分布到新的集群服务器节点上的目的,就必须合理设置数据划分的策略.将Key-Value存储技术中使用的一致性哈希算法思想借鉴运用到并行分析型数据库集群中,提出针对大规模结构化类特殊数据的一致性哈希划分方法,并在MapReduce框架下设计具体的数据划分方案.最后,以TPC-DS作为测试基准,与同类系统进行性能对比测试,实验结果表明方案不仅有良好的划分性能,且扩展性也较好.     

一致性哈希算法在数据库集群上的拓展应用

在数据库集群的研究中,可扩展性是一个重要的性能指标。为实现在数据高速增长或部分集群服务器故障情况下,数据依然能够快速、可靠、安全的分布到新的集群服务器节点上的目的,就必须合理设置数据划分的策略。将Key-Value存储技术中使用的一致性哈希算法思想借鉴运用到并行分析型数据库集群中,提出针对大规模结构化类特殊数据的一致性哈希划分方法,并在MapReduce框架下设计具体的数据划分方案。最后,以TPC-DS作为测试基准,与同类系统进行性能对比测试,实验结果表明方案不仅有良好的划分性能,且扩展性也较好。