基于主機負載預測的機群動態(tài)任務(wù)調(diào)度策略研究.pdf

1、機群系統(tǒng)的迅速發(fā)展使其成為并行計算系統(tǒng)中令人矚目的一族。機群系統(tǒng)的異構(gòu)性、開放性和網(wǎng)絡(luò)延遲特性給網(wǎng)絡(luò)并行計算帶來了新的挑戰(zhàn)。其中，任務(wù)調(diào)度策略是影響機群系統(tǒng)性能的關(guān)鍵，已經(jīng)發(fā)展成為并行處理領(lǐng)域中的研究熱點。任務(wù)調(diào)度問題就是指如何把一組任務(wù)分配給處理機去執(zhí)行，獲得最短的執(zhí)行時間。有效的任務(wù)調(diào)度將使得機群系統(tǒng)中的各處理機能夠更好地協(xié)調(diào)工作，從而充分發(fā)揮機群系統(tǒng)的計算潛力。 由于機群系統(tǒng)上任務(wù)調(diào)度問題的一般形式和幾種受限形式都是NP完

2、全問題，為此，各國研究人員對其進行了大量的研究，提出了一系列動態(tài)任務(wù)調(diào)度算法。所有這些方法都從某方面改進了動態(tài)負載均衡，提高了機群的性能。但由于機群系統(tǒng)的任務(wù)是在各結(jié)點動態(tài)分配生成，并且各結(jié)點的負載會發(fā)生動態(tài)變化，這就給機群環(huán)境中任務(wù)的合理分配與調(diào)度提出重大挑戰(zhàn)。如果在任務(wù)分配與調(diào)度之前能對主機負載進行精確的預測與度量，這必將很好的改進機群系統(tǒng)中任務(wù)調(diào)度的策略，提高機群并行計算的效率。 準確預測主機負載是實現(xiàn)高效動態(tài)負載均衡的關(guān)

3、鍵，也是判斷負載是否出現(xiàn)異常的重要依據(jù)。傳統(tǒng)的預測方法是將負載看作平穩(wěn)時間序列，采用線性預測模型進行預測，方法簡單但預測精度不高。由于主機負載具有非線性、非平穩(wěn)的特征，而人工神經(jīng)網(wǎng)絡(luò)不需要建立精確的數(shù)學模型，具有較好的非線性特性，這就為主機負載預測開辟了新的途徑。但人工神經(jīng)網(wǎng)絡(luò)存在易陷入局部極小值、全局搜索能力弱的缺點，而遺傳算法具有較好的全局尋優(yōu)搜索能力。遺傳神經(jīng)網(wǎng)絡(luò)是將兩者有機結(jié)合，利用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)初始權(quán)值，既保留了遺傳算法

4、全局尋優(yōu)能力強的優(yōu)點，又兼有神經(jīng)網(wǎng)絡(luò)的非線性特性和快速收斂性。 本文分析了采用時間序列方法進行主機負載預測時存在的不足，提出采用遺傳神經(jīng)網(wǎng)絡(luò)預測模型進行主機負載預測，建立了預測模型并進行了實驗評估。針對物探數(shù)據(jù)處理問題，將主機負載預測和動態(tài)任務(wù)調(diào)度進行有效結(jié)合，并對傳統(tǒng)的集中式任務(wù)調(diào)度策略(CJD)進行改進，設(shè)計出基于PVM平臺的動態(tài)任務(wù)調(diào)度策略(CJD-HLP)，給出了該調(diào)度策略的實現(xiàn)模型和算法。最后，采用一個地質(zhì)勘探中的電法