导读:本文包含了分布式并行调度论文开题报告文献综述、选题提纲参考文献，主要关键词:分布式,算法,系统,密集,多维,模式,异构。
分布式并行调度论文文献综述写法
冯学晓,刘翠芳[1]（2019）在《基于预先分类的分布式水下网络空间多维数据并行调度方法》一文中研究指出水下网络数据调度方法存在网络空间多维数据调度策略异常、交互资源槽分布调度存在资源均衡分布异常的状况,导致数据交互调度能力下降,数据间交互延迟增大,多维数据类别化调度准确率受到影响。针对问题提出基于预先分类的分布式水下网络空间多维数据并行调度方法,首先,对调度数据类别进行资源槽的类别优化处理,通过引入资源槽与分类调度算法,理顺资源槽交互类别数据集;接着对网络空间多维数据进行调度逻辑的计算,根据网络数据传输特点,引入多维数据分布式云并行调度算法,对网络空间中的并行数据流进行优化,实现多维数据的并行调度;最后,通过设计1 000～2 000组的实验数据,对提出方法的可行性进行证明,证明方法具有可行性高、数据并行调度效率高、稳定好的特点。(本文来源于《舰船科学技术》期刊2019年20期）
张清勇,王皓冉,雷德明[2]（2019）在《求解分布式并行机调度的新型帝国竞争算法》一文中研究指出提出一种求解异构工厂分布式并行机调度问题(DPMSP)的新型帝国竞争算法(ICA),以最小化最大完成时间作为优化目标.首先,将DPMSP的优化简化为对工厂分配子问题的求解,提出相应的编码方案并采用最大处理时间规则解码;然后,采用基于加工速度的概率分配方法构建初始种群,引入殖民国家同化以加强对优秀个体的搜索并在革命中运用基于工件-工速积的新型插入算子以改善解的质量;最后进行大量数值实验.计算结果表明该新型ICA在分布式并行机调度问题求解方面具有较强的搜索优势和较好的稳定性.(本文来源于《华中科技大学学报(自然科学版)》期刊2019年08期）
张建[3]（2019）在《分布式估计算法在考虑差异工件的并行批处理机调度中的应用》一文中研究指出论文考虑包含差异工件的并行批处理机调度问题,优化目标是最小化制造跨度.在不违背机器容量的限制下,所有工件需要被分成不同的批次,然后被安排在机器上进行加工.首先根据问题提出一个混合整数规划模型,并提出一个下界;采用FF-LPT规则实现对工件的分批和排序;然后提出基于4种更新机制的分布式估计算法(EDA)来对问题求解.最后通过实验对各类规模不同的算例进行仿真,并将结果和模拟退火算法(SA)、遗传算法(GA)作对比,验证了算法的有效性.(本文来源于《计算机系统应用》期刊2019年06期）
景辉,秦勃,姜晓轶,夏海涛[4]（2018）在《Spark-GPU框架下海洋地理空间数据分布式并行处理任务调度》一文中研究指出大规模长时间序列海洋地理空间数据处理属于计算密集型任务。本文重点介绍Spark框架下如何利用GPU并行计算机制实现海洋地理空间数据分布式并行处理的任务调度,以提高大规模长时间序列海洋地理空间数据处理效率,满足实时交互需求。Spark-GPU框架包括Spark-GPU调度器和Spark-GPU运行时两部分。任务计算量和GPU设备计算能力作为调度策略因子,采用一个多项式时间的2近似算法求解,是一个着名的无关并行机任务调度问题。本文以流场可视化线积分卷积算法作为测试用例,1 000~2 000场的任务调度测试结果表明与原生Spark调度算法相比,Spark-GPU框架执行时间减少了14%~18%,GPU占用比提高了10%~20%。(本文来源于《中国海洋大学学报(自然科学版)》期刊2018年S2期）
肖雄仁[5]（2018）在《异构分布式系统中面向能量管理的并行应用调度算法研究》一文中研究指出从嵌入式设备到大型数据中心都已经广泛采用异构分布式系统架构。随着系统集成度和性能的提高,能耗逐渐增大并已成为系统设计的主要瓶颈。因此,需要通过有效的能量管理(包括能量约束与高能效两个方面)技术来协调能量的使用。动态电压与频率调节(DVFS)技术通过同时缩小处理器的电源电压和频率来调节能量消耗,已成为一项重要的能量管理技术。本文对异构分布式系统中面向能量管理的并行应用调度算法展开研究:从通用的异构分布式系统入手,研究在能量约束条件下,并行应用的性能和可靠性优化问题;并以此为基础,拓展到异构分布式嵌入式系统,研究满足不同约束条件的高能效调度与优化问题。本文的主要工作和创新点概括为以下几个方面:1、研究能量约束并行应用的高性能调度,解决异构分布式系统上能量约束并行应用的调度长度最小化的问题。这个问题在本文中被分解为两个子问题,即满足能量约束和调度长度最小化。本文提出了具有能量约束的最小调度长度(MSLECC)算法,首先,通过将未分配任务预先分配给具有最小能耗的处理器,将应用的能量约束转移到每个任务的能量约束,解决了满足能量约束的问题;然后,通过以低时间复杂度来启发式地调度每个任务,并选择EFT最小的处理器和频率组合来解决第二个子问题;最后采用真实的并行应用实例进行实验,结果表明,与经典的HEFT和ECS算法相比,本文所提出的MSLECC算法不仅使得应用的实际能量值满足给定的能量约束,而且其调度长度更短。2、研究能量约束并行应用的可靠性增强调度,解决最大限度地提高异构分布式系统中能量约束并行应用的可靠性的问题。该问题在本文中分解为两个子问题:满足能量约束和最大化可靠性。本文提出了具有能量约束的最大化可靠性(MREC)算法,首先,通过将应用的能量约束转移到每个任务的能量约束来解决第一个子问题;然后,通过考虑在任务分配之前确定每个任务的能量,并选择具有最大可靠性值的处理器和频率组合来解决可靠性最大化问题,同时满足其能量约束;最后,采用真实的并行应用实例进行实验,结果表明,与优秀的RMEC算法相比,本文所提出的MREC算法不仅实际能量值满足给定的能量约束,而且具有更高的可靠性值。3、研究实时并行应用的高能效调度,解决异构分布式系统中实时并行应用的能耗最小化问题。首先,提出截止期限松弛算法,该算法引入截止期限松弛的概念,从而实现在不使用DVFS情况下的具有最小动态能耗的高效任务分配,同时尽可能满足任务的截止期限约束。其次,提出非DVFS高能效调度(NDES)算法,该算法引入可变截止期限松弛的概念,通过反复调用截止期限松弛算法以保证满足应用的截止期限,从而实现降低能耗。再次,进一步提出全局DVFS高能效调度(GDES)算法,该算法在满足任务之间的优先级约束和应用截止期限约束的条件下,将任务迁移到产生最小动态能耗的处理器松弛中。最后,通过模拟实验和真实平台进行验证,结果表明本文所提出的NDES和GDES组合算法(NDES&GDES算法),能够比当前最优的高能效调度算法节省更多的能量。4、研究可靠并行应用的高能效容错调度,解决异构分布式嵌入式系统中可靠并行应用的高能效调度和高能效容错调度问题。首先,提出了一种非容错的满足可靠性目标的高能效调度(ESRG)算法,以降低能耗,同时满足基于DAG的异构嵌入式系统并行应用的可靠性目标。其次,考虑到使用ESRG如果可靠性目标超过一定的阈值,应用的可靠性目标是不可达的,因此进一步提出了一种满足可靠性目标的高能容错调度(EFSRG)算法,使用容错的机制保证应用的可靠性目标可达。最后,在不同应用规模上对实际并行应用进行了实验,包括快速傅立叶变换和高斯消元。实验结果表明,本文所提出的EFSRG算法降低的能耗高于其他方法在同等规模条件下降低的能耗。(本文来源于《湖南大学》期刊2018-05-04）
胡鹏辉[6]（2017）在《面向栅格化分布式水文模拟的并行调度方法研究》一文中研究指出应对从人口膨胀到环境污染、气候变化以及水资源短缺等实际需求时,水文科学的发展是我国国民经济健康发展的坚实基础和保障。面对解决重大科学水文问题,大规模流域的分布式水文模拟计算有着极其重要的作用和地位。然而,面向大规模流域高分辨率、长历时、多地理耦合过程的分布式水文模拟计算时,数据密集计算问题凸显,任务调度和资源分配存在一定的盲目性。现有的在该领域进行的研究中,流域的不同划分类型采用不同层次的并行计算方法,且模拟单元单一化时,并行效率提升则相当有限。归纳起来,存在两个关键性的问题亟待解决,它们分别是:高效的分布式水文模型并行算法的缺失、任务调度和资源协同分配机制的缺失。本文首先对分布式水文模型的可并行进行分析,比较了它们各自实现的可行性。然后参照空间离散分解方式,建立起基于生态最优性原理的分布式流域水文模型框架。那么,本研究则是针对这种分布式水文模型并行计算框架展开的,它主要包含以下内容:第一,对计算密集或数据密集特征的任务依赖和并行处理的耦合度过高,采用DAG调度的并行方法处理任务间依赖关系问题;第二,在DAG调度算法中,表调度算法时间和空间复杂度均有良好的表现,但是解空间的质量很低;遗传算法、模拟退火算法等随机搜索算法有优良的解空间但在任务调度上的开销比较大,甚至对于不同的DAG图都有着不同的控制参数,实现难度较大。因此,在这基础上考虑到任务调度开销和并行效率提升两个方面,本文对其进行权衡、折衷,提出基于任务高度动态调整任务优先级的DAG调度算法;第叁,在解决密集计算任务吞吐问题方面,任务和资源的匹配存在盲目性,本文提出一种自适应资源协同分配的模型,充分考虑资源性能度量和任务计算密集程度,来实现任务调度和资源的自适应匹配。实验结果表明了该并行算法的高效性和自适应资源协同分配模型的有效性,该方法具有较好的鲁棒性和扩展性。(本文来源于《南昌大学》期刊2017-05-20）
李泉泽,黄蔚,刘卫荣[7]（2016）在《卫星数据分布式处理平台中并行调度技术的研究》一文中研究指出由于卫星数据处理的特殊性,现有的任务调度算法均无法取得良好的效果。针对上述问题,本文对卫星数据分布式处理平台中的任务调度进行了深入研究,提出了资源槽的概念,并在此基础上提出了基于资源槽的并行调度技术。实验表明,采用基于资源槽的并行调度技术,极大地提高了系统资源的利用率和任务的响应速度,并有效改善了系统负载的均衡性。(本文来源于《软件》期刊2016年10期）
柳玉,向东阳,郑春弟[8]（2016）在《面向异构分布式计算环境的并行任务调度优化方法》一文中研究指出分布式计算环境中并行作业的任务调度策略直接影响应用程序的执行时间,寻找一种使任务执行时间最短的调度方案已被证明是NP(non-deterministic polynomial)完全问题。首先给出了异构分布式计算系统的形式化描述,建立了静态任务调度问题的理论体系,通过分析总结最长动态关键路径(longest dynamic critical path,LDCP)算法的核心思想及存在的不足,提出一种运用结点信息流量减少CPU空闲时间碎片的并行任务调度优化算法,其时间复杂度为O(M×N~3)。实验表明改进后的算法在调度长度、加速比及计算效率3个指标上均优于LDCP算法和分层结点排序算法(sorted nodes in leveled directed acyclic graph division,SNLDD),其中,与LDCP、SNLDD相比,调度长度平均缩短19.03%、8.02%,加速比平均提升18.42%、7.96%,计算效率平均提高10.17%、3.72%,进一步提高了并行系统的资源利用率。(本文来源于《系统工程与电子技术》期刊2016年02期）
梅晶[9]（2015）在《并行分布式系统中的节能调度策略与算法研究》一文中研究指出从计算机诞生之日起,人们便对计算能力开始了无止境的追求,这就一直驱使着计算机系统的发展。过去的解决方案是不断提高CPU的主频来加快处理器的处理速度。然而当物理元器件的性能达到极限时,为了进一步获得更高的处理速度和计算能力,开始出现多CPU计算系统。同多CPU计算系统一起发展的,还有通过通信网络将多个独立的计算资源(包括超级计算机、个人PC、嵌入式系统、数据源、仪器等)连接而组成的逻辑上和物理上分布的高性能协同分布式系统,被称为分布式计算系统。处理器主频快速提高,系统规模急剧增大,使得系统的功耗和能耗也急剧增长。无论是嵌入式系统、并行分布式系统以及集群系统,能耗问题都已成了制约其发展的重大问题。因此如何降低系统能耗,已为亟须解决的重要问题之一。本论文的研究工作主要针对单处理器实时系统、并行分布式系统和云计算系统下存在的能耗问题。针对不同系统下任务的不同特点及调度的不同性能目标,结合低功耗技术,设计不同系统下任务的节能调度策略,实现系统的高效能计算。本文首先针对实时单处理器系统中高功耗问题,提出了基于动态电压/主频调节的伪周期任务节能调度算法CC-DVSST。动态电压/主频调节(DVFS)技术是计算机系统中节能并延长电池使用的一项主要技术。在传统单处理器节能调度中,处理器的主频调节必须基于任务的先验信息,例如任务周期,最坏完成时间(WCET)等等。但是在对伪周期任务进行实际执行时,其相邻任务的到达时间间隔各不相同且总是大于给定的任务周期。同时任务在每个周期的实际执行时间总小于任务的先验最坏执行时间,因此任务的实际总负载要远远小于预测总负载,所需的计算能力小于预测所需的计算能力。CC-DVSST调度算法基于实际负载与预测负载之差对系统的实际负载进行实时计算更新,并动态地对处理器的主频进行调节。文中给定了系统主频调节的时间并给出了目标主频的计算方法。根据实时性证明可知,采用本文的主频调节策略,系统所有任务的实时性都能满足。仿真实验结果也表明,提出的算法能有效降低嵌入式系统的能耗。基于复制的调度算法是并行分布式系统中针对DAG任务的一种有效调度算法。但是,由于复制策略的采用,每个任务被执行多次,导致大量的资源浪费和能耗开销。针对并行分布式计算系统DAG任务调度存在的能耗问题,提出了基于复制的冗余副本删除节能优化调度算法EADS。文中首先分析了基于复制的调度算法中存在副本冗余的问题,然后详细描述了调度冗余副本判定的条件。设计了任务优先级逆序查找方法,按从出结点向入结点的顺序对任务调度中的冗余副本进行查找及删除,在保证基于复制调度算法的高性能的同时降低冗余副本的能耗开销。由于DAG调度算法的贪婪特性,每个任务都被分配到使其最早完成的处理器上,并且尽可能的通过复制关键前驱任务使其完成时间提前。但是,根据分析可知,某些任务的复制只能减小任务的局部完成时间而非整体完成时间。因此延迟某些任务的执行不影响任务的整体性能,但能减少任务的副本数。针对并行分布式计算系统下由于基于复制的DAG任务调度算法的贪婪性而导致的任务调度副本过多的问题,首先提出了基于复制的反馈式任务冗余副本动态删除调度算法(RADS)。然后针对产生的复制调度提出了进一步的优化策略FOS,通过分析任务非关键前驱任务可延迟的特性,介绍了将非冗余副本转化为冗余副本的叁个步骤。通过对任务纵向及横向迁移过程中,搜索并删除产生的冗余副本,使得在保证调度性能的同时降低系统的能耗开销。实验结果表明提出的算法相比较已有的复制调度算法具有明显的节能效果。最后针对云计算环境下,传统云平台配置方式使得其计算能力不能适应动态变化任务负载,从而导致服务质量低或者资源冗余和能耗浪费的问题,提出了一种新的资源管理和任务调度策略。在该策略中,云服务商采用资源长期租用和短期租用相结合的方式配置其服务平台,该服务模型被建模为M/M/c+D的排队模型。采用该服务模型,能保证所有任务的服务质量并避免了资源和能耗浪费的问题。基于M/M/c+D排队模型,文中对影响云服务商利润的各项参数,如能耗,固定费用,额外费用等进行分析,并建立了云计算利润最优化模型。文中结合偏导法和二分查找法对该利润最优化问题进行求解,获得在理想连续变量和实际离散变量两种情况下的云平台的最优配置。通过与已有云平台配置方法比较,可知该方案从能耗、利润和服务质量叁方面都优于对比算法。(本文来源于《湖南大学》期刊2015-05-28）
谢陈宁[10]（2015）在《分布式图并行计算框架的调度分析与优化》一文中研究指出随着大数据时代的到来,基于大规模数据的信息分析和数据挖掘技术逐渐适用于众多领域。对于大规模数据处理的编程模型以及计算效率的需求一直是研究领域的热点问题之一。其中,数据并行(Data-Parallel)的处理模型(如Map-Reduce等分布式编程框架)的提出与优化,在过去的几年中为大规模数据的并行处理提供了重要的支持;然而,随着搜索与分析等需求的语义化,数据分析的应用场景也不断增多,机器学习与数据挖掘技术的兴起,也使得分布式应用的算法趋向于复杂化,主要体现为计算的过程在单元数据的顺序计算的基础上增加了迭代性与关联性。因此,图并行(Graph-Parallel)的处理模型被提出,并逐渐成为大数据时代的下一个研究重点。大规模图并行处理模型的设计本质上具有迭代与收敛的计算特性:输入数据以一个单元的顶点结构为中心,单元数据之间的关联性被抽象为图结构中的边,每个顶点根据边的依赖关系不断进行信息传递与迭代计算,直到达到平衡的收敛状态。由于图并行处理模式的这种计算特性,在实现时具有同步(Sync)与异步(Async)两种不同的迭代调度模式。而这两种调度模式在顶点计算的调度顺序、调度层的管理结构以及硬件和网络资源的利用率等方面都具有显着的差异。然而,现阶段基于这两种调度模式的比较与分析的相关研究仍然十分稀缺,在实际的图并行处理应用的开发中,图计算编程人员通常需要根据经验选择同步或异步调度模式其中之一。这不仅要求编程人员对于图并行编程框架的底层实现具有深入的理解,也使得图并行应用的计算性能无法得到最优的保障。基于这些问题,本文主要进行了以下几个方面的研究:首先,我们基于同步和异步两种调度模式的经典实现框架与一系列典型的图并行计算的应用,创新性地对这两种调度模式的特性和性能表现进行了深入的对比分析与归纳。我们的研究通过详细的性能测试,展示了这两种调度模式在不同的图并行处理算法、不同的图划分算法、不同的计算执行阶段、不同的输入数据以及不同的集群性能配置等情况下,具有显着的性能表现差异。同时,我们归纳和总结了不同情况下调度模式选择的倾向性,并发现了潜在的性能提升空间。其次,本文提出了Hsync模式——一种自适应切换于同步与异步调度方式之间的启发式的图并行处理调度模式,从而尝试达到图并行处理应用在性能表现上的最优化。Hsync模式会在应用的计算过程中持续地收集执行时的系统状态,结合启发式的判断策略,预测同步与异步两种调度方式的执行性能,判断是否应该进行状态转换从而切换到一个更优的调度方式继续执行。本文的研究在经典的分布式图并行计算框架——PowerGraph框架的基础上进行了修改和扩展,实现了支持Hsync调度模式的PowerSwitch系统。该实现的核心主要包括了调度方式转换的支持模块,以及用于预测两种方式的调度性能的在线和线下的采样分析模块,并归纳总结了一系列的启发式判断规则。此外,我们的研究基于一个48个节点的分布式集群配置,对于PowerSwitch系统进行了详细的性能评测。评测显示,我们系统的计算性能优于同配置下的同步或异步的单一调度模式。通过调度方式的转换,PowerSwitch系统在相较于同步或异步中最优的调度模式的基础上,能够额外获得9%到73%的性能提升。(本文来源于《上海交通大学》期刊2015-01-12）
分布式并行调度论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提出一种求解异构工厂分布式并行机调度问题(DPMSP)的新型帝国竞争算法(ICA),以最小化最大完成时间作为优化目标.首先,将DPMSP的优化简化为对工厂分配子问题的求解,提出相应的编码方案并采用最大处理时间规则解码;然后,采用基于加工速度的概率分配方法构建初始种群,引入殖民国家同化以加强对优秀个体的搜索并在革命中运用基于工件-工速积的新型插入算子以改善解的质量;最后进行大量数值实验.计算结果表明该新型ICA在分布式并行机调度问题求解方面具有较强的搜索优势和较好的稳定性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
分布式并行调度论文参考文献
[1].冯学晓,刘翠芳.基于预先分类的分布式水下网络空间多维数据并行调度方法[J].舰船科学技术.2019
[2].张清勇,王皓冉,雷德明.求解分布式并行机调度的新型帝国竞争算法[J].华中科技大学学报(自然科学版).2019
[3].张建.分布式估计算法在考虑差异工件的并行批处理机调度中的应用[J].计算机系统应用.2019
[4].景辉,秦勃,姜晓轶,夏海涛.Spark-GPU框架下海洋地理空间数据分布式并行处理任务调度[J].中国海洋大学学报(自然科学版).2018
[5].肖雄仁.异构分布式系统中面向能量管理的并行应用调度算法研究[D].湖南大学.2018
[6].胡鹏辉.面向栅格化分布式水文模拟的并行调度方法研究[D].南昌大学.2017
[7].李泉泽,黄蔚,刘卫荣.卫星数据分布式处理平台中并行调度技术的研究[J].软件.2016
[8].柳玉,向东阳,郑春弟.面向异构分布式计算环境的并行任务调度优化方法[J].系统工程与电子技术.2016
[9].梅晶.并行分布式系统中的节能调度策略与算法研究[D].湖南大学.2015
[10].谢陈宁.分布式图并行计算框架的调度分析与优化[D].上海交通大学.2015