导读:本文包含了分布式异构环境论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:分布式,异构,环境,高能物理,工作流,公平性,冗余。
分布式异构环境论文文献综述
李德众[1]（2019）在《人机共居环境异构机器人分布式控制系统研究》一文中研究指出近年来,随着以人工智能为代表的第四次工业革命的到来,机器人技术进步飞速、日益成熟。机器人的应用从工业领域逐渐扩展到了家庭服务、教育、娱乐、医疗与看护、军事救援与物资运输、无人区探索等各种领域。人类越来越希望多种类不同构型的机器人能够在人的生产生活环境中,各司其职,为人工作,与人共处,即实现“人机共融”,异构机器人以共享环境感知、计算资源、控制与决策能力的模式共处于同一工作环境中。这需要针对异构机器人研究具有分布式控制、海量数据存储与管理、多级通信等技术的集成控制系统,构建人与多种类异构机器人和谐共处的“人机共融”智慧空间。“人机共融”智慧空间的异构机器人控制系统等相关技术成为当前机器人领域研究的热点。本文针对人机共居环境下异构机器人的集中控制和管理、海量数据的存储和处理、分布式通信、软硬件的解耦和代码复用等多个方面进行研究,基于机器人操作系统(ROS)构建了人机共居环境异构机器人分布式控制系统。首先,对异构机器人的工作环境以及通信要求进行分析,将轮式移动机器人平台的控制系统进行升级改造以适应新系统的要求;其次,调整系统的整体架构,实现软硬件的解耦,提高了软件代码的复用率,同时也提高机器人硬件系统的灵活性;然后,利用系统分布式的特点,构建多机器人分布式通信系统,使异构机器人之间的通信更加简单和方便;最后,使用所构建的人机共居环境异构机器人分布式控制系统,对轮式移动机器人和仿人机器人的分布式通信以及控制开展实验,成功通过键盘命令的模式实现无线网络下的异构机器人遥操作。实验证明,本文构建的分布式控制系统具有较高性能的数据存储以及处理服务器,搭配开源的操作系统、高效能分布式通信的次级操作系统,能够实现异构机器人操作系统级的全面提升。可以成功完成人机共居环境下异构机器人的复杂分布式通信以及综合控制。(本文来源于《北京建筑大学》期刊2019-06-05）
刘林东[2]（2019）在《分布式异构环境中任务调度算法研究》一文中研究指出分布式系统凭借其优秀的计算能力得到了越来越广泛的应用,分布式系统中的处理机通常是性能异构的,为了充分利用分布式系统中的计算资源,提高用户访问资源的满意度以及资源调度的公平性,需要对分布式异构环境下的任务调度问题进行研究。越来越多的学者关注分布式异构环境中的任务调度问题,分布式异构环境中的任务调度研究已成为高性能计算的研究热点之一。本文围绕分布式异构环境中的独立任务和相关任务问题,以雾计算和分布式计算为应用场景,通过相应的调度策略对任务进行排序,并将任务调度到相应的计算节点上。设计的任务调度算法能够缩短任务调度的跨度、提高分布式异构系统的性能、降低任务调度的平均等待长度且具有较好的稳定性。本文的主要研究工作和创新点总结如下:(1)首先对关联规则分类挖掘的过程进行改进,减少分类过程中产生的候选集和频繁集,提出了一种改进的关联规则挖掘算法I-Apriori算法;然后基于I-Apriori算法,提出一种雾计算(Fog Computing)任务调度模型和TSFC任务调度算法,TSFC算法结合I-Apriori算法生成的关联规则以及最小完成时间优先策略,将任务调度到相应的雾计算节点上执行;分别通过Windows真实任务调度环境和Linux环境下SimGrid仿真平台对TSFC算法进行实验和性能评估;TSFC算法在任务调度跨度以及平均等待时间等方面均优于其他同类算法,而且具备一定任务调度的学习能力。(2)针对在线任务调度中任务就绪时间不一致性的问题,提出了一种基于加权最早完成时间的独立任务在线调度wEFT(Weighted Earliest Finish Time)算法。算法把任务就绪时间、任务传输通信时间、任务调度时间以及任务完成时间等作为任务排序的依据;选择最早完成时间最小或加权链接数最小的处理机进行任务调度;利用Socket编程接口在Java中实现任务配置、处理机配置、任务分发、任务调度以及任务调度信息回传等功能,通过实验得出wEFT算法与同类算法在任务调度跨度以及任务平均等待时间等方面具有一定的优势。(3)提出了一种全局优先级相关任务调度模型和相关任务调度IHEFT(Improvement Heterogeneous Earliest Finish Time)算法,IHEFT算法主要对任务排序和任务调度两个环节进行优化,以任务计算代价的二次方差以及平均通信开销作为任务排序的依据,而任务调度阶段,对满足条件的节点进行任务复制,可以充分利用分布式异构环境下的计算资源、缩短任务集调度的跨度和平均等待时间,提高了任务调度算法的稳定性。(4)提出了一种基于分布式异构环境的多DAG任务调度模型和MDTS(Multiple DAGs Task Scheduling)算法。MDTS算法通过增加一个入口任务节点和一个出口任务节点的方法将多个DAG任务图合并为一个DAG任务图,从而将多DAG任务调度问题转化为单DAG任务调度问题。在合并后的DAG任务调度过程中,根据每个任务节点计算代价的二次方差以及平均通信开销对任务进行排序;然后利用IHEFT算法对相关任务进行调度。(本文来源于《华南理工大学》期刊2019-03-20）
胡力文,李启明[3]（2018）在《异构环境下非均质性最小冗余分布式云存储系统》一文中研究指出为提高分布式云存储系统构建的合理性,提出一种异构环境下考虑非均质性的最小冗余分布式云存储系统构建方法.首先,开发了异构环境中,进行数据可用性计算的分析框架.由于在存储节点增长时数据可用性计算非常复杂,提出了一种以较少计算代价的方法来估计真实值的蒙特卡洛方法.其次,由于决定在每个主机上分配的最佳冗余量是很难计算的,提出了一种基于粒子群算法(PSO)的分配方法.最后,提供了一个简单的迭代算法来确定保证不同存储应用程序的数据可用性所需的最小冗余.实验结果显示,所提方法可实现数据冗余和存储成本的降低.(本文来源于《微电子学与计算机》期刊2018年05期）
李云洋,周川,王琦[4]（2018）在《异构分布式计算环境下一种新型表调度算法》一文中研究指出针对异构分布式环境下并行计算的静态任务调度问题,在HEFT算法的基础上,提出一种新型表调度算法IFEFT。以最小化有向无环图(DAG)的执行跨度为目的,在任务处理器分配阶段改变HEFT算法中的处理器分配策略,计算任务最早完成时间与其出口任务之间的最大通信开销,并依据两者乘积的最小值进行分配,兼顾任务对其直接后驱任务和直接前驱任务完成时间的影响,以优化处理器分配结果。通过随机生成的DAG图进行仿真,与HEFT、DLS和CPOP算法的比较结果表明,IFEFT算法具有更高的调度效率。(本文来源于《计算机工程》期刊2018年08期）
周娜琴[5]（2017）在《分布式环境下异构多处理机的相关任务的调度方法研究》一文中研究指出随着网格和云计算等异构分布式计算技术的不断深入发展,异构分布式计算系统受到了广泛的关注。在异构分布式计算环境中,如何为用户合理分配资源是一个重要的研究内容。目前,尽管有关异构分布式计算环境下任务调度的研究取得了一定进展,但仍存在许多问题亟待进一步研究和解决。本文针对异分布式计算环境下多处理机的任务调度的若干问题进行了研究,具体工作主要从最小化跨度和保证服务质量(Qos)两个方面开展。前者跨度指的是从第一个任务开始执行到最后一个任务执行完成所经历的时间,即调度长度。它是任务调度中一个最主要、最常见的目标。通常跨度越短说明调度策略越好。后者服务质量是近些年“面向服务”的计算模式发展后,任务调度中必须要考虑的一个重要因素。本文的主要研究工作和创新点总结如下:(1)针对分布式计算环境中异构多处理机的相关任务调度的最小化跨度问题,本文提出了一种表调度算法IPEFT(Improvement Predict Earliest Finish Time)。IPEFT的基本思想是运用悲观代价表计算任务优先级和关键节点代价表进行特征预测为任务选择处理机。IPEFT算法从两个方面减少调度长度。一方面基于悲观代价表计算任务优先级使得最耗时路径上的任务被优先调度,从而有效地缩短了调度长度。另一方面基于关键节点代价表为任务选择处理机,所选择的处理机对于当前任务来说可能完成时间不一定是最早的,但能使得下一个阶段的关键任务的完成时间更短,达到减少调度长度的目的。为验证该调度方法的有效性,分别从随机生成图和现实世界应用图两个方面进行实验,并验证了该方法在调度长度比率、鲁棒性及最好结果频率等方面的效果。实验结果表明,相对于PEFT(Predict Earliest Finish Time)和HEFT(Heterogeneous Earliest Finish Time)调度方法,IPEFT在与PEFT和HEFT具有相同的时间复杂度的条件下,调度长度比率、鲁棒性及最好结果频率都优于这两个方法。(2)针对分布式计算环境中异构多处理机的相关任务调度的最小化跨度问题,本文还提出了一种综合启发式调度算法,任务合并和最早时间预测算法MTPEFT(Merge Tasks and Predict Earliest Finish Time)。MTPEET首先采用归并策略,减少任务之间依赖等待时间,同时兼顾任务之间的并行性。然后,为每一个任务分配优先级,最后为任务选择处理机。在处理机选择时,同时考虑了关键任务的父任务所选择的处理机对关键任务的影响和非关键任务所选择的处理机对其子任务的影响。MTPEFT在不增加算法的时间复杂度的前提下,有效地减少了调度长度。本文从随机生成图和现实世界应用图两个方面分别验证了调度方法的效果,实验结果证明,相对于已有的调度方法,本文的调度方法在调度长度比率、鲁棒性及最好结果频率等方面都有很好的表现,尤其是随着CCR的增大,MTPEET的优势得到更好的体现。(3)针对具有预算和期限约束的相关任务调度问题,本文提出了一个基于预算和期限约束的调度算法BDCWS(Budget-Deadline Constrained Workflow Scheduling)。BDCWS首先考虑非一致模型特点,兼顾时间和费用,引入新策略为任务分配优先级,以达到同时减少时间和费用的目的。其次提出任务可用预算TAB(Task Available Budget)控制处理机的选择范围。最后,依据乐观备用预算值,为当前任务提供不同的处理机选择策略,以达到更好地平衡时间和费用的目的。仿真实验数据表明,与现有算法相比,本文算法在成功率方面拥有更好的效果,尤其在预算紧张的情况下。(4)针对具有预算和期限约束的动态并发多DAG调度问题,提出了多工作流异构预算和期限约束的调度算法MW-HBDCS(Multi-Workflow Heterogeneous Budget-Deadline Constrained Scheduling algorithm)。MW-HBDCS兼顾时间和费用给出了工作流和工作组统一权重因子,为任务分配优先级。该策略不仅节省了任务选择阶段的计算时间,而且能有效提升并发工作流调度成功率。在处理机选择时利用当前任务乐观可用预算控制处理机选择范围,同时兼顾任务的子期限和子预算提出双因子,并根据双因子值为当前任务选择处理机,从而达到提高调度成功率的目的。从分析和实验结果可知,提出的MWHBDCS相比MW-DBS、修改版的Min-Min和Max-Min算法在调度成功率方面取得更好的性能。另外,为了保证多工作流中任务的安全,提出了一种基于参数化分解树的控制流二次平展混淆的改进方法。该方法首先根据设定的深度、广度及粒度的上界构建参数化分解树,然后用一个while-switch循环选择结构统筹整棵树,并对树中满足一定条件的节点进行二次平展。实验结果表明,与基于参数化分解树的控制流平展混淆方法相比,该方法减少了执行开销和解决深层不作为问题;与传统的控制流平展混淆方法相比,增加了反编译及逆向工程的难度。(本文来源于《华南理工大学》期刊2017-07-10）
陈炯[6]（2017）在《BESⅢ分布式计算环境下异构资源监控系统的设计与实现》一文中研究指出北京谱仪Ⅲ(BESⅢ)实验是一个大型国际合作高能物理实验,每年都会产生PB量级的实验数据。为满足海量数据的处理需求,BESⅢ实验整合了多个合作组织的计算和存储资源,搭建了一个集计算集群、网格资源以及云平台于一体的分布式计算环境。计算环境中的资源具有高度的分布性和异构性特点,需要对这些资源进行统一的监控管理以保证其运行的稳定性。本文对BESⅢ分布式计算资源监控系统的设计与实现进行研究,主要工作如下:(1)调研国内外高能物理领域在分布式计算资源监控方面的研究现状,借鉴其系统设计的经验,并结合BESⅢ分布式计算环境自身的特点,设计了一个统一的异构资源监控系统框架。(2)分析不同信息的收集流程,设计并实现了可扩展的信息收集模块。对于分布式计算环境中异构和分散的信息,设计不同的收集器,从各个信息源收集资源的统计量信息;同时对于各类资源所提供的不同服务,设计相应的可用性测试,用于收集资源的可用性状态信息。(3)针对资源的控制管理,参考XACML访问控制语言规范,设计并实现了一个基于策略的资源管理模块。根据收集的监控信息,设计相应的策略对这些信息进行分析和挖掘,评估资源的访问状态。并且实现了基本的资源管理动作,用于根据策略评估的状态对资源执行自动的管理控制。(4)设计并实现了web端的信息访问入口。对于实时信息以及历史信息,分别设计相应的web页面进行展示。监控信息采用层次化的展示方式,用户可以通过概要信息快速了解资源的运行状况,并依据需要获取详细的信息。(本文来源于《苏州大学》期刊2017-05-01）
宋浒[7]（2016）在《分布式环境下多用户共享异构资源的分配机制》一文中研究指出分布式环境下资源异构性较强,资源具有差异较大的服务能力。为解决多用户共享资源时系统分配资源不公平的问题,形式化建立了多用户共享资源模型,利用公平调度算法求得分配资源数,设计了资源平均分配算法(RAA)和资源优先分配算法(RPA),有效地将不同性能资源公平地分配给不同用户。RAA与RPA分配算法能够让用户之间所获资源性能差别较小,较多用户接收返回结果时间缩短,系统服务效率高。实验表明,RAA算法、RPA算法相比fair-share算法,在公平性共享方面具有较大性能优势,系统服务效率提高了10%~33%。(本文来源于《2016电力行业信息化年会论文集》期刊2016-09-24）
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）
房婷[9]（2014）在《异构分布式环境下任务调度问题的研究》一文中研究指出在分布式系统中,随着系统中节点数目的增大,任务调度问题的复杂度也会随之增加,因此如何对任务进行合理地调度是极为重要的问题。传统的算法所考虑的条件比较单一,没有考虑系统和任务的动态性,缺乏综合衡量,很难满足系统发展的需求。针对这些问题本文建立了基于多Agent的任务调度模型,在该模型的基础上,构建了协商调度机制,使每个节点都具有独立的决策能力。针对不具有依赖关系的任务提出了分布式多目标动态调度算法(Distributed Multi-Objective Dynamical Task Scheduling Algorithm, DMOD),该调度算法对任务的完成时间、系统负载和通信量进行了综合评价。在异构分布式环境下,应用通常会被分解为多个具有依赖关系的任务来并行执行,如何对这类任务进行合理地调度也变得越来越重要。在对依赖任务进行调度时,传统的算法没有考虑分布式环境下计算节点的动态变化,这不符合未来发展的需求。某些计算节点会为多个应用提供服务,而不只为某一个依赖任务集提供服务,当计算节点同时为多个应用进行服务时,对任务完成时间进行估算并不能做到十分准确。针对这些问题本文从DAG图本身的结构出发,根据共同后继任务在DAG图中的最小层次值、任务的直接后继任务个数以及任务到出口任务的路径长度建立了多参数综合调度算法(Multi-Parameter Scheduling Algorithm, MPSA),以这叁个因素共同构建算法中的评价函数,避免了在调度过程中由于对任务完成时间进行估算所带来的误差影响,并在评价函数中对各个参数进行归一化和标准化来消除参数间不同量纲和差值过大对结果带来的影响,最终以评价函数计算出的评价值作为依赖任务调度的依据。针对DMOD和MPSA,本文分别对多组任务集进行了测试。将DMOD算法与MinMin算法和基于树状架构的调度算法进行了比较,DMOD获得了较小的任务完成时间,且减少了系统的通信量,避免了由于系统中负载和通信量剧增而导致的性能下降,提高了系统的稳定性和任务的执行效率。将MPSA与ETF、LMT和HEFT算法在调度长度和加速比两个方面进行对比,MPSA均获得了较小的调度长度与较高的加速比。(本文来源于《大连理工大学》期刊2014-05-06）
何翔[10]（2013）在《异构分布式环境下基于MapReduce模型的任务调度算法研究》一文中研究指出随着计算机和互联网技术的快速发展，大规模数据处理的应用需求日益地增加，传统系统难以提供足够的存储和计算资源进行处理，云计算技术成为最理想的解决方案。MapReduce是云计算中处理大规模数据的一种重要的编程模型，它简化了传统分布式程序的开发并提供一种简单的并行程序设计方法。Hadoop是MapReduce的开源实现，它是众多互联网企业和研究机构进行大规模数据处理的分布式平台。虽然Hadoop已得到广泛地应用，但是其在异构分布式环境下存在严重的性能问题。因此本文以异构环境下Hadoop性能问题为研究目标，在对MapReduce任务分配和调度的相关问题进行分析和研究的基础上，提出了适合异构环境下的任务调度算法，具体的工作及创新如下：（1）针对异构环境下出现慢速任务和慢速节点导致系统性能低下的问题，本文在分析原有MapReduce调度算法不足的基础上，提出一种基于自适应策略的任务调度算法。该算法能够正确地计算任务执行进度和自动适应复杂变化的环境。首先通过引入任务执行历史信息和K-means聚类算法对不同类型的Map任务和Reduce任务各子阶段执行所占的进度比例进行自动地设定，并利用正确的进度比例计算任务执行进度。然后基于任务执行的进度来估计任务剩余完成时间，并判定有最大剩余完成时间的任务为落后任务。其次通过比较任务进度速率和平均进度速率来判定落后节点，同时在快速节点上为落后任务启动备份任务。最后实验评估表明与Hadoop默认调度器和LATE算法相比，本文提出的算法提高了对落后任务和落后节点判定的正确性，同时缩短了异构环境下MapReduce作业的平均运行时间。（2）针对在异构环境下采用现有MapReduce任务调度机制可能出现各计算节点间数据迁移和系统资源分配难以管理的问题，本文提出一种基于资源预测的动态任务调度算法。首先根据异构集群中数据分布存储的特点，提出根据各节点的计算能力按比例放置数据的方法。在数据合理分布的情况下，通过异构环境下的资源预测方法估计MapReduce任务的完成时间，并根据任务完成时间计算任务所需的资源。实验结果表明该算法提高了异构环境下任务的数据本地性比例，且能动态地调整资源分配以保证任务在规定时间内完成。(本文来源于《湖南大学》期刊2013-05-08）
分布式异构环境论文开题报告
（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：
分布式系统凭借其优秀的计算能力得到了越来越广泛的应用,分布式系统中的处理机通常是性能异构的,为了充分利用分布式系统中的计算资源,提高用户访问资源的满意度以及资源调度的公平性,需要对分布式异构环境下的任务调度问题进行研究。越来越多的学者关注分布式异构环境中的任务调度问题,分布式异构环境中的任务调度研究已成为高性能计算的研究热点之一。本文围绕分布式异构环境中的独立任务和相关任务问题,以雾计算和分布式计算为应用场景,通过相应的调度策略对任务进行排序,并将任务调度到相应的计算节点上。设计的任务调度算法能够缩短任务调度的跨度、提高分布式异构系统的性能、降低任务调度的平均等待长度且具有较好的稳定性。本文的主要研究工作和创新点总结如下:(1)首先对关联规则分类挖掘的过程进行改进,减少分类过程中产生的候选集和频繁集,提出了一种改进的关联规则挖掘算法I-Apriori算法;然后基于I-Apriori算法,提出一种雾计算(Fog Computing)任务调度模型和TSFC任务调度算法,TSFC算法结合I-Apriori算法生成的关联规则以及最小完成时间优先策略,将任务调度到相应的雾计算节点上执行;分别通过Windows真实任务调度环境和Linux环境下SimGrid仿真平台对TSFC算法进行实验和性能评估;TSFC算法在任务调度跨度以及平均等待时间等方面均优于其他同类算法,而且具备一定任务调度的学习能力。(2)针对在线任务调度中任务就绪时间不一致性的问题,提出了一种基于加权最早完成时间的独立任务在线调度wEFT(Weighted Earliest Finish Time)算法。算法把任务就绪时间、任务传输通信时间、任务调度时间以及任务完成时间等作为任务排序的依据;选择最早完成时间最小或加权链接数最小的处理机进行任务调度;利用Socket编程接口在Java中实现任务配置、处理机配置、任务分发、任务调度以及任务调度信息回传等功能,通过实验得出wEFT算法与同类算法在任务调度跨度以及任务平均等待时间等方面具有一定的优势。(3)提出了一种全局优先级相关任务调度模型和相关任务调度IHEFT(Improvement Heterogeneous Earliest Finish Time)算法,IHEFT算法主要对任务排序和任务调度两个环节进行优化,以任务计算代价的二次方差以及平均通信开销作为任务排序的依据,而任务调度阶段,对满足条件的节点进行任务复制,可以充分利用分布式异构环境下的计算资源、缩短任务集调度的跨度和平均等待时间,提高了任务调度算法的稳定性。(4)提出了一种基于分布式异构环境的多DAG任务调度模型和MDTS(Multiple DAGs Task Scheduling)算法。MDTS算法通过增加一个入口任务节点和一个出口任务节点的方法将多个DAG任务图合并为一个DAG任务图,从而将多DAG任务调度问题转化为单DAG任务调度问题。在合并后的DAG任务调度过程中,根据每个任务节点计算代价的二次方差以及平均通信开销对任务进行排序;然后利用IHEFT算法对相关任务进行调度。
（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。
分布式异构环境论文参考文献
[1].李德众.人机共居环境异构机器人分布式控制系统研究[D].北京建筑大学.2019
[2].刘林东.分布式异构环境中任务调度算法研究[D].华南理工大学.2019
[3].胡力文,李启明.异构环境下非均质性最小冗余分布式云存储系统[J].微电子学与计算机.2018
[4].李云洋,周川,王琦.异构分布式计算环境下一种新型表调度算法[J].计算机工程.2018
[5].周娜琴.分布式环境下异构多处理机的相关任务的调度方法研究[D].华南理工大学.2017
[6].陈炯.BESⅢ分布式计算环境下异构资源监控系统的设计与实现[D].苏州大学.2017
[7].宋浒.分布式环境下多用户共享异构资源的分配机制[C].2016电力行业信息化年会论文集.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].房婷.异构分布式环境下任务调度问题的研究[D].大连理工大学.2014
[10].何翔.异构分布式环境下基于MapReduce模型的任务调度算法研究[D].湖南大学.2013
论文知识图
