导读:本文包含了数据分发调度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:数据,对等,网络,流程,启发式,发网,数据流。
数据分发调度论文文献综述
刘庭辉[1]（2018）在《智能电网大数据流的快速分发与任务调度方法研究》一文中研究指出随着智能电网的逐步发展和建设,电力系统信息化的程度也在不断提高,电力数据的种类和规模也在不断的增大,而规模庞大的数据流也对数据处理也提出了更高的要求。云计算与大数据技术为处理智能电网大数据流提供了技术基础。在云计算集群环境下,通过将分布于不同地域的服务器整合形成整体系统的方法,提供更好的计算性能,但是面对规模和体量庞大的数据流时,尤其在突发情况下,如报警、异常等发生时依然存在较大处理压力,所以在集群环境下进行数据处理任务的快速分发与任务调度,可以分散集群的处理压力,更好的利用云计算集群的各类资源。本文以智能电网大规模数据流如何快速可靠的在云计算集群内进行处理分发作为主要研究内容,研究了数据流处理和处理任务调度分发的现状,并分析了目前大数据流处理存在的问题。文中首先建立云集群的分层模型,再由该模型进行集群的管理,平衡各子集群的计算负载。随后提出数据处理任务调度分发机制与调度节点的选择算法,可以有效的利用集群的基础资源,平衡各节点的计算负载。文中对云集群建立分层模型,将云集群划分为多层次多区域,然后再由中枢节点控制各子区域形成全局域,实现子区域与全局区域的双重负载平衡策略,有效统合局部与全局资源。各区域通过选举推选区域内的调度控制节点,记录并维持区域内节点的资源状况,若该节点失效,则立即选举新的控制节点,并向其推送节点资源信息。在该模型之上,提出基于多队列动态优先级调度算法(DPCS)和节点选择算法(NRPS)的处理任务调度及分发方法。该方法通过各集群节点,将接收到数据进行分析,再由节点根据自身负载和资源状态,选择部分处理任务进行调度,调度目标节点由节点选择算法进行筛选。数据处理任务的调度首先在各区域进行,在区域整体负载较高时,则选择其他较优的区域进行迁移调度。数据处理任务的调度也会根据数据内容的区别产生相应的调整,保障重要数据的可靠处理与及时分发。针对大规模数据流处理任务的调度与分发,在文中实验部分进行了实验对比和验证。在目的调度节点选择实验中,与最小负载优先调度算法进行对比,引入负载均离差衡量各节点之间负载的平衡状态,结果表明,使用该方法可以有效分散节点的负载。在调度及分发实验中,分别与EDF、HVF和DVD算法比较,从实验结果可以得出,该方法在任务完成率以及完成时间方面有比较明显的提升。(本文来源于《华北电力大学》期刊2018-03-01）
宋健[2]（2017）在《基于数据分发服务的多学科流程分布式调度研究》一文中研究指出复杂机械系统的整体分析包含结构应力分析、动力学分析、气动分析等多学科分析。为实现复杂机械系统的整体建模与仿真分析,需要构建一个多学科集成建模仿真平台把各学科分析集中在统一运算环境下。为实现对网络环境下不同学科计算资源的整合提高仿真计算效率,需要开展多学科流程建模与仿真计算过程中计算资源的分布式调度研究。本文基于数据分发服务(Data Distribution Service,DDS)提出了多学科流程分布式调度模型(Multidisciplinary Flow Distributed Scheduling-DDS,MFDS-DDS),并基于该模型在自主研发的多学科集成建模与仿真平台FlowComputer下实现了多学科流程分布式调度系统,提高了平台的多学科流程计算能力,增强了平台使用的灵活性,拓宽了平台的应用场景。首先,本文研究了多学科流程建模及仿真相关技术,论述多学科建模仿真软件对分布式调度服务的内在需求。对比工作负载管理平台(Load Sharing Facility,LSF)、可重用组件库(Reusable Model Component Library,RMCL)以及DDS,确定采用DDS在FlowComputer平台下实现多学科流程分布式调度系统。然后,本文深入分析了DDS的基本组成框架、数据传输模式、服务质量QOS、常用通信机制等,将在此基础上完成多学科流程分布式调度模型的设计和模型的数据传输过程。最后,本文将重点阐述基于MFDS-DDS模型的多学科流程分布式调度系统的关键技术,包括DDS嵌入、基于DDS的分布式组件封装、基于DDS的分布式流程运行等。本文将通过实例运行来演示多学科流程分布式调度系统的操作并验证系统的可靠性。(本文来源于《华中科技大学》期刊2017-05-01）
廖怡宁[3]（2016）在《基于网络编码的协作式数据分发调度策略研究》一文中研究指出随着无线通讯技术的迅速发展、移动设备的广泛运用以及移动数据的爆炸式增长,移动互联网中的数据分发策略成为影响未来各类新兴移动应用发展的关键因素。数据广播可以支持移动信息基站将数据分发到大规模的客户端群,被广泛应用于诸如智能交通系统等基于位置信息服务的新兴移动应用系统中。为了更好地满足客户端对实时数据的需求,客户端将部分数据保存在本地缓存中,并通过P2P网络进行缓存协作(Cooperative Caching),可以进一步提高应用系统的效率。网络编码(Network Coding)技术在本世纪初被提出,其原理为增加传统路由协议中节点的编码功能,增加了节点单次广播的信息量。在一个系统数据请求量相同的情况下,网络编码可以有效地提高带宽的利用率,具有提高系统吞吐量的极大潜力,迅速成为了研究热点。本文基于按需广播和C/S与P2P混合的协作式数据分发架构框架下,针对服务器端与客户端数据分发算法以及相关协同缓存策略进行研究,以提高系统的整体性能(带宽利用率、服务响应时长以及缓存命中率)为目标设计协作式数据分发方案——MCRCA策略。为进一步提高数据分发效率、增强系统在大规模数据应用环境中的可扩展性,采用网络编码技术与按需广播策略相结合,在确定的编码策略下设计用户分组策略,同时在客户端设计缓存替换方案,最后通过仿真实验验证了方案的有效性。在对MCRCA策略的设计过程中,首先定义了系统通讯过程的有关变量以及数据传输的限制条件,确定“在单位时间内尽可能地满足更多的用户”的优化目标,证明其为NP难问题中的最大独立子集问题,提出了一种基于贪心算法的分发策略并根据一个例子展示了协议的运行过程。在对缓存替换策略的讨论中,本文首先分析了传统的缓存算法的特点,并指出其在基于网络编码的广播系统存在的局限性,提出“解码贡献”的评价指标,并以此设计与MCRCA策略相匹配的缓存替换策略。最后运用Visual Studio软件对MCRCA协议和缓存方案进行了仿真实验。通过对算法仿真结果的分析,验证了本文所提出方法不仅提高了系统下行信道的带宽利用率(服务器-客户端),并且在满足相同数据请求的情况下有效地降低系统时延,提高缓存命中率。(本文来源于《重庆大学》期刊2016-04-01）
刘先刚,丁国宁,熊记宁,邱刚[4]（2015）在《一种启发式数据分发网格任务调度算法》一文中研究指出针对单优先级数据分发任务调度算法存在的缺陷,依据网格任务分发服务质量(QoS)效益函数理论,运用加权法将网格系统的性能指标转化为加权效益和函数,将加权效益和函数作为启发式函数,设计了一种基于效益函数的任务调度算法对数据分发任务进行调度,并进行仿真实验。结果表明,该算法弥补了只考虑单优先级数据分发任务调度算法的缺陷,具有一定的实用性。(本文来源于《软件导刊》期刊2015年03期）
纪其进[5]（2010）在《一种新的P2P内容分发优化数据调度方法》一文中研究指出为了在P2P内容分发系统的可用结点间合理分配数据请求,设计了一种基于并行机调度模型的优化内容分发数据调度算法.仿真结果表明,在典型的数据块选择方法条件下,该算法相比常用的随机结点选择数据调度方法可以进一步提高系统吐吞能力,同时减轻源服务器的负载.(本文来源于《上海交通大学学报》期刊2010年03期）
郭春茂,朱明,郑烇[6]（2008）在《P2P分发网中大容量实时数据传输调度算法》一文中研究指出当P2P分发网中一个节点同时从若干个其他节点获取数据时,需要对数据下载任务进行合理调度,并尽量按时完成更多的下载任务。本文提出了一种基于多任务负载均衡的调度算法,该算法在调度下载任务时,将尚未被调度的下载任务也作为调度依据,从而能够有效地解决下载任务之间对带宽资源的恶意竞争,合理地利用各个其他节点提供的下载带宽,最终完成更多的下载任务。实验结果表明该算法能够减少超时下载任务的数目,提高P2P分发网的实时数据分发性能。(本文来源于《微计算机应用》期刊2008年09期）
郭春茂,朱明,郑烇[7]（2008）在《P2P媒体分发网络中的数据下载调度策略》一文中研究指出在P2P媒体分发网络中,当一个节点同时从若干个其他节点获取数据时,为了按时完成更多的下载任务,需要对数据下载任务进行合理调度,为此该文提出了一种基于多任务关联的数据下载调度策略,通过统筹调度一段时间内的下载任务,可有效提高系统的并发服务能力。实验结果表明该策略能提高约10%的并发处理能力。(本文来源于《计算机工程》期刊2008年10期）
数据分发调度论文开题报告
（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：
复杂机械系统的整体分析包含结构应力分析、动力学分析、气动分析等多学科分析。为实现复杂机械系统的整体建模与仿真分析,需要构建一个多学科集成建模仿真平台把各学科分析集中在统一运算环境下。为实现对网络环境下不同学科计算资源的整合提高仿真计算效率,需要开展多学科流程建模与仿真计算过程中计算资源的分布式调度研究。本文基于数据分发服务(Data Distribution Service,DDS)提出了多学科流程分布式调度模型(Multidisciplinary Flow Distributed Scheduling-DDS,MFDS-DDS),并基于该模型在自主研发的多学科集成建模与仿真平台FlowComputer下实现了多学科流程分布式调度系统,提高了平台的多学科流程计算能力,增强了平台使用的灵活性,拓宽了平台的应用场景。首先,本文研究了多学科流程建模及仿真相关技术,论述多学科建模仿真软件对分布式调度服务的内在需求。对比工作负载管理平台(Load Sharing Facility,LSF)、可重用组件库(Reusable Model Component Library,RMCL)以及DDS,确定采用DDS在FlowComputer平台下实现多学科流程分布式调度系统。然后,本文深入分析了DDS的基本组成框架、数据传输模式、服务质量QOS、常用通信机制等,将在此基础上完成多学科流程分布式调度模型的设计和模型的数据传输过程。最后,本文将重点阐述基于MFDS-DDS模型的多学科流程分布式调度系统的关键技术,包括DDS嵌入、基于DDS的分布式组件封装、基于DDS的分布式流程运行等。本文将通过实例运行来演示多学科流程分布式调度系统的操作并验证系统的可靠性。
（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。
数据分发调度论文参考文献
[1].刘庭辉.智能电网大数据流的快速分发与任务调度方法研究[D].华北电力大学.2018
[2].宋健.基于数据分发服务的多学科流程分布式调度研究[D].华中科技大学.2017
[3].廖怡宁.基于网络编码的协作式数据分发调度策略研究[D].重庆大学.2016
[4].刘先刚,丁国宁,熊记宁,邱刚.一种启发式数据分发网格任务调度算法[J].软件导刊.2015
[5].纪其进.一种新的P2P内容分发优化数据调度方法[J].上海交通大学学报.2010
[6].郭春茂,朱明,郑烇.P2P分发网中大容量实时数据传输调度算法[J].微计算机应用.2008
[7].郭春茂,朱明,郑烇.P2P媒体分发网络中的数据下载调度策略[J].计算机工程.2008
论文知识图
