CN103281393A - 一种飞行器分布式系统仿真的负载均衡方法 - Google Patents

一种飞行器分布式系统仿真的负载均衡方法 Download PDF

Info

Publication number
CN103281393A
CN103281393A CN2013102264739A CN201310226473A CN103281393A CN 103281393 A CN103281393 A CN 103281393A CN 2013102264739 A CN2013102264739 A CN 2013102264739A CN 201310226473 A CN201310226473 A CN 201310226473A CN 103281393 A CN103281393 A CN 103281393A
Authority
CN
China
Prior art keywords
simulation model
emulation
node computer
simulation
node
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2013102264739A
Other languages
English (en)
Other versions
CN103281393B (zh
Inventor
龙腾
李怀建
王正平
安林雪
齐竹昌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN201310226473.9A priority Critical patent/CN103281393B/zh
Publication of CN103281393A publication Critical patent/CN103281393A/zh
Application granted granted Critical
Publication of CN103281393B publication Critical patent/CN103281393B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种飞行器分布式系统仿真的负载均衡方法,属于系统仿真技术领域。本发明针对飞行器分布式系统仿真,首先通过对节点计算机的信息注册、仿真模型的信息注册获取分布式仿真集群系统中节点计算机的系统性能与仿真模型信息。之后根据节点计算机的性能信息和仿真模型信息设计了一套针对飞行器设计系统仿真的静态负载均衡方法,将仿真模型在仿真任务开始之前合理分配至分布式集群系统内的节点计算机上,最终实现仿真资源充分有效地部署和利用,缩短仿真时间,提高飞行器设计效率。

Description

一种飞行器分布式系统仿真的负载均衡方法
技术领域
本发明涉及一种飞行器分布式系统仿真的负载均衡方法,属于系统仿真技术领域。
技术背景
飞行器设计是涉及气动、结构、动力、控制、材料、隐身、电子等多个学科的复杂系统工程,为了降低研发成本,设计过程需要进行大量的系统仿真。针对这样的复杂工程,如何加快仿真速度,提高仿真效率是提升飞行器设计效率所必须解决的问题。
随着计算机网络应用技术的快速发展,分布式仿真技术在飞行器等复杂系统仿真领域逐渐占据主要位置。分布式仿真是由一台主控计算机和一套小型高性能集群计算机服务器组成,能够充分利用资源,提高仿真效率。
分布式仿真集群系统最大的特点在于由集群系统中的多台服务器共同承担原来一台服务器的仿真任务,不仅大幅度提高了仿真效率,而且当某台服务器突然出现预料之外的故障时,可将其承担的仿真任务及时分配给集群系统中的其他服务器,保证仿真任务顺利进行。
当多台服务器共同承担一个仿真任务时,为每台服务器所分配任务量大小是分布式仿真集群系统要解决的重要问题。由于每台计算服务器系统性能不尽相同,如CPU处理能力、内存容量、I/O性能等。通常的任务分配只是简单地平均分配仿真任务,这样的分配结果可能导致负载重的系统负担越来越重,而负载轻的系统未能真正发挥其最佳性能。因此,为了最大限度的利用计算资源,提高仿真效率,必须根据仿真任务的具体情况及各计算服务器的系统性能分配仿真任务,即负载均衡方法问题。
从国内外相关文献中可知,负载均衡方法可大体分为动态负载均衡方法和静态负载均衡方法两类。动态负载均衡方法多用于开源系统中,如Linux系统,这种策略允许用户根据需要自主选择仿真任务应用于哪个或哪几个CPU核上,并且能够在仿真过程中随意抽取仿真模型到另外的计算服务器上继续之前的仿真计算。动态负载均衡策略目前已有比较成熟的实现途径。
然而,目前飞行器设计中所使用的大多数仿真模型是以Windows平台为开发环境和仿真运行环境,因此对适用于Windows系统的静态负载均衡方法的研究具有重要的现实意义。
发明内容
本发明的目的是为使以Windows平台为开发运行环境的飞行器分布式系统仿真实现负载均衡,提供一种针对飞行器分布式系统仿真的静态负载均衡方法,能使仿真节点计算机按自身性能获取仿真任务。
一种飞行器分布式系统仿真的负载均衡方法,包括如下步骤:
步骤1:飞行器分布式系统仿真集群节点计算机信息注册
分布式飞行器系统仿真过程中,不同学科仿真模型在不同的节点计算机上运行,为对节点计算机信息进行统一的管理,首先在仿真前进行集群节点计算机信息注册,将节点计算机信息收集、存储到主控计算机上节点信息数据库中,使主控计算机能够时刻掌握参与仿真任务的节点计算机的仿真信息和系统性能。
所述节点计算机信息包括节点计算机ID、节点计算机IP、节点计算机名称和节点计算机可用CPU核数。
步骤2:飞行器设计仿真模型信息注册
仿真前,将飞行器设计过程中所涉及的多个不同学科仿真模型集成封装,存储在分布式仿真系统主控计算机上的飞行器学科仿真模型数据库中。
所述仿真模型信息包括仿真模型基本信息和仿真模型附加信息。
其中,仿真模型基本信息包括仿真模型ID、仿真模型名、仿真模型版本号和仿真模型仿真耗时;仿真模型ID是仿真模型在飞行器学科仿真模型数据库中区别于其他仿真模型的标识;仿真模型名是学科仿真模型的名称,用于构建仿真任务;仿真模型版本号用于区分仿真模型修改前后的版本;仿真模型仿真耗时是仿真模型完成一次仿真运行所需时间的估计值,作为负载分配的依据。
仿真模型附加信息包括仿真模型运行时所依赖的仿真环境和能运行该仿真模型的节点计算机ID。
步骤3:飞行器设计分布式系统仿真的负载均衡模型分配
在仿真前,主控计算机根据步骤1得到的节点计算机信息和步骤2得到的仿真模型信息,在保证仿真任务的可执行性的前提下,将仿真模型分配至能够运行仿真模型的节点计算机,实现负载分配的均衡。
具体负载均衡分配原则为:
步骤3.1,首先根据仿真模型的环境依赖性进行分配。
若一个仿真模型的依赖环境只有一个节点计算机能够满足,则首先将该仿真模型分配到唯一满足的节点计算机上。
若一个仿真模型的依赖环境有两个或两个以上的节点计算机能够满足,则将该仿真模型分配到满足条件的节点计算机中已分配得到仿真模型最少的节点计算机上。
步骤3.2,在分配完对环境有依赖的仿真模型后,再根据仿真模型的仿真耗时和节点机性能分配对环境没有依赖的模型。
根据仿真模型的仿真耗时信息及节点机的系统性能信息,按系统性能优劣对节点机排序,然后将余下仿真模型中仿真耗时最大的分配到性能最好的节点计算机上,仿真耗时最小的仿真模型分配至性能最差的节点计算机上。
步骤3.3,当剩余仿真模型的仿真耗时接近(仿真耗时在同一量级并且它们差在该量级以下)或节点计算机CPU及内存性能相同,则将剩余仿真模型平均分配到各个节点计算机上。
步骤4,在飞行器分布式系统仿真过程中,主控计算机按照仿真流程调用各节点计算机的仿真模型,完成飞行器设计仿真任务。
有益效果
本发明针对飞行器分布式系统仿真,首先通过对节点计算机的信息注册、仿真模型的信息注册获取分布式仿真集群系统中节点计算机的系统性能与仿真模型信息。之后根据节点计算机的性能信息和仿真模型信息设计了一套针对飞行器设计系统仿真的静态负载均衡方法,将仿真模型在仿真任务开始之前合理分配至分布式集群系统内的节点计算机上,最终实现仿真资源充分有效地部署和利用,缩短仿真时间,提高飞行器设计效率。
附图说明
图1为本发明的节点计算机信息注册流程图;
图2为本发明的负载均衡方法流程图。
具体实施方式
以下结合附图和具体实施事例对本发明做进一步的说明:
飞行器设计过程中,需要经历概念设计、初步设计、详细设计、样机设计等多个设计阶段,在不同的设计阶段,所使用的仿真模型和仿真模型的精度不尽相同,现以亚声速飞行器初步设计阶段为例,对其在分布式系统仿真中的负载均衡分配过程作以说明。
飞行器初步设计阶段的学科仿真模型包括气动仿真模型、动力仿真模型、结构仿真模型、控制仿真模型、质量估算模型、隐身仿真模型、舵机仿真模型和费用估算模型,分布式仿真系统由一台主控计算机和三台节点计算机组成。
步骤1:飞行器设计分布式系统仿真集群节点计算机信息注册
主控计算机采用数据库对分布式仿真系统中的集群节点机进行统一管理,使用SQL Server2005创建数据表,数据表的内容项、数据类型及其属性如表1所示。按照表1中的各项内容要求对节点计算机进行注册,注册完的数据表如表2所示。该数据表用于收集和保存节点计算机信息,在仿真过程中,主控计算机可随时掌握参与仿真任务的节点计算机的仿真信息、系统性能等,便于合理分配仿真模型和仿真任务。
表1 节点计算机信息数据表
关键字 数据类型 是否允许为空
节点机ID[主键] int false
节点机IP varchar(50) false
节点名称 nvarchar(50) false
可用CPU核数 tinyint false
表2 注册的节点主算机信息数据表
节点机ID 节点机IP 节点机名称 可用CPU核数
1 10.1.20.68 computer1 2
2 10.1.20.22 computer2 4
3 10.1.20.55 computer3 2
步骤2:飞行器设计仿真模型信息注册
主控计算机采用学科仿真模型数据库对仿真模型进行统一管理,使用SQLServer2005创建数据表,数据表的中的各项内容、数据类型和属性如表3所示,按表3所示内容将飞行器初步设计阶段的仿真模型信息添加到学科仿真模型数据表中,添加完成的数据如表4所示。飞行器设计仿真任务开始后,主控计算机将根据仿真模型信息来为子节点计算机分配仿真模型进行仿真。
表3 仿真模型仿真信息列表
序号 模型基本信息 数据类型 是否允许为空
1 模型ID int false
2 模型名 nvarchar(50) false
3 模型版本号 nvarchar(50) false
4 仿真耗时 int false
5 依赖环境 nvarchar(50) true
6 依赖节点计算机ID int true
表4 仿真模型信息数据表
步骤3:飞行器设计分布式系统仿真的负载均衡模型分配
现有分布式系统仿真主控计算机一台,子节点计算机3台,飞行器设计仿真模型8个,下面将按负载均衡方法将这8个仿真模型分配到这3台节点计算机上进行仿真。分配步骤及规则如下:
1)根据仿真模型的仿真依赖环境分配模型。如果一个仿真模型的依赖环境只有一个节点计算机能够满足,则将这个仿真模型分配到该节点计算机上。
由规则1)可知:气动仿真模型依赖仿真环境Gambit/Fluent,节点计算机ID为3的计算机满足其仿真环境要求,因此,将气动仿真模型分配到节点计算机ID为3的计算机上;隐身仿真模型依赖仿真环境FEKO,节点计算机ID为2的计算机满足其仿真环境要求,因此将隐身仿真模型分配到节点计算机ID为2的计算机上。
2)如果一个仿真模型的依赖环境有两个或两个以上的节点计算机能够满足,则将这个仿真模型分配到这几个节点计算机已分配得到的模型最少的那个节点计算机上。
由规则2)可知:结构仿真模型依赖仿真环境Patran/Nastran,节点计算机ID为1和3的计算机满足其仿真环境要求,而节点计算机1尚未分配仿真模型,因此将结构仿真模型分配到节点计算机ID为1的计算机上;控制仿真模型和舵机仿真模型依赖仿真环境Matlab,节点计算机ID为1和2的计算机都能满足其仿真环境要求,而节点计算机ID为1和2的计算机已各分配一个仿真模型,因此,将控制仿真模型分配到节点计算机ID为1的计算机上,将舵机仿真模型分配到节点计算机ID为2的计算机上。
3)根据仿真模型的仿真耗时和节点机性能分配模型。当把对环境有依赖的仿真模型分配完毕后,开始分配对环境没有依赖的仿真模型。此时,根据所收集仿真模型的仿真耗时信息及节点机的系统性能信息,首先按系统性能优劣对节点机排序;然后将余下仿真模型中仿真耗时最大的分配到性能最好的节点计算机上,仿真耗时最小的仿真模型分配至性能最差的节点计算机上,依次类推。
由规则3)可知:动力仿真模型、质量估算模型和费用估算模型对仿真环境没有要求,动力仿真模型耗时约为5s,耗时远大于质量估算模型和费用估算模型,节点计算机ID为2计算机为4核,性能优于节点计算机ID为1和3的计算机,因此将动力仿真模型分配到节点计算机ID为2的计算机上。
4)上述分配完成后,剩余仿真模型的仿真耗时接近或节点机性能相似,则以平均分配的方式将剩余仿真模型分配到各个节点机。
由规则4)可知:质量估算模型和费用估算模型耗时相等,节点计算机ID为1和3的计算机性能相近,因此将质量估算模型分配到节点计算机ID为1的计算机上,将费用估算模型分配到节点计算机ID为3的计算机上。
按照步骤3的飞行器设计分布式系统仿真的负载均衡模型分配方法将仿真模型均衡的分配到各节点计算机上,分配的最终结果如表5所示。通过上述仿真模型分配算法,即可实现飞行器设计系统仿真的负载均衡分配。
表6为采用不同方法时,一次仿真任务中飞行器设计的仿真耗时,采用本发明进行负载均衡的仿真模型分配,其仿真耗时由三台计算机中耗时最大的决定,即节点计算机computer3,仿真耗时为600s;而采用传统的平匀分配的方法进行仿真模型分配,可能将结构仿真模型和气动仿真模型都分配到节点计算机computer3上,则其仿真耗时为1000s;而不采用分布式仿真,只采用单台计算机进行仿真,其仿真时间为1516s。
以上数据表时,采用本发明提供的负载均衡方法在飞行器设计分布式系统仿真时对仿真模型进行有效合理的分配,可以实现仿真资源充分有效地部署和利用,缩短仿真时间,提高飞行器设计效率。
表5 飞行器设计分布式系统仿真模型负载均衡分配结果
Figure BDA00003320647500081
表6 仿真任务中采用不同方法时飞行器设计仿真耗时
采用方法 本发明负载均衡方法 传统的平均分配 单台计算机仿真
仿真耗时(s) 600 1000 1516

Claims (2)

1.一种飞行器分布式系统仿真的负载均衡方法,其特征在于:具体包括如下步骤:
步骤1:飞行器分布式系统仿真集群节点计算机信息注册
在仿真前,将节点计算机信息收集、存储到主控计算机上节点信息数据库中,主控计算机能够时刻掌握参与仿真任务的节点计算机的仿真信息和系统性能;
步骤2:飞行器设计仿真模型信息注册
仿真前,将飞行器设计过程中所涉及的多个不同学科仿真模型集成封装,存储在分布式仿真系统主控计算机上的飞行器学科仿真模型数据库中;
所述仿真模型信息包括仿真模型基本信息和仿真模型附加信息;
其中,仿真模型基本信息包括仿真模型ID、仿真模型名、仿真模型版本号和仿真模型仿真耗时;仿真模型ID是仿真模型在飞行器学科仿真模型数据库中区别于其他仿真模型的标识;仿真模型名是学科仿真模型的名称;仿真模型版本号区分仿真模型修改前后的版本;仿真模型仿真耗时是仿真模型完成一次仿真运行所需时间的估计值;
仿真模型附加信息包括仿真模型运行时所依赖的仿真环境和能运行该仿真模型的节点计算机ID;
步骤3:飞行器设计分布式系统仿真的负载均衡模型分配
在仿真前,主控计算机根据步骤1得到的节点计算机信息和步骤2得到的仿真模型信息,在保证仿真任务的可执行性的前提下,将仿真模型分配至能够运行仿真模型的节点计算机,实现负载分配的均衡;
具体负载均衡分配原则为:
步骤3.1,首先根据仿真模型的环境依赖性进行分配;
若一个仿真模型的依赖环境只有一个节点计算机能够满足,则首先将该仿真模型分配到唯一满足的节点计算机上;
若一个仿真模型的依赖环境有两个或两个以上的节点计算机能够满足,则将该仿真模型分配到满足条件的节点计算机中已分配得到仿真模型最少的节点计算机上;
步骤3.2,在分配完对环境有依赖的仿真模型后,再根据仿真模型的仿真耗时和节点机性能分配对环境没有依赖的模型;
根据仿真模型的仿真耗时信息及节点机的系统性能信息,按系统性能优劣对节点机排序,然后将余下仿真模型中仿真耗时最大的分配到性能最好的节点计算机上,仿真耗时最小的仿真模型分配至性能最差的节点计算机上;
步骤3.3,当剩余仿真模型的仿真耗时在同一量级且相差在该量级以下,或者节点计算机CPU及内存性能相同,则将剩余仿真模型平均分配到各个节点计算机上;
步骤4,在飞行器分布式系统仿真过程中,主控计算机按照仿真流程调用各节点计算机的仿真模型,完成飞行器设计仿真任务。
2.根据权利要求1所述的一种飞行器分布式系统仿真的负载均衡方法,其特征在于:所述节点计算机信息包括节点计算机ID、节点计算机IP、节点计算机名称和节点计算机可用CPU核数。
CN201310226473.9A 2013-06-07 2013-06-07 一种飞行器分布式系统仿真的负载均衡方法 Expired - Fee Related CN103281393B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310226473.9A CN103281393B (zh) 2013-06-07 2013-06-07 一种飞行器分布式系统仿真的负载均衡方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310226473.9A CN103281393B (zh) 2013-06-07 2013-06-07 一种飞行器分布式系统仿真的负载均衡方法

Publications (2)

Publication Number Publication Date
CN103281393A true CN103281393A (zh) 2013-09-04
CN103281393B CN103281393B (zh) 2014-08-13

Family

ID=49063838

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310226473.9A Expired - Fee Related CN103281393B (zh) 2013-06-07 2013-06-07 一种飞行器分布式系统仿真的负载均衡方法

Country Status (1)

Country Link
CN (1) CN103281393B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106503320A (zh) * 2016-10-17 2017-03-15 北京理工大学 一种分布式仿真系统的顺序模型调度方法
CN106982140A (zh) * 2017-03-31 2017-07-25 北京润科通用技术有限公司 一种信息流仿真方法及系统
CN111125857A (zh) * 2018-10-31 2020-05-08 百度在线网络技术(北京)有限公司 分布式仿真方法和装置
CN111985055A (zh) * 2020-08-28 2020-11-24 北京世冠金洋科技发展有限公司 一种模型封装方法、装置及电子设备
CN112764939A (zh) * 2021-02-03 2021-05-07 成都中科合迅科技有限公司 一种多智能体仿真部署中负载均衡系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101995825A (zh) * 2010-11-08 2011-03-30 大连理工大学 卫星动力学与控制分布式仿真平台
CN102426424A (zh) * 2011-09-28 2012-04-25 天津大学 基于分布式架构的临近空间飞行器视景仿真方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101995825A (zh) * 2010-11-08 2011-03-30 大连理工大学 卫星动力学与控制分布式仿真平台
CN102426424A (zh) * 2011-09-28 2012-04-25 天津大学 基于分布式架构的临近空间飞行器视景仿真方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周姜滨等: "空间飞行器分布式通用组合导航仿真平台方案研究", 《系统仿真学报》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106503320A (zh) * 2016-10-17 2017-03-15 北京理工大学 一种分布式仿真系统的顺序模型调度方法
CN106503320B (zh) * 2016-10-17 2019-09-13 北京理工大学 一种分布式仿真系统的顺序模型调度方法
CN106982140A (zh) * 2017-03-31 2017-07-25 北京润科通用技术有限公司 一种信息流仿真方法及系统
CN106982140B (zh) * 2017-03-31 2021-01-29 北京润科通用技术有限公司 一种信息流仿真方法及系统
CN111125857A (zh) * 2018-10-31 2020-05-08 百度在线网络技术(北京)有限公司 分布式仿真方法和装置
CN111125857B (zh) * 2018-10-31 2024-06-04 百度在线网络技术(北京)有限公司 分布式仿真方法和装置
CN111985055A (zh) * 2020-08-28 2020-11-24 北京世冠金洋科技发展有限公司 一种模型封装方法、装置及电子设备
CN111985055B (zh) * 2020-08-28 2023-08-08 北京世冠金洋科技发展有限公司 一种模型封装方法、装置及电子设备
CN112764939A (zh) * 2021-02-03 2021-05-07 成都中科合迅科技有限公司 一种多智能体仿真部署中负载均衡系统

Also Published As

Publication number Publication date
CN103281393B (zh) 2014-08-13

Similar Documents

Publication Publication Date Title
CN103281393B (zh) 一种飞行器分布式系统仿真的负载均衡方法
Neelakandan et al. Large scale optimization to minimize network traffic using MapReduce in big data applications
CN104199718A (zh) 一种基于numa高性能网络缓存资源亲和度的虚拟处理器的调度方法
CN110798517A (zh) 去中心化集群负载均衡方法、系统、移动终端及存储介质
CN104063501B (zh) 基于hdfs的副本平衡方法
CN110991040A (zh) 一种复杂产品协同仿真环境构建方法
US20130138686A1 (en) Device and method for arranging query
CN108038215A (zh) 数据处理方法及系统
US11221890B2 (en) Systems and methods for dynamic partitioning in distributed environments
CN107070645A (zh) 比较数据表的数据的方法和系统
CN103226608A (zh) 一种基于目录级可伸缩的Bloom Filter位图表的并行文件搜索方法
US20170371892A1 (en) Systems and methods for dynamic partitioning in distributed environments
Yang et al. K-Means Method for Grouping in Hybrid MapReduce Cluster.
Zhai et al. Dynamic load balancing for compressible multiphase turbulence
Kumar et al. Graphsteal: Dynamic re-partitioning for efficient graph processing in heterogeneous clusters
CN117806659A (zh) 一种es高可用集群容器化部署方法及相关装置
US11232000B1 (en) Moving database partitions from replica nodes
CN112445776A (zh) 基于Presto的动态分桶方法、系统、设备及可读存储介质
CN108319604A (zh) 一种hive中大小表关联的优化方法
Güting et al. Parallel SECONDO: Scalable query processing in the cloud for non-standard applications
Wang et al. A BSP-based parallel iterative processing system with multiple partition strategies for big graphs
Lee et al. ARLS: A MapReduce-based output analysis tool for large-scale simulations
US20210103478A1 (en) Systems and methods for dynamic partitioning in distributed environments
Zhang et al. Repeatable multi-dimensional virtual network embedding in cloud service platform
Prabavathy et al. A load balancing algorithm for private cloud storage

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20140813

CF01 Termination of patent right due to non-payment of annual fee