CN110928676A - 一种基于性能评估的电力cps负荷分配方法 - Google Patents

一种基于性能评估的电力cps负荷分配方法 Download PDF

Info

Publication number
CN110928676A
CN110928676A CN201910650647.1A CN201910650647A CN110928676A CN 110928676 A CN110928676 A CN 110928676A CN 201910650647 A CN201910650647 A CN 201910650647A CN 110928676 A CN110928676 A CN 110928676A
Authority
CN
China
Prior art keywords
server node
server
subtasks
power
nodes
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
CN201910650647.1A
Other languages
English (en)
Other versions
CN110928676B (zh
Inventor
黄宏和
潘艳红
丁萍刚
周俊
郑晓云
毛亚明
姜正德
黄炎阶
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.)
Quzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Quzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
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 Quzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Quzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority to CN201910650647.1A priority Critical patent/CN110928676B/zh
Publication of CN110928676A publication Critical patent/CN110928676A/zh
Application granted granted Critical
Publication of CN110928676B publication Critical patent/CN110928676B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5011Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
    • G06F9/5016Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5083Techniques for rebalancing the load in a distributed system

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Power Sources (AREA)

Abstract

本发明涉及计算机科学技术领域,具体涉及一种基于性能评估的电力CPS负荷分配方法,包括以下步骤:A)建立服务器节点列表S,建立通信耗时表T,负荷率表L;B)确定服务器节点算力Csi,设置性能评分Psi;C)根据新任务的数据量,确定其所需的总算力Ca;D)选取服务器节点集合D;E)将新任务划分为若干个子任务,分配给集合D中的服务器节点,使子任务基本同时完成;F)更新服务器性能评分Psi,重复步骤C‑E。本发明的实质性效果是:通过使用由性能评分Psi修正后的算力Csi,同时考虑传输耗时,作为任务分配权重,使得分配的子任务能够基本在同一时间完成并传回结果,从而提高电力CPS的实时性。

Description

一种基于性能评估的电力CPS负荷分配方法
技术领域
本发明涉及计算机科学技术领域,具体涉及一种基于性能评估的电力CPS负荷分配方法。
背景技术
信息物理融合系统(缩写为CPS)是通过3C(Computation,Communication,Control)技术将计算、网络和物理环境融为一体的多维复杂系统,通过多技术有机融合,实现大型工程系统的实时感知、动态控制和信息服务。最终目的是为了实现信息与物理世界的交互。电力CPS的部署避免不了云计算,云计算(Cloud Computing)代表了细颗粒状分布式并行技术的发展前沿。云计算近年来备受关注,凭借虚拟化技术,整合分布式计算资源提供计算服务已经成为一种被广泛接受的计算模式。然而,尽管云计算具有分布式和易扩展的优点,但是在应对大数据并行处理且实时性要求较高的景时,现有的研究还很欠缺,缺乏有效的技术方案。因而提供一种实时性运算更优的电力CPS运行方案,是目前的重要研究方向。
随着电力系统互联程度的加强和远距离输电系统的不断发展,能覆盖一个甚至多个国家的超大规模电力系统正在成为趋势。大规模电网的调度计划生成、潮流计算以及状态监测,均需要处理大规模的数据。电力系统现有的计算和信息处理平台不足以支持智能电网的实现。构建新的电力系统计算平台,成为大规模电网建设的重要技术支撑。
如中国专利CN103683337B,公开日为2016年1月6日,一种互联电网CPS指令动态分配优化方法,包括:步骤1、确定控制目标;步骤2、确定状态离散集S;步骤3、选择平衡机组并确定联合动作离散集A;步骤4、计算该区域ACE(k)的瞬时值与CPS(k)的瞬时值;步骤5、获得每个智能体的立即奖励值Ri(k);步骤6、由线性均衡和均衡选择函数求取相关均衡联动策略;步骤7、对所有机组j执行相应操作;步骤8、在下一次控制周期到来时,返回步骤4。具有提高AGC系统的CPS控制性能的优点,但其不适用于潮流分析、线损计算以及故障分析等数据量大、计算密集的数据分析应用。
发明内容
本发明要解决的技术问题是:目前缺乏提高电力CPS数据处理实时性的方案的技术问题。提出了一种任务分配更均衡的实时性更好的基于性能评估的电力CPS负荷分配方法。
为解决上述技术问题,本发明所采取的技术方案为:一种基于性能评估的电力CPS负荷分配方法,包括以下步骤:A)建立服务器节点列表S={s1,s2,…,sn},n为服务器节点数量,建立服务器节点单位数据量的通信耗时表T={T1,T2,…,Tn},服务器节点当前负荷率表L={L1,L2,…,Ln};B)根据服务器节点si的硬件配置确定其算力Csi,为每台服务器设置性能评分Psi,并置Psi初值为1;C)当出现新任务时,根据新任务的数据量,确定其所需的总算力Ca;D)从服务器节点列表S选取服务器节点集合D,使∑i∈D Csi≥k*Ca,其中k为宽松系数,k≥1;E)将新任务划分为若干个子任务,根据通信耗时、服务器算力及其性能评分Psi,分配给集合D中的服务器节点,使子任务基本同时完成;F)根据步骤E中,各个服务器节点完成子任务的情况,更新服务器性能评分Psi,重复步骤C-E,当服务器节点的负荷率均超过设定阈值Lm时,暂停新任务的分配。通过使用由性能评分Psi修正后的算力,作为分配任务量的依据,能够提高任务数据分配的平衡度,提高电力CPS的实时性。
作为优选,步骤E中,给集合D中的服务器节点分配子任务的方法为:使服务器节点si分配的子任务的数据量,是基本以
Figure RE-GDA0002288415730000021
为权重的分配,其中i∈D。通过使用由性能评分Psi修正后的算力Csi,同时考虑传输耗时,作为任务分配权重,使得分配的子任务能够基本在同一时间完成并传回结果,从而提高电力CPS的实时性。
作为优选,选取服务器节点集合D的方法包括以下步骤:D1)找出服务器节点列表S中负荷率Li最低的服务器节点si,加入到集合D中;D2)从服务器节点si开始,按照列表 S的顺序,跳过负荷率Li超过阈值的服务器节点,依次选取服务器节点加入到集合D中,直到集合D内的服务器节点的算力满足要求。当负荷率Li低于设定阈值的的全部服务器节点算力仍不满足要求时,将集合D外的服务器节点按照负荷率Li由小到大的顺序排列,按该顺序依次添加服务器节点进集合D。
作为优选,步骤D2中所述阈值为设定的常数。能够提升服务器节点整体的负荷率均衡度,更充分的利用服务器节点资源,提升电力CPS的运行效率。
作为优选,步骤D2中所述的阈值为集合S中服务器节点的负荷率均值Lm
Figure RE-GDA0002288415730000022
以平均值为阈值时,总能挑选出负荷率Li较低的那部分服务器节点。
作为优选,步骤F中,更新服务器性能评分Psi的方法包括以下步骤:F11)随机选取任一服务器节点sj,j∈[1,n],作为参照服务器节点,Psj=1;F12)服务器节点sj每次子任务执行完成后,计算服务器节点sj的当前单位算力执行效率
Figure RE-GDA0002288415730000023
其中Q为本次子任务的数据量,t为本次子任务执行的时间;F13)除服务器节点sj以外的服务器节点si每次子任务执行完成后,计算服务器节点si的当前单位算力
Figure RE-GDA0002288415730000024
服务器性能评分
Figure RE-GDA0002288415730000025
以实际运行任务时,单位时间内处理的数据量,作为性能评分依据,具有比现有技术性能确定方案更准确的性能评估,从而更准确和合理的分配任务。由于任务的分配是按照比例进行分配的,因而性能的评估也是相互间的比例,不需要绝对值。
作为优选,在执行步骤C-E时,还同时以下步骤:G1)以周期或预设触发条件触发,复制随机的一个子任务,将两个相同的子任务分配给不同的服务器节点sk、sl,其中k,l∈[1,n]; G2)当服务器节点sk、sl均将该两个相同的子任务执行完成后,比对执行结果是否一致,若结果不一致则从新分配两个该相同的子任务到另外两个服务器节点,直到两个同时分配到该两个相同子任务的服务器节点执行结果相同,以一致的执行结果作为该子任务的执行结果; G3)统计最近若干次执行结果的比对结果,若一致率低于设定阈值,则发出告警。
作为优选,步骤G2还包括以下步骤:当服务器节点sk、sl均将该两个相同的子任务执行完成后,获得服务器节点sk、sl当前单位算力执行效率
Figure RE-GDA0002288415730000031
随机选取任一服务器节点sj,作为参照服务器节点,Psj=1;计算获得
Figure RE-GDA0002288415730000032
Figure RE-GDA0002288415730000033
在后续的时间Tk内,锁定Psk及Psl的值。本优选方案在使用任务复制机制,验证执行结果是否正确的同时,获得了参与验证的两个服务器节点的性能比的更准确的值,因而锁定其性能评分能够提高锁定期间的性能评估的准确度。
作为优选,步骤B中,硬件配置确定服务器节点si的算力Csi方法为:B1)测试若干个随机服务器节点si,i∈d,d为测试服务器节点集合,使其CPU及内存保持满载运行一段时间,计算服务器节点si在单位之间内处理的任务数据量,作为其算力Csi;B2)计算服务器节点si,i∈d的CPU算力均值vm1、内存容量均值vm2、内存读写速度均值vm3、硬盘读写速度均值vm4以及算力均值算力Csm;B3)其余服务器节点sj,j∈[1,n]且
Figure RE-GDA0002288415730000034
Figure RE-GDA0002288415730000035
Figure RE-GDA0002288415730000036
作为优选,步骤B中,硬件配置确定服务器节点si的算力Csi方法为:B1)选择一个随机服务器节点si作为参照节点,使其CPU及内存保持满载运行一段时间,计算服务器节点si在单位之间内处理的任务数据量,作为其算力Csi;B2)获得服务器节点si的CPU算力值vm1、内存容量值vm2、内存读写速度值vm3、硬盘读写速度值vm4;B3)其余服务器节点sj, j∈[1,n]且
Figure RE-GDA0002288415730000037
Figure RE-GDA0002288415730000038
本发明的实质性效果是:通过使用由性能评分Psi修正后的算力Csi,同时考虑传输耗时,作为任务分配权重,使得分配的子任务能够基本在同一时间完成并传回结果,从而提高电力CPS的实时性。
附图说明
图1为实施例一流程框图。
图2为实施例一更新服务器性能评分的方法流程框图。
图3为实施例一确定服务器节点算力的方法流程框图。
具体实施方式
下面通过具体实施例,并结合附图,对本发明的具体实施方式作进一步具体说明。
实施例一:
一种基于性能评估的电力CPS负荷分配方法,如图1所示,包括以下步骤:A)建立服务器节点列表S={s1,s2,…,sn},n为服务器节点数量,建立服务器节点单位数据量的通信耗时表 T={T1,T2,…,Tn},服务器节点当前负荷率表L={L1,L2,…,Ln}。
B)根据服务器节点si的硬件配置确定其算力Csi,如图3所示,具体包括:B1)选择一个随机服务器节点si作为参照节点,使其CPU及内存保持满载运行一段时间,计算服务器节点si在单位之间内处理的任务数据量,作为其算力Csi;B2)获得服务器节点si的CPU算力值vm1、内存容量值vm2、内存读写速度值vm3、硬盘读写速度值vm4;B3)其余服务器节点sj,j∈[1,n]且
Figure RE-GDA0002288415730000041
Figure RE-GDA0002288415730000042
为每台服务器设置性能评分Psi,并置Psi 初值为1。
C)当出现新任务时,根据新任务的数据量,确定其所需的总算力Ca。
D)从服务器节点列表S选取服务器节点集合D,使∑i∈D Csi≥k*Ca,其中k为宽松系数,k≥1,具体包括以下步骤:D1)找出服务器节点列表S中负荷率Li最低的服务器节点 si,加入到集合D中;D2)从服务器节点si开始,按照列表S的顺序,跳过负荷率Li超过阈值的服务器节点,阈值为集合S中服务器节点的负荷率均值Lm
Figure RE-GDA0002288415730000043
依次选取服务器节点加入到集合D中,直到集合D内的服务器节点的算力满足要求。当负荷率Li低于设定阈值的的全部服务器节点算力仍不满足要求时,将集合D外的服务器节点按照负荷率Li 由小到大的顺序排列,按该顺序依次添加服务器节点进集合D。
E)将新任务划分为若干个子任务,根据通信耗时、服务器算力及其性能评分Psi,分配给集合D中的服务器节点,使服务器节点si分配的子任务的数据量,是基本以
Figure RE-GDA0002288415730000044
为权重的分配,其中i∈D。
F)根据步骤E中,各个服务器节点完成子任务的情况,如图2所示,更新服务器性能评分Psi,具体包括以下步骤:F11)随机选取任一服务器节点sj,j∈[1,n],作为参照服务器节点,Psj=1;F12)服务器节点sj每次子任务执行完成后,计算服务器节点sj的当前单位算力执行效率其中Q为本次子任务的数据量,t为本次子任务执行的时间;F13)除服务器节点sj以外的服务器节点si每次子任务执行完成后,计算服务器节点si的当前单位算力
Figure RE-GDA0002288415730000051
服务器性能评分
Figure RE-GDA0002288415730000052
重复步骤C-E,当服务器节点的负荷率均超过设定阈值 Lm时,暂停新任务的分配。
在执行步骤C-E时,还同时以下步骤:G1)以周期或预设触发条件触发,复制随机的一个子任务,将两个相同的子任务分配给不同的服务器节点sk、sl,其中k,l∈[1,n];G2)当服务器节点sk、sl均将该两个相同的子任务执行完成后,比对执行结果是否一致,若结果不一致则从新分配两个该相同的子任务到另外两个服务器节点,直到两个同时分配到该两个相同子任务的服务器节点执行结果相同,以一致的执行结果作为该子任务的执行结果,当服务器节点sk、sl均将该两个相同的子任务执行完成后,获得服务器节点sk、sl当前单位算力执行效率
Figure RE-GDA0002288415730000053
随机选取任一服务器节点sj,作为参照服务器节点,Psj=1;计算获得
Figure RE-GDA0002288415730000054
Figure RE-GDA0002288415730000055
在后续的时间Tk内,锁定Psk及Psl的值;G3)统计最近若干次执行结果的比对结果,若一致率低于设定阈值,则发出告警。
本实施例的有益效果为:通过使用由性能评分Psi修正后的算力,作为分配任务量的依据,能够提高任务数据分配的平衡度,提高电力CPS的实时性。使用任务复制机制,验证执行结果是否正确的同时,获得了参与验证的两个服务器节点的性能比的更准确的值,因而锁定其性能评分能够提高锁定期间的性能评估的准确度。
以上所述的实施例只是本发明的一种较佳的方案,并非对本发明作任何形式上的限制,在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。

Claims (9)

1.一种基于性能评估的电力CPS负荷分配方法,其特征在于,
包括以下步骤:
A)建立服务器节点列表S={s1,s2,…,sn},n为服务器节点数量,建立服务器节点单位数据量的通信耗时表T={T1,T2,…,Tn},服务器节点当前负荷率表L={L1,L2,…,Ln};
B)根据服务器节点si的硬件配置确定其算力Csi,为每台服务器设置性能评分Psi,并置Psi初值为1;
C)当出现新任务时,根据新任务的数据量,确定其所需的总算力Ca;
D)从服务器节点列表S选取服务器节点集合D,使∑i∈DCsi≥k*Ca,其中k为宽松系数,k≥1;
E)将新任务划分为若干个子任务,根据通信耗时、服务器算力及其性能评分Psi,分配给集合D中的服务器节点,使子任务基本同时完成;
F)根据步骤E中,各个服务器节点完成子任务的情况,更新服务器性能评分Psi,重复步骤C-E,当服务器节点的负荷率均超过设定阈值Lm时,暂停新任务的分配。
2.根据权利要求1所述的一种基于性能评估的电力CPS负荷分配方法,其特征在于,
步骤E中,给集合D中的服务器节点分配子任务的方法为:使服务器节点si分配的子任务的数据量,是基本以
Figure FDA0002135080780000011
为权重的分配,其中i∈D。
3.根据权利要求1或2所述的一种基于性能评估的电力CPS负荷分配方法,其特征在于,选取服务器节点集合D的方法包括以下步骤:
D1)找出服务器节点列表S中负荷率Li最低的服务器节点si,加入到集合D中;
D2)从服务器节点si开始,按照列表S的顺序,跳过负荷率Li超过阈值的服务器节点,依次选取服务器节点加入到集合D中,直到集合D内的服务器节点的算力满足要求。
4.根据权利要求3所述的一种基于性能评估的电力CPS负荷分配方法,其特征在于,
步骤D2中所述阈值为设定的常数。
5.根据权利要求3所述的一种基于性能评估的电力CPS负荷分配方法,其特征在于,
步骤D2中所述的阈值为集合S中服务器节点的负荷率均值Lm
Figure FDA0002135080780000012
6.根据权利要求3所述的一种基于性能评估的电力CPS负荷分配方法,其特征在于,
步骤F中,更新服务器性能评分Psi的方法包括以下步骤:
F11)随机选取任一服务器节点sj,j∈[1,n],作为参照服务器节点,Psj=1;
F12)服务器节点sj每次子任务执行完成后,计算服务器节点sj的当前单位算力执行效率
Figure FDA0002135080780000021
其中Q为本次子任务的数据量,t为本次子任务执行的时间;
F13)除服务器节点sj以外的服务器节点si每次子任务执行完成后,计算服务器节点si的当前单位算力
Figure FDA0002135080780000022
服务器性能评分
Figure FDA0002135080780000023
7.根据权利要求3所述的一种基于性能评估的电力CPS负荷分配方法,其特征在于,
在执行步骤C-E时,还同时以下步骤:
G1)以周期或预设触发条件触发,复制随机的一个子任务,将两个相同的子任务分配给不同的服务器节点sk、sl,其中k,l∈[1,n];
G2)当服务器节点sk、sl均将该两个相同的子任务执行完成后,比对执行结果是否一致,若结果不一致则从新分配两个该相同的子任务到另外两个服务器节点,直到两个同时分配到该两个相同子任务的服务器节点执行结果相同,以一致的执行结果作为该子任务的执行结果;
G3)统计最近若干次执行结果的比对结果,若一致率低于设定阈值,则发出告警。
8.根据权利要求7所述的一种基于性能评估的电力CPS负荷分配方法,其特征在于,
步骤G2还包括以下步骤:
当服务器节点sk、sl均将该两个相同的子任务执行完成后,获得服务器节点sk、sl当前单位算力执行效率
Figure FDA0002135080780000024
随机选取任一服务器节点sj,作为参照服务器节点,Psj=1;
计算获得
Figure FDA0002135080780000025
Figure FDA0002135080780000026
在后续的时间Tk内,锁定Psk及Psl的值。
9.根据权利要求1或2所述的一种基于性能评估的电力CPS负荷分配方法,其特征在于,
步骤B中,硬件配置确定服务器节点si的算力Csi方法为:
B1)选择一个随机服务器节点si作为参照节点,使其CPU及内存保持满载运行一段时间,计算服务器节点si在单位之间内处理的任务数据量,作为其算力Csi
B2)获得服务器节点si的CPU算力值vm1、内存容量值vm2、内存读写速度值vm3、硬盘读写速度值vm4
B3)其余服务器节点sj,j∈[1,n]且
Figure FDA0002135080780000031
CN201910650647.1A 2019-07-18 2019-07-18 一种基于性能评估的电力cps负荷分配方法 Active CN110928676B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910650647.1A CN110928676B (zh) 2019-07-18 2019-07-18 一种基于性能评估的电力cps负荷分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910650647.1A CN110928676B (zh) 2019-07-18 2019-07-18 一种基于性能评估的电力cps负荷分配方法

Publications (2)

Publication Number Publication Date
CN110928676A true CN110928676A (zh) 2020-03-27
CN110928676B CN110928676B (zh) 2022-03-11

Family

ID=69856490

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910650647.1A Active CN110928676B (zh) 2019-07-18 2019-07-18 一种基于性能评估的电力cps负荷分配方法

Country Status (1)

Country Link
CN (1) CN110928676B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2592609A (en) * 2020-03-03 2021-09-08 Imagination Tech Ltd Resource allocation in a parallel processing system
CN116467059A (zh) * 2023-04-21 2023-07-21 哈尔滨有初科技有限公司 一种基于分布式计算的数据处理系统及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104168332A (zh) * 2014-09-01 2014-11-26 广东电网公司信息中心 高性能计算中负载均衡与节点状态监控方法
CN106095582A (zh) * 2016-06-17 2016-11-09 四川新环佳科技发展有限公司 云平台的任务执行方法
CN106557353A (zh) * 2016-11-04 2017-04-05 天津轻工职业技术学院 一种容器承载业务应用的服务器性能指标评价方法
CN106921754A (zh) * 2017-05-04 2017-07-04 泰康保险集团股份有限公司 集群系统的负载均衡方法、装置、介质和电子设备
US20170293980A1 (en) * 2011-04-04 2017-10-12 Aon Securities, Inc. System and method for managing processing resources of a computing system
CN108111567A (zh) * 2016-11-25 2018-06-01 广东亿迅科技有限公司 实现服务器负载均匀的方法及系统
CN109167835A (zh) * 2018-09-13 2019-01-08 重庆邮电大学 一种基于kubernetes的物理资源调度方法及系统
CN109783224A (zh) * 2018-12-10 2019-05-21 平安科技(深圳)有限公司 基于负载调配的任务分配方法、装置及终端设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170293980A1 (en) * 2011-04-04 2017-10-12 Aon Securities, Inc. System and method for managing processing resources of a computing system
CN104168332A (zh) * 2014-09-01 2014-11-26 广东电网公司信息中心 高性能计算中负载均衡与节点状态监控方法
CN106095582A (zh) * 2016-06-17 2016-11-09 四川新环佳科技发展有限公司 云平台的任务执行方法
CN106557353A (zh) * 2016-11-04 2017-04-05 天津轻工职业技术学院 一种容器承载业务应用的服务器性能指标评价方法
CN108111567A (zh) * 2016-11-25 2018-06-01 广东亿迅科技有限公司 实现服务器负载均匀的方法及系统
CN106921754A (zh) * 2017-05-04 2017-07-04 泰康保险集团股份有限公司 集群系统的负载均衡方法、装置、介质和电子设备
CN109167835A (zh) * 2018-09-13 2019-01-08 重庆邮电大学 一种基于kubernetes的物理资源调度方法及系统
CN109783224A (zh) * 2018-12-10 2019-05-21 平安科技(深圳)有限公司 基于负载调配的任务分配方法、装置及终端设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘道谱等: "电力信息系统负载均衡调度算法的研究", 《大电机技术》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2592609A (en) * 2020-03-03 2021-09-08 Imagination Tech Ltd Resource allocation in a parallel processing system
GB2592609B (en) * 2020-03-03 2023-05-31 Imagination Tech Ltd Resource allocation in a parallel processing system
CN116467059A (zh) * 2023-04-21 2023-07-21 哈尔滨有初科技有限公司 一种基于分布式计算的数据处理系统及方法
CN116467059B (zh) * 2023-04-21 2024-07-19 陕西公众信息产业有限公司 一种基于分布式计算的数据处理系统及方法

Also Published As

Publication number Publication date
CN110928676B (zh) 2022-03-11

Similar Documents

Publication Publication Date Title
CN110502323B (zh) 一种云计算任务实时调度方法
US10924535B2 (en) Resource load balancing control method and cluster scheduler
CN105550323B (zh) 一种分布式数据库负载均衡预测方法和预测分析器
Trushkowsky et al. The {SCADS} Director: Scaling a Distributed Storage System Under Stringent Performance Requirements
Dong et al. A dynamic and adaptive load balancing strategy for parallel file system with large-scale I/O servers
CN110928676B (zh) 一种基于性能评估的电力cps负荷分配方法
CN106385468A (zh) Web集群的可预测动态负载均衡方法
CN113938488A (zh) 一种基于动静态加权轮询的负载均衡方法
US7571088B2 (en) Simulation of connected devices
CN104731528B (zh) 一种云计算块存储服务的构建方法及系统
CN106528270A (zh) 一种基于OpenStack云平台的虚拟机自动迁移方法及系统
CN101419600A (zh) 基于面向对象文件系统的数据副本映射方法及装置
CN104182343A (zh) 操作系统的性能测试方法及装置
Chen et al. Joint affinity aware grouping and virtual machine placement
CN115981562A (zh) 一种数据处理方法及装置
CN115878729A (zh) 一种基于联盟链的节点区块存储分配优化方法及系统
CN107301094A (zh) 面向大规模动态事务查询的动态自适应数据模型
CN117033004B (zh) 负载均衡方法、装置、电子设备及存储介质
Li et al. Simulation study on the security of consensus algorithms in DAG-based distributed ledger
Mansouri An effective weighted data replication strategy for data grid
CN111598390B (zh) 服务器高可用性评估方法、装置、设备和可读存储介质
Kumar et al. A hybrid ant colony optimization algorithm for job scheduling in computational grids
CN110928683B (zh) 基于两类密集型虚拟机的边缘计算资源分配方法
Kumar et al. BMAQR: balanced multi attribute QoS aware replication in HDFS
CN111506394A (zh) 一种Docker Swarm容器调度方法及调度系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant