系统仿真数据分布式计算环境的研究与实现

论文摘要

目前,系统仿真数据的计算都是在一台机器上进行计算的。系统仿真数据是用来评价支撑业务系统的网络系统的性能的,这就需要实时的计算系统仿真数据,以便向用户展现业务系统运行时的各个网络设备的负载情况,方便用户判断所选设备是否合理。然而由于仿真数据量大,在单机上很难满足向用户实时交互的需求。这就有必要通过分布式计算技术把地理上广泛分布的各种资源连成一个整体,共同完成计算任务。利用网络主机的资源开展分布式计算已经成为一种重要的高性能计算方式,它提供了更好的性能价格比,更容易解决一些在单台计算机上难以解决的复杂问题。本文着重分析了系统仿真数据,针对系统仿真数据要求实时性、计算量大、单机处理速度慢等特点,采用了基于Master—Worker模型的三层体系结构的分布式计算处理方案;在实现技术上,采用了WebServices技术,在计算节点端采用Web Services技术将系统仿真数据的计算应用发布为Web服务。首先论文给出了系统架构和各个模块的功能。由于任务计算需要很长的时间,计算节点发生错误的可能性增加,针对单个计算节点失效引起的计算上的巨大损失问题,采用了检查点功能。接着对系统中的任务调度算法进行了研究,对蚁群算法进行改进,即性能高的机器分配的任务比较多,性能低的机器分配的任务比较少,通过合理分配减少任务的运算时间。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究目的、意义及背景
• 1.2 国内外研究现状及发展趋势
• 1.3 论文的主要工作
• 1.4 论文的结构
• 第2章 分布式计算技术
• 2.1 分布式计算概述
• 2.2 传统分布式计算技术
• 2.2.1 Socket技术
• 2.2.2 RPC技术
• 2.2.3 分布式组件对象技术
• 2.3 Web Services简介
• 2.3.1 Web Services的发展背景
• 2.3.2 Web Services的体系结构
• 2.4 Web Services的主要技术协议
• 2.4.1 SOAP协议
• 2.4.2 Web Services描述语言WSDL
• 2.4.3 UDDI协议
• 2.5 Web Services与传统分布式计算技术的比较
• 2.6 本章小结
• 第3章 分布式计算中的任务调度策略
• 3.1 任务调度的定义
• 3.2 任务调度结构
• 3.2.1 集中式调度
• 3.2.2 分布式调度
• 3.2.3 层次式调度
• 3.3 任务调度算法的设计问题
• 3.4 传统的分布式调度算法分析
• 3.5 蚁群算法
• 3.5.1 蚁群算法的原理
• 3.5.2 蚁群算法的特征
• 3.6 本章小结
• 第4章 系统仿真数据的分布式计算环境设计
• 4.1 系统仿真数据
• 4.1.1 系统仿真数据的知识信息
• 4.1.2 系统仿真数据的计算
• 4.1.3 系统仿真数据的特点
• 4.2 分布式计算的基本设计思想
• 4.3 计算模型选择
• 4.3.1 Master-Worker模型
• 4.3.2 tree模型
• 4.3.3 模型选择
• 4.3.4 基于Master-Worker的三层体系结构
• 4.4 系统架构
• 4.5 计算节点端的功能设计与实现
• 4.5.1 检查点功能设计
• 4.5.2 心跳检测服务
• 4.5.3 资源检测功能
• 4.5.4 计算节点端的实现
• 4.6 服务器端的功能设计与实现
• 4.6.1 任务分解模块
• 4.6.2 任务管理模块
• 4.6.3 资源管理模块
• 4.6.4 任务调度模块
• 4.6.5 结果接收模块
• 4.7 本章小结
• 第5章 基于蚁群算法的任务调度策略
• 5.1 影响蚁群算法性能的因素
• 5.2 蚁群算法的改进
• 5.3 基于蚁群算法的任务调度算法过程
• 5.4 本章小结
• 第6章 实验测试及性能分析
• 6.1 测试用例
• 6.2 测试环境
• 6.3 实验一
• 6.3.1 测试结果
• 6.3.2 性能分析
• 6.4 实验二
• 6.4.1 测试结果
• 6.4.2 性能分析
• 6.5 实验三
• 6.5.1 测试结果
• 6.5.2 性能分析
• 6.6 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢