网络资源管理关键技术研究

论文摘要

网格是利用互联网技术把分散在不同地理位置上的多种资源，包括计算资源、存储资源、通信资源、软件资源、信息资源、知识资源等全面连通与统一分配、管理及协调起来，通过逻辑关系组成一台“虚拟超级计算机”。由于网格环境中资源的分布性、异构性、动态性以及自治性等特性，使得网格资源的有效管理较之传统的分布式网络更加复杂。因此，网格资源管理成为网格的重要研究方向。本文在对网格资源管理的现状进行了系统、全面地分析与总结的基础上，深入细致地研究了网格资源管理的四个关键技术，主要工作分为如下四个方面：(1)提出了一种基于移动Agent的网格资源管理模型。针对网格资源存在的分布性、异构性、动态性以及自治性等特点，充分发挥移动Agent的自治性、智能性等优势，有机的将两者结合起来，为网格资源管理提供了一种新的管理模型和一种有效的管理方法。(2)提出了一种基于语义的层次化网格资源组织模型。针对现有网格资源组织模型存在的扩展性较差、占用带宽多等问题，在基于移动Agent的网格资源管理模型中，引入语义树的资源组织方式，将网格资源按照资源的语义相关性进行聚类，再将聚类结果按照树状结构进行组织，这种资源组织模型占用带宽少，提高了资源搜索效率，为网格资源发现奠定了良好的组织基础，通过仿真实验验证了本模型的有效性。(3)提出了一种基于本体的网格资源发现策略。针对现有资源发现方法中存在的可靠性差、效率低下等问题，在基于移动Agent的网格资源管理模型中，提出基于本体的资源发现策略。该策略摈弃传统网格资源发现机制中的对称的请求与资源描述方式，采用非对称方式来描述请求和资源，并依据提出的一组规则，在SemanticObiects平台下生成网格中的资源本体、请求本体以及策略本体。采用此本体规范参与网格组织的资源与用户请求的描述，从而使得网格资源管理系统能够从语义上对资源与用户请求进行描述，从而优化资源与用户请求之间的匹配。该策略有效的解决了资源发现中可靠性差的问题，同时在很大程度上提高了系统的资源发现效率。(4)提出了一种基于改进的并行遗传算法的网格资源调度策略。针对现有资源调度存在单点失效、通信开销较大以及调度算法效率相对低下等问题，在基于移动Agent的网格资源管理模型中，结合遗传算法的基本理论，充分利用遗传算法固有的分布式与并行性特征，来解决网格资源调度中具有的很强的分布式特征以及网格作业分配中的并发特性。并且遗传算法具有较强的健壮性，对初始化条件要求不高，运行过程中无须干预等特点，使得遗传算法在复杂的网格环境下更容易控制。因此遗传算法适合于解决网格计算环境下的资源调度问题。进一步地，使用改进的并行遗传算法来提高资源调度效率。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景及意义
• 1.2 国内外研究现状
• 1.3 当前网格资源管理存在的问题
• 1.4 本文的主要研究内容及安排
• 第二章 网格资源管理相关技术概述
• 2.1 网格概述
• 2.1.1 网格的定义
• 2.1.2 网格资源和服务
• 2.1.3 虚拟组织
• 2.1.4 网格计算环境
• 2.2 网格资源管理概述
• 2.2.1 网格资源
• 2.2.1.1 资源的定义
• 2.2.1.2 资源的特点
• 2.2.2 网格资源管理的目的及功能
• 2.2.2.1 资源管理的目的
• 2.2.2.2 资源管理的功能
• 2.2.3 资源描述
• 2.3 网格调度算法概述
• 2.4 本章小节
• 第三章 基于移动Agent的网格资源管理模型
• 3.1 引言
• 3.2 相关研究工作
• 3.2.1 网格资源管理系统特性
• 3.2.2 网格资源管理基本功能
• 3.2.3 现有网格资源管理系统
• 3.2.4 现有网格体系结构
• 3.2.4.1 五层沙漏结构
• 3.2.4.2 开放网格服务体系结构
• 3.2.5 移动Agent概述
• 3.3 基于移动Agent的网格资源管理模型
• 3.3.1 基于移动Agent的网格资源管理模型的体系结构
• 3.3.2 移动Agent的组织模式
• 3.3.3 移动Agent的工作过程
• 3.3.4 网格中的多移动Agent的协作过程
• 3.3.5 移动Agent的实现
• 3.4 仿真实验
• 3.5 本章小结
• 第四章 基于语义的层次化网格资源组织模型
• 4.1 引言
• 4.2 现有网格资源组织模型
• 4.3 基于语义的层次化网格资源组织模型
• 4.3.1 资源聚类
• 4.3.2 资源组织模型
• 4.3.2.1 语义资源树的定义及相关性质
• 4.3.2.2 语义资源树的建立
• 4.3.2.3 语义资源树的维护
• 4.4 仿真实验
• 4.5 本章小结
• 第五章 基于本体的网格资源发现策略
• 5.1 引言
• 5.2 相关研究工作
• 5.2.1 现有的资源发现机制
• 5.2.1.1 完全集中式资源发现机制
• 5.2.1.2 完全分布式资源发现机制
• 5.2.1.3 混合式资源发现机制
• 5.2.1.4 基于P2P的网格资源发现机制
• 5.2.2 网格中现有的资源发现算法比较
• 5.2.3 网格中的资源匹配
• 5.2.4 本体概述
• 5.3 基于本体的网格资源发现系统
• 5.3.1 SemanticObjects中基于本体的资源匹配器特征
• 5.3.2 SemanticObjects中基于本体的资源匹配器的体系结构
• 5.3.3 SemanticObjects中资源匹配器的本体构造
• 5.3.3.1 本体
• 5.3.3.2 网络本体语言
• 5.3.3.3 对象关系数据库
• 5.3.3.4 本体构造模型
• 5.3.4 SemanticObjects中资源匹配器的匹配过程
• 5.3.4.1 资源发现
• 5.3.4.2 资源匹配器服务
• 5.3.4.3 资源查找过程
• 5.4 实验与结果
• 5.5 本章小结
• 第六章 基于改进的并行遗传算法的网格资源调度策略
• 6.1 引言
• 6.2 相关研究工作
• 6.2.1 资源调度方式
• 6.2.2 资源调度算法
• 6.2.3 网格资源调度
• 6.2.3.1 网格资源调度系统
• 6.2.3.2 网格资源调度过程
• 6.2.4 遗传算法概述
• 6.3 基于改进的并行遗传算法的网格资源调度
• 6.3.1 网格资源调度问题的数学描述
• 6.3.2 基于改进的并行遗传算法的资源选择
• 6.3.2.1 算法设计
• 6.3.2.2 算法实现
• 6.4 算法收敛性证明
• 6.4.1 马尔可夫链基本理论
• 6.4.2 网格资源调度中遗传算法收敛性证明
• 6.5 仿真实验
• 6.6 本章小结
• 第七章 全文总结
• 致谢
• 参考文献
• 攻博期间取得的研究成果