针对实时系统负载动态变化的问题,提出一种面向软实时的基于资源预留的反馈调度模型(Feedback Scheduling M odel based on Resource Reservation,FSM-RR),当负载发生变化时调整服务器的CPU带宽.接着针对混合任务提出一种自适应分层调...
详细信息
针对实时系统负载动态变化的问题,提出一种面向软实时的基于资源预留的反馈调度模型(Feedback Scheduling M odel based on Resource Reservation,FSM-RR),当负载发生变化时调整服务器的CPU带宽.接着针对混合任务提出一种自适应分层调度框架(Adaptive Hierarchical Scheduling Framework,AHSF),对不同类型任务采用相应的调度算法,保证硬实时任务在其截止期之前完成,同时尽可能的降低软实时以及非实时任务的截止期错失率.在RTSim平台上进行仿真实验,并与传统调度算法进行对比分析,实验结果表明本文提出调度算法具有较好的性能.
研究了大规模超级计算机群系统的失效预测。针对现有的单一分析系统日志的方法不仅需要复杂的分布式数据挖掘技术,而且失效预测的召回率普遍不高的问题,提出了一种通过将记载集群系统负载变化的作业日志同系统日志结合起来分析来进行失效预测的方法。该方法的原理如下:首先,通过对原始系统日志和作业日志进行预处理和过滤,分别得到细粒度的二维的事件序列和作业序列;然后从中抽取出在系统日志的失效事件发生前作业日志所表现出的三种典型失效征兆;最后,利用失效征兆进行失效预测。在真实的IBM Blue Gene/P系统的系统日志和作业日志上的实验结果表明,基于两种日志结合分析的方法能以较高的准确率和召回率实现细粒度的失效预测。
暂无评论