專(zhuān)利名稱(chēng)：計(jì)算機(jī)同構(gòu)集群系統(tǒng)高能效資源分配方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，具體地指一種計(jì)算機(jī)同構(gòu)集群系統(tǒng)高能效資源分配方法。
背景技術(shù)：
隨著微電子、互連網(wǎng)絡(luò)和自由軟件等技術(shù)的迅速發(fā)展，以集群架構(gòu)搭建的高性能計(jì)算機(jī)系統(tǒng)技術(shù)也日益成熟，其應(yīng)用也越來(lái)越普及，這就使得集群系統(tǒng)無(wú)論是在計(jì)算性能還是在系統(tǒng)規(guī)模上都得到了較大的發(fā)展。由于集群系統(tǒng)具有極高的性?xún)r(jià)比，因此越來(lái)越多的用戶(hù)愿意選擇基于集群架構(gòu)的高性能計(jì)算機(jī)系統(tǒng)作為其計(jì)算平臺(tái)。然而，隨著系統(tǒng)規(guī)模的日益擴(kuò)大，隨之而來(lái)的系統(tǒng)能耗問(wèn)題也愈加突出，高性能計(jì)算平臺(tái)提供強(qiáng)大的計(jì)算性能 是以消耗巨大的能量為代價(jià)的。根據(jù)研究調(diào)查資料顯示，高性能計(jì)算平臺(tái)已經(jīng)出現(xiàn)了能源危機(jī)。在節(jié)能環(huán)保的時(shí)代環(huán)境下，如何構(gòu)建一臺(tái)綠色節(jié)能的集群計(jì)算機(jī)系統(tǒng)成為眾多廠(chǎng)商和研究機(jī)構(gòu)關(guān)注的重點(diǎn)和時(shí)代的需求。集群系統(tǒng)作為一種并行分布式處理系統(tǒng)，由很多連接在一起的獨(dú)立計(jì)算機(jī)組成，但整體對(duì)外像一個(gè)單獨(dú)集成的計(jì)算資源一樣協(xié)同工作，因此對(duì)于用戶(hù)來(lái)說(shuō)就像一個(gè)獨(dú)立的計(jì)算系統(tǒng)。自20世紀(jì)90年代以來(lái)，隨著PC機(jī)性能的顯著提高和價(jià)格的日益下降，高速網(wǎng)絡(luò)的發(fā)展，以及集群軟件的日益成熟，集群系統(tǒng)已經(jīng)成為高性能計(jì)算的主流平臺(tái)，為計(jì)算密集型和通信密集型任務(wù)提供各種計(jì)算需求。集群系統(tǒng)已經(jīng)在工商業(yè)等諸多領(lǐng)域得到廣泛應(yīng)用。然而，集群系統(tǒng)在提供強(qiáng)大計(jì)算能力的同時(shí)也消耗了巨大的能量。而且隨著越來(lái)越多的并行應(yīng)用被更廣泛地應(yīng)用于科學(xué)研究和商業(yè)應(yīng)用中，巨大的能量消耗正日益成為集群技術(shù)發(fā)展的主要阻礙因素。因此，如何有效地降低集群系統(tǒng)中的能量消耗是一個(gè)非常值得研究的問(wèn)題。在集群系統(tǒng)中，調(diào)度大規(guī)模并行應(yīng)用時(shí)，因其高通信延時(shí)和高能耗而存在著很大的挑戰(zhàn)。因此，縮短調(diào)度長(zhǎng)度和節(jié)約能耗是設(shè)計(jì)友好的商業(yè)集群系統(tǒng)的兩個(gè)主要著眼點(diǎn)。用有向無(wú)環(huán)圖(Directed Acyclic Graph, DAG)來(lái)表示并行任務(wù)調(diào)度問(wèn)題一直是學(xué)術(shù)界的研究熱點(diǎn)，并行任務(wù)調(diào)度問(wèn)題已經(jīng)被證明是NP完全問(wèn)題，即Non-deterministicPolynomial的問(wèn)題，即多項(xiàng)式復(fù)雜程度的非確定性問(wèn)題，在國(guó)內(nèi)外引起了廣泛的研究。調(diào)度的目標(biāo)是要在滿(mǎn)足任務(wù)優(yōu)先約束關(guān)系的前提下，根據(jù)適當(dāng)?shù)姆峙洳呗源_定一種分派和執(zhí)行順序，將可并行執(zhí)行的任務(wù)合理分配到各處理機(jī)上有序地執(zhí)行，以達(dá)到減少總的執(zhí)行時(shí)間的目的。在集群、網(wǎng)格等分布式系統(tǒng)中，能量的消耗主要集中于CPU和互聯(lián)設(shè)備上，所以系統(tǒng)中的能耗主要由節(jié)點(diǎn)計(jì)算能耗和節(jié)點(diǎn)間通信能耗構(gòu)成。在調(diào)度具有約束關(guān)系的并行任務(wù)時(shí)，任務(wù)復(fù)制策略是改善其系統(tǒng)性能的一種行之有效的方法。這主要是因?yàn)橥ㄟ^(guò)運(yùn)用任務(wù)復(fù)制策略，各處理器間不必要的通信延時(shí)被消除了，因而極大的降低了系統(tǒng)總體的通信開(kāi)銷(xiāo)。一般情況下，對(duì)于同一個(gè)有向無(wú)環(huán)圖(DAG)，較之于未運(yùn)用復(fù)制策略的分簇算法，采用了復(fù)制策略的分簇算法總是具有更好的系統(tǒng)性能。該方法雖然可以有效地降低任務(wù)調(diào)度長(zhǎng)度，節(jié)省通信能耗，但同時(shí)也會(huì)增加復(fù)制任務(wù)的計(jì)算能耗，因此在節(jié)能調(diào)度中需慎重考慮。動(dòng)態(tài)電壓調(diào)節(jié)(Dynamic Voltage Scaling, DVS)技術(shù)是一種新型硬件節(jié)能機(jī)制。其基本思想是在不影響處理器正常運(yùn)行的情況下動(dòng)態(tài)地調(diào)節(jié)處理器執(zhí)行電壓和頻率，使得處理器不總以最高電壓工作，從而起到降低處理器能耗的目的。目前絕大多數(shù)處理器都用CMOS技術(shù)制造，而且支持多種處理器頻率和電壓設(shè)置。CMOS電路的功耗正比于時(shí)鐘頻率和電壓的平方，即每個(gè)時(shí)鐘周期的能量消耗正比于電壓的平方。對(duì)于一個(gè)任務(wù)來(lái)說(shuō)，完成它所需要的時(shí)鐘周期是固定的，所消耗的能量與電壓的平方成正比，通過(guò)降低電壓就可以降低能耗。雖然時(shí)鐘頻率與電壓之間的線(xiàn)性關(guān)系，降低電壓會(huì)調(diào)低時(shí)鐘頻率，增加任務(wù)的完成時(shí)間，但可以利用任務(wù)的空閑時(shí)間降低處理器電壓或頻率，在不影響其他任務(wù)執(zhí)行的前提下降低系統(tǒng)能耗。在電壓調(diào)節(jié)過(guò)程中，電壓管理芯片能夠執(zhí)行微小的電壓調(diào)整，并且能在極短的時(shí)間內(nèi)(幾十微秒內(nèi))完成電壓的調(diào)整。動(dòng)態(tài)電壓調(diào)節(jié)(DVS)技術(shù)已經(jīng)被證明是設(shè)計(jì)低功耗系統(tǒng)最有效的方法之一，并且已成為一種比較成熟的節(jié)能機(jī)制。近些年來(lái)，許多研究者已經(jīng)成功地將DVS機(jī)制運(yùn)用到了基于能耗感知的集群計(jì)算當(dāng)中。 在先前的工作中，研究人員要么忽略了網(wǎng)絡(luò)通信過(guò)程中的能耗，要么考慮問(wèn)題過(guò)于理想化而不符合系統(tǒng)實(shí)際工作情況，要么在給定系統(tǒng)性能的情況下不能最大化節(jié)省能耗。近年來(lái)，基于集群上的節(jié)能調(diào)度技術(shù)逐漸引起人們的關(guān)注，系統(tǒng)能量?jī)?yōu)化成為研究人員關(guān)注的焦點(diǎn)。目前，國(guó)內(nèi)外有關(guān)同構(gòu)集群系統(tǒng)環(huán)境下基于性能和能耗的研究主要有美國(guó)辛辛那提大學(xué)的D. P. Agrawal等人在同構(gòu)集群系統(tǒng)中提出了一種基于任務(wù)復(fù)制的調(diào)度算法TDS，該算法盡可能地復(fù)制任務(wù)前驅(qū)以改進(jìn)系統(tǒng)性能。見(jiàn)Sekhar Darbha and D. P. Agrawal. “Optimal Scheduling Algorithm forDistributed-Memory Machines, ” IEEE Trans. Parallel and Distributed Systems,9(1) :87-95, 1998。IEEE的Michael A. Palis等人提出了一種基于并行分布式架構(gòu)的任務(wù)分簇調(diào)度算法，該算法在分簇過(guò)程中將復(fù)制考慮進(jìn)去，以期獲得更優(yōu)的系統(tǒng)性能。見(jiàn)MichaelA. Palis, Jing-Chiou Liou and David S. L. Wei. “TaskClustering and Scheduling for Distributed Memory Parallel Architectures, ” IEEETransactions Parallel and Distributed Systems, 7(1): 46-55， 1996。美國(guó)奧本大學(xué)的宗子良等人針對(duì)任務(wù)復(fù)制所產(chǎn)生的額外能量開(kāi)銷(xiāo)過(guò)高的問(wèn)題，提出了一種基于任務(wù)復(fù)制的節(jié)能調(diào)度算法，該算法設(shè)置了一個(gè)隨機(jī)的閾值來(lái)控制任務(wù)復(fù)制，即選擇性地復(fù)制任務(wù)最佳前驅(qū)來(lái)平衡系統(tǒng)的性能和能耗，以期同時(shí)改善系統(tǒng)的性能和能效。見(jiàn)Ziliang Zong, Adam Manzanares, Xiaojun Ruan and Xiao Qin. EAD andPEBD: Two Energy-Aware Duplication Scheduling Algorithm for Parallel Tasks onHomogeneous Clusters. IEEE TRANSACTIONS ON COMPUTER, 60 (3):360-374, 2011。清華大學(xué)的林闖等人將能量看成一種系統(tǒng)資源，從資源分配和任務(wù)管理的角度對(duì)綠色網(wǎng)絡(luò)的機(jī)制和策略進(jìn)行了綜述，介紹了模型方法在綠色評(píng)價(jià)中的應(yīng)用，提出了基于隨機(jī)模型的綠色評(píng)價(jià)框架，為構(gòu)建綠色網(wǎng)絡(luò)和節(jié)能機(jī)制的評(píng)價(jià)體系奠定了基礎(chǔ)。見(jiàn)林闖，田源，姚敏.綠色網(wǎng)絡(luò)和綠色評(píng)價(jià)節(jié)能機(jī)制、模型和評(píng)價(jià).計(jì)算機(jī)學(xué)報(bào)，34(4) :593-612, 2011。
國(guó)防科技大學(xué)的易會(huì)戰(zhàn)等人在分析了并行處理提高能效的基本原理，給出了并行處理的時(shí)間開(kāi)銷(xiāo)和能量開(kāi)銷(xiāo)模型，并基于模型的分析，給出了動(dòng)態(tài)電壓調(diào)節(jié)(DVS)改善并行系統(tǒng)能效的空間。見(jiàn)易會(huì)戰(zhàn)，劉永鵬.改善系統(tǒng)能量效率的體系結(jié)構(gòu)方法.并行處理.計(jì)算機(jī)學(xué)報(bào)，32(12):2475-2481, 2009。澳大利亞Sydeny大學(xué)的Lee等人中提出了一個(gè)基于DVS技術(shù)的調(diào)度算法,該算法旨在最小化處理器能耗，并提出了一個(gè)目標(biāo)函數(shù)來(lái)平衡性能和能耗。見(jiàn)Young Choon Lee and Albert Y. Zomaya. Minimizing Energy Consumptionfor Precedence-constrained Applications Using Dynamic Voltage Scaling. In 9thIEEE/ACM International Symposium on Cluster Computing and the Grid, pp. 92-99，2009o
印第安納大學(xué)的Wang提出了一種基于DVS技術(shù)的節(jié)能方法，該方法在不影響其他任務(wù)執(zhí)行的情況下，通過(guò)探索非關(guān)鍵任務(wù)的空閑時(shí)間來(lái)降低處理器電壓以節(jié)省能耗。見(jiàn)Lizhe Wang, Gregor von Laszewski, Jay Dayal and Fugang Wang. Towardsenergy aware scheduling for precedence constrained parallel tasks in a clusterwith dvfs. Proceedings of the 2010 10th IEEE/ACM International Conference onCluster, Cloud and Grid Computing, pp。 368-377， 2010。山東大學(xué)的馬燕等人提出了一種能量最小化的任務(wù)調(diào)度算法，該算法利用整數(shù)線(xiàn)性規(guī)劃(Integr Linear Programming, ILP)方法選擇處理器電壓,對(duì)支持DVS技術(shù)的集群系統(tǒng)中的能耗節(jié)省非常有效。見(jiàn)MAYan, GONG Bin and ZOU Li_da. Energy-Efficient SchedulingAlgorithm of Task Dependent Graph on DVS-Unabled Cluster System. In 10th IEEE/ACM International Conference on Grid Computing, pp. 217-224， 2009。國(guó)防科技大學(xué)的賀小川等人針對(duì)可變電壓處理器上運(yùn)用搶占閾值調(diào)度策略的周期性任務(wù)集合，將DVS節(jié)能調(diào)度算法與延遲調(diào)度算法結(jié)合起來(lái)，提出了一種兩階段節(jié)能調(diào)度算法，該算法能夠進(jìn)一步降低搶占閾值任務(wù)調(diào)度算法的功耗。見(jiàn)賀小川，賈焰.搶占閾值調(diào)度的功耗優(yōu)化.計(jì)算機(jī)學(xué)報(bào)，31(11) :2060-2071, 2008。文獻(xiàn) Task Clustering and Scheduling for Distributed Memory ParallelArchitectures, IEEE Transactions Parallel and Distributed Systems, 7(1):46-55，1996。公開(kāi)了 COMPUTE-E-VALUE (v，G)算法。綜上所述，以往的調(diào)度方法大部分針對(duì)性能或能耗的某一部分(系統(tǒng)能耗包括處理器能耗和網(wǎng)絡(luò)能耗兩部分)進(jìn)行了改進(jìn)或優(yōu)化。存在的不足之處有1.有的方法只考慮性能而完全忽略能耗；2.有些基于任務(wù)復(fù)制的節(jié)能調(diào)度方法利用閾值對(duì)任務(wù)復(fù)制進(jìn)行控制，但所給定的閾值是隨機(jī)設(shè)置的，不能根據(jù)并行任務(wù)和系統(tǒng)環(huán)境獲得符合性能和能效的最佳或近似最佳的閾值；③有的方法雖然既考慮了性能又考慮了處理器能耗，但忽略了網(wǎng)絡(luò)通信能耗，或者即便考慮了通信能耗，但卻沒(méi)有將網(wǎng)絡(luò)延時(shí)考慮進(jìn)去
發(fā)明內(nèi)容
本發(fā)明的目的就是要提供一種計(jì)算機(jī)同構(gòu)集群系統(tǒng)高能效資源分配方法，該方法可以利用閾值有效地控制分簇過(guò)程中復(fù)制活動(dòng)的進(jìn)行，在保證系統(tǒng)性能的同時(shí)能夠與DVS技術(shù)有效地結(jié)合起來(lái)，從而在滿(mǎn)足系統(tǒng)性能要求的前提下有效地節(jié)約系統(tǒng)能耗。為實(shí)現(xiàn)此目的，本發(fā)明所設(shè)計(jì)的計(jì)算機(jī)同構(gòu)集群系統(tǒng)高能效資源分配方法，其特征在于，它包括如下步驟步驟I. I :DSP (Digital Signal Processing,數(shù)字信號(hào)處理)的程序讀入并行任務(wù)有向無(wú)環(huán)圖文件，還讀入處理器參數(shù)信息、網(wǎng)絡(luò)參數(shù)信息以及平均通信計(jì)算比率信息；步驟2. I :通過(guò)拓?fù)渑判蜃x入并行任務(wù)有向無(wú)環(huán)圖，生成拓?fù)渑判蛐蛄?；步驟2. 2 :通過(guò)COMPUTE-E-VALUE (v，G)算法，按照所述拓?fù)渑判蛐蛄袕娜肟谌蝿?wù)V1開(kāi)始，計(jì)算每個(gè)任務(wù)的最早開(kāi)始時(shí)間下界e值直至出口任務(wù)Vn結(jié)束，從而獲得各任務(wù)的e值和相應(yīng)的簇；步驟2. 3 :按照所述各任務(wù)的e值非降序排列每個(gè)簇中的任務(wù)；步驟3. I :逆拓?fù)渑判蛩猩鲜鋈蝿?wù)節(jié)點(diǎn)，生成有序序列queqe ；步驟3. 2 :所述有序序列queqe中的第一個(gè)節(jié)點(diǎn)v被標(biāo)記為“ I ”，并將第一個(gè)節(jié)點(diǎn)
V相應(yīng)的簇C (V)放入集合O (G)中，同時(shí)標(biāo)記這個(gè)簇中的所有節(jié)點(diǎn)已經(jīng)被分簇，即這個(gè)簇中的所有節(jié)點(diǎn)已經(jīng)在集合O (G)中；步驟3. 3 :標(biāo)記所有滿(mǎn)足以下條件的節(jié)點(diǎn)u為“I”:存在邊arc (U，W)，其中l(wèi)PC(V)
且w G C(v)，并將上述滿(mǎn)足條件的節(jié)點(diǎn)u中相應(yīng)的簇放入集合O (G)中，同時(shí)標(biāo)記這個(gè)簇中的所有節(jié)點(diǎn)已經(jīng)被分簇，即上述簇中的所有節(jié)點(diǎn)已經(jīng)在集合O (G)中；步驟3. 4 :對(duì)經(jīng)過(guò)上述步驟3. 2和步驟3. 3后沒(méi)有被標(biāo)記為“I”的節(jié)點(diǎn)中的第一個(gè)節(jié)點(diǎn)標(biāo)記為“1”，并將上述節(jié)點(diǎn)相應(yīng)的簇C(V)放入集合O (G)中；然后按照步驟3. 3中
的方式對(duì)滿(mǎn)足以下條件的節(jié)點(diǎn)標(biāo)記為“I”:存在邊arc (U，W)，其中I^C(V)且w G C(v),并
將上述滿(mǎn)足條件的節(jié)點(diǎn)u中相應(yīng)的簇放入集合O (G)中，同時(shí)標(biāo)記這個(gè)簇中的所有節(jié)點(diǎn)已經(jīng)被分簇，即上述簇中的所有節(jié)點(diǎn)已經(jīng)在集合O (G)中；步驟3. 5 :重復(fù)步驟3. 4,直到所有節(jié)點(diǎn)都被標(biāo)記分簇為止；步驟4. I :計(jì)算各個(gè)任務(wù)的計(jì)算能耗和所有的具有優(yōu)先約束關(guān)系的任意兩個(gè)任務(wù)之間的通信能耗；其中，計(jì)算能耗的計(jì)算方法為
權(quán)利要求
1.一種計(jì)算機(jī)同構(gòu)集群系統(tǒng)高能效資源分配方法，該方法包括如下步驟 步驟I. I =DSP的程序讀入并行任務(wù)有向無(wú)環(huán)圖文件，還讀入處理器參數(shù)信息、網(wǎng)絡(luò)參數(shù)信息以及平均通信計(jì)算比率信息； 步驟2. I :通過(guò)拓?fù)渑判蜃x入并行任務(wù)有向無(wú)環(huán)圖，生成拓?fù)渑判蛐蛄校? 步驟2. 2 :通過(guò)COMPUTE-E-VALUE (v，G)算法，按照所述拓?fù)渑判蛐蛄袕娜肟谌蝿?wù)V1開(kāi)始，計(jì)算每個(gè)任務(wù)的最早開(kāi)始時(shí)間下界e值直至出口任務(wù)Vn結(jié)束，從而獲得各任務(wù)的e值和相應(yīng)的簇； 步驟2. 3 :按照所述各任務(wù)的e值非降序排列每個(gè)簇中的任務(wù)； 步驟3. I :逆拓?fù)渑判蛩猩鲜鋈蝿?wù)節(jié)點(diǎn)，生成有序序列queqe ； 步驟3. 2 :所述有序序列queqe中的第一個(gè)節(jié)點(diǎn)v被標(biāo)記為“1”，并將第一個(gè)節(jié)點(diǎn)v相應(yīng)的簇C(V)放入集合O (G)中，同時(shí)標(biāo)記這個(gè)簇中的所有節(jié)點(diǎn)已經(jīng)被分簇，即這個(gè)簇中的所有節(jié)點(diǎn)已經(jīng)在集合O (G)中； 步驟3. 3:標(biāo)記所有滿(mǎn)足以下條件的節(jié)點(diǎn)u為“I”:存在邊arc (u，w)，其中I^C(V)且w G C(v)，并將上述滿(mǎn)足條件的節(jié)點(diǎn)u中相應(yīng)的簇放入集合O (G)中，同時(shí)標(biāo)記這個(gè)簇中的所有節(jié)點(diǎn)已經(jīng)被分簇，即上述簇中的所有節(jié)點(diǎn)已經(jīng)在集合O (G)中； 步驟3. 4 :對(duì)經(jīng)過(guò)上述步驟3. 2和步驟3. 3后沒(méi)有被標(biāo)記為“I”的節(jié)點(diǎn)中的第一個(gè)節(jié)點(diǎn)標(biāo)記為“1”，并將上述節(jié)點(diǎn)相應(yīng)的簇C(V)放入集合O (G)中；然后按照步驟3. 3中的方式對(duì)滿(mǎn)足以下條件的節(jié)點(diǎn)標(biāo)記為“I”:存在邊arc(u，W)，其中MC(V)且w G C(v),并將上述滿(mǎn)足條件的節(jié)點(diǎn)u中相應(yīng)的簇放入集合O (G)中，同時(shí)標(biāo)記這個(gè)簇中的所有節(jié)點(diǎn)已經(jīng)被分簇，即上述簇中的所有節(jié)點(diǎn)已經(jīng)在集合O (G)中； 步驟3. 5 :重復(fù)步驟3. 4，直到所有節(jié)點(diǎn)都被標(biāo)記分簇為止； 步驟4. I :計(jì)算各個(gè)任務(wù)的計(jì)算能耗和所有的具有優(yōu)先約束關(guān)系的任意兩個(gè)任務(wù)之間的通信能耗； 其中，計(jì)算能耗的計(jì)算方法為
2.如權(quán)利要求I所述的計(jì)算機(jī)同構(gòu)集群系統(tǒng)高能效資源分配方法，其特征在于所述步驟4. 3中判斷max_more_energy是否大于0,如果max_more_energy > 0,所述資源分配方法還包括 步驟4. 4 :所述資源分配方法將會(huì)根據(jù)給定的要求搜索一個(gè)最佳閾值來(lái)平衡系統(tǒng)的性能和能耗， 所述最佳閾值的搜索方式為計(jì)算各個(gè)任務(wù)的計(jì)算能耗和所有的具有優(yōu)先約束關(guān)系的任意兩個(gè)任務(wù)之間的通信能耗，假設(shè)任務(wù)u是任務(wù)V的前驅(qū)節(jié)點(diǎn)，令enu代表u的計(jì)算能耗，eluv代表u和V之間的通信能耗,且令more_energy = enu - eluv ;首先計(jì)算每個(gè)任務(wù)的more_energy,將0設(shè)定為閾值選擇的下界,將最大的more_energy設(shè)定為閾值選擇的上界，記為max_more_energy,將區(qū)間
作為閾值選擇區(qū)間，接下來(lái)設(shè)定一個(gè)合適的值為步長(zhǎng)對(duì)閾值區(qū)間進(jìn)行搜索；對(duì)于每個(gè)搜索到的閾值，計(jì)算在此閾值條件下的系統(tǒng)調(diào)度長(zhǎng)度和總能耗，從而分別生成兩個(gè)區(qū)間調(diào)度長(zhǎng)度區(qū)間和總能耗區(qū)間，然后分別比較兩個(gè)區(qū)間內(nèi)所有的值，以得到能夠同時(shí)滿(mǎn)足最佳調(diào)度長(zhǎng)度和最小總能耗的所有閾值，當(dāng)算法執(zhí)行完畢后，所有滿(mǎn)足條件的閾值將會(huì)被返回； 步驟4. 5 比較計(jì)算所得的more_energy與給定的最佳閾值的大小,如果計(jì)算所得的more_energy大于給定的最佳閾值,則說(shuō)明復(fù)制任務(wù)u不能滿(mǎn)足用戶(hù)所要求的系統(tǒng)性能,因此系統(tǒng)將會(huì)刪除該簇中從當(dāng)前任務(wù)到第一個(gè)任務(wù)的所有任務(wù)；如果該簇中所有的任務(wù)都已經(jīng)被標(biāo)記分簇，則該簇為冗余簇，將該簇刪除。
全文摘要
本發(fā)明公開(kāi)了一種計(jì)算機(jī)集群系統(tǒng)資源分配方法，該方法包括如下步驟一、讀取實(shí)驗(yàn)所用到的各種重要參數(shù)信息。三、獲取初始基本分簇結(jié)果集合Φ(G)。四、優(yōu)化初始基本分簇結(jié)果，得到最佳分簇結(jié)果。五、任務(wù)簇映射。六、處理器動(dòng)態(tài)電壓調(diào)節(jié)。本發(fā)明針對(duì)同構(gòu)集群系統(tǒng)中的能量?jī)?yōu)化問(wèn)題，將基于分簇的調(diào)度算法和DVS技術(shù)結(jié)合起來(lái)，在滿(mǎn)足系統(tǒng)性能要求的同時(shí)優(yōu)化系統(tǒng)能耗。
文檔編號(hào)G06F9/54GK102749987SQ201210204880
公開(kāi)日2012年10月24日 申請(qǐng)日期2012年6月20日 優(yōu)先權(quán)日2012年6月20日
發(fā)明者劉偉, 杜薇, 段玉光 申請(qǐng)人:武漢理工大學(xué)