【摘 要】
：
在全球共有数以万计的数据中心,随着科技的发展及人们对数据服务需求的增加,数据中心的数量每年都在增长。数据中心给我们的的工作与生活带来便利的同时,每年消耗大量的电力并且带来大量的碳污染。本文研究以服务器集群中作业分配方法为目标,以节能为目的,即研究目标是,对于服务器集群中传入的作业请求,设计最优的分配方法,以提高系统的能量效率实现节能,同时又保证作业高效率完成。作业分配主要研究如何为用户的提交的作业
论文部分内容阅读
在全球共有数以万计的数据中心,随着科技的发展及人们对数据服务需求的增加,数据中心的数量每年都在增长。数据中心给我们的的工作与生活带来便利的同时,每年消耗大量的电力并且带来大量的碳污染。本文研究以服务器集群中作业分配方法为目标,以节能为目的,即研究目标是,对于服务器集群中传入的作业请求,设计最优的分配方法,以提高系统的能量效率实现节能,同时又保证作业高效率完成。作业分配主要研究如何为用户的提交的作业分配最合适的服务器节点,一个优秀的分配算法不仅可以保证服务器集群运行环境的稳定性、健壮性,也可以缩短作业平均服务时间,提高工作效率,提升用户的满意度。本文优化的目标是提高系统的能量效率并缩短作业平均服务时间。我们考虑一个大型的、具有现实维度的异构服务器集群,其中这个服务器集群中的服务器分为一定数量的服务器组,同组服务器之间同构,不同组服务器之间异构,所有的服务器都以处理器共享（PS,Processor-Sharing）规则处理到达的作业,并且每台服务器都具有有限个缓冲区。我们把这个系统建模为M/M/K/S/PS多队列多服务器排队系统,研究工作的重心在于设计作业分配方法以提高系统的能量效率并缩减作业平均服务时间。为此,我们提出了基于系统全局考虑的OAIP作业分配方法,OAIP方法侧重于降低支持处理服务速率的能量消耗（也即提高能量效率）,又提高作业的处理效率。研究M/M/K/S/PS模型作业分配方法之前,我们先对只有一台服务器的特殊情况即M/M/1/K/PS模型展开了研究。根据相关排队论的知识,我们用数学分析手段推导出了M/M/1/K/PS模型的五个性能度量指标的数学表达式,并且分析结果与实际仿真结果进行了对比,从而验证的M/M/1/K/PS模型仿真结果的正确性,为M/M/K/S/PS模型中的仿真奠定了基础。在设计OAIP方法之前,我们先在一个只有三台服务器的M/M/K/K简单模型中研究了作业分配方法,为此,我们设计了RMAIP方法,用数学分析手段得出了RMAIP方法与MAIP方法的性能度量表达式,并且也进行了仿真与对比,最终结果表明仿真结果与数学分析结果完全吻合,而且在小规模集群场景中RMAIP方法在能量效率及平均服务时间上比MAIP都要好一些。RMAIP设计依据与OAIP方法息息相关,RMAIP方法的分析与仿真的完成,为后面OAIP方法设计、分析奠定了基础。通过对M/M/K/S/PS模型仿真与设计的OAIP方法,我们得到了实验结果,并与最新的、渐进最优的MAIP方法对比,观察到OAIP方法能提高系统的能量效率并且降低作业平均服务时间,在能量效率性能上与MAIP方法的性能非常接近而且差距非常小,最重要的是OAIP方法节能的同时能大幅度地缩短平均作业服务时间,大大的提高了作业的服务效率。并且实验表明OAIP方法对作业大小分布并不敏感,因此我们设计的OAIP方法非常具有实用价值。
其他文献
在低光照环境下,由于普通消费者拍摄的照片通常会受到相机抖动、传感器噪声等因素的影响,从而导致所获取到的照片质量不佳。经过图像增强处理后,能够使获取到的图片质量得到一定的改善,以达到与人们主观审美感受相一致的结果。虽然目前有一些图像质量评估指标,能够对经过图像增强处理后的照片进行质量评价,但是,这些评价指标没有经过人们的主观验证,不能仅凭此判定经过图像增强处理后的照片就一定符合人们的主观审美。针对该
近年来,物联网（Internet of Things,IoT）已经成为一个重要的研究领域。其中,智能空间结合了环境感知和机器学习,以智能方式向用户提供智能和定制服务。随着传感和通信技术的进步,物联网使得用户可以随时随地与任何事物进行连接,也由此产生了更多的用户服务。因此,实现准确、非侵入式和安全的智能交互成为了研究热点。如今,居住在智慧城市的人们的方方面面都与物联网息息相关,正因为如此,身份识别服
随着工业的快速发展,人们对产品的质量要求也越来越关注。产品表面缺陷检测作为生产过程中最重要的工序之一,它直接影响到产品质量以及用户体验。产品在生产过程中往往会出现一些缺陷,这些缺陷具有一定的随机性,缺陷类型、形状大小各异。传统的人工检测虽然方法简单,有些缺陷的特征不够明显,利用人眼难以识别,检测误差较大,并且效率低下;现有的机器视觉方法能够实现自动检测,但其核心算法需要人工提取特征,存在选取特征不
图像检索是指将待查询图像与候选图像进行相似度比较,找出与查询图像相似或相关的图像。随着图像数据的海量增长和深度学习的快速发展,基于内容的图像检索吸引了越来越多的研究者。一方面,该课题对计算机视觉领域的其他任务（如行人重识别、图像分类等）有积极的促进作用,另一方面,该课题在实际应用中（如电商平台通过图像查询商品,安防等）也发挥了重要的作用。近年来,基于深度学习的图像检索方法取得了良好的效果。然而,图
当前网络信息地爆炸式增长,加大了人们在获取信息中消耗的时间及精力。自动摘要技术能够有效地提高人们面对巨大文本信息冗余时获取信息的效率。自动摘要技术按原理分为抽取式与生成式:抽取式自动摘要技术是对文本中的所有句子进行重要性评估,然后按照重要性选取句子组成摘要;而生成式自动摘要技术是基于内容,由算法生成摘要。但目前效果较好的生成式自动摘要方法,对输入文本长度的处理能力也仅限于短文本,而中文摘要任务则更
当今时代处于一个信息爆炸时代,随着数据量迅速增长和信息高度密集,云计算和大数据等技术的蓬勃发展,成为了当今社会不可或缺的重要技术。而存储是大数据的重要基石,也是云计算的重要基石。当前的云计算和大数据应用严重依赖于异构存储平台,云计算的多租户环境以及数据多样性都使得应用负载的特性差异巨大,必须设法有效地综合利用这些异构存储系统来满足差异性的需求。此外,在云计算和大数据环境下,能耗在数据存储中心的成本
如今,由于序列到序列模型在自然语言领域的重大突破,大多数基于对话生成任务的研究目标都集中于如何让机器产生更高质量的回复。然而,这类研究只能让聊天机器人被动地对内容进行回复,随着对话的展开,人们继续交流的意愿也会逐渐下降。因此,本文研究的方向将从如何让聊天机器人产生高质量的回复转变成如何使其主动有效地进行提问。结合问句的特点,本文提出了三种基于语法结构的问句转换方法和一种基于问句筛选的波束搜索机制。
图像去噪是一个基础性的科研任务,其旨在对获取到的噪声图像通过某种去噪算法的处理后能够获得对应的纯净图像。当前的很多去噪方法是使用大量的成对图像（噪声图像和纯净图像）去训练一个卷积神经网络使之学习到从噪声图像到去噪图像的映射关系。相比于传统的基于图像先验知识的方法,这类方法能够自动地挖掘和利用更多的图像统计信息,从而获得更好的去噪效果。但是,这类方法目前依然还存在着一些问题,如有去噪图像过模糊、单个
自然场景中的文本包含丰富而准确的语义信息,是分析和理解特定场景内容的关键要素。近年来,自然场景文本检测技术在自动驾驶、场景分析、盲人导航等领域得到了广泛应用,成为当前计算机视觉领域的研究热点,受到了工业界和学术界的共同关注。然而,由于自然场景中的文本往往形状大小多变、排列方向不一、环境背景复杂等原因,自然场景文本检测算法的研究仍然面临巨大的挑战。本文结合目标检测、图像分割和深度学习的最新研究成果,
基于沉浸式3D全景视频的虚拟现实应用可以给用户带来沉浸式、深度感和交互式等身临其境的体验,具有广泛的市场需求和应用价值。然而,由于现有采集技术的局限和计算资源的约束,3D全景视频系统中的各环节均会引入不同类型和不同程度的失真。因此,3D全景视频系统中存在大量的图像失真问题,亟需研究高效的修复算法,以提升整体系统性能。本论文基于深度学习技术,围绕3D全景视频系统中的深度图像修复和360度全景图像修复