基于结构化对等网络的高效分布式任务调度

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (19): 97-100.

基于结构化对等网络的高效分布式任务调度

范媛媛，米西峰

焦作师范高等专科学校计算机与信息工程系，河南焦作 454000

出版日期:2012-07-01 发布日期:2012-06-27

Structured P2P approach for high efficient distributed task scheduling

FAN Yuanyuan, MI Xifeng

Department of Computer and Information Engineering, Jiaozuo Teachers College, Jiaozuo, Henan 454000, China

Online:2012-07-01 Published:2012-06-27

摘要/Abstract

摘要： 提出与描述了一个基于结构化对等网络的高效分布式任务调度策略HDTS（High-Efficient Distributed Task Scheduling）。HDTS建立在结构化对等网络的应用层覆盖网络上，保证了系统的非集中性、可扩展性、自组织性，以及规模大的优点。HDTS把基于Chord风格的对等网络协议和容错及高效的多播调度策略结合起来，允许分布式计算的各种大量的子任务在对等网络的节点上高效的调度、分配、执行。除了支持主-从风格的并行计算外，系统允许具有数据依赖的分布式旅行商算法正确的执行，使系统具有通用性和开放性。测试结果表明：HDTS具有正确性与高效性，可以作为对等网络上计算资源高效共享与聚集的可行方案。

关键词: 对等网络, 计算资源共享, 任务调度, 分布式计算, 网格计算

Abstract: A structure P2P approach for High-Efficient Distributed Task Scheduling policy called HDTS is presented and described. HTDS is Peer-to-Peer based, decentralized, scalable, and large-scale, these features are strongly supported by a structured P2P network overlay over which peers can communicate with each other directly and bi-directionally. Chord style ring addresses some important issues regarding self-organization and efficiency. HTDS allows any P2P node to initiate distributed computations which get efficiently distributed subtask among participating nodes. Plus, jobs comprised of communicating tasks are also supported as required for example in travelling salesman problem. The experimental results obtained from performance analysis show that HTDS is feasible and efficient approach which can provide a new way for computing resource sharing and aggregation.

Key words: P2P networks, computing resource sharing, job scheduling, distributed computing, grid computing

范媛媛，米西峰. 基于结构化对等网络的高效分布式任务调度[J]. 计算机工程与应用, 2012, 48(19): 97-100.

FAN Yuanyuan, MI Xifeng. Structured P2P approach for high efficient distributed task scheduling[J]. Computer Engineering and Applications, 2012, 48(19): 97-100.

[1]	张驰，王宇新，冯振，郭禾. 双层虚拟化云架构下任务调度能耗优化算法[J]. 计算机工程与应用, 2021, 57(3): 103-111.
[2]	田倬璟，黄震春，张益农. 云计算环境任务调度方法研究综述[J]. 计算机工程与应用, 2021, 57(2): 1-11.
[3]	魏占辰，刘晓宇，黄秋兰，孙功星. Spark迭代密集型应用的优化方法研究[J]. 计算机工程与应用, 2020, 56(23): 68-73.
[4]	向敏，戴柯宇，周恩，刘榆，雷儒杰. 面向物联网终端的任务相关性调度策略[J]. 计算机工程与应用, 2020, 56(23): 95-102.
[5]	于巧玉，吴耀华，王艳艳. 跨层穿梭车双提升机系统料箱拣选任务调度[J]. 计算机工程与应用, 2020, 56(20): 270-278.
[6]	陈熙宁1，2，马蔚吟3，李力4. 基于Spark的指纹定位数据处理方法[J]. 计算机工程与应用, 2019, 55(4): 79-83.
[7]	吴波，许道强，邹云峰，王甜甜，李鑫. 阶段感知的跨域数据分析作业保障机制[J]. 计算机工程与应用, 2019, 55(23): 78-85.
[8]	朱永超，周川，郭健，吴益飞，崔玉伟. 异构分布式系统中一种新型主副版本调度算法[J]. 计算机工程与应用, 2019, 55(21): 93-98.
[9]	汤琳煜，蒋加伏，谷科. 基于雾计算的计算资源分配方案[J]. 计算机工程与应用, 2019, 55(19): 96-104.
[10]	刘康1，张雪英1，李凤莲1，田玉楚1，2. 基于通信负载均衡的社交网络图分割方法[J]. 计算机工程与应用, 2018, 54(4): 66-71.
[11]	胡德祺，孙永奇，秦朝. 基于Spark的L1-BC算法在关键蛋白质检测中的应用[J]. 计算机工程与应用, 2018, 54(24): 234-240.
[12]	宋董飞，徐华. DBSCAN算法研究及并行化实现[J]. 计算机工程与应用, 2018, 54(24): 52-56.
[13]	李格非1，马蔚吟2，李力3. Spark平台下的凸包问题研究[J]. 计算机工程与应用, 2018, 54(22): 67-73.
[14]	贾丽云，张向利，张红梅. 分布式系统下的启发式任务调度算法[J]. 计算机工程与应用, 2017, 53(12): 63-69.
[15]	王向华1，陈特放1，张必明2，颜剑1. 基于时间序列和任务调度的Web数据聚类算法[J]. 计算机工程与应用, 2016, 52(9): 159-163.