导读:本文包含了数据调度机制论文开题报告文献综述及选题提纲参考文献，主要关键词:数据中心网络,流量调度,截止时间,松弛时间
数据调度机制论文文献综述
臧韦菲,兰巨龙,胡宇翔[1]（2019）在《基于松弛时间与累计发送量的数据中心网络混合流调度机制》一文中研究指出数据中心网络中同时存在截止时间流(deadline flow)和非截止时间流(non-deadline flow),为降低非截止时间流的平均完成时间(Average Flow Complete Time,AFCT)同时维持低截止时间错失率(Deadline Miss Rate,DMR),本文提出了一种基于松弛时间与累计发送量的混合流调度机制(Slack Time and Accumulation based Mix-flow Scheduling,STAM).首先通过引入松弛时间的概念,衡量截止时间流对非截止时间流在传输时延上的宽容度;然后根据松弛时间,通过使截止时间流尽可能接近其规定截止时间完成,降低非截止时间流的完成时间;最后,利用最小累计发送量优先策略进一步降低非截止时间流的平均完成时间.仿真结果表明,该机制能有效降低非截止时间流的平均完成时间,同时保证较低的截止时间错失率.(本文来源于《电子学报》期刊2019年10期）
李长春[2]（2019）在《基于正交冗余拟态调度机制的无线传感网络数据传输算法》一文中研究指出针对无线传感网络数据传输中链路抖动频繁、抗噪性能较差、频谱漂移等问题,提出了一种基于正交冗余拟态调度机制的无线传感网络数据传输算法。利用信道间信号冲激频谱与信号瞬时能量的正交特性,设计了正交冗余传输方案,实现了对莱斯噪声全频谱擦除及冗余信号频谱的超宽带传输。基于节点信号发射的拟态特性和LTE-5G信号的频率漂移特性构建了跳频调控阈值,显着增强算法的抗抖动性能。该算法具有较高的数据传输带宽与抗噪性能,较低的数据丢包率和信道误码率。(本文来源于《实验技术与管理》期刊2019年09期）
王炳权[3]（2019）在《数据中心Coflow调度机制的研究》一文中研究指出近年来,云计算产业飞速发展。数据中心作为云计算的基础设施,在云计算的发展过程中起着至关重要的作用。在当今数据中心中,如何对网络资源高效调度是学术界和工业界共同关注的难题。研究发现,数据中心中任务的网络传输时间占据了总完成时间的50%,因此对于网络资源的管理和优化对缩短任务的完成时间非常重要。早期对数据中心中网络调度的研究主要集中在流级,然而流级抽象无法捕获数据中心中两组主机之间的通信语义。Coflow抽象是人们向应用感知网络调度迈出的重要一步。Coflow的引入使应用层的通信语义更加容易地传递到网络层。本文主要研究如何调度数据中心中单阶段任务和多阶段任务的Coflow以最小化总任务完成时间。对单阶段任务,本文主要关注多播(Multicast)通信模式。高效的多播算法可以大大提高数据中心中应用程序的性能。众所周知,由于网络管理的原因,数据中心中链路层和网络层多播通常被网络管理员禁用,所以本文主要研究应用层多播算法。对于数据中心中应用层多播,主要面临两个挑战:首先,如何准确地推测出网络的拓扑结构?其次,在准确地推测出网络的拓扑结构的前提下,如何设计一个高效的多播算法?本文通过层次聚类的思想,即使在有线和无线混合的数据中心网络架构中也可以准确地推测出数据中心的层次拓扑。利用数据中心网络的层次拓扑信息,本文提出了机架间传输优先多播算法IRFM。实验证明IRFM在纯有线数据中心网络中比其它多播算法快3.7～11.2倍,而在有线和无线混合的数据中心网络中比其它多播算法快4.8～14.6倍。对于多阶段任务Coflow调度问题,Coflow之间存在依赖关系。Coflow完成时间和任务完成时间之间存在很大差异。截至目前,本文是第一篇系统地研究如何调度多阶段任务中具有依赖关系的Coflow,以最小化总加权任务完成时间的论文。本文首先将多阶段任务Coflow调度问题形式化并证明该问题为强NP难问题。然后提出了可以在多项式时间内解决该问题的近似算法MCS。MCS算法在一般情况下的近似比为(2M+1),其中M为机器的数量,而在特殊情况下的近似比仅为3。由于目前数据中心网络大多采用具有收缩比的网络架构,这种网络架构不利于问题抽象和分析,因此现有的理论工作都没有考虑这种情况。而本文考虑了MCS算法在具有收缩比的网络架构中的适用情况,将MCS算法扩展到具有收缩比的网络架构中。最后分别在真机实验和大规模仿真中评估了MCS算法。在真机实验测试平台中,本文设计并实现了一个应用层调度框架。与纯DCTCP相比,本文提出的MCS算法将任务完成时间降低了81.65%。在大规模仿真中,本文使用一个基于事件的流级仿真器,并与目前两个经典的算法Aalo和LP-OV-LS进行了比较。与多阶段Coflow调度系统Aalo相比,本文提出的MCS算法将任务完成时间降低了33.48%;与最优的Coflow调度近似算法LP-OV-LS相比,本文提出的MCS算法将任务完成时间降低了83.58%。真机实验结果和大规模仿真实验结果均表明,本文提出的MCS算法和其理论下界之间的最大差距仅为9.14%。(本文来源于《南京大学》期刊2019-05-25）
李维虎,张顶山,崔慧明,周龙,朱志挺[4]（2019）在《数据中心网络coflow调度机制结构构建及仿真》一文中研究指出重新构建得到了一种coflow调度算法-DeepCS,将coflow资源视图看成是需要进行后续处理的图像,根据之前学习策略来达到coflow的最佳调度效果。利用DNN提取特征参数时不必通过人为手动的方法进行设计,通过单独学习过程便可实现,给出深度增强学习系统。训练输入包含了各项网络与任务情景,并以动作概率分布作为输出,EPiSOdE作为单位开展训练过程。仿真结果得到:当coflow到达速率变大后,将会导致所有算法需要更长的coflow完成时间,此时调度算法流时间与的工作压力都会增加,从而形成更长的coflow平均完成时间;在较低的coflow到达速率下,VARYS和DeepCS具有相似的性能,都比PFABRiC的性能更好,并且DeepCS性能提升最快。(本文来源于《电子测量技术》期刊2019年10期）
贵申改[5]（2019）在《建立数据调度机制 打破瓶颈共享开放》一文中研究指出2018年,我省把推动数据共享开放作为大数据领域改革的主要内容,在全国率先建立政务数据调度机制,建设数据调度中心,有效破解政务数据共享开放瓶颈,为融合发展提供数据支撑。打破壁垒实现“数据多跑路、群众少跑腿”,企业和群众大数据获得感大大增强(本文来源于《贵州日报》期刊2019-04-09）
冯煜晶,欧焱,叶笑春,范东睿,谭旭[6]（2018）在《基于网络负载特征感知的数据流指令调度机制研究》一文中研究指出研究了数据流架构的指令调度策略,基于当前普遍采用的数据流指令调度机制,提出了支持模式切换的动态指令调度机制。由于数据流架构执行模式具有并行化特点,同一时刻存在大量并行传递的数据和并行的计算,网络传输负载呈现出非均匀的分布模式。局部网络传输压力过大导致数据流节点中的处理单元内部出现流水线停顿,片上网络(NoC)的局部传输效率降低,从而影响数据流架构的网络传输延迟、计算部件的利用率和整体的执行效率,因此针对原有的指令调度策略提出改进方案。针对网络负载的动态变化实时调整指令调度策略,从而达到缓解网络局部拥塞,提高网络传输效率的目的。本研究使用数据流模拟器对提出的机制进行验证,实验结果表明,采用本文提出的指令调度机制,数据流网络的传输延迟平均降低了12. 8%,计算部件的利用率平均提高了14. 4%,数据流架构的整体性能平均提高了14. 7%。(本文来源于《高技术通讯》期刊2018年Z2期）
马晓磊,刘冉,张彦军,于湘涛[7]（2018）在《电力调度控制系统的数据交互机制分析》一文中研究指出电力调度控制系统是保障电力网络安全稳定运行的关键,其中的各个子系统间应能实现数据交互和数据共享,以保证系统运行的效率。分析了电力调度控制系统数据交互的框架,并以能源管理系统和配电自动化系统间的数据交互为例,分析了数据交互的物理过程和技术方案。(本文来源于《自动化应用》期刊2018年11期）
马腾,胡宇翔,张校辉[8]（2018）在《基于深度增强学习的数据中心网络coflow调度机制》一文中研究指出最小化语义相关流的平均完成时间是数据中心网络流量管理面临的难题之一.受人工智能领域深度增强学习方向的最新研究进展启发,本文提出一种的新的语义相关流调度机制.将带宽约束的语义相关流调度问题转化为连续的学习过程,通过学习以往策略实现最佳调度.引入反向填充和有限复用机制,保证系统的工作保持性和无饥饿性.仿真结果表明,在不同的网络负载下,本文提出的调度机制均使得语义相关流的平均完成时间小于其他调度机制,尤其是网络负载较大时,相比最先进的调度机制,性能提升约50%.(本文来源于《电子学报》期刊2018年07期）
龙立波,袁文,刘立恩[9]（2018）在《构建地市供电公司调度数据网管理机制》一文中研究指出1调度数据网管理机制构建的背景随着调度数据网在公司系统的全面推广应用,调度数据的通信形式发生了重大变革。与传统专线模拟通道相比,调度数据网具有易维护、成本低、良好的安全性和可靠性等优点。调度数据通信方式朝着网络化方向发展已成既定趋势,然而地区调度数据网在可研设计、安装调试、运行检修、竣工验收等环节仍存在诸多问题。1.1构建管理机制是公司发展的现实要求电力调度数据网是电网调度自动化、管理现代化的(本文来源于《大众用电》期刊2018年07期）
周鹏程[10]（2018）在《数据中心虚拟化环境下任务级流调度机制的研究与实现》一文中研究指出随着云计算和虚拟化技术的不断成熟以及云服务的不断丰富,越来越多的应用被部署在云数据中心虚拟化环境下。由于分布式的特点,数据中心应用的性能与网络传输性能密切相关,其网络传输需求通常表示为传输任务,每个任务由若干条分布式的流组成,因此研究人员通常采用流调度技术优化应用的网络传输性能。根据应用对网络传输性能的不同需求,可将任务分为延迟敏感型任务,如Web服务的任务;和带宽敏感型任务,如MapReduce应用的任务。数据中心虚拟化环境下异构混杂的任务并存,给数据中心流调度带来了巨大挑战,主要体现在两个方面:1)不同类型的任务竞争共享的网络资源,难以同时满足不同类型任务的网络传输性能需求;2)不同效用特征的带宽敏感型任务无差别分配资源,难以高效用的利用有限的网络资源。现有工作未能有效针对数据中心虚拟化环境下异构混杂的任务特点,难以应对上述挑战。因此,本文对数据中心虚拟化环境下任务级流调度问题进行研究,主要从流调度机制的两个关键步骤,即流队列管理和全局流调度两个方面开展理论研究,具体包括如下内容:首先,针对因为不同类型的任务竞争共享的网络资源而难以同时满足不同类型任务的网络传输性能需求的挑战,研究任务类型感知的虚拟化层流队列管理机制。本文基于对任务类型的感知,实现对不同类型任务流量的隔离,同时针对应用网络负载强度的动态变化,对不同类型任务的权重进行调整,从而提升网络传输性能,保证不同类型任务对网络传输性能的需求。其次,针对因为不同效用特征的带宽敏感型任务无差别分配资源而难以高效用的利用有限的网络资源的挑战,研究面向异构时间敏感程度的全局流调度机制。基于全局任务感知,对同一任务中的多条分布式的流进行统一的调度,以适应任务的分布式特点,同时,采用效用函数对不同任务对完成时间的敏感程度进行建模,在保证任务之间效用公平性的同时尽可能的提升系统带宽资源分配效用。最后,设计并实现数据中心虚拟化环境下任务级流调度系统。本文基于东南大学云计算平台真实环境,将理论研究成果与实践相结合,设计并实现了原型系统,并进行了部署和实验。通过在东南大学云计算中心实际环境中的实验结果表明,本文所提出的数据中心虚拟化环境下任务级流调度机制能够较好的为不同类型任务提供网络传输性能保证,同时保证任务之间效用公平性并提高系统带宽资源分配效用,实现了高性能、高效用的任务级流调度。(本文来源于《东南大学》期刊2018-06-14）
数据调度机制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对无线传感网络数据传输中链路抖动频繁、抗噪性能较差、频谱漂移等问题,提出了一种基于正交冗余拟态调度机制的无线传感网络数据传输算法。利用信道间信号冲激频谱与信号瞬时能量的正交特性,设计了正交冗余传输方案,实现了对莱斯噪声全频谱擦除及冗余信号频谱的超宽带传输。基于节点信号发射的拟态特性和LTE-5G信号的频率漂移特性构建了跳频调控阈值,显着增强算法的抗抖动性能。该算法具有较高的数据传输带宽与抗噪性能,较低的数据丢包率和信道误码率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
数据调度机制论文参考文献
[1].臧韦菲,兰巨龙,胡宇翔.基于松弛时间与累计发送量的数据中心网络混合流调度机制[J].电子学报.2019
[2].李长春.基于正交冗余拟态调度机制的无线传感网络数据传输算法[J].实验技术与管理.2019
[3].王炳权.数据中心Coflow调度机制的研究[D].南京大学.2019
[4].李维虎,张顶山,崔慧明,周龙,朱志挺.数据中心网络coflow调度机制结构构建及仿真[J].电子测量技术.2019
[5].贵申改.建立数据调度机制打破瓶颈共享开放[N].贵州日报.2019
[6].冯煜晶,欧焱,叶笑春,范东睿,谭旭.基于网络负载特征感知的数据流指令调度机制研究[J].高技术通讯.2018
[7].马晓磊,刘冉,张彦军,于湘涛.电力调度控制系统的数据交互机制分析[J].自动化应用.2018
[8].马腾,胡宇翔,张校辉.基于深度增强学习的数据中心网络coflow调度机制[J].电子学报.2018
[9].龙立波,袁文,刘立恩.构建地市供电公司调度数据网管理机制[J].大众用电.2018
[10].周鹏程.数据中心虚拟化环境下任务级流调度机制的研究与实现[D].东南大学.2018