-
题名基于剩余负载率的动态负载均衡研究
被引量：5
- 1
-
-
作者
段淮川
胡平
-
机构
南京工业大学信息科学与工程学院
-
出处
《微电子学与计算机》
CSCD
北大核心
2010年第2期141-144,共4页
-
文摘
为进一步提高集群系统服务的性能,在对静态负载均衡和动态负载均衡的优缺点分析的基础上,提出一种基于剩余负载率的动态均衡机制.该均衡机制采用剩余负载率作为负载状态的评价标准;针对服务器各节点性能的不同,提出采用BP神经网络训练节点;并设计了一种基于流表的静态分配策略和基于负载预测的动态分配策略相结合的任务分配策略来实现任务在集群系统各节点间的动态分配,从而降低了服务器各节点之间任务重新调度的次数,提高了集群系统的服务性能.实验结果表明,该均衡机制是可行的、有效的.
-
关键词
剩余负载率
负载均衡
BP神经网络
报文
-
Keywords
leftover load rate （LLR）
load balance
neural network
message
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名面向区块链节点负载预测的ARIMA组合预测方法
被引量：2
- 2
-
-
作者
孙凯俐
李晖
陈梅
-
机构
贵州大学计算机科学与技术学院
贵州省先进计算与医疗信息服务工程实验室
-
出处
《电子技术与软件工程》
2019年第8期180-182,共3页
-
基金
国家自然科学基金项目(61562010)
-
文摘
准确预测服务器的剩余负载率可以合理地分配系统资源,提高系统的资源使用率。为了能有效提高区块链应用中各节点剩余负载率序列预测的准确度,提出了一种差分自回归移动平均(AutoregressiveIntegrated MovingAverage,ARIMA)模型、BP神经网络以及局部异常因子(Local Outlier Factor, LOF)算法的组合预测模型。对比ARIMA模型、ARIMA-BP模型、LOFARIMA-BP模型的预测结果,比较三个模型的预测能力。实验结果表明,LOF-ARIMA-BP组合模型的预测精度优于ARIMA模型以及ARIMA-BP模型。
-
关键词
区块链剩余负载率
ARIMA模型
BP神经网络
局部异常
因子算法
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
