网格负载均衡方法研究

来源 :2005中国计算机大会 | 被引量 : 0次 | 上传用户:kelebing911
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
负载均衡问题是目前并行计算和分布式计算领域的主要研究内容之一。本文根据不同的标准对目前网格环境下负载均衡的方法进行了分类,具体分析了每类的特点及其实例系统,在此基础上给出了这些负载均衡方法的选择标准,最后指出了网格负载均衡的发展趋势。
其他文献
企业数据集成是 EAI 的关键和重点,本文简要分析了现有数据集成方法,提出一种新的基于元模型CWM 规范的数据集成途径,该方法将数据集成提升到元数据层次的集成,能更好的解决异构数据源的问题最后介绍了一个基于 CWM 的元数据管理集成系统。
本文提出了一种基于 IP 的虚拟专有局域网组网方案,它能够为分布在不同物理位置的用户提供透明的以太网服务。这种方案不需要 ISP 的介入,组网简单,运行维护费用低廉,特别适合于个人和小型企业用户。文中阐述了基于 IP 的虚拟专有局域网的概念和网络模型,接着给出实现这一方案的实现原理和关键技术,最后将其跟现有的几种 VPN 技术进行综合分析比较。
本文在分析奇偶数据包对的分离时间与背景流量的关系的基础上,结合背景流量模型,提出了一种新的基于奇偶包对模型的测量端到端可用带宽的方法(ABPP),该方法突破紧张链路与瓶颈链路是同一条链路的前提的限制,可以直接测量较复杂情况下的端到端路径的可用带宽,模拟实验结果表明,该方法是准确有效的。
本文深入分析了两种因果关系定义 INUS 定义和 SUPPES 定义,并指出在逻辑框架内描述因果关系的不全面性;接着利用 J. Pearl 提出的办法,阐述了因果关系问题在“认知可计算性”的基础上可以得到更好的解决;最后指出因果关系应该在认知科学的框架内必须是基于知识和询问的,并由认知科学的本质是计算得出因果关系的定义存在不完善性。
随着Internet的发展,攻击事件日益频繁,前摄式的安全防护工具,如防火墙、入侵检测、反病毒软件等,不能有效的阻止黑客的攻击。为了有效的打击计算机犯罪,需要对入侵事件进行取证和分析。网络环境下进行取证的一个主要问题是大数据量问题,因此完全基于调查人员进行取证分析是不可能的,网络取证人员需要有效自动的网络取证系统。本文提出了高速网络环境下的一种网络事件自动取证模型(FPIDFS),并在此基础上建立
生物毒素亦称天然毒素,是很有价值的药物或药物导向化合物,也是天然化学产物中的重要生物活性物质, 生物活性物质是指生物来源不可自复制的有毒化学物质,包括了各种动物、植物、微生物产生的对其他生物物种有毒害作用的化学物质。芋螺毒素、蝎毒、蛇毒都是从动物中提取的毒素。我们用对接的方法研究了芋螺毒素、蝎毒、蛇毒作用于不同的受体,比较了各自对接的特点,从而证明了芋螺毒素既作用于烟碱型乙酰胆碱受体又作用于电压门
Web 服务是一种新的面向服务的计算模式,由于其异构性、多域性和高度动态性,它提出了独特的安全挑战。一个关键的安全挑战就是要设计有效的访问控制机制。但目前存在的访问控制机制大多是基于身份的,存在严重的管理规模和控制粒度问题,不适合 Web 服务环境。提出了一种基于属性的访问控制模型(WS-ABAC)来处理 Web 服务的访问控制问题。WS-ABAC 采用相关实体的属性进行授权决策,并利用自动信任协
解决海量数据查询分析系统存在的数据量与查询速度,数据访问局部性与数据无限制性需求间的矛盾,设计并实现了一种备份和恢复策略,备份加载前的数据,并将业务数据的时间属性与备份任务关联,与基于 DBMS 的备份和恢复方式相比,降低了海量数据对磁盘阵列空间和备份操作对系统资源的占用,增加了恢复数据的可操作粒度和配置灵活性。对实现该策略的系统进行了功能和性能测试,满足本文所述多数据库集群下海量数据查询分析系统
本文给出了单向函数的一种新的构造方案。它是基于在特定的非交换壹半群(m,?)中,由A和B=x?A?y求解 x 和 y 的难度;为此我们选取有限域 Fq上的 n×n矩阵在 Fq矩阵乘法下所构成的非交换壹半群作为研究的对象,利用 Fq上“遍历矩阵”的密码学特性,我们提出了一个基于 Fq上遍历矩阵的实现方案,并对可能的攻击手段进行了分析。为了增加问题的困难程度,提出了“强壮矩阵”的概念,并对于给定的两个
本文提出一种查询 Web 上 XML 信息的方法。该方法支持结构和内容的联合查询,支持任意粒度的返回结果,支持基于内容信息的相关性计算。提出支持该方法实现的索引结构,集成了结构索引和内容索引,用广义后缀树来存储文档集合的结构信息,将路径查询转换为后缀树中的字符串匹配,用带 Dewey 编码的倒排索引存储内容索引来避免倒排索引的连接操作。提出了该方法的实现算法 RankX,实验表明该方法是可行的。