一种利用大数据分析优化的分布式并行算法  

An Optimistic Distributed Parallel Algorithm Using Big Data Analysis

作　　者：王彬[1] 雷丽晖[1] 

机构地区：[1]陕西师范大学计算机科学学院,西安710062

出　　处：《计算机与数字工程》2013年第11期1720-1724,1861,共6页Computer & Digital Engineering

基　　金：国家自然科学基金项目(编号:61003061)资助

摘　　要：随着以云计算为代表的新型计算模式的兴起,合理高效的分布式并行算法成为有效利用分布式环境下的处理机、提高分布式系统性能的一个重要方法。论文提出了一种利用大数据分析进行优化的分布式并行算法。该算法利用大数据分析将用户任务分类,同一类任务被分派到同一类服务器上;然后再动态调整用户任务,以尽可能地减少服务器处理机空闲时间和系统总能耗。借助模型检测的方式验证了该算法的正确性与有效性。With the rise of new computing models, especially cloud computing, a reasonable and efficient distributed parallel algorithm is regarded as an important method to effectively utilize the distributed processors or improve the performance of distributed systems. An op- timistic distributed parallel algorithm using big data analysis is proposed in this paper. First, this algorithm classify user tasks by big data a- nalysis results; then the same type of tasks are assigned to the same class of processors. Next the user tasks are dynamically adjusted to mini mize the idle time of server processors and the total energy comsumpution of the system. In the end, with the help of model checking, the correctness and effectiveness of this algorithm are verified.

关 键 词：并行算法 大数据分析 任务调度 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]