基于并行調度算法的高校協同資源遠程訪問模型

丁愛萍， 曾赟

(黃河水利職業技術學院 信息工程學院， 河南 開封 475004)

0 引言

面對競爭激烈、瞬息萬變的環境，高校協同建設是必經之路，進而生成協同資源[1]，為多高校聯合提供發展動力，對此，文獻[2]對于網絡環境下圖書館的數字服務，構建高校圖書館數字資源遠程訪問系統，安全性、可操作性、可擴展性等方面得到提升，具有較強的可行性。文獻[3]針對Fork-Join類并行任務圖給出了若干最優化調度結論，給出了資源限制條件下并行任務圖的調度模型，進行并行任務圖的有效調度，對工作流應用系統的高性能調度功能開發具有借鑒意義。文獻[4]介紹了用LabVIEW平臺開發的相關軟件數據庫遠程訪問技術，利用SQL數據查詢語言編程有效地完成與數據庫的互聯及相關數據的更新，實現局域網內各節點數據的上傳與下載。

此次研究以上述三種傳統方法為參考，提出基于并行調度算法的高校協同資源遠程訪問模型，以并行調度算法優化為創新點，擴展并行調度算法的執行邏輯，促進對復雜事物的認知，實現對高校協同資源的遠程訪問。

1 基于并行調度算法的高校協同資源遠程訪問模型

1.1 并行調度算法優化

并行調度算法在大規模數值計算及計算機網絡技術等方面都有很好的應用前景，但需要對訪問數據流進行實時處理、快速響應，實現遠程訪問。

當并行調度過程中，所有處理機均處于空閑狀態時，令處理機的權值為0，ωi=0，其中i=1,2,…,n。當部分處理機處于空閑狀態時，默認其中空閑的處理機權值為0，不空閑的處理機權值，這是從當前訪問請求完成到完成當前訪問請求所必需的n倍時間。當所有處理機都不是空閑狀態時，各處理機的權值即在上次調度結束后，訪問程序所賦予其的權值[5-6]。訪問當前階段的高校協同資源時，按到達的訪問用戶次序編號、所需數據量的大小降序排列，計算資源訪問請求所需的數據總量Q，如式(1)。

(1)

式中,LHi表示第i個資源訪問請求所需要的數據量;L表示訪問請求總量。按處理機能力降序排列時，各處理機的性能總和為式(2)。

(2)

式中,JS表示處理機性能總和；Ji表示第i臺處理機的性能[7-8]。再計算單個處理機的性能，在總處理機性能中的所占比例，如式(3)。

(3)

按照上述計算步驟，設置并行調度算法的執行邏輯，為遠程訪問技術提供訪問限制條件。

1.2 高校協同資源訪問模型

以訪問限制條件為基礎，運用WoPeD工具建立高校協同資源訪問模型，并對資源訪問的可達性進行分析。構建的高校協同資源訪問模型如圖1所示。

圖1 高校協同資源訪問模型

訪問模型中庫所和變遷的具體含義如表1所示。

表1 訪問模型中的庫所以及變遷含義

以高校協同資源訪問模型為基礎，將Mesh.vertices工具和Unity3d引擎相結合，獲取高校協同資源獲取界面，令該界面的某個圖像中心坐標為(0,0,0)，假設隨機模擬視錐的3個頂點坐標分別為(x1,x2,x3)、(y1,y2,y3)和(z1,z2,z3)。根據坐標向量計算視錐體積，該計算如式(4)。

(4)

三個連續的子圖像頂點所包含的體積，可通過代碼計算獲得，以此處理代碼運行結果，將頂點信息和體積傳送到控制臺，統計所有三棱錐結構的體積之和，完成對該圖像的體積計算。對于其他圖像的體積計算，也可以借鑒其中的計算步驟。為了判斷圖像是否應該被渲染，對渲染程度進行定義如式(5)。

(5)

式中,R表示渲染程度；Vj表示當前結構j的體積；D表示圖像與視點之間的距離；μ表示視點范圍內的圖像結構權重;c表示視點范圍。

通過上述過程，以并行調度算法對訪問數據流進行優化處理，生成三維訪問界面，實現遠程訪問，至此，實現基于并行調度算法的高校協同資源遠程訪問模型的構建。

2 仿真實驗

以上述研究的高校協同資源遠程訪問模型為測試對象，比較不同遠程訪問技術之間的差異，將此次研究的遠程訪問技術作為實驗A組；將文獻[2]方法、文獻[3]方法、文獻[4]方法的三種遠程訪問技術，分別作為對照B組、對照C組以及對照D組。測試共分兩個階段進行，比較四個測試組，遠程訪問高校協同資源時的搜索能力。

2.1 準備過程

此次仿真實驗，共搭建兩組遠程訪問仿真測試環境，如圖2所示。

圖2 仿真測試環境

由圖2可知，將高校協同資源以圖像的形式呈現，且用不同的圖像，例如條形圖、餅狀圖和雷達圖等，反饋不同類型的高校協同資源，且測試環境中的資源數量、資源復雜度、資源分布均充分顯示。分別利用四種遠程方法，訪問測試環境中的高校協同資源，比較四個測試組之間的訪問技術差異，測試進行到第5 s時,效果如圖3所示。

(a) 實驗A組

(b) 對照B組

(c) 對照C組

(d) 對照D組圖3 遠程訪問效果

不同訪問技術搜索同一高校協同資源的時間，得到的四組訪問測試結果,如表2所示。

表2 不同訪問技術搜索同一高校協同資源的時間

由圖3遠程訪問效果可知，不同測試組遠程訪問平均搜索用時，分別為3.26 s、10.5 s、10.17 s以及20.53 s。可見此次研究的遠程訪問模型搜索高校協同資源的能力更強，所用的時間更短。

控制時間開銷的長短可以體現出高校協同資源遠程訪問模型的遠程訪問效率，控制時間開銷越小，方法效果越好，采用四個測試組對訪問的延遲控制時間開銷進行對比，結果如圖4所示。

由圖4可知，隨著數據量的增加，實驗A組進行高校協同資源遠程訪問的時間開銷最小，說明實驗A組的時延最低，控制效果實時性最好，這是因為本文方法按到達的訪問用戶次序編號、所需數據量的大小對訪問數據流進行降序排列，優化了并行調度算法，解決網絡擁擠時數據流之間存在的震蕩現象。

圖4 四個測試組時間開銷對比結果

3 總結

此次提出基于并行調度算法的高校協同資源遠程訪問模型，取得了不錯的搜索效果，但受時間以及個人精力的影響，在今后的研究工作中，可以對設計的并行算法進行二次優化，進一步加強對固定目標數據的訪問搜索，為高校協同資源的利用提供更加可靠的應用技術。