求解云计算压力测试中并行任务密度的高速算法

doi:10.11772/j.issn.1001-9081.2014.07.1839

计算机应用 ›› 2014, Vol. 34 ›› Issue (7): 1839-1842.DOI: 10.11772/j.issn.1001-9081.2014.07.1839

• 先进计算 • 下一篇

求解云计算压力测试中并行任务密度的高速算法

白宇,郭显娥

山西大同大学数学与计算机科学学院，山西大同 037009

收稿日期:2014-01-02 修回日期:2014-02-17 出版日期:2014-07-01 发布日期:2014-08-01
通讯作者: 白宇
作者简介:白宇(1976-)，男，山西大同人，讲师，硕士，主要研究方向：图论算法、并行算法、云计算；郭显娥(1964-)，女，山西大同人，教授，主要研究方向：概念格、数据挖掘、知识发现。
基金资助:
教育部高等学校计算机课程改革项目;山西大同大学教研一般项目

High-speed algorithm for density of parallel tasks in cloud computing load testing

BAI Yu,GUO Xiane

School of Mathematics and Computer Science, Shanxi Datong University, Datong Shanxi 037009, China

Received:2014-01-02 Revised:2014-02-17 Online:2014-07-01 Published:2014-08-01
Contact: BAI Yu

摘要/Abstract

摘要：

针对当前云计算负载压力测试过程中，对所采集数据计算并行任务密度的算法效率较低的问题，基于空间换时间的思路，使用数学分析的方法，提出了一种时间复杂度为O(n lb n)，空间复杂度为O(n)的求解并行任务密度的高速算法。实验结果表明，该算法与时间复杂度同为O(n lb n)的OpenSTA算法相比，效率约有6~8倍的提升。该算法对多个相同的并行任务密度能够解得并行时长最长者，可以准确反映负载最重的情况。该算法适合云计算进行负载均衡算法设计时，获取真实参照数据使用。

Abstract:

During the current cloud computing load testing, in order to solve the problem of low efficiency of the algorithm for calculating the density of parallel task to the data collected, based on the idea of space for time, using the method of mathematical analysis, a high-speed algorithm for density of parallel task was proposed. Its time complexity is O(n lb n) and the space complexity is O(n). The experimental results show that, compared with the OpenSTA algorithm with the same time complexity, the increment of efficiency is about 6 to 8 times. The algorithm of multiple the same density of parallel tasks can obtain maximum duration, which can accurately reflect the situation of the heaviest load. The algorithm is applied to obtain the real reference data for the design of cloud computing load balancing algorithm.

中图分类号:

TP311.12

白宇郭显娥. 求解云计算压力测试中并行任务密度的高速算法[J]. 计算机应用, 2014, 34(7): 1839-1842.

BAI Yu GUO Xiane. High-speed algorithm for density of parallel tasks in cloud computing load testing[J]. Journal of Computer Applications, 2014, 34(7): 1839-1842.

[1]	赵丹枫, 林俊辰, 宋巍, 王建, 黄冬梅. 低冗余计算的可达性查询保持图压缩策略[J]. 计算机应用, 2020, 40(2): 510-517.
[2]	江顺亮, 胡世鸿, 唐祎玲, 葛芸, 叶发茂, 徐少平. 低调整率的广义AVL树及其统一重平衡方法[J]. 计算机应用, 2015, 35(3): 654-658.
[3]	郭栋王伟曾国荪. 基于一致性树分布的数据分布式存储方法[J]. 计算机应用, 2013, 33(12): 3432-3436.
[4]	白宇郭显娥. 中缀算术表达式的轻量化求值算法[J]. 计算机应用, 2013, 33(11): 3163-3166.
[5]	白宇郭显娥. 深度优先稳定原地归并排序的高效算法[J]. 计算机应用, 2013, 33(04): 1039-1042.
[6]	李文闯章永平潘瑜春. 移动地理信息系统中的多源异构数据融合模型[J]. 计算机应用, 2012, 32(09): 2672-2674.
[7]	凌绪雄王社国李洋苗再良. 无项头表的FP-Growth算法[J]. 计算机应用, 2011, 31(05): 1391-1394.
[8]	张涛，于雪芹. 基于XDR纲要的空间元数据存储策略[J]. 计算机应用, 2005, 25(07): 1590-1591.
[9]	周勇，何建农，涂平. 自动调配的层次网格空间索引技术[J]. 计算机应用, 2005, 25(06): 1401-1404.
[10]	魏红宁. 基于SPRINT方法的并行决策树分类研究[J]. 计算机应用, 2005, 25(01): 39-41.
[11]	罗波李涛王杰. 基于图的服务起源追踪机制研究[J]. , 0, (): 0-0.

求解云计算压力测试中并行任务密度的高速算法

High-speed algorithm for density of parallel tasks in cloud computing load testing

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics