机构名称：
¥ 2.0
在 [1] 中，作者研究了异构系统中数据并行应用负载均衡的能效。该研究旨在优化负载均衡技术，以最大限度地降低这些系统的能耗。他们评估了三种数据并行应用的负载均衡方法：静态、动态和 H 引导。静态负载均衡算法将总工作负载划分为多个工作负载，这些工作负载的数量等于系统中的设备数量。然后，为每个设备分配一个工作负载份额，其大小与其计算速度成正比。设备的计算速度定义为该设备在单位时间内可以完成的工作量。相比之下，动态算法将总工作负载划分为多个大小相等的小任务包，从而创建的任务包数量超过可用设备的数量。每个设备最初都会被分配一个任务包进行处理。当某个设备完成其分配任务包的执行后，它将被分配下一个排队的任务包。但是，如果某个设备空闲且排队中没有任务包，它会从过载的设备上窃取任务包。另一方面，H引导方法与动态方法使用相同的算法，但对包大小的处理方式不同。与采用相同大小包的动态方法不同，引导算法会随着剩余工作组数量的减少而减小包大小。
机器学习驱动的节能负载平衡
主要关键词
相关文件推荐
