基于并行调度算法的高校协同资源远程访问模型

2021-09-29丁爱萍曾赟

微型电脑应用 2021年9期

丁爱萍，曾赟

(黄河水利职业技术学院信息工程学院，河南开封 475004)

0 引言

面对竞争激烈、瞬息万变的环境，高校协同建设是必经之路，进而生成协同资源[1]，为多高校联合提供发展动力，对此，文献[2]对于网络环境下图书馆的数字服务，构建高校图书馆数字资源远程访问系统，安全性、可操作性、可扩展性等方面得到提升，具有较强的可行性。文献[3]针对Fork-Join类并行任务图给出了若干最优化调度结论，给出了资源限制条件下并行任务图的调度模型，进行并行任务图的有效调度，对工作流应用系统的高性能调度功能开发具有借鉴意义。文献[4]介绍了用LabVIEW平台开发的相关软件数据库远程访问技术，利用SQL数据查询语言编程有效地完成与数据库的互联及相关数据的更新，实现局域网内各节点数据的上传与下载。

此次研究以上述三种传统方法为参考，提出基于并行调度算法的高校协同资源远程访问模型，以并行调度算法优化为创新点，扩展并行调度算法的执行逻辑，促进对复杂事物的认知，实现对高校协同资源的远程访问。

1 基于并行调度算法的高校协同资源远程访问模型

1.1 并行调度算法优化

并行调度算法在大规模数值计算及计算机网络技术等方面都有很好的应用前景，但需要对访问数据流进行实时处理、快速响应，实现远程访问。

当并行调度过程中，所有处理机均处于空闲状态时，令处理机的权值为0，ωi=0，其中i=1,2,…,n。当部分处理机处于空闲状态时，默认其中空闲的处理机权值为0，不空闲的处理机权值，这是从当前访问请求完成到完成当前访问请求所必需的n倍时间。当所有处理机都不是空闲状态时，各处理机的权值即在上次调度结束后，访问程序所赋予其的权值[5-6]。访问当前阶段的高校协同资源时，按到达的访问用户次序编号、所需数据量的大小降序排列，计算资源访问请求所需的数据总量Q，如式(1)。

(1)

式中,LHi表示第i个资源访问请求所需要的数据量;L表示访问请求总量。按处理机能力降序排列时，各处理机的性能总和为式(2)。

(2)

式中,JS表示处理机性能总和；Ji表示第i台处理机的性能[7-8]。再计算单个处理机的性能，在总处理机性能中的所占比例，如式(3)。

(3)

按照上述计算步骤，设置并行调度算法的执行逻辑，为远程访问技术提供访问限制条件。

1.2 高校协同资源访问模型

以访问限制条件为基础，运用WoPeD工具建立高校协同资源访问模型，并对资源访问的可达性进行分析。构建的高校协同资源访问模型如图1所示。

图1 高校协同资源访问模型

访问模型中库所和变迁的具体含义如表1所示。

表1 访问模型中的库所以及变迁含义

以高校协同资源访问模型为基础，将Mesh.vertices工具和Unity3d引擎相结合，获取高校协同资源获取界面，令该界面的某个图像中心坐标为(0,0,0)，假设随机模拟视锥的3个顶点坐标分别为(x1,x2,x3)、(y1,y2,y3)和(z1,z2,z3)。根据坐标向量计算视锥体积，该计算如式(4)。

(4)

三个连续的子图像顶点所包含的体积，可通过代码计算获得，以此处理代码运行结果，将顶点信息和体积传送到控制台，统计所有三棱锥结构的体积之和，完成对该图像的体积计算。对于其他图像的体积计算，也可以借鉴其中的计算步骤。为了判断图像是否应该被渲染，对渲染程度进行定义如式(5)。

(5)

式中,R表示渲染程度；Vj表示当前结构j的体积；D表示图像与视点之间的距离；μ表示视点范围内的图像结构权重;c表示视点范围。

通过上述过程，以并行调度算法对访问数据流进行优化处理，生成三维访问界面，实现远程访问，至此，实现基于并行调度算法的高校协同资源远程访问模型的构建。