An Efficient Load Balancing Method for Tree Algorithms
如今，随着处理器数量的指数级增长，多处理成为主流。因此，负载均衡是高效执行并行算法的关键操作。在本文中，我们考虑的基本类树为基础的算法是出了名的不规则，很难负载平衡与现有的静态技术。我们提出了一种混合负载均衡方法，使用统计随机抽样估计树的深度和节点数分布均匀划分输入树的效用。为了进行初始性能研究，我们在英特尔至强融核加速器系统上实施了该方法。我们分别考虑了由Fibonacci和不平衡（有偏）随机生成树表示的规则和不规则不平衡树上的树遍历操作。结果表明，可扩展的性能高达60个物理处理器的加速器，以及外推128个处理器的情况下。
2017-09-30 cs.DC cs.PF
Evaluating load balancing policies for performance and energy-efficiency
如今，越来越多的困难计算在具有挑战性的领域，如天气预报，石油和天然气勘探和密码分析。许多这样的计算可以使用具有大量服务器的计算机集群来实现。然后，通过所谓的负载均衡策略，将传入的计算请求分布在服务器上，以确保最佳性能。此外，能够在低工作负载期间关闭一些服务器，可以降低能耗。因此，负载均衡形成了性能和能耗之间的折衷，尽管是间接的。在本文中，我们引入了负载平衡策略的语法，以便根据相关标准（包括服务器中排队的作业数量、服务器的电源状态以及服务器电源状态之间的转换延迟）为每个请求动态选择服务器。为了评估许多策略，我们实现了两个负载均衡器：（i）iDSL，用于评估面向服务的系统的语言和工具链，以及（ii）AnyLogic中的模拟框架。两种实现都成功地验证了结果的比较。
2016-10-26 cs.DC cs.PF
An Empirical Study and Analysis of the Dynamic Load Balancing Techniques Used in Parallel Computing Systems
并行计算机系统是一组处理单元的集合，这些处理单元通过通信和协作来有效地解决大型计算问题。为了实现这一目标，首先将大型计算问题划分为具有不同工作负载的多个任务，然后分配给不同的处理单元进行计算。工作负载的分配称为负载均衡。在各个处理元素之间适当地分配工作负载是非常重要的，因为不成比例的工作负载可能会消除并行化作业的性能优势。因此，并行系统上的负载均衡是一个关键的和具有挑战性的活动。负载均衡算法可以大致分为静态和动态两类。静态负载均衡算法在编译时将任务分配给处理元素，而动态算法在运行时间将任务绑定到处理元素。本文简要介绍了并行系统中常用的几种动态负载均衡技术，并给出了这些算法的性能比较分析结果。
2011-09-08 cs.DC
A Comparative Study of Load Balancing Algorithms in Cloud Computing Environment
云计算是IT环境中出现的一种新趋势，对基础设施和资源有着巨大的需求。负载均衡是云计算环境的一个重要方面。高效的负载均衡方案通过按需向云用户提供资源，以按需付费的方式确保高效的资源利用率。负载均衡甚至可以通过应用适当的调度标准来支持对用户进行优先级排序。根据服务水平协议（SLA）的要求，提出了不同云环境下的各种负载均衡方案。
2014-03-27 cs.DC
Binary PSOGSA for Load Balancing Task Scheduling in Cloud Environment
在云环境中，负载均衡任务调度是一个重要的问题，直接影响资源利用率。毫无疑问，负载均衡调度是云研究领域必须考虑的一个重要方面，因为它对后端和前端都有重大影响。只要在云中实现了有效的负载平衡，就可以实现良好的资源利用率。有效的负载均衡意味着以均衡的方式将提交的工作负载分布在云虚拟机上，从而实现高资源利用率和高用户满意度。在本文中，我们提出了一个负载均衡算法，二进制负载均衡-混合粒子群优化和引力搜索算法（Bin-LB-PSOGSA），这是一个生物启发的负载均衡调度算法，有效地使调度过程，以提高负载均衡水平的虚拟机。该算法发现最佳的任务到虚拟机的映射，提交的工作负载的长度和VM的处理速度的影响。实验结果表明，提出的Bin-LB-PSOGSA算法在负载均衡水平上优于纯Bin-LB-PSO算法和其他基准算法。
2018-06-01 cs.DC
Balancing indivisible real-valued loads in arbitrary networks
在并行计算中，一个问题被划分为一组分布在多个处理元素上的较小任务。平衡处理元素的负载是实现良好性能和可伸缩性的关键。如果各个任务的计算成本以不可预测的方式随时间变化，则动态负载均衡旨在将它们在处理元件之间迁移，以便保持负载平衡。在动态负载均衡中，任务是具有实值代价的不可分割的工作包。对于这种情况下不可分割的，实值负载，我们分析了平衡电路模型，本地动态负载平衡计划，不需要全球通信。我们扩展以前的分析，目前的情况下，并提供了一个概率界可实现的负载平衡。基于与离线球入箱问题的类比，我们进一步提出了一种新的算法，用于动态平衡不可分割的实值负载。我们基准的算法在数值实验中，并比较它与经典的贪心算法，无论是在解决方案的质量和通信成本。我们发现，所提出的算法的通信成本增加的补偿更高的解决方案的质量，导致平均约一个数量级的整体性能的增益。
2013-08-01 cs.DC
Immunological Approaches to Load Balancing in MIMD Systems
多指令多数据（MIMD）并行计算机的有效利用需要良好的负载均衡技术的应用。在本文中，我们表明，从观察复杂的自然系统，如哺乳动物的免疫系统，可以导致有效的负载均衡策略的免疫学。特别是，免疫系统的调节、抑制、耐受和记忆过程被认为是强大的负载均衡机制。我们提供了一个详细的例子，我们的方法适用于并行化的图像处理任务，即从CMOS集成电路的层的图像中提取电路设计。实验结果表明，采用免疫系统的负载均衡策略可以获得良好的加速比特性。
2022-10-03 cs.DC
Load Balancer Tuning: Comparative Analysis of HAProxy Load Balancing Methods
负载均衡在实际应用中是普遍的（例如，WEB今天看到的。其中一个负载均衡器HAProxy作为一个开源的、易于使用的系统仍然具有相关性。在Web系统的上下文中，负载均衡器层对系统性能和所产生的成本具有重大影响，这对于基于云的部署是决定性的。因此，必须正确地调优负载均衡器配置，并从现有资源中获得最大的性能。在本技术报告中，我们首先介绍HAProxy架构及其负载均衡方法。然后，我们讨论了微调参数在这个负载均衡器，并检查他们的表现，面对各种工作负载强度。我们的评估包括各种类型的Web请求以及同构和异构的后端。最后，根据这项研究的结果，我们提出了一套最佳实践，以优化配置HAProxy。
2022-12-29 cs.DC
Locally Optimal Load Balancing
本工作研究分布式算法局部最优负载平衡：我们给出了一个图的最大程度$Δ$，每个节点有多达$L$单位的负载。任务是更均匀地分配负载，使得相邻节点的负载最多相差$1$。如果图是一条路径（$Δ= 2$），则很容易在$O(L)$通信轮中解决该问题的分数版本，而与节点数量无关。我们表明，这是紧的，我们表明，它也可以解决离散版本的问题，在$O(L)$轮的路径。对于一般情况下（$Δ> 2$），我们表明，分数负载均衡可以解决在$\operatorname{poly}(L,Δ)$轮和离散负载均衡在$f(L,Δ)$轮的一些功能$f$，独立的节点数。
2015-02-16 cs.DC
DLB: Deep Learning Based Load Balancing
在本文中，我们引入了DLB，一种基于深度学习的负载均衡机制，以有效地解决数据倾斜问题。DLB的关键思想是用深度学习模型取代负载均衡机制中的哈希函数，这些模型经过训练，能够以统一的方式将不同的工作负载和数据分布映射到服务器。我们实现了DLB，并使用CloudSim将其部署在实际的云环境中。实验结果表明，与传统的基于哈希函数的负载均衡方法相比，DLB能够实现更均衡的映射，尤其是在负载严重偏斜的情况下.
2021-09-12 cs.DC
Load Balancing for MapReduce-based Entity Resolution
基于MapReduce的复杂数据密集型任务实现的有效性和可伸缩性取决于在map和reduce任务之间均匀地重新分配数据。在存在偏斜数据的情况下，复杂的重新分配方法因此变得有必要在要并行执行的所有reduce任务之间实现负载均衡。对于复杂的问题，实体分辨率，我们提出并评估两种方法，这样的偏斜处理和负载均衡。该方法支持分块技术以减少实体解析的搜索空间，利用预处理MapReduce作业分析数据分布，并将大块实体分布在多个Reduce任务中。在一个实际的云基础设施上的评估表明所提出的负载均衡方法的价值和有效性。
2011-08-08 cs.DC
Prepartition: Load Balancing Approach for Virtual Machine Reservations in a Cloud Data Center
负载均衡对于云数据中心的高效和长期运营至关重要。对于虚拟化，在分配后进行虚拟机的后（反应式）迁移是负载均衡和整合的传统方式。然而，反应式迁移不容易达到预定义的负载平衡目标，并且可能会中断服务并带来不稳定性。因此，我们提出了一种新的方法，称为预分区，负载均衡。它将VM请求按开始时间、结束时间和容量需求顺序划分为几个子请求，并将每个子请求视为常规VM请求。通过这种方式，它可以主动为每个物理机器上的每个VM请求设置边界，并使调度器在VM迁移之前做好准备，以获得预定义的负载均衡目标，从而以细粒度的方式支持资源分配。仿真合成数据表明，在平均利用率、不平衡度、最大完工时间和容量最大完工时间等指标下，PrepartitionOff调度算法比现有的负载均衡算法性能提高10%~ 20%.我们还将预分区扩展到在线负载均衡。评估结果表明，我们提出的方法也优于现有的在线算法。
2021-10-19 cs.DC
An Analytical Overview Of Virtual Machine Load Balancing Scheduling Algorithms with their Comparative Case Study
本文针对云计算中虚拟机负载均衡调度问题，对粒子群优化、多目标优化、主动监控三种常用算法展开分析综述，梳理其特性、优缺点与应用，为云服务商优化负载均衡、避免用户延迟提供参考。
2025-02-23 cs.DC
Diffusive Load Balancing of Loosely-Synchronous Parallel Programs over Peer-to-Peer Networks
使用未充分利用的互联网资源被广泛认为是一种可行的高性能计算形式。据报道，使用400万个自愿的互联网主机，大约40 T FLOPS的持续处理能力可以解决非常复杂的并行问题。与此同时，拥有超过5000万参与者的点对点（P2P）文件共享网络已经证明了分布式系统的规模能力。本文致力于研究负载均衡技术的一般类松散同步并行算法时，在P2P网络上执行。我们发现，分散的，扩散的负载均衡可以有效地平衡负载，并促进P2P的动态特性。虽然适度的动态性可以有益于负载均衡，但是由于需要增加负载迁移，显著的动态性阻碍了并行程序性能。据我们所知，这项研究提供了新的见解松散同步并行程序在互联网上的性能。
2004-10-05 cs.DC
Survey of Major Load Balancing Algorithms in Distributed System
对分布式系统（包括云技术、集群系统、网格系统）中最常用的负载均衡算法进行了分类。按照分类对负载均衡算法的类型进行了比较分析，指出了每类算法的优点和缺点。每个算法的性能指标进行了说明。
2019-04-11 cs.DC cs.NI
Dynamic Load Balancing for Compressible Multiphase Turbulence
CMT-nek是一种新的科学应用程序，用于对载有颗粒的爆炸分散湍流进行高保真预测模拟。CMT-nek涉及详细的模拟，是计算密集型的，目标是部署在exascale平台上。当应用程序在并行处理器上执行时，移动粒子是负载不平衡的主要来源。在一个演示问题中，所有的粒子最初都在一个封闭的容器中，直到爆炸发生，粒子分开。如果所有处理器获得流体域的相等份额，则只有一些处理器获得最初装载有粒子的域的部分，导致处理器上的不同负载。为了消除不同处理器之间的负载不平衡，加快最大完工时间，本文提出了针对由数十万个核组成的大规模多核平台的CMT-nek的不同负载均衡算法。给出了负载均衡算法的具体实现过程。对不同的负载均衡算法的性能进行了比较，并对相关的开销进行了分析。对有无负载均衡的应用程序进行了评估，这些结果表明，与负载均衡，仿真时间变得更快的一个因素高达$9.97$。
2018-07-06 cs.DC
Fine-grained MoE Load Balancing with Linear Programming
Peking University（北京大学）
本文提出一种基于线性规划的细粒度MoE负载平衡方法，通过高效令牌调度提升训练吞吐量47.6%
2026-01-15 cs.DC
On the Complexity of Load Balancing in Dynamic Networks
在负载均衡问题中，网络中的每个节点被分配一个负载，目标是通过执行本地负载交换来在节点之间均匀地分配负载。虽然负载均衡在静态网络中得到了广泛的研究，但直到最近才提出了一种收敛时间有界的动态网络负载均衡算法。在本文中，我们进一步研究了动态网络环境下的负载均衡的时间复杂度。首先，我们表明，随机性是没有必要的，并提出了一个确定性的算法，稍微提高了以前的算法的运行时间，在不匹配的价格。然后，我们考虑积分载荷，即，负载不能被无限分割，并证明没有匹配为基础的算法可以有界收敛时间为这种情况下。为了规避这两个不可能的结果，和一个已知的非积分的情况下，我们应用的方法平滑的分析，其中随机扰动是在最坏情况下的网络拓扑结构的选择。我们表明，这两个不可能的结果不持有这种分析下，这表明在现实世界中的系统负载平衡可能比下限建议更快。
2021-05-27 cs.DC cs.NI
Review of Hybrid Load Balancing Algorithms in Cloud Computing Environment
本文综述了云计算环境中的多种混合负载均衡算法，指出传统静态和动态算法的局限性，并说明混合方法通过继承两者特性来克服其不足，以解决动态工作负载分配问题。
2022-02-26 cs.DC
Load balancing mechanisms in fog computing: A systematic review
最近，雾计算已经作为现代分布式范例被引入，并且作为云计算的补充来提供服务。Fog系统将存储和计算扩展到网络边缘，除了支持位置感知和移动性支持外，还能显著解决延迟敏感型应用的服务计算问题。负载均衡是雾网络的一个重要方面，它可以避免某些雾节点负载不足或过载的情况。通过负载均衡可以提高服务质量（QoS）参数，例如资源利用率、吞吐量、成本、响应时间、性能和能耗。近年来，人们对雾网络中的负载均衡技术进行了一些研究，但还没有系统的综述来巩固这些研究。本文系统地回顾了雾计算中的负载平衡机制，分为四类，包括近似方法、精确方法、基本方法和混合方法（2013年至2020年8月期间发表）。此外，本文还研究了负载均衡指标，以及与雾网络中所选负载均衡机制相关的所有优点和缺点。评价技术和工具，适用于每一个审查的研究进行了探讨。此外，这些机制的基本开放的挑战和未来的趋势进行了讨论。
2020-12-01 cs.DC cs.NI
Evaluation of Two-Level Load Balancing Framework in Cloud Environment
随着技术的进步和互联网的不断变化，云计算已经成为当今的趋势。随着云计算服务成本的降低和便捷性的提高，越来越多的用户将自己的Web资源和信息置于云环境中。客户系统的可用性和可靠性将变得越来越重要。如今云应用稍有中断，对用户的影响就会很大.如何保证云站点的可靠性和稳定性是一个重要的问题。负载均衡将是一个很好的解决方案。提出了一种基于两级负载均衡模型的云环境下Web站点全局服务器负载均衡框架。所提出的框架是为了适应一个开源的负载均衡系统，该框架允许网络服务提供商在不同的数据中心动态部署负载均衡器，而客户需要更多的负载均衡器，以提高可用性。
2015-05-12 cs.DC cs.NI
Asymptotically Optimal Load Balancing in Large-scale Heterogeneous Systems with Multiple Dispatchers
本文研究了具有多个调度器的大规模异构系统的负载均衡问题。我们介绍了一个通用的框架，称为本地估计驱动（LED）。在这个框架下，每个调度器保持本地（可能过时）的估计队列长度的所有服务器，和调度决策是纯粹基于这些本地估计。通过调度员和服务器之间不频繁的通信更新本地估计。我们推导出充分条件，LED政策，以实现吞吐量最优和延迟最优，分别在繁忙的交通。这些条件直接意味着延迟最优的许多以前的本地内存为基础的政策在繁忙的交通。此外，研究结果使我们能够设计新的延迟优化策略的异构系统与多个调度。最后，重流量延迟最优的LED框架直接解决了最近的一个公开问题，如何设计最佳的负载均衡计划使用延迟的信息。
2020-02-20 cs.DC cs.PF math.PR
Benchmarking Hashing Algorithms for Load Balancing in a Distributed Database Environment
现代高负载应用程序使用多个数据库实例存储数据。这样的架构需要数据一致性，并且确保数据在节点之间的均匀分布非常重要。负载均衡用于实现这些目标。哈希是几乎所有负载均衡系统的支柱。自从经典的一致性哈希算法被引入以来，许多算法都是为了这个目的而设计的。负载均衡器的目的之一是确保存储集群的可伸缩性。在节点添加或删除过程中，尽可能少地传输数据记录对于整个系统的性能至关重要。负载平衡器哈希算法对此过程的影响最大。在本文中，我们实验评估几个哈希算法用于负载均衡，进行模拟和真实的系统实验。为了评估算法的性能，我们已经开发了一个基准套件的基础上Unidata MDM~--一个可扩展的工具包，各种主数据管理（MDM）的应用程序。为了评估，我们采用了三个标准--均匀性的生产分布，移动记录的数量，和计算速度。根据我们的实验结果，我们创建了一个表，其中每个算法都根据上述标准进行了评估。
2022-11-01 cs.DB cs.DC cs.DS
Novel Dynamic Load Balancing Algorithm for Cloud-Based Big Data Analytics
云环境中的大数据分析除了安全、隐私和能效之外，还带来了实时负载均衡等挑战。在本文中，我们提出了一种新的负载均衡算法在云环境中，执行资源分配和任务调度效率。所提出的负载均衡器减少了在云上执行的大数据应用程序的执行响应时间。一般来说，调度是一个NP难问题。在我们提出的算法中，我们提供了解决方案，以减少搜索区域，从而降低复杂性的负载均衡。我们推荐两个数学优化模型来执行动态资源分配到虚拟机和任务调度。所提供的解决方案是基于爬山算法来最小化响应时间。我们从响应时间、周转时间、吞吐量指标和请求分布等方面对所提出的算法进行了性能评估，并与一些现有的算法进行了比较
2021-02-01 cs.DC
Dynamic load balancing for large-scale adaptive finite element computation
对于偏微分方程的并行计算，网格划分是一个关键。它要求每个进程拥有相同的计算量，并且分区质量应该适当，以减少进程之间的通信。当使用自适应有限元法计算偏微分方程时，网格和基函数在每次迭代中调整，这引入了负载均衡问题。网格应该动态地重新分布。本文研究了动态负载均衡算法及其在自适应有限元平台PHG上的实现。数值实验表明，本文研究的算法具有良好的划分质量，是有效的。
2017-01-23 cs.DC
Flexible Load Balancing with Multi-dimensional State-space Collapse: Throughput and Heavy-traffic Delay Optimality
负载均衡策略的重流量分析在很大程度上依赖于状态空间塌陷到一维线上的条件。在本文中，通过李雅普诺夫漂移分析，我们严格证明，即使在一个多维的状态空间崩溃，稳态重交通延迟最优仍然可以实现一般的负载均衡系统。这一结果直接意味着，实现稳定状态的重流量延迟最优只需要没有服务器空闲，而其他人都忙在重负载，从而补充和扩展扩散近似得到的结果。此外，我们探讨了更大的灵活性，允许多维的状态空间崩溃，在设计新的负载均衡政策，吞吐量最佳和繁忙的交通延迟最佳的稳定状态。这是通过克服各种技术挑战来实现的，本文中使用的方法可能具有独立的意义。
2018-06-08 cs.DC
Load Balancing in Compute Clusters with Delayed Feedback
Technische Universität Darmstadt（达姆施塔特工业大学）
负载均衡作为一个基本问题出现，是许多计算和通信系统的规模和操作的基础，例如数据中心集群中的作业路由、多路径通信、大数据和分布式系统。在本质上，决策代理映射每个到达的作业到一个可能的异构服务器，同时瞄准一个优化目标，如负载均衡，低平均延迟或低丢失率。在这里找到最佳负载均衡策略的一个主要困难是代理仅部分地观察其决策的影响，例如，通过延迟的服务工作的确认。在本文中，我们提供了一个部分可观察（PO）模型，捕获的负载均衡决定在有限的信息下的延迟应答的并行缓冲系统。我们提出了一个模拟模型，这个PO系统找到一个负载均衡政策，在实时使用可扩展的蒙特卡罗树搜索算法。我们数值上表明，由此产生的政策优于其他有限的信息负载均衡策略，如变种加入最多的观察，并具有可比的性能，如全信息策略：加入最短队列，加入最短队列（d）和最短预期延迟。最后，我们表明，我们的方法可以优化的实时并行处理通过使用Kaggle提供的网络数据。
2022-10-11 cs.AI cs.DC cs.LG
GPU Load Balancing
细粒度的工作负载和资源平衡是GPU上常规和不规则计算的高性能的关键。在这篇论文中，我们进行了广泛的调查，现有的负载平衡技术，建立一个抽象的解决困难的GPU上调度计算。我们提出了一个GPU细粒度的负载平衡抽象，从工作处理中提取负载均衡，旨在支持静态和动态调度，并通过可编程接口实现新的负载平衡调度。在我们的工作之前，释放GPU在不规则问题上的潜力的唯一方法是通过特定于应用程序的紧耦合负载平衡技术来实现工作负载平衡。通过我们的开源负载平衡框架，我们希望在GPU上开发不规则并行算法时提高程序员的生产力，并通过允许快速试验各种现有负载平衡技术来提高此类应用程序的整体性能特征。利用我们从负载平衡不规则工作负载中获得的见解，我们构建了Stream-K，这是一个以工作为中心的矩阵乘法（GEMM）和密集线性代数中相关计算的并行化。而当代的分解主要是基于瓦片的，我们的方法通过在物理处理元件之间划分均匀份额的聚合内部循环迭代来操作。这提供了计算资源的近乎完美的利用，而不管任何给定问题的输出平铺跨底层处理元素量化的效率如何。在GPU处理器上，我们的Stream-K GEMM并行化可产生高达14倍和6.7倍的峰值加速比，以及在32 K GEMM问题几何中比最先进的数学库（如CUTLASS和cuBLAS）更高且更一致的平均性能响应。
2022-12-17 cs.DC cs.DS
A Note on "Optimal Static Load Balancing in Distributed Computer Systems"
本文研究了在异构分布式计算机系统上，一般作业的平均响应时间最小化问题。静态负载均衡策略用于此目的，其中负载的重新分配的决定不依赖于系统的状态。这篇文章与前一篇关于同一主题的文章密切相关。本文指出了前一篇文章中的一些不一致之处，提供了一个新的公式，并讨论了新的研究结果的影响，基于改进的公式，上一篇文章的结果。
2000-06-02 cs.DC
The Power of Both Choices: Practical Load Balancing for Distributed Stream Processing Engines
我们研究了分布式流处理引擎中的负载均衡问题，该问题在存在偏斜的情况下加剧。我们引入部分密钥分配（PKG），一个新的流划分方案，适应经典的“两个选择的权力”的分布式流设置，利用两个新的技术：密钥拆分和本地负载估计。这样，它实现了比键分组更好的负载均衡，同时比随机分组更具可扩展性。我们在几个大型数据集上测试PKG，包括真实世界和合成数据集。与标准散列相比，PKG将负载不平衡降低了几个数量级，并且通常可以实现近乎完美的负载平衡。在部署到真正的Storm集群上时，这一结果转化为吞吐量提高了60%，延迟提高了45%。
2015-04-03 cs.DC
A New Fuzzy Approach for Dynamic Load Balancing Algorithm
负载均衡是通过在处理器之间分配负载来提高并行和分布式系统的性能的过程[1-2]。以前的大多数工作在负载均衡和分布式决策一般，没有有效地考虑到状态信息的不确定性和不一致性，但在模糊逻辑，我们有优势，使用crisps输入。本文提出了一种基于模糊逻辑的动态负载均衡算法，该算法能够有效地解决以往算法中存在的不确定性和不一致性问题，并且比轮询算法和随机算法分别提高了30.84%和45.45%的响应时间。
2009-10-02 cs.DC
An Advanced Approach On Load Balancing in Grid Computing
随着广域网的快速发展和低成本、强大的计算资源，网格计算得到了广泛的应用。随着网格计算的出现，可以克服传统分布式系统的空间限制，并且可以将世界各地不同位置处未充分利用的计算资源用于分布式作业。网格服务和资源管理是网格基础设施服务层的主要关键服务，其中负载均衡是网格开发人员关注的主要问题。负载是服务器面临的主要问题，特别是当用户数量增加时。在负载管理领域进行了大量的研究。本文介绍了网格计算中负载均衡的各种机制，以便读者了解哪种算法适用于不同的情况。关键词：广域网，分布式计算，负载均衡。
2014-09-12 cs.DC
Hardware locality-aware partitioning and dynamic load-balancing of unstructured meshes for large-scale scientific applications
我们提出了一个开放源码的拓扑感知分层非结构化网格划分和负载均衡工具TreePart。该框架提供了强大的抽象功能，可以在运行时自动检测和构建类似硬件的分层MPI拓扑。利用这些信息，它可以智能地在共享和分布式并行算法之间进行选择，以实现分区和负载均衡。它通过与现有的共享和分布式内存并行分区库接口，提供了一系列分区方法。它提供了强大的和可扩展的抽象，如单侧分布式字典和基于MPI3共享内存的光环通信器，用于优化HPC代码。该工具被成功地集成到我们的内部代码，我们目前的结果从一个燃烧问题的大涡模拟。
2020-08-03 cs.DC
Simple Load Balancing
我们考虑以下针对在由完整图连接的$n$节点之间任意分布的$m$令牌的负载均衡过程：在每个时间步中，随机均匀选择一对节点。令$\ell_1$和$\ell_2$为其各自的令牌数。两个节点交换令牌，使得它们分别具有$\lceil(\ell_1 + \ell_2)/2\rceil$和$\lfloor(\ell_1 + \ell_2)/2\rfloor$令牌。我们提供了一个简单的分析表明，这个过程中达到几乎完美的平衡内$O(n\log{n} + n \logΔ)$步骤，其中$Δ$是任何两个节点之间的最大初始负载差。
2018-08-16 cs.DC
Cluster-Based Load Balancing Algorithms for Grids
电子科学应用可能需要大量的数据和高处理能力，而网格基础设施非常适合满足这些要求。网格中的负载分布可能会发生变化，从而导致瓶颈和过载站点。我们描述了一个层次的动态负载均衡协议的网格。网格由集群组成，每个集群由一个协调器表示。每个协调器首先尝试平衡其集群中的负载，如果失败，则与其他协调器通信以执行负载的传输或接收。这一过程定期重复。我们分析了该协议的正确性，性能和可扩展性，并从模拟结果表明，我们的算法通过减少网格环境中的高负载节点的数量来平衡负载。
2011-10-10 cs.DC
Practical Load Balancing for Content Requests in Peer-to-Peer Networks
本文研究的问题负载平衡的需求，在对等网络中的异构对等节点，持有副本的内容。分布式系统中的先前分散式负载均衡技术将其决策基于包含关于在服务实体处观察到的负载或可用容量的信息的周期性更新。我们发现，这些技术不工作，以及在对等上下文中，要么他们不解决对等节点的异构性，或者他们遭受显着的负载振荡。我们提出了一种新的分散算法，最大上限，副本节点的最大固有容量的基础上，并表明，与以前的算法不同，它是不依赖于更新的及时性或频率。然而，Max-Cap可以处理对等环境的异构性，而不会受到负载振荡的影响。
2002-09-21 cs.DC cs.NI
Dynamic load balancing strategies for hierarchical p-FEM solvers
方程系统产生的p-版本有限元离散化通常需要一个特殊的处理，因为迭代求解器不是很有效。应用分层概念的基础上嵌套的解剖方法，允许设计复杂的求解器，以及先进的并行化策略。为了充分利用并行系统的底层计算能力，动态负载均衡策略成为一个重要组成部分。
2018-07-02 cs.DC
A Low Cost Two-Tier Architecture Model For High Availability Clusters Application Load Balancing
提出了一种低成本的两层高可用集群体系结构模型的设计与实现，结合负载均衡和共享存储技术，实现了Web服务器等应用负载均衡的三层体系结构。研究工作提出了一种设计，物理上省略网络文件系统（NFS）服务器节点和实现NFS服务器功能的集群节点，通过红帽集群套件（RHCS）与高可用性（HA）代理负载均衡技术。为了在硬件和计算解决方案的投资方面实现低成本的实现，所提出的架构将是有益的。该系统旨在提供稳定的服务，即使任何系统组件故障，由于不确定性，如网络系统，存储和应用程序。
2014-06-22 cs.DC cs.NI
Load Balancing Using Sparse Communication
本研究提出感知通信的负载均衡框架与基于状态近似的算法，通过新型通信协议用稀疏通信实现准确队列近似，经理论证明和仿真验证，在降低90%通信量的同时达到甚至超越现有最优算法性能。
2024-05-23 cs.DC cs.SY eess.SY
DPA Load Balancer: Load balancing for Data Parallel Actor-based systems
本文提出DPA Load Balancer，通过持续监控actor输入队列长度并结合一致性哈希重分配输入与状态合并，有效缓解流式框架中数据倾斜导致的掉队者问题。
2023-08-02 cs.DC
(Almost) Perfect Discrete Iterative Load Balancing
本文针对任意图上的离散迭代负载均衡，提出一类通用匹配均衡方案，证明其能以高概率在渐近匹配连续谱界的轮数内达到差异度3，优于先前结果且适用于任意图。
2025-10-17 cs.DC math.PR
Load balancing in cloud data centers with optimized virtual machines placement
本文提出一种基于 learning automata 强化学习的虚拟机优化分配方法，通过提升优化算法性能并加速其收敛至全局最优，有效实现了云数据中心服务器间的负载均衡。
2023-11-07 cs.DC cs.NI
Dynamic Averaging Load Balancing on Arbitrary Graphs
本文研究一般图上的动态平均负载均衡。我们考虑无限的时间和动态过程，在每一步新的负载项目被分配到随机选择的节点。选择一个匹配，并在该匹配的边缘上平均负载。我们分析了载荷项不可分的离散情形，而且我们的结果也可以推广到载荷项可以任意分割的连续情形。对于匹配的选择，我们考虑三种不同的模型，随机匹配的线性大小，随机匹配只包含单个边缘，和确定性序列的匹配覆盖整个图形。我们限制差异，其定义为最大和最小负载之间的差异。我们的研究结果涵盖了广泛的图形类，据我们所知，我们的分析是离散和动态平均负载均衡过程的第一个结果。作为我们的主要技术贡献，我们开发了一个漂移的结果，使我们能够应用技术的基础上，在一个电气网络的有效电阻的动态负载均衡的设置。
2023-02-23 cs.DC cs.DS math.PR
A Systematic Comparison of Dynamic Load Balancing Algorithms for Massively Parallel Rigid Particle Dynamics
随着计算能力随着时间的推移而增加，更多涉及和更大的模拟成为可能。然而，有效地使用所提供的计算资源变得越来越困难。特别是在具有空间域分区的基于粒子的模拟中，由于模拟是动态的，可能会发生大的负载不平衡。那么静态域划分可能不合适。这可能会显著降低模拟的整体运行时间。必须设计复杂的负载均衡策略来缓解此问题。在本文中，我们进行了系统的性能评估六种不同的负载均衡算法。我们的测试涵盖了广泛的模拟规模，并采用了最大的超级计算机之一。特别是，我们仔细研究了模拟的所有组件的运行时和内存的复杂性。当进展到极端规模的模拟，它是必不可少的，以确定瓶颈和预测的缩放行为。缩放实验显示多达一百多万个过程。每个算法的性能进行了分析，相对于质量的负载均衡和它的运行时成本。对于所有的测试，waLBerla多物理场框架。
2019-08-02 cs.DC
Stochastic Coordination in Heterogeneous Load Balancing Systems
当今的数据中心和大容量云服务采用了大量的异构服务器。在这样的设置中，客户端请求通常到达多个入口点，并且将它们分派到服务器是一个紧急的分布式系统问题。本文提出了一种有效的解决方案，在这种系统中的负载均衡问题，改进和克服以前的解决方案的问题。将负载均衡问题转化为一个随机优化问题，通过对该问题的数学分析，得到了一个有效的算法解。最后，对模拟数据的解决方案的广泛评估表明，它优于以前的解决方案。此外，由此产生的调度策略可以非常有效地计算，使解决方案实际可行。
2021-07-25 cs.DC cs.NI
Multi-Agent Reinforcement Learning for Network Load Balancing in Data Center
École Polytechnique（巴黎综合理工学院）；Cisco Systems（思科系统公司）；Princeton University（普林斯顿大学）
本文提出了网络负载均衡问题，一个具有挑战性的现实世界的任务，多智能体强化学习（MARL）方法。传统的启发式解决方案如加权代价多路径（WCMP）和本地最短队列（LSQ）对不断变化的负载分布和到达率缺乏灵活性，多个负载均衡器之间的平衡性较差。将协作网络负载均衡问题转化为Dec-POMDP问题，自然地引入了MARL方法。为了弥合应用基于学习的方法的现实差距，所有方法都直接在中到大规模的仿真系统上进行训练和评估。实验结果表明，独立和“自私”的负载均衡策略并不一定是全局最优的，而MARL算法在不同的环境下都具有较好的性能.此外，MARL方法的网络负载均衡的潜在困难进行了分析，这有助于提请注意的学习和网络社区的挑战。
2022-08-19 cs.DC cs.LG cs.NI
In-Situ Assessment of Device-Side Compute Work for Dynamic Load Balancing in a GPU-Accelerated PIC Code
在分布式计算模型下，保持计算负载平衡对于代码的性能行为是很重要的。这对于GPU架构尤其如此，如果负载平衡不当，可能会遭受内存超额预订。我们提出了传统的负载均衡方法的增强，并明确针对GPU架构，探索由此产生的性能。我们的增强功能的一个关键组成部分是引入了几个GPU适合评估计算工作的策略。实施这些策略并进行基准测试，以找到最佳的数据汇集方法，用于GPU计算工作的现场评估。对于支持MPI+CUDA并行的完全动力学粒子细胞代码WarpX，我们通过一个基于强缩放的性能模型研究了改进的动态负载均衡的性能，并表明，对于在Summit上运行高达6144个GPU的激光离子加速测试问题，增强的动态负载均衡实现了从62%-74（在6个GPU上运行时为88%）理论预测的最大加速比;对于96-GPU的情况，我们发现动态负载均衡相对于没有负载均衡的基线（3.8倍加速）和具有静态负载均衡的基线（1.2倍加速）提高了性能。我们的研究结果提供了重要的见解动态负载均衡和性能评估，特别是在分布式内存应用程序的GPU上运行的背景下。
2021-04-23 cs.DC physics.acc-ph physics.comp-ph
Multi-GPU SNN Simulation with Static Load Balancing
FORTH - ICS（希腊研究与技术基金会计算机科学研究所）；CSD - UOC（克里特大学计算机科学系）
我们提出了一个SNN模拟器，可扩展到数百万个神经元，数十亿个突触和8个GPU。这是通过1）新颖的高速缓存感知尖峰传输算法2）模型并行多GPU分布方案和3）静态但非常有效的负载均衡策略实现的。该模拟器还具有易于使用的API和创建自定义模型的能力。我们比较建议的模拟器对两个国家的最先进的一系列基准，使用三个完善的模型。我们发现，我们的模拟器更快，消耗更少的内存，并与GPU的数量线性扩展。
2021-04-22 cs.DC cs.LG cs.NE
Performance Assessment of Diffusive Load Balancing for Distributed Particle Advection
粒子平流是从矢量场中提取积分曲线的方法。由于负载不平衡的问题，粒子平流的有效并行化是一项具有挑战性的任务，其中进程被分配不平等的工作负载，导致其中一些进程在其他进程执行计算时空闲。负载均衡的方法有很多种，但它们都需要权衡，比如增加进程间的通信，或者需要中央控制结构。在这项工作中，我们提出了两个本地负载均衡方法的基础上扩散负载均衡家庭的粒子平流。每个进程都可以访问其相邻进程的块，这使得能够基于由邻域的工作负载定义的度量来动态共享粒子。这些方法在强和弱缩放以及负载不平衡方面进行评估。我们表明，该方法减少了总的运行时间的平流和缩放方面是有前途的，因为他们在本地孤立的进程邻域。
2022-08-16 cs.DC cs.GR
Optimal Oblivious Load-Balancing for Sparse Traffic in Large-Scale Satellite Networks
Massachusetts Institute of Technology（麻省理工学院）
研究了大规模LEO卫星网络中稀疏流量的最优盲目负载均衡方案，通过线性规划证明了在稀疏流量下，盲目路由无法低于特定负载上限，并构造了达到下限的最优方案。
2026-10-01 cs.DC cs.NI
Harnessing Routing Foresight for Micro-step-level MoE load balancing in RL Post-training
Peking University（北京大学）；Shanghai Jiao Tong University（上海交通大学）；Tencent（腾讯）
针对MoE模型在RL后训练中微步级负载波动问题，提出ForeMoE系统，利用rollout阶段的可预见路由信息主动引导负载均衡，并采用分层规划器与传输引擎实现微步级重配置，在64 GPU上取得高达1.45倍加速。
2026-06-11 cs.DC
Two-level Dynamic Load Balancing for High Performance Scientific Applications
科学应用程序通常是复杂的，不规则的，计算密集型的。为了适应科学应用的不断增长的计算需求，高性能计算（HPC）系统已经变得更大且更复杂，从而提供多个级别的并行性（例如，节点、每个节点的核数、每个核的线程数）。科学应用需要利用所有可用的多级硬件并行性来利用可用的计算能力。在这样的HPC系统上执行的应用的性能可能受到由问题、算法和系统特性引起的多个级别的负载不平衡的不利影响。然而，大多数现有的负载均衡方法不能同时解决多个级别的负载不平衡。这项工作调查的影响，负载不平衡的性能上的三个科学应用程序的线程和进程的水平。我们共同申请和评估选定的动态循环自调度（DLS）技术，这两个层次。具体来说，我们采用扩展的LaPeSD OpenMP运行时库在线程级和扩展的DLS4LB基于MPI的动态负载均衡库在进程级。这种方法是通用的，适用于任何多进程多线程计算密集型应用程序（使用MPI和OpenMP编程）。我们进行了详尽的实验，评估和比较六个DLS技术在线程级和11个在进程级。结果表明，只有在这两个级别上联合解决负载不平衡问题，才能将应用程序性能提高21%。我们提供了深入了解所选择的DLS技术的性能，并讨论了线程级和进程级的负载均衡的相互作用。
2019-11-15 astro-ph.IM cs.DC cs.PF
Dynamic Load Balancing Strategies for Graph Applications on GPUs
由于图形处理在各个领域的普遍使用，在GPU上加速图形应用程序已经引起了很大的兴趣。图形应用程序中固有的\textit{irregularity}导致了并行化的几个挑战。一个关键的挑战，我们在本文中解决，是负载不平衡。如果线程的工作分配使用基于节点的图分区，则可能导致倾斜的任务分布，从而导致较差的负载平衡。相比之下，如果工作分配使用基于边的图划分，则负载平衡更好，但内存需求相对较高。这使得它不适合大型图形。在这项工作中，我们提出了三种技术，用于改进GPU上的图形应用程序的负载平衡。每种技术都带来了独特的优势，用户可能必须根据需求采用特定的技术。使用广度优先搜索和单源最短路径作为我们的处理内核，我们说明了现有的基于节点和基于边缘的机制相比，所提出的技术的有效性。
2017-11-01 cs.DC
Decentralized Task Offloading and Load-Balancing for Mobile Edge Computing in Dense Networks
University of Tübingen（蒂宾根大学）；Ruhr-University Bochum（鲁尔大学波鸿分校）
本文针对密集网络中信息未知、任务随机的去中心化卸载与负载均衡问题，提出结合平均场多智能体多臂老虎机博弈和奖励调整负载均衡技术的方法，实现目标负载分布收敛。
2024-06-24 cs.DC cs.LG cs.MA
