负载均衡的并行节点生成用于无网格数值方法

平衡覆盖网络（BON）：通过自组织随机网络实现分散式负载均衡

Balanced Overlay Networks (BON): Decentralized Load Balancing via Self-Organized Random Networks

我们提出了一种新的框架，称为平衡覆盖网络（BON），它提供了可扩展的，分散的负载均衡的分布式计算使用大规模池的异构计算机。基本上，BON将每个节点的可用计算资源信息编码在连接网络中节点的链路结构中。这种分布式编码是自组织的，每个节点通过随机游走采样管理其入度和本地连接。将传入作业分配给具有最多空闲资源的节点也通过经由短随机游走对节点进行采样来完成。大量的模拟表明，由此产生的高度动态和自组织的图结构可以有效地平衡整个大规模网络的计算负载。这些模拟涵盖了广泛的情况，包括可用计算资源的显著异质性和传入负载的高突发性。我们提供了分析结果，证明了BON的可扩展性，真正的大规模网络：特别是我们表明，在某些理想条件下，网络结构收敛到Erdos-Renyi（ER）随机图;我们的模拟结果，但是，表明该算法做得更好，结构似乎接近理想情况下的d-正则随机图。我们还将高负载的BON和著名的球仓随机负载均衡框架联系起来。

2006-01-16cs.DC

时变动态图上的均衡分散

Balanced Dispersion on Time-Varying Dynamic Graphs

本文提出动态图上的 k-balanced dispersion 问题，通过同时约束各节点智能体数的上下界，将移动智能体分散与可移动负载均衡统一起来。

2025-09-02cs.DC

胖树网络的随机负载均衡路由

Randomized Load-balanced Routing for Fat-tree Networks

胖树网络已被广泛采用的高性能计算（HPC）集群和数据中心网络（DCN）。这些并行系统通常具有大量的服务器和主机，这会产生大量的高波动性流量。因此，分布式负载平衡路由设计成为实现高带宽利用率和低延迟数据包传输的关键。现有的分布式设计依赖于远程拥塞反馈来解决拥塞，这增加了收集和响应网络范围的拥塞信息的开销。相比之下，我们提出了一个简单而有效的负载平衡方案，称为动态随机负载平衡（DRB），通过本地链路调整，这是免费的交换机之间的通信和合作，以实现网络范围内的低水平的路径冲突。首先，我们使用D-mod-k路径选择方案为胖树网络中的所有源-目的地（S-D）对分配默认路径，保证任何一组活动S-D对的下行链路上的低水平路径冲突。然后，我们提出了基于双选择（TTC）的随机化技术，通过在每个交换机本地上行链路调整来平衡上行链路流量。我们从理论上表明，建议TTC的胖树网络中的上行链路负载均衡有一个类似的性能作为两个选择技术在该地区的随机负载均衡。仿真结果表明，在胖树网络中，采用TTC技术的DRB比许多随机路由方案都有明显的改善。

2017-08-30cs.DC

DCAFE：递归任务并行程序的动态负载平衡循环分块和主动完成消除

DCAFE: Dynamic load-balanced loop Chunking & Aggressive Finish Elimination for Recursive Task Parallel Programs

在本文中，我们提出了两个共生优化优化递归任务并行（RTP）程序，减少任务创建和终止的开销。我们的第一个优化积极主动消除（AFE）有助于在很大程度上减少冗余连接操作。第二个优化动态负载平衡循环分块（DLBC）扩展了先前的循环分块工作，以在运行时根据可用工作线程的数量决定并行任务的数量。此外，我们讨论了异常对我们的优化的影响，并将其扩展到处理可能抛出异常的RTP程序。我们在X10v2.3编译器中实现了DCAFE（= DLBC+AFE），并在两种不同硬件（16核Intel系统和64核AMD系统）上的一组基准内核上对其进行了测试。针对Nandivada等人[Nandivada et al.（2013）Nandivada，Shirako，Zhao，and Sarkar]（LC），DCAFE在Intel和AMD系统上分别实现了5.75倍和4.16倍的几何平均速度提升。我们还对英特尔系统的能耗进行了评估，结果表明，与LC版本相比，DCAFE版本的能耗平均降低了71.2%。

2015-02-21cs.DC

用于分布式并行科学数据可视化与分析的异步负载平衡联合查找

Asynchronous and Load-Balanced Union-Find for Distributed and Parallel Scientific Data Visualization and Analysis

我们提出了一种新的分布式union-find算法，其特点是异步并行和基于k-d树的负载均衡可扩展的可视化和科学数据的分析。union-find的应用包括水平集提取和临界点跟踪，但分布式union-find可能会受到高同步成本和跨并行进程的不平衡工作负载的影响。在这项研究中，我们证明了现有的分布式union-find中的全局同步可以在不改变最终结果的情况下消除，从而允许重叠的通信和计算进行可扩展的处理。我们还使用k-d树分解来重新分配输入，以改善工作负载平衡。我们使用合成和应用数据对算法的可扩展性进行了基准测试，最多可使用1，024个进程。我们证明了我们的算法在临界点跟踪和超水平集提取与高速成像实验和聚变等离子体模拟，分别使用。

2021-04-13cs.DC

负载均衡DSMC的一种时间扩展代价函数

A Timer-Augmented Cost Function for Load Balanced DSMC

由于时间步长之间的硬依赖性，使用直接模拟蒙特卡罗（DSMC）方法进行的大规模模拟气体的速度最慢的处理器。因此，只有确保每个时间步所做的工作尽可能均匀地分配给处理器，才能实现可伸缩性。此外，随着模拟系统的发展，负载会发生变化，因此这种负载平衡通常需要在模拟过程中多次执行。常见的方法通常使用粗略的性能模型或处理器级定时器。我们结合两者来创建一个时间增强的成本函数，既收敛速度快，并产生良好的平衡处理器分解。当相比，单独的基于粒子的性能模型，我们的方法实现了2倍的加速在稳态高达1024个处理器的测试用例组成的马赫9氩气射流冲击固体壁。

2019-02-16cs.CEcs.DC

完美的负载平衡、优化、稳定、并行合并

Perfectly load-balanced, optimal, stable, parallel merge

我们提出了一个简单的，工作最佳和同步免费的解决方案，稳定地合并在并行两个给定的，有序的数组的m和n个元素到一个有序的数组的m+n个元素。的主要贡献是一个新的，简单，快速和直接的算法，确定任何前缀的稳定合并的输出序列，准确的前缀的两个输入序列需要产生这个输出前缀。更确切地说，对于所得到的、但尚未构造的表示输出前缀的输出数组中的任何给定索引（秩），该算法计算表示所需输入前缀的两个输入数组中的每一个中的索引（共秩），而不必合并输入数组。时间复杂度为O（log min（m，n））。该算法被用来设计一个完美的负载平衡，稳定，并行合并算法，其中每个p个处理元素有完全相同数量的输入元素合并。与其他方法的并行合并问题相比，我们的算法是相当简单，可以更快的两倍。与以往的算法相比，解决共同排名问题，这里给出的算法是直接的，并保持稳定的存在重复的元素，在没有额外的空间或时间成本。当处理单元数量p不超过（m+n）/log min（m，n）时，并行合并算法具有最佳加速比。它易于在共享和分布式存储并行系统上实现。

2013-11-12cs.DC

大规模多跳网络中的自组织均衡路由机制

Self-Organization Scheme for Balanced Routing in Large-Scale Multi-Hop Networks

我们提出了一个自组织计划的成本效益和负载平衡的多跳网络路由。为了避免超载节点提供有利的路由条件，我们分配给每个节点的成本函数，惩罚高负载。因此，寻找到汇聚节点的路由被公式化为一个优化问题，其中全局目标函数在路由成本和节点负载之间取得平衡。我们应用信念传播（其最小和版本）来解决网络优化问题，并获得一个分布式算法，使节点集体发现全局最优路由，通过执行低复杂度的计算和交换消息与他们的邻居。我们证明了所提出的方法收敛到全局最优后，有限数量的本地交换的消息。最后，我们证明了我们的框架的有效性，在平衡节点负载和研究负载减少和总成本最小化之间的权衡。

2018-08-10cs.DCcs.NI

FlashCP: 面向LLM训练的负载均衡且通信高效的上下文并行

FlashCP: Load-Balanced Communication-Efficient Context Parallelism for LLM Training

Stanford University（斯坦福大学）

提出FlashCP框架，通过分片感知通信消除冗余KV传输，并设计Whole-Doc分片策略与启发式算法，实现负载均衡与通信高效，在多种数据集上取得最高1.63倍加速。

2026-06-07cs.AIcs.DC

并行平衡分配：重负载情况

Parallel Balanced Allocations: The Heavily Loaded Case

我们研究了经典的球到箱问题，其中$m$球作为单独的代理并行放置到$n$箱的并行算法。算法在同步轮中运行，在每个轮中，球和箱子交换一次消息。目标是使用少量的轮和少量的消息来最小化所有bin上的最大负载。虽然$m=n$球的情况已被广泛研究，但对重载情况知之甚少。在这项工作中，我们认为并行算法有点被忽视的制度$m\gg n$。将每个球分配到均匀且独立随机选择的箱的简单解决方案导致最大负载$m/n+Θ(\sqrt{m/n\cdot \log n})$（对于$m\geq n \log n$）w.h.p.相反，对于序贯设置，Berenbrink等人（SIAM J.Comput 2006）表明，让每个球加入两个随机选择的仓中的最小负载仓将最大负载降低到$m/n+O(\log\log m)$ w.h.p.。迄今为止，这种结果的平行变体是未知的。我们提出了一个简单的并行阈值算法，获得最大负载的$m/n+O(1)$ w.h.p.内$O(\log\log (m/n)+\log^* n)$轮。该算法是对称的（球和箱都“看起来一样”），球在每轮预期中发送$O(1)$消息。已知复杂度中的加性项$O(\log^* n)$对于此类算法是紧的（Lenzen和Wattenhofer Distributed Computing 2016）。我们还证明了我们的分析是严密的，即，我们提供的这种类型的算法必须运行$Ω(\mi…

2019-04-16cs.DC

Canzona: 一个统一的、异步的、负载平衡的分布式矩阵优化器框架

Canzona: A Unified, Asynchronous, and Load-Balanced Framework for Distributed Matrix-based Optimizers

Alibaba Group（阿里巴巴集团）；Peking University（北京大学）

Canzona提出一个统一的异步负载平衡框架，解决分布式矩阵优化器中张量碎片化与整体更新需求的冲突，通过alpha-平衡静态划分和异步计算流水线实现高效并行计算。

2026-02-04cs.DCcs.LG

GLB：X10中基于生命线的全局负载均衡库

GLB: Lifeline-based Global Load Balancing library in X10

我们提出了GLB，一个编程模型和相关的实现，可以处理大范围的不规则的并行编程问题运行在大规模分布式系统。GLB既适用于通过静态调度容易实现负载平衡的问题，也适用于难以实现静态负载平衡的问题。GLB隐藏了复杂的同步（例如，节点间通信、初始化和启动、负载均衡、终止和结果收集）。GLB内部使用了Saraswat等人提出的基于生命线图的工作窃取算法。GLB的用户只需编写几段符合GLB接口的顺序代码。然后，GLB可以正确、高效地大规模调度和编排代码的并行执行。我们已经将GLB应用于两个具有代表性的基准测试：介数中心性（BC）和不平衡树搜索（UTS）。其中，BC可以静态负载平衡，而UTS不能。在这两种情况下，GLB都可以很好地扩展--在不同的计算机体系结构（Power、Blue Gene/Q和K）上实现几乎线性的加速--最高可达16 K个内核。

2013-12-19cs.DC

NeutronTP：基于张量并行的负载均衡分布式全图GNN训练

NeutronTP: Load-Balanced Distributed Full-Graph GNN Training with Tensor Parallelism

本文提出NeutronTP系统，通过张量并行划分特征实现负载均衡的分布式全图GNN训练，并采用解耦训练框架和内存高效调度，在16节点集群上相比现有系统实现最高8.72倍加速。

2024-12-29cs.DC

通过负载不平衡对英特尔至强融核上的MPDATA进行基于模型的优化

Model-based optimization of MPDATA on Intel Xeon Phi through load imbalancing

负载均衡是一种被广泛接受的并行架构上的科学应用程序的性能优化技术。事实上，平衡的应用程序不会在等待同步和数据交换点上浪费处理器周期，从而最大限度地利用处理器。在本文中，我们挑战的普遍性的负载平衡方法，以优化并行应用程序的性能。首先，我们制定了应用程序的性能配置文件应满足的条件，以便应用程序通过负载均衡实现其最佳性能。然后，我们使用一个现实生活中的科学应用程序，MPDATA，以证明其性能配置文件的现代并行架构，英特尔至强融核，显着偏离这些条件。基于这一观察，我们提出了一种方法，通过负载不平衡的科学应用程序的性能优化。我们还提出了一个算法，找到最佳的，可能是不平衡的，一组同构处理器上的数据并行应用程序的配置。该算法使用应用程序的功能性能模型来找到最小化其计算时间但不一定平衡处理器负载的分区。我们展示了如何将此算法应用于英特尔至强融核上的MPDATA优化。实验结果表明，采用本文提出的负载不平衡优化方法，经过精心优化的负载平衡应用程序的性能可进一步提高15%.

2015-07-05cs.DC

面向高吞吐量和负载均衡LLM服务的切片级调度

Slice-Level Scheduling for High Throughput and Load Balanced LLM Serving

本文提出切片级调度（SCLS），通过将最大生成长度切分为切片并按切片服务批次，解决LLM服务中请求长度不可预测导致的调度难题，实现高达315.8%的吞吐量提升和更好的负载均衡。

2025-03-09cs.DC

物联网边缘计算中基于FiWi接入网的负载均衡服务功能链接

Load-balanced Service Function Chaining in Edge Computing over FiWi Access Networks for Internet of Things

服务功能链（SFC）有望为物联网（IoT）实现灵活且可扩展的虚拟网络基础设施。边缘计算被认为是处理大量物联网应用数据的有效解决方案。为了在分布式边缘计算节点（ECN）之间统一为物联网应用提供服务，提出了一种基于SDN和NFV协调的统一SFC编排框架，该框架通过利用FiWi接入网络的连接性提供协同边缘云平台。此外，我们研究的VNF部署问题在我们的协同框架下，我们制定了一个混合整数非线性规划（MINLP）问题，共同考虑负载均衡的网络和计算链VNF。我们还提出了两个近似的最优部署算法贪婪二分多路径（GBMP）和KSP多路径（KSMP）利用部署在ECN的多实例虚拟网络功能（VNF）和FiWi接入网络的多路径能力。在两种类型的物联网应用场景中进行了广泛的仿真，在EC over FiWi接入网络。数值结果表明，在两种典型场景下，我们提出的算法在负载均衡、业务接受率和网络利用率方面均优于单路径和基于ECMP的部署算法.

2020-06-15cs.DCcs.NI

我们是不耐烦的：（几乎）任意负载函数的地理分布负载均衡算法

We Are Impatient: Algorithms for Geographically Distributed Load Balancing with (Almost) Arbitrary Load Functions

在地理分布的系统中，通信延迟是不可忽略的。因此，请求的感知处理时间由将请求路由到服务器所需的时间和实际处理时间组成。一旦请求到达目标服务器，处理时间取决于该服务器的总负载;这种依赖性由load函数描述。我们考虑一类广泛的负载函数，我们只需要他们是凸的和二次可微的。特别是我们的模型可以应用到异构系统中，每个服务器有一个不同的负载函数。这种方法使我们不仅可以概括排队理论和批量请求的结果，而且还可以使用在压力测试下的系统中测量的派生负载函数。请求到服务器的最优分配是通信平衡的，即对于任何一对非完美平衡的服务器，将单个请求从过载服务器移动到欠载服务器所导致的处理时间的减少小于额外的通信延迟。我们提出了一个集中式和分散式的最佳负载均衡算法。我们证明了算法收敛的界。据我们所知，这些界限是不知道的，即使是以前研究的特殊情况下（排队理论和批量的请求）。这两种算法都是任意时间算法。在分散式算法中，每个服务器与随机选择的对等体平衡负载。这种算法对故障具有很强的鲁棒性。我们证明了分散算法执行局部最优步骤。我们的工作扩展了目前已知的结果，考虑了广泛的一类负载函数，并建立理论界的算法的收敛性。这些结果是适用于服务器的负载下的特性不能用一个标准的数学模型来描述。

2014-02-10cs.DC

cuFINUFFT：用于通用非均匀FFT的负载平衡GPU库

cuFINUFFT: a load-balanced GPU library for general-purpose nonuniform FFTs

非均匀快速傅立叶变换在图像重建和信号处理等应用中占据着重要的位置。因此，我们提出了一个通用的基于GPU的CUDA库的类型1（非均匀到均匀）和类型2（均匀到非均匀）的转换在2维和3维，在单精度或双精度的。它通过缓存感知点重新排序和共享内存中的负载平衡块扩展，实现了给定用户要求的精度的高性能，而不管非均匀点的分布如何。在低精度下，这会使GPU上的吞吐量大约为每秒$10^9$非均匀点，并且（甚至包括主机-设备传输）通常比最新的并行CPU代码FINUFFT（在28个线程时）快4-10 $\times$。它与两个已建立的GPU代码具有竞争力，在高精度和/或类型1聚类点分布下最多快90 $\times$。最后，我们展示了5-12 $\times$加速比CPU在X射线衍射3D迭代重建任务在$10^{-12}$精度，观察优秀的多GPU弱缩放到一个等级每GPU。

2021-03-25cs.DCcs.MScs.NA

并行几何划分的平衡k-means算法

Balanced k-means for Parallel Geometric Partitioning

网格划分是高效并行数值模拟不可缺少的工具。它的目标是在实现负载平衡的同时最大限度地减少仿真进程之间的通信。建立基于图的分区工具产生高质量的解决方案，但是，它们的可扩展性是有限的。几何方法通常规模更好，但他们的解决方案的质量可能是令人不满的“非平凡的”网状拓扑结构。在本文中，我们提出了一个可扩展的版本的$k$ -手段，是适应于产生平衡的集群。平衡的$k$ -手段构成了我们的新分区算法地理的核心。初始中心的自举与空间填充曲线进行，导致快速收敛的后续平衡k-means算法。我们在众多基准网格上使用多达16384个MPI进程的实验表明：（i）地理学家产生的分区比Zoltan包中最先进的几何分区具有更低的通信量;（ii）地理学家在大输入上扩展良好;（iii）具有数十亿个顶点和边的Delaunay网格可以在几秒钟内分区。

2018-05-03cs.DC

Para-B&B: 解决MIP问题的负载均衡确定性并行化

Para-B&B: Load-Balanced Deterministic Parallelization of Solving MIP

School of Transportation, Southeast University（东南大学交通学院）

本文提出Para-B&B，通过AI驱动的负载平衡机制和数据并行架构，实现HiGHS求解器的确定性并行化，实验显示在80个MIPLIB 2017实例上取得2.17的几何平均加速率。

2026-02-10cs.AIcs.DC

二进制PSOGSA在云环境下的负载均衡任务调度

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。

2018-06-01cs.DC

LIMO：移动雾网络中基于 MAPE 和粒子群优化的负载均衡卸载

LIMO: Load-balanced Offloading with MAPE and Particle Swarm Optimization in Mobile Fog Networks

本文提出 LIMO 策略，基于 MAPE 控制回路和 PSO 算法实现雾网络负载均衡与任务迁移，有效降低延迟，提升网络资源利用率 10%，减少云访问与响应时间。

2024-08-28cs.DCcs.NI

负载平衡并行粒子追踪的强化学习

Reinforcement Learning for Load-balanced Parallel Particle Tracing

The Ohio State University（俄亥俄州立大学）；Argonne National Laboratory（阿贡国家实验室）；Broad Institute of MIT and Harvard（麻省理工学院和哈佛大学布罗德研究所）

我们探索了一种在线强化学习（RL）范式，以动态优化分布式内存系统中的并行粒子跟踪性能。我们的方法结合了三个新的组件：（1）工作捐赠算法，（2）高阶工作量估计模型，（3）通信成本模型。首先，我们设计了一个基于RL的工作捐赠算法。我们的算法监控进程的工作负载，并创建RL代理，将数据块和粒子从高工作负载进程捐赠给低工作负载进程，以最大限度地减少程序执行时间。代理学习捐赠策略的基础上的奖励和成本函数设计考虑过程的工作量变化和捐赠行动的数据传输成本的飞行。其次，我们提出了一个工作负载估计模型，帮助RL代理估计未来计算过程的工作负载分布。第三，我们设计了一个考虑块和粒子数据交换成本的通信成本模型，帮助RL代理以最小的通信成本做出有效的决策。我们证明了我们的算法适用于大规模流体动力学，海洋和天气模拟数据中的不同流动行为。我们的算法提高了并行粒子跟踪性能的并行效率，负载平衡，I/O和通信的成本与多达16,384个处理器的评估。

2022-02-01cs.AIcs.DCcs.GR

基于稀疏化的长期均衡分配

Long-term balanced allocation via thinning

针对球盒模型的双稀疏化变体，研究长期负载均衡问题，给出三类最大负载的紧估计，揭示典型与全局最优负载的差距并提出达到对应界的策略。

2021-10-11cs.DCcs.DSmath.PR

SMetric：以平衡的会话中心调度重新思考面向服务代理的大语言模型调度

SMetric: Rethink LLM Scheduling for Serving Agents with Balanced Session-centric Scheduling

Institute of Parallel and Distributed Systems, Shanghai Jiao Tong University（并行与分布式系统研究所，上海交通大学）；Alibaba Group（阿里巴巴集团）

研究代理服务中LLM调度问题，提出基于全局层KV存储和会话内局部性的见解，设计SMetric平衡会话中心调度，相比先进调度器提升集群TPS及预填充TPS，降低每个令牌延迟。

2026-09-15cs.AIcs.DC

（几乎）完美的离散迭代负载均衡

(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。

2025-10-17cs.DCmath.PR

基于密钥对分配的MapReduce操作负载均衡改进

Improving the Load Balance of MapReduce Operations based on the Key Distribution of Pairs

负载平衡对于MapReduce减少作业持续时间，提高并行效率等非常重要。以前的工作主要集中在粗粒度调度上。本研究关注MapReduce操作的细粒度调度。每个操作代表Map或Reduce函数的一次调用。调度MapReduce操作是困难的，因为高度螺旋操作负载，不支持收集工作负载统计信息，以及调度问题的高度复杂性。因此，目前的实现采用简单的策略，导致负载平衡差。为了解决这些困难，我们设计了一个算法来调度操作的基础上的中间对的密钥分布。该算法涉及一个子程序，用于选择操作的任务槽，我们称之为平衡子集和（BSS）问题。本文讨论了BSS的特性，设计了BSS的精确算法和近似算法，并设计了一个通信机制来收集统计信息，设计了一个流水线来提高资源利用率，从而将这些算法透明地集成到MapReduce中。据我们所知，这是在这种细粒度级别上调度MapReduce工作负载的第一项工作。在PUMA [T+12]基准测试上的实验显示出一致的性能改进。与标准MapReduce相比，作业持续时间最多可减少37%。

2014-04-14cs.DC

一种简单的P2P系统中范围划分数据的负载均衡算法

A simpler load-balancing algorithm for range-partitioned data in peer-to-peer systems

随机散列是对等网络中平衡节点之间负载的标准方法。然而，散列破坏了对象键的局部属性，这是许多应用程序的关键属性，更具体地说，是那些需要范围搜索的应用程序。为了在保持负载平衡的同时保持密钥顺序，Ganesan、Bawa和Garcia-Molina提出了一种支持对象插入和删除的负载均衡算法，该算法使用恒定的摊销成本来保证网络中节点之间的最大和最小负载之间的比率为4.237。然而，他们的算法并不容易在真实网络中实现，因为它是递归的。他们的算法大多使用具有全局最大最小负载信息的局部操作。在这项工作中，我们提出了一个简单的非递归算法，基本上使用相同的原始操作，在Ganesan { \em等人}。的工作。我们证明，对于插入和删除，我们的算法保证了恒定的最大最小负载比为7.464与恒定的摊销成本。

2013-04-28cs.DCcs.NI

rDLB：一种面向并行独立任务的科学应用鲁棒动态负载均衡新方法

rDLB: A Novel Approach for Robust Dynamic Load Balancing of Scientific Applications with Parallel Independent Tasks

科学应用程序通常包含大型和计算密集型并行循环。动态循环自调度（DLS）用于在高性能计算（HPC）系统上实现此类应用程序的平衡负载执行。大型HPC系统易受处理器或节点故障以及资源可用性扰动的影响。大多数自调度方法不考虑容错调度，或者依赖于故障或扰动检测，并通过重新调度失败的任务来做出反应。在这项工作中，一个强大的动态负载均衡（rDLB）方法提出了强大的独立任务的自我调度。所提出的方法是主动的，不依赖于故障或扰动检测。理论分析表明，该方法具有线性可扩展性，且开销随系统规模的增加呈二次方下降。rDLB集成到MPI DLS库中，通过两个计算密集型科学应用程序通过实验评估其性能。结果表明，rDLB使容忍高达（P减一）处理器故障，其中P是执行应用程序的处理器的数量。在存在扰动的情况下，与没有rDLB的对应物相比，rDLB将DLS技术的鲁棒性提高了30倍，并将应用程序执行时间降低了7倍。

2019-10-04cs.DCcs.PF

带循环存储的分布式数据存储系统的编码数据再平衡

Coded Data Rebalancing for Distributed Data Storage Systems with Cyclic Storage

Departamento de Matemática, Instituto Superior Técnico, Universidade de Lisboa（里斯本大学高等技术学院数学系）；Instituto de Telecomunicações（电信研究所）；International Institute of Information Technology, Hyderabad（海得拉巴国际信息技术学院）；Indian Institute of Science, Bengaluru（班加罗尔印度理工学院）；Qualcomm, Hyderabad（高通（海得拉巴））

本文针对带循环存储的分布式数据存储系统，提出节点退出和新增场景下的编码再平衡方案，该方案文件大小仅为节点数三次方级，负载阶最优且时间复杂度为多项式级。

2026-08-11cs.DCcs.ITmath.IT

GPU加速的PIC代码中动态负载均衡的设备端计算工作的现场评估

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。

2021-04-23cs.DCphysics.acc-phphysics.comp-ph