网格环境中基于移动Agent 的资源发现模型

doi:10.3969/j.issn.1007130X.2010.

J4 ›› 2010, Vol. 32 ›› Issue (1): 109-112.doi: 10.3969/j.issn.1007130X.2010.

网格环境中基于移动Agent 的资源发现模型

(辽宁工程技术大学电子与信息工程学院,辽宁葫芦岛 125105)

收稿日期:2008-08-18 修回日期:2008-11-14 出版日期:2010-01-18 发布日期:2010-01-18
通讯作者: 徐聪渊 E-mail:cw_xcy@hotmail.com
作者简介:徐聪渊(1981-),男,河北唐山人,硕士,研究方向为计算机网络;刘万军，教授,研究方向为软件理论。

A Model of Resource DiscoveryBased on Mobile Agents in Grid

(School of Electronics and Information Engineering,Liaoning Technology University,Huludao 125105,China)

Received:2008-08-18 Revised:2008-11-14 Online:2010-01-18 Published:2010-01-18

摘要/Abstract

摘要：

资源发现是网格计算中相当关键的技术。随着网格技术的不断进步，资源数量不断增加,如何在庞大的网格环境中准确高效地发现用户所需资源，成了网格技术必须解决的问题。本文对现有的两种网格资源发现模型进行了简要的分析,为解决存在的问题,提出了基于移动Agent的多层次结构的资源发现模型，利用DHT缓存和路由技术覆盖网络，采用LDAP目录服务技术、移动Agent技术传输信息、基于Web语义的本体描述资源信息，详细介绍了它的总体框架、工作机制，最后给出了性能分析。

关键词: 网格, 资源发现, DHT, LDAP, 移动Agent, 本体

Abstract:

Resource discovery is a relatively important method in grid. Along with the development of grid technology，the increase of the number of resources, it is a problem we must resolve that how to accurately and efficiently discover resources to meet the users’ need. This paper briefly analyzes two existing models of grid resource discovery to solve the existing problems,advances a mutilevel model based on mobile agents to discover grid resources, uses the DHT cache and route technology to cover networks, adopts the LDAP directory service and mobile agents to transmit information，and describes the resources by ontology based on Web semantics. The overall framework and working mechanism are introduced in detail and an evaluation is given.

Key words: grid;resource discovery;DHT;LDAP;mobile agent;ontology

中图分类号:

TP391

徐聪渊, 刘万军. 网格环境中基于移动Agent 的资源发现模型[J]. J4, 2010, 32(1): 109-112.

XU Cong-Yuan, LIU Mo-Jun. A Model of Resource DiscoveryBased on Mobile Agents in Grid[J]. J4, 2010, 32(1): 109-112.

编辑推荐

Metrics

阅读次数

全文

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	94

来源	本网站	其他网站

次数	67	27
比例	71%	29%

摘要

最新录用	在线预览	正式出版

0	0	59

	来源	本网站

	次数	59
	比例	100%

[1]	武培成, 赵旭俊, 靳黎忠. 基于网格密度积叠的流数据异常检测[J]. 计算机工程与科学, 2025, 47(01): 75-85.
[2]	田卓, 丁嘉欣, 张常有, 邵云霞. 开源前处理软件到通用有限元求解器的网格文件转换方法研究[J]. 计算机工程与科学, 2024, 46(12): 2109-2116.
[3]	杜皓, 毛润彰, 邓蕴桐, 黄思路, 徐小文. MiniBranRAP：极小化分支判断数的AMG粗网格矩阵计算并行算法[J]. 计算机工程与科学, 2024, 46(07): 1158-1166.
[4]	晋广印, 赵旭俊, 龚艺璇. 基于长短期记忆网络的移动轨迹目的地预测[J]. 计算机工程与科学, 2024, 46(03): 525-534.
[5]	陈清江, 顾媛. 基于多尺度深度可分离卷积的低照度图像增强算法[J]. 计算机工程与科学, 2023, 45(10): 1830-1837.
[6]	陈新海, 刘杰, 万仟, 龚春叶, . 一种改进的基于深度神经网络的偏微分方程求解方法[J]. 计算机工程与科学, 2022, 44(11): 1932-1940.
[7]	张勇, 张曦, 万云博, 何先耀, 赵钟, 卢宇彤. 非结构有限体积CFD计算的网格重排序优化[J]. 计算机工程与科学, 2022, 44(10): 1721-1729.
[8]	卢林鹏, 关柏良, 林淑金. 面向点云三维重建的空间感知对抗神经网络[J]. 计算机工程与科学, 2022, 44(07): 1247-1255.
[9]	王佳慧, 钟发荣 . 三维网格图的零可视警察与强盗博弈算法[J]. 计算机工程与科学, 2021, 43(09): 1600-1607.
[10]	龚昊, 刘莹, 冯建周, 赵仁良, 冷佳旭, . 基于GPU加速的脉冲多普勒雷达信号处理[J]. 计算机工程与科学, 2021, 43(07): 1141-1149.
[11]	刘夏真, 袁武, 马文鹏, 胡晓东, 陆忠华, 张鉴. CCFD重叠网格并行算法设计和优化[J]. 计算机工程与科学, 2020, 42(10高性能专刊): 1833-1841.
[12]	高翔, 张翔, 徐传福, 刘杰, 龚春叶. 面向科学工程计算的通用网格生成软件系统研究[J]. 计算机工程与科学, 2020, 42(10高性能专刊): 1897-1904.
[13]	王一超1,胡航1,William Tang2,王蓓2,林新华1. 使用GTC-P应用评估曙光E级原型机的性能[J]. 计算机工程与科学, 2020, 42(01): 1-7.
[14]	杨杰，张东月，周丽华，黄皓，丁海燕. 基于网格耦合的数据流异常检测[J]. 计算机工程与科学, 2020, 42(01): 25-35.
[15]	吴建平，银福康，彭军，杨锦辉. 自顶向下聚集型代数多重网格预条件的边权选择[J]. 计算机工程与科学, 2019, 41(02): 191-196.

网格环境中基于移动Agent 的资源发现模型

A Model of Resource DiscoveryBased on Mobile Agents in Grid

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价