静态负载分配算法根据系统的先验知识做出决策。系统运行时处理 器间将不能重新分配负载。静态负载分配算法实质上是通过节点间的 任务调度使得任务集的执行在最少时间内完成。因此本质上静态负载平 衡是一个调度问题，处理器互连方式，任务划分的粒度和任务图到处理 器图的映射是设计调度策略需要考虑的主要因素。
在并行分布式系统中，影响静态负载均衡性能的主要参数是任务划 分及分配。一个任务划分的粒度定义为该任务分解中影响通信开销的所 有单元的平均尺度。根据这个定义，并行算法可以分成细粒度、中粒度 和粗粒度。判断算法粒度的标准是根据该算法中数据单元的大小而定的， 大的数据单元划分导致粗粒度，小的数据单元划分导致细粒度。中粒度 算法则对应了适中的数据单元。任务划分的一个主要目标就是尽可能消 除处理器间通信引起的开销。粗粒度任务划分可以减少通信的开销，然 而却降低了并行度。因此适中的粒度选择对于任务分配而言是重要而同 时又是困难的。任务划分常常通过在任务图中对任务进行聚类从而实现特性(如：cpu需求、内存需求等)确定迁移进程(被迁移的进程)的选择标
准，而且根据标准选择待转移负载。决定策略主要用于决定以上不同策略在负载均衡算法中的执行次序。负载均衡算法中各个策略的不同执行次序，尤其是选择策略与位置策略的不同执行次序对负载均衡算法的性能有着不同的影响。此外，收益性策略评价了系统该负载均衡策略是否对系统是有收益的，并作出决策是否驱动该过程。该策略通过不平衡因子量化了系统中负载不均衡程度。并作为系统负载均衡 潜在收益的估计。负载均衡的决策基于均衡收益函数和均衡代价函数的值比较、估计时刻、通过负载均衡能够取得的潜在收益，可定义为均衡前最大处理器负载。在并行分布式系统中，影响静态负载均衡性能的主要参数是任务划 分及分配。一个任务划分的粒度定义为该任务分解中影响通信开销的所 有单元的平均尺度。根据这个定义，并行算法可以分成细粒度、中粒度 和粗粒度。判断算法粒度的标准是根据该算法中数据单元的大小而定的， 大的数据单元划分导致粗粒度，小的数据单元划分导致细粒度。中粒度 算法则对应了适中的数据单元。任务划分的一个主要目标就是尽可能消 除处理器间通信引起的开销。粗粒度任务划分可以减少通信的开销，然 而却降低了并行度。因此适中的粒度选择对于任务分配而言是重要而同 时又是困难的。任务划分常常通过在任务图中对任务进行聚类从而实现特性(如：cpu需求、内存需求等)确定迁移进程(被迁移的进程)的选择标
如果，负载均衡就是有收益的；其中负载代价 主要由处理器间传播负载信息和确定待转移任务的时间开销以及任务转移的通信延迟构成。位置策略决定迁移进程的目标节点。目标节点的选择需要以其他节点 的负载状况信息作为依据。在局部方法中，启动均衡过程的节点通过与邻 居节点之间交换信息确定负载转移的方向。全局负载均衡方法将负载均衡 请求通过诸如广播一样的方式传送给其他节点，来寻找负载转移的目标节 点.系统也使用信息策略决定收集系统中其他节点状态信息的时机和相关 负载信息.收集到的信息熵的大小影响着负载均衡过程的效度.然而，信 息收集过程对代价函数有贡献。但减弱了负载均衡的收益性。
在这些策略中，系统常常使用信息策略决策使用何种负载均衡算法， 然后使用位置策略和选择策略执行负载均衡，因此，这三个策略是负载 均衡算法的关键。
本文由:负载均衡常见问题于(2013-10-14)发表了关于静态负载均衡算法的介绍的文章 。如转载请注明出处：http://www.cdcy-mail.com
如果您对此感兴趣,可以通过以下联系方式与我们联系：
