邵一川, 李常迪, 趙 騫, 曹 勇, 楊曉東

(1. 沈陽大學(xué) 信息工程學(xué)院, 遼寧 沈陽 110024; 2. 沈陽工業(yè)大學(xué) 理學(xué)院, 遼寧 沈陽 110023; 3. 中國醫(yī)科大學(xué) 盛京醫(yī)院, 遼寧 沈陽 110870; 4. 沈陽速影科技有限公司, 遼寧 沈陽 110041)

一場始料未及的由新型冠狀病毒引發(fā)的肺炎疫情打破了2020年春節(jié)本該祥和的氛圍.舉國上下防止疫情傳播的戰(zhàn)役還在如火如荼地進(jìn)行之中.對于學(xué)校廣大師生來說,如何在有效防控疫情的前提下確保教學(xué)工作正常開展成了首先要考慮的大事.為了阻斷疫情向校園蔓延,保障師生生命健康,教育部明確要求2020年春季延期開學(xué),鼓勵學(xué)校盡可能利用互聯(lián)網(wǎng)和信息化教育資源為學(xué)生提供學(xué)習(xí)支持.為貫徹落實教育部“停課不停學(xué)”的要求,本文設(shè)計了虛擬教學(xué)空間VRRoom,將分布式虛擬現(xiàn)實技術(shù)(DVR)引入遠(yuǎn)程教學(xué),并提出一種基于數(shù)據(jù)類型的負(fù)載均衡算法,技術(shù)上實現(xiàn)“虛擬教學(xué)空間上云”,保障學(xué)?！巴Ｕn不停學(xué)”,縮小師生線上線下體驗感差距,助力打贏疫情防控阻擊戰(zhàn).

1 相關(guān)研究

此次大規(guī)模的疫情引發(fā)了龐大的學(xué)生群體在家待學(xué)問題,而遠(yuǎn)程授課的方式可以利用網(wǎng)絡(luò)技術(shù)實現(xiàn)遠(yuǎn)程學(xué)習(xí),從而擺脫固定的場地以及避免人群的聚集[1].利用互聯(lián)網(wǎng)+實現(xiàn)遠(yuǎn)程教育的技術(shù)已經(jīng)很成熟,其網(wǎng)絡(luò)教學(xué)平臺的教學(xué)模式、教學(xué)手段、教學(xué)活動也是多種多樣,百花爭艷[2],既有移動端APP的教學(xué)系統(tǒng),也有慕課授課,還有直播互動,有些教師更是走出學(xué)校成為網(wǎng)紅[3].利用DVR搭建遠(yuǎn)程教學(xué)場景,因為具有身臨其境的效果而備受青睞[4].其中楊玉輝借助虛擬現(xiàn)實技術(shù)(VR),在哈佛大學(xué)與浙江大學(xué)進(jìn)行跨國VR遠(yuǎn)程教學(xué)取得了不錯的效果[5];梅寒則從技術(shù)性方面對虛擬現(xiàn)實管理進(jìn)行了分析和研究[6];文獻(xiàn)[7]利用“第二生命”創(chuàng)建了情景化教學(xué)空間,并進(jìn)行了遠(yuǎn)程實時課堂教學(xué)嘗試;文獻(xiàn)[8]利用“第二生命”的虛擬教學(xué)空間開展實時互動的醫(yī)學(xué)放射學(xué)教學(xué)則更具推廣性;一些國外高校也在利用“第二生命”虛擬社交空間搭建用于情景化教學(xué)和研究的遠(yuǎn)程教學(xué)空間[9].雖然這些案例都是利用VR技術(shù)開展遠(yuǎn)程教學(xué)研究,但國外的高校大多聚焦于基于“第二生命”創(chuàng)建虛擬教學(xué)空間,但“第二生命”是國外大型社交軟件,國內(nèi)用戶無法訪問,而國內(nèi)的虛擬教學(xué)空間往往是線下教學(xué)的擴(kuò)展,對于將VR應(yīng)用于線上教學(xué)并不多見.因此如何利用VR相關(guān)技術(shù),在已有設(shè)備上更高效地創(chuàng)建虛擬教學(xué)情景環(huán)境開展教學(xué),是本文研究的重點.

2 VRRoom虛擬教學(xué)空間

筆者提出建立虛擬教學(xué)空間VRRoom,VRRoom是分布式多人互動的虛擬課堂,它利用DVR打造虛擬立體的三維授課空間,師生通過虛擬終端(VR終端設(shè)備)進(jìn)入虛擬教室,感受到對方的存在,打造逼真的教學(xué)環(huán)境,使師生有身臨其境的感覺,在疫情背景下最大程度地保證教學(xué)的質(zhì)量,縮小真實課堂與在線教育體驗的差距.

“身臨其境”是VRRoom的優(yōu)勢,但真正做到效果逼真則有其技術(shù)難點.首先,接入端VR終端設(shè)備中內(nèi)置陀螺儀和加速度計會產(chǎn)生大量的實時定位數(shù)據(jù),如頭部定位捕捉位置,肢體定位位移等,這些數(shù)據(jù)可以讓現(xiàn)實世界中的使用者與虛擬空間的虛擬人物保持同步,如果不能及時處理實時數(shù)據(jù),并根據(jù)數(shù)據(jù)渲染場景,虛擬空間中的人物運動軌跡會與現(xiàn)實人物軌跡產(chǎn)生偏差,令使用者產(chǎn)生眩暈感[10];其次,當(dāng)VRRoom的用戶迅速增加時,VR場景人物定位與渲染的計算量會呈幾何倍數(shù)增長,如果VR計算資源不具有可擴(kuò)展性,系統(tǒng)極易癱瘓.所以,定位數(shù)據(jù)的及時處理,計算資源的可擴(kuò)展性是實現(xiàn)VRRoom的前提[11].

本文采用在不增加新硬件購置成本的基礎(chǔ)上將現(xiàn)有的服務(wù)器進(jìn)行集群管理,通過這種方式,VRRoom可以在不改變體系結(jié)構(gòu)基礎(chǔ)上無限地增加服務(wù)器計算節(jié)點,利用算法均衡負(fù)載,這種方式可以有效保障VRRoom的服務(wù)器集群(VR集群)具有可擴(kuò)展性,這是一種以較少代價來實現(xiàn)高性能并行計算的有效途徑,可以通過動態(tài)擴(kuò)展計算節(jié)點增加VR集群的魯棒性.

3 負(fù)載平衡調(diào)度模式

3.1 動態(tài)、靜態(tài)調(diào)度模式

運用何種調(diào)度策略來均衡VR集群中各計算結(jié)點的負(fù)載,從而提高整個VRRoom系統(tǒng)資源的運算速度與利用率是VRRoom可靠高效運行的關(guān)鍵.通常的均衡負(fù)載方法分為動態(tài)方式和靜態(tài)方式[12-13].靜態(tài)均衡負(fù)載就是全局代理按任務(wù)數(shù)均勻分配給服務(wù)器集群中各計算節(jié)點,此時各節(jié)點的任務(wù)量比較固定,其負(fù)載不會產(chǎn)生較大的變化,如圖1所示.靜態(tài)負(fù)載均衡調(diào)度策略的優(yōu)點是平均分配任務(wù),不采取復(fù)雜的調(diào)度策略,服務(wù)器集群內(nèi)也不會有通訊數(shù)據(jù)的冗余,缺點是由于集群中各節(jié)點的計算能力不同,會造成負(fù)載的不均,影響整體反應(yīng)速度,而且隨著系統(tǒng)規(guī)模的擴(kuò)大,系統(tǒng)中各個任務(wù)量的大小相差懸殊,按照任務(wù)個數(shù)平均分配任務(wù)量的調(diào)度方式將會使個別計算節(jié)點處理速度迅速下降,形成瓶頸,導(dǎo)致系統(tǒng)整體效率降低.

圖1 靜態(tài)負(fù)載均衡Fig.1 Static load balancing

動態(tài)負(fù)載均衡是將任務(wù)按照服務(wù)器集群節(jié)點的負(fù)載變化,動態(tài)地分配到節(jié)點上,如圖2所示.由于節(jié)點的負(fù)載是實時變化的,通過分析節(jié)點實時負(fù)載信息,動態(tài)方式可以動態(tài)地將任務(wù)分配到一些最適合的節(jié)點群上執(zhí)行,以改進(jìn)靜態(tài)方式導(dǎo)致的負(fù)載分布的不均勻性,從而提高整個系統(tǒng)資源的利用率,因此動態(tài)調(diào)配更適應(yīng)分布式系統(tǒng)的實際運行情況[14].

圖2 動態(tài)負(fù)載均衡Fig.2 Dynamic load balancing

3.2 基于數(shù)據(jù)類型的優(yōu)先級調(diào)度模式

VR集群需要完成虛擬場景渲染、定位數(shù)據(jù)同步、教學(xué)內(nèi)容(教學(xué)視頻、幻燈片)的推送、語音視頻廣播、教學(xué)應(yīng)用軟件調(diào)用等功能.系統(tǒng)運行中,數(shù)據(jù)是動態(tài)實時產(chǎn)生的,而且對不同數(shù)據(jù)的處理速度要求是不同的:對于實時定位數(shù)據(jù)需要快速無延遲毫秒級處理;對于教學(xué)文件類推送數(shù)據(jù)可以排隊等候節(jié)點空閑時處理.VR集群中節(jié)點的特點是不同的,有的CPU、GPU計算能力較強(qiáng),適合高速運算;有的內(nèi)存、硬盤較大,適合處理文件存儲傳輸類任務(wù).而且在系統(tǒng)運行中,每個VR集群節(jié)點負(fù)載大小也是動態(tài)變化的,如果沒有負(fù)載均衡策略,運行一段時間后,某些計算節(jié)點任務(wù)量會越來越多,計算量會越來越大,而另外一些計算節(jié)點卻可能是閑置的,最終導(dǎo)致VRRoom系統(tǒng)整體資源利用率降低.所以我們既要考慮將不同的任務(wù)分配到最適合的VR集群節(jié)點上,又要整體權(quán)衡VR集群負(fù)載.那么設(shè)計一個反應(yīng)迅速的負(fù)載均衡調(diào)度算法對于VRRoom系統(tǒng)十分必要,負(fù)載均衡也是分布式系統(tǒng)重要的性能指標(biāo),對系統(tǒng)的整體效果、用戶體驗感都有著最直接的影響.在均衡負(fù)載方式上本文提出一種基于數(shù)據(jù)類型的優(yōu)先級調(diào)度模式,對不同的數(shù)據(jù)采用不同的調(diào)度模式,將靜態(tài)負(fù)載均衡調(diào)度模式與動態(tài)負(fù)載的調(diào)度模式相結(jié)合來均衡服務(wù)器負(fù)載,并采用云代理與點代理結(jié)合的調(diào)度策略,實時權(quán)衡VR集群中各節(jié)點性能,動態(tài)分配任務(wù),調(diào)度過程由云代理及點代理共同完成.

云代理是運行于VR集群的門戶接口, 系統(tǒng)中只有一個云代理, 負(fù)責(zé)收集各點代理負(fù)載信息并分配任務(wù). 點代理運行于VR集群內(nèi)各節(jié)點上, 每個節(jié)點有一個點代理, 負(fù)責(zé)接收云代理指令執(zhí)行分配任務(wù), 并定時向云代理匯報自己的性能及負(fù)載信息. 所有用戶數(shù)據(jù)與請求都通過VRRoom門戶接口提交給云代理, 這些數(shù)據(jù)與請求并不是全部保存在云代理數(shù)據(jù)與請求提交隊列中等待調(diào)度, 而是由云代理對數(shù)據(jù)與請求進(jìn)行分類, 對于實時的定位數(shù)據(jù),采取動態(tài)調(diào)度模式, 對于教學(xué)文件的推送采用靜態(tài)調(diào)度模式. 靜態(tài)調(diào)度模式可以由云代理將任務(wù)分配指定點代理節(jié)點, 這些指定的專業(yè)節(jié)點處理非實時性數(shù)據(jù), 比如教學(xué)中作業(yè)上傳下載任務(wù), 同時不占用其他節(jié)點資源.動態(tài)調(diào)度模式則用來處理實時性較強(qiáng)的數(shù)據(jù), 云代理會根據(jù)各點代理節(jié)點的負(fù)載信息、性能信息篩選出最適合的點代理節(jié)點群, 將數(shù)據(jù)計算任務(wù)直接分配給此點代理群進(jìn)行調(diào)度, 而點代理群之間會彼此交換信息, 協(xié)調(diào)均衡負(fù)載. 這樣云代理可以不再參與此次任務(wù)的細(xì)粒度分配, 減少了云代理的工作量, 減輕其負(fù)載, 避免云代理成為系統(tǒng)瓶頸.

虛擬教室授課過程中,往往需要調(diào)用VR集群的其他應(yīng)用軟件資源,如雨課堂、視頻廣播、幻燈片放映等.這時只需要通過云代理發(fā)送請求及下達(dá)指令,多個點代理會自動地進(jìn)行資源搜索與調(diào)度,云代理不必理會調(diào)用過程,這種從云到點的代理的方式可以有效提高VRRoom系統(tǒng)整體的資源利用率,實現(xiàn)VR集群系統(tǒng)內(nèi)動態(tài)負(fù)載的均衡分布.調(diào)度模式如圖3所示.

圖3 基于數(shù)據(jù)類型的優(yōu)先級調(diào)度模式Fig.3 Priority scheduling pattern based on data type classification

3.3 優(yōu)先級調(diào)度模式體系結(jié)構(gòu)

基于數(shù)據(jù)類型的優(yōu)先級調(diào)度模式的體系結(jié)構(gòu)如圖4所示.

圖4 優(yōu)先級調(diào)度模式的體系結(jié)構(gòu)Fig.4 The architecture of the scheduling pattern

由以下幾部分組成.

1) 優(yōu)先級劃分模塊:優(yōu)先級劃分模塊接收VRRoom門戶的任務(wù),根據(jù)數(shù)據(jù)類型給任務(wù)劃分優(yōu)先級.

2) 數(shù)據(jù)采集模塊:系統(tǒng)會定期發(fā)出數(shù)據(jù)采集指令,收集各個節(jié)點負(fù)載以及性能信息.

3) 任務(wù)分配模塊:任務(wù)分配模塊接收優(yōu)先級劃分模塊發(fā)出的任務(wù)派生請求,根據(jù)服務(wù)集群節(jié)點類型與數(shù)據(jù)采集模塊信息,進(jìn)行動態(tài)、靜態(tài)結(jié)合的任務(wù)分配,以達(dá)到均衡系統(tǒng)內(nèi)各節(jié)點負(fù)載的目的.

4) 節(jié)點調(diào)度模塊:每個加入VR集群的節(jié)點都內(nèi)嵌一個調(diào)度模塊,負(fù)責(zé)進(jìn)行節(jié)點間的任務(wù)調(diào)度及動態(tài)收集本結(jié)點的負(fù)載信息與性能信息,并通過心跳數(shù)據(jù)采集模塊定期將信息傳給任務(wù)分配模塊.

5) 安全監(jiān)控模塊:監(jiān)控點代理所在的節(jié)點溫度與負(fù)載是否過于超負(fù)荷或輕載,隨時啟用或撤下服務(wù)節(jié)點.

4 優(yōu)先級調(diào)度模式算法描述

算法由心跳負(fù)載跟蹤、優(yōu)先級動態(tài)任務(wù)分配、負(fù)載監(jiān)控3部分組成.心跳負(fù)載跟蹤用于跟蹤點代理的性能與負(fù)載信息;優(yōu)先級動態(tài)任務(wù)分配用于選擇合適的點代理進(jìn)行任務(wù)分配;負(fù)載監(jiān)控用于監(jiān)視各點代理的當(dāng)前負(fù)載是否過重或過輕并采取相應(yīng)的措施.

為了實現(xiàn)算法,云代理會動態(tài)維護(hù)3個鏈表:鏈表1存放各點代理性能及負(fù)載信息并排序;鏈表2存放當(dāng)前任務(wù)的優(yōu)先級;鏈表3存放各項負(fù)載指標(biāo)的權(quán)重.

4.1 心跳負(fù)載跟蹤

VR集群中每隔一段時間t,云代理會產(chǎn)生一次“心跳”,心跳是一個具有頭文件的鏈表,鏈表會收集每個點代理所在節(jié)點的負(fù)載與性能信息(CPU、GPU使用率,活動進(jìn)程數(shù),內(nèi)存使用率、響應(yīng)時間、帶寬大小、平均應(yīng)答延遲等),每次心跳收集的數(shù)據(jù)都會變化,云代理會根據(jù)心跳數(shù)據(jù)排序鏈表1,以確定接受任務(wù)的節(jié)點順序.t是一個配置參數(shù),由云代理根據(jù)任務(wù)量來決定,當(dāng)任務(wù)量增大時,t會減小,此時“心跳加速”,任務(wù)派發(fā)更加頻繁,集群中更多的節(jié)點會參與到計算中來;當(dāng)任務(wù)量減小時,t會增大,此時“心跳變緩”,任務(wù)派發(fā)頻率降低,更多的節(jié)點進(jìn)入休眠狀態(tài).

4.2 優(yōu)先級動態(tài)任務(wù)分配

算法會分析VR集群門戶接口收到的任務(wù)的數(shù)據(jù)類型,通過數(shù)據(jù)類型確定任務(wù)優(yōu)先級,形成任務(wù)優(yōu)先級鏈表2.任務(wù)是動態(tài)產(chǎn)生的,VR集群節(jié)點的負(fù)載也是動態(tài)變化的,鏈表1排序點代理,鏈表2排序任務(wù),將兩者對應(yīng)就是任務(wù)分配的方案.通過式(1)得到任務(wù)分配目標(biāo)Nz.

Nz=C(b1,b2).

(1)

式中:C為匹配任務(wù)函數(shù);b1為鏈表1排序;b2為鏈表2排序;z是待分配任務(wù).

式(2)中:rank為排序函數(shù);H為計算點代理負(fù)載函數(shù);Ti為第i個點代理負(fù)載信息;ri為第i個點代理性能系數(shù);Li為點代理i各項負(fù)載指標(biāo)值(每個節(jié)點有j個狀態(tài)指標(biāo));F′(Li)為點代理i負(fù)載下降梯度.

(4)

式中:Ti負(fù)載由點代理i的j項狀態(tài)綜合決定,其中Lij_max為節(jié)點i的第j項性能指標(biāo)最大值;aij為第i個節(jié)點的第j個性能狀態(tài)的相應(yīng)權(quán)重,是鏈表3各項負(fù)載指標(biāo)權(quán)重信息,其值是系統(tǒng)運行參數(shù),由管理員給定.

(5)

式中,Ti負(fù)載并不能完全詮釋i節(jié)點當(dāng)前性能狀態(tài),而是需要考慮ri性能系數(shù),其中Li_max表示i節(jié)點最大性能狀態(tài).

4.3 負(fù)載監(jiān)控

為了有效利用VR集群,當(dāng)所有點代理所在節(jié)點溫度過高,負(fù)載過大時,云代理會啟動備用的點代理節(jié)點,卸下部分計算任務(wù)交新啟動的點代理節(jié)點,同時如果所有點代理所在節(jié)點負(fù)載很小,而其他點代理不存在負(fù)載過大時,云代理會撤下部分點代理節(jié)點,將其任務(wù)分配給輕負(fù)載的節(jié)點,通過啟用和撤下點代理節(jié)點,達(dá)到集群系統(tǒng)內(nèi)的均衡負(fù)載.

5 實驗測試

為驗證效果,選擇優(yōu)先級調(diào)度模式與靜態(tài)、動態(tài)模式的性能及效果進(jìn)行了對比.

5.1 VR集群環(huán)境

共10臺服務(wù)器節(jié)點:2臺DELL T3630服務(wù)器節(jié)點 (CPU:i7-9700K;內(nèi)存:32 GB;硬盤:256 GB固態(tài)+2TB ;GPU:RTX2080Ti);4臺DELL T3630服務(wù)器節(jié)點(CPU:i9-9900K;內(nèi)存:64 GB;硬盤:512 GB固態(tài)+4TB;GPU:RTX2080Ti);4臺T5820/P5820X服務(wù)器節(jié)點(CPU:I7-9800X;內(nèi)存:32 GB;硬盤:1TB;GPU:P4000).

5.2 VRRoom教學(xué)場景

VRRoom系統(tǒng)中開發(fā)出很多場景,提供給不同的教學(xué)類型來使用,如圖5所示,大致歸類為4種場景.

(a) 座談場景(b)教師場景(c) 戶外場景(d) 多人場景

(a) 座談場景: VRRoom中只有教師平面影像,無學(xué)生虛擬人物,學(xué)生之間不能交互;

(b) 教師場景: VRRoom中只有教師虛擬人物,無學(xué)生虛擬人物,學(xué)生之間不能交互;

(c) 戶外場景: VRRoom中有教師及學(xué)生虛擬人物,師生、生生之間可以交互,但人數(shù)較少;

(d) 多人場景: VRRoom中有教師,學(xué)生虛擬人物,師生、生生之間可以交互,人數(shù)不限.

圖5(a)中只有教師視頻影像,數(shù)據(jù)任務(wù)主要為視頻傳輸廣播,無需場景渲染;圖5(b)中有教師三維虛擬人物教學(xué),但沒有學(xué)生虛擬人物,數(shù)據(jù)處理任務(wù)主要為場景渲染,教師語音傳輸及根據(jù)教師定位數(shù)據(jù)進(jìn)行實時虛擬人物渲染;圖5(c)中既有教師虛擬人物,又有學(xué)生虛擬人物,而且需要實時精確定位,數(shù)據(jù)處理任務(wù)包括多人定位數(shù)據(jù)同步,場景人物渲染,師生與生生之間的交互數(shù)據(jù)處理;圖5(d)中既需要定位人物,又有數(shù)據(jù)傳輸?shù)葢?yīng)用,為全種類任務(wù).

負(fù)載高峰時,有近千人同時使用VRRoom,此時的10臺服務(wù)器節(jié)點會被全部啟用,滿足教學(xué)要求.實際應(yīng)用中,每100人使用VRRoom,就會有1臺服務(wù)器節(jié)點啟用,使用人數(shù)與啟用服務(wù)器節(jié)點數(shù)呈線性關(guān)系.

5.3 評價指標(biāo)

1) 吞吐量.將系統(tǒng)吞吐量作為評價負(fù)載均衡的參考指標(biāo),吞吐量是單位時間內(nèi)能通過服務(wù)器的最大流量.吞吐量由兩部分組成:

① 平均利用率=平均到達(dá)事務(wù)數(shù)/平均處理事務(wù)數(shù);

② 平均響應(yīng)時間=平均處理時間/(1-平均利用率).

單位時間內(nèi)能通過的流量越大,平均利用率越高,平均響應(yīng)時間越短,意味著系統(tǒng)處理能力越強(qiáng).

2) 任務(wù)數(shù)量.將任務(wù)完成時間作為調(diào)度模式算法性能指標(biāo),任務(wù)完成時間越短,定位與渲染完成越快,越能減輕眩暈感,系統(tǒng)性能越好.

5.4 性能分析

本文在同等條件下,對靜態(tài)算法、動態(tài)算法及本文算法進(jìn)行驗證對比,結(jié)果如圖6、圖7所示.

通過圖6、圖7可以看出:

(a) 座談場景(b) 教師場景(c) 戶外場景(d) 多人場景

(a) 座談場景(b) 教師場景(c) 戶外場景(d) 多人場景

1) 對于座談場景,3種算法的表現(xiàn)相似,說明只有數(shù)據(jù)傳輸時,從系統(tǒng)吞吐量的角度看,本文算法并不具有明顯優(yōu)勢;

2) 對于教師場景,動態(tài)算法與本文算法效果相似,略優(yōu)于靜態(tài)算法,說明處理少量實時定位數(shù)據(jù)與渲染時,負(fù)載均衡算法優(yōu)勢不顯著;

3) 對于戶外場景與多人場景,由于進(jìn)入VRRoom的人數(shù)增加,數(shù)據(jù)定位與渲染任務(wù)增大,當(dāng)任務(wù)數(shù)在700以下時,動態(tài)與本文算法相似但都明顯優(yōu)于靜態(tài)算法,任務(wù)量700以上時,本文算法有明顯爬升,說明VR集群開始啟動大規(guī)模調(diào)度算法,本文算法優(yōu)勢明顯;

4) 對于多人場景,在復(fù)雜場景下,本文算法明顯優(yōu)于其他2種算法,在任務(wù)量超過800后,任務(wù)完成時間并沒有明顯增加,說明當(dāng)任務(wù)數(shù)大規(guī)模增加后,本文算法變得高效.

實驗表明,本文算法可以改善VR集群任務(wù)的分配和調(diào)度,增加VR集群整體吞吐量,縮短任務(wù)執(zhí)行時間, 提高VRRoom運行性能.如果作業(yè)量增多,本文算法可以通過負(fù)載監(jiān)測自動啟用備用的點代理,保證任務(wù)完成時間沒有增長很多,提升了VRRoom教學(xué)體驗.

6 結(jié) 論

分布式虛擬現(xiàn)實技術(shù)因其交互性與體驗感而具有獨特的魅力,其作為高校教學(xué)形式的一種補(bǔ)充,可以極大地縮短線上線下教學(xué)體驗的差距.本文設(shè)計并開發(fā)了分布式虛擬現(xiàn)實VRRoom系統(tǒng),分析了均衡負(fù)載的調(diào)度模式,提出了優(yōu)先級均衡負(fù)載調(diào)度模式,給出了負(fù)載均衡系統(tǒng)結(jié)構(gòu)形式,設(shè)計并實現(xiàn)了一種綜合考慮各點代理任務(wù)數(shù)和性能以及當(dāng)前負(fù)載情況的調(diào)度算法,算法改善了動態(tài)任務(wù)的分配和調(diào)度,提高了VRRoom系統(tǒng)性能.當(dāng)VRRoom系統(tǒng)人數(shù)增多,算法還可以自動啟用備用的點代理,保證系統(tǒng)流暢無延遲地運行.VRRoom系統(tǒng)可以以接近真實的效果還原教學(xué)情境,今后會繼續(xù)在VRRoom系統(tǒng)平臺上進(jìn)一步開發(fā)虛擬教學(xué)場景實例,提供更為豐富的教學(xué)體驗場景.