항공우주 상황 인식 시뮬레이션에서 점점 증가하는 이기종 데이터 상호작용 및 다학제적 모델링 요구에 대응하기 위해 컨테이너 클라우드 기반 고성능 데이터-모델 융합 계산 마이크로서비스 스케줄링 플랫폼(MP-DMC)을 제안한다. 이 플랫폼의 핵심은 선거 최적화된 리더-팔로워 메커니즘, 이중 이동 평균-장단기 기억망 기반 동적 탄력적 확장 예측 모델, 그리고 지능형 부하 이전 알고리즘을 통합한 분산 노드 자원 관리 및 융합 스케줄링 전략 세트이다. 이를 통해 관리 효율성을 향상시키고 노드 장애를 방지하며 높은 동시성 조건에서 자원 진동 문제를 완화할 수 있다. 실험 결과는 제안된 분산 노드 자원 관리 및 융합 스케줄링 전략이 합의 알고리즘(Paxos/Raft/PBFT), 탄력적 확장 알고리즘(HPA/DMA-HPA/ProSmart HPA/RL), 작업 스케줄링 알고리즘(라운드 로빈, 순수 무작위, 가중 무작위) 등 주요 알고리즘에 비해 선거 성능, 노드 확장 효율성, 작업 응답 시간 및 부하 균형 측면에서 우수한 성능을 보이며 탁월한 자원 할당 성능과 시스템 가용성을 실현함을 보여준다.

데이터-모델 융합; 고성능 시뮬레이션 계산; 스케줄링 전략; 노드 부하 예측; 마이크로서비스