TeraPELB:云计算中基于预测的弹性负载均衡算法

现代负载均衡已经成为云计算中虚拟资源管理和调度的核心.针对现有云计算弹性负载均衡存在的不足,提出了一种基于预测的弹性负载均衡资源管理算法(TeraPELB),不仅能更加灵活她动态调配资源,而且支持基于负载的趋势预测.理论分析和仿真实验表明,随着网络员载的变动,TeraPELB算法能根据负载变化情况动态地调整后端服务器集群的处理能力,解决了从云中申请虚拟机具有延迟性而导致迟滞甚至无法满足用户请求的问题,相较于传统的弹性员载均衡算法效果更好.     

一种云计算环境下的负载调度算法

云计算数据中心的负载调度是影响云计算性能的核心,是云供应商对外提供服务,用户感受服务性能的关键所在,它直接关 系到云平台的整体性能和系统的资源利用率. 在对经典的Min-Min调度算法进行分析的基础上,结合云计算环境对Min-Min算法进行了改进. 提出了一种基于相对负载均衡的LL-Min-Min算法. 仿真实验表明,LL-Min-Min算法能够满足云计算环境下任务的多样性和不确定性的要求,可以较大地改善数据中心的负载均衡,提高集群的吞吐率.     

基于信息流的反导体系结构超网络均衡模型研究

从反导体系结构信息链路出发,对由感知、指控和火力实体节点构成的反导交战程序链的信息流价值需求均衡进行研究.首先,给出了反导体系结构交战程序链信息关系建模的相关假设,基于信息价值需求,分别对反导体系结构交战程序链的各级优化条件进行分析,建立了反导体系结构超网络信息价值需求均衡优化模型;其次,运用变分不等式理论,对该均衡优化模型进行分析与转化,利用模糊事件的可信性测度理论,推导了指控节点,火力节点的模糊信息量需求期望,冗余期望和缺额期望,建立了具有模糊需求的反导体系超网络均衡状态满足的变分不等式模型,设计了求解均衡解的修正投影算法;通过算例讨论了模糊需求对反导体系超网络均衡解的影响,最后验证了方法的可行性.     

IaaS模式“云训练”资源预测调度方法

基础设施即服务(infrastructure as a service, IaaS)模式“云训练”是基于IaaS云计算提出的武器装备系统模拟训练的模式,根据用户需求对训练资源进行预测调度是提高训练效果的重要保证。分析了“云训练”中用户任务、资源需求特点,采用阈值法进行预处理,通过动态权值系综模型得到预处理结果。在此基础上,提出基于减法模糊聚类的模糊神经网络的资源需求预测方法(subtractive fuzzy clustering based fuzzy neural network, SFCFNN), 并引入自适应学习率和动量项以提升收敛速度和稳定性。调度器根据预测结果实现用户需求与资源之间的动态匹配。实验表明该方法可精确预测用户资源需求,实现资源动态调度,有效提高资源利用率与训练效果。     

IaaS下基于预测的弹性云服务的研究

针对供应虚拟机的IaaS （infrastructure as a service）云下虚拟机部署存在较高时延，导致弹性云服务效率低下的问题，提出一种基于ARIMA模型和季节指数的动态负载预测及资源估算的方法. 该方法利用负载与虚拟机配置的关系，预测负载值，并估算虚拟机需求量，从而可提前部署虚拟机，提高IaaS云的服务效率. 研究结合供应虚拟机的私有IaaS云环境，实现其下的弹性供应的资源决策模块. 实验与算法分析表明，该方法能够准确决策虚拟机资源量，保证虚拟机资源预留，有效改善了IaaS云的弹性效率.     

混沌序列的T-SK反馈模糊神经网络预测

针对模糊神经网络预测混沌系统输入节点数目的确定随意性较大及敛速度慢的缺点,提出T SK反馈模糊神经网络(T SKrecurrentfuzzynetwork,TRFN)。同时采用两阶段学习算法:先进行结构学习来确定TRFN的最佳结构,再利用基于混沌动态量的BP算法对神经网络进行参数学习,提高了收敛速度和预测精度。应用此网络和相应的学习算法,对Henton序列进行了预测,与传统的模糊神经网络相比,在节点数目较少的情况下,取得了更快更精确的预测结果,验证了该方法的有效性。     

社会系统MAS分布仿真中的Agent优化调度算法

针对分布式多Agent系统在复杂社会系统仿真应用中的运算特性,设计了一个基于分布式结构的Agent调度框架并提出了Agent的动态优化调度算法.该算法综合考虑了仿真过程中仿真节点运算负载和Agent通信结构的变化,通过优化Agent的调度和分配实现各仿真节点负载的动态均衡以及多Agent系统中跨节点全局通信量的减少.仿真实验分析表明提出的算法能够有效提高此类仿真应用的运算性能以及减少仿真执行的时间.     

延迟容忍网络中基于社会属性的负载感知路由

延迟容忍网络中采用中心性作为路由尺度会使部分节点承载过多的网络流量。针对这一问题,提出了一种基于社会属性的负载感知路由算法。使用节点的介数中心性（betweenness centrality, BC）和相似性两个社会属性指标以及节点的负载状况作为选择中继节点的依据,避免了消息传播能力强的节点产生严重的拥塞,均衡了网络流量。仿真结果表明,该算法能够提高网络的交付比率,减小网络的开销。     

云环境下海量数据资源管理框架

针对互联网的海量数据的处理,提出了一个管理框架THCloudFramework.该框架包含了云环境下的数据资源管理的各个方面,主要有资源物理存储和逻辑存储、副本管理与迁移、海量存储网划分和负载均衡、资源虚拟化、用户资源使用方式及其资源组合等.分析了存储资源的分布式文件系统实现,详细阐述了海量存储网的生成、更新及其负载均衡.分析了海量数据的统一转换与管理方法.提出了海量信息资源的安全管理实现方法及其资源的组合实现方案.该框架给出了一个云环境下数据资源管理与应用的完整方案,为云计算的研究提供了一种思路.     

无线Mesh网络公平感知路由算法设计与仿真

为了减小无线Mesh网络(WMN)路由的不稳定性,基于DSR提出了一种新的可预测公平感知路由协议算法(PFRP),利用MAC的网络状态信息传给网络层DSR路由代理,以便选择到目的地的拥塞和延时更小的最佳路由。此外,还综合考虑了通过统计和估计获得的链路可用带宽和节点队列负载容量等因素,相对于拥塞程度概念提出了一个新的路由准则"拥塞控制度"来表征网络节点传输的拥塞控制状态。大量仿真结果表明提出的路由算法体现了比DSR协议更好的网络流传输公平性及负载均衡性能,如延时和吞吐率。     

一种网络拥塞预测新方法

提出基于粗糙集的模糊神经网络流量预测算法。传统的流量控制技术,总是以网络资源当前使用情况对包进行处理,没有考虑流量预测问题,易造成流量控制滞后的情况。将基于粗糙集的模糊神经网络引入流量控制,利用其处理不确定性问题和自学习能力,进行流量预测,较好地解决这一问题。最后仿真分析了本方法的性能,证明方法的有效性。     

面向能耗的云工作流调度优化

云工作流调度直接决定了整个云工作流系统的性能,已成为一个重要研究内容.针对当前缺乏有效的面向能耗的云工作流调度优化方法,研究建立了面向能耗的云工作流过程模型、资源模型,提出了基于负载的能耗计算方法和面向能耗的云工作流调度优化算法.提出的方法考虑了能耗因素,在进行任务优先级计算及任务选择时不仅考虑了文件在不同虚拟机间传输的速度差异、同时考虑了虚拟机与本地共享数据库间的文件传输等因素,并从云工作流任务分配、主机负载和主机功耗关系的角度,进行能耗的计算与调度优化,更符合实际情况、使用范围更广.数值案例和仿真实验表明了提出的方法是可行的和有效的.     

面向移动云计算的VM动态调度算法

针对移动云计算中的虚拟机(virtual machine,VM)调度问题,考虑无线带宽限制对VM调度的影响,以云提供商的系统效益为目标函数,根据拍卖机制提出了一种带宽受限的VM动态调度(bandwidth constrainted VM dynamic scheduling,BVMDS)算法。该算法首先根据用户的出价来判定拍卖成功方,然后根据拍卖成功方对计算资源的需求来配置VM,最后采用临界支付的方式来计算拍卖成功方的实际支付价格。仿真结果表明,算法能够有效地改善云提供商的系统效益和资源利用率。     

面向SDN的生存性虚拟网络映射算法

针对软件定义网络环境下生存性虚拟网络映射问题,提出了基于网络资源关键度的虚拟网络可靠性映射算法。该算法首先通过提出底层网络资源和拓扑重要度度量方式,构建资源关键度排序集合,同时备份控制网络,考虑到控制器位置部署,设置链路时延权重进行最短物理路径的选取,映射时依据位置约束进行虚网映射,在此基础上针对不同物理网络故障类型采用备份切换和可行迁移方式进行恢复,确保虚拟网络服务连续不间断。仿真结果表明,与以往算法相比,该算法在请求接受率、故障恢复率、底层网络整体负载均衡度以及平均控制延迟4个指标上具有更好的网络性能。     

低轨卫星物联网场景下基于吸引子选择算法的多星负载均衡算法

低地球轨道(low earth orbit,LEO)卫星物联网系统中由于低轨卫星的高速运动,导致卫星波束覆盖范围内节点业务模型在空间和时间两个维度呈现不均匀性和时变性.针对这一特征,提出一种空时二维卫星物联网业务模型,在空间维度采用网格划分的方法确定不同地理环境下节点密度和坐标位置,在时间维度采用贝塔分布进行建模,从而...     

基于随机模型的动态调度算法研究

针对多资源云环境中虚拟机放置问题,提出了一种在随机模型下综合利用率较高的动态调度算法MIUS （maximize integrated utilization scheduling）. 首先,在调度中心建立一个虚拟的中央队列缓存用户任务,然后利用随机路由算法对用户任务进行服务器快速选择,最后在服务器上建立虚拟等待队列并利用MIUS算法进行虚拟机配置. 仿真实验结果表明,该算法在保证QoS的情况下,实现了一定程度上的负载均衡,并可较大提高系统的综合利用率.     

多核乐观并行仿真的负载均衡研究

对于运行于多核计算机、基于多线程实现的乐观并行仿真,虽然操作系统可对线程进行调度以平衡各个核的负载,但它无法控制各逻辑进程本地虚拟时钟的平衡推进。提出了多核乐观并行仿真的四层负载分配模型及一种静态划分与动态负载均衡相结合的负载均衡方案。静态划分使用Metis图划分包对模型实例进行划分;动态负载均衡优先调度本地虚拟时钟较小的逻辑进程以实现各逻辑进程的平衡推进,无须进行模型迁移,易于实现。通过一序列实验检验了所提出的负载均衡方案的有效性。