云环境下基于虚拟机动态迁移的调度策略研究

针对目前云环境资源调度采用静态负载均衡策略易于导致资源浪费的问题,提出了一种双限定值的虚拟机动态迁移的调度策略.该策略将当前负载状况与负载过重或过轻时两个限定值比较,选择介于二者之间能耗较低的虚拟机迁移至目标节点.仿真实验表明,该策略能够减少迁移次数,降低虚拟机迁移能耗,从而尽可能达到负载均衡和满足服务等级协议的需求.     

一个基于弹性云的负载均衡方法

提出了一种基于弹性云的负载均衡方法.这一方法构造了负载均衡模型框架,建立了模型对于虚拟机负载状况和虚拟机集群资源利用率进行量化评估,为实现任务的分发和虚拟机集群的弹性伸缩,设计了任务调度算法和弹性伸缩算法.实验结果表明基于弹性云的负载均衡方法在实现负载均衡的同时,有效提高了资源利用率.     

基于工作负载预测的虚拟机整合算法

针对云计算环境下满足负载均衡、自动伸缩、绿色节能等需求时所面临的虚拟机(VM)迁移问题,该文设计一种面向云计算基础设施基于工作负载预测的整合调度算法。通过有机结合基于工作负载预测的主动控制技术和基于实际系统状态信息的被动控制技术,并采用指数平滑预测模型预测未来时刻的工作负载情况,提出虚拟机选择阶段最大未来工作负载优先和虚拟机安置阶段比较资源需求队列的虚拟机整合算法。仿真表明,该算法利用基于预测的资源整合方式减少了服务器使用量、虚拟机迁移次数和服务等级协议违例次数,有效提升了以数据中心为核心的云基础设施整体资源利用率。     

基于改进蚁群算法的虚拟机放置方法研究

针对云计算资源调度中虚拟机到物理机上的部署问题,提出了基于剩余资源控制阈值和匹配度函数的虚拟机放置模型,该模型采用三重因子的目标函数,为剩余资源总量、新开物理机数量及剩余资源标准差提供了约束;为求解该模型,提出了基于大请求先安置原则的改进蚁群算法,并对算法的及参数进行了改进。仿真实验表明和其它几种算法比较,改进蚁群算法有更好的收敛性和更强的寻优能力;此外,实验结果也表明该放置模型能有效提高资源利用率,降低能耗。     

虚拟CPU负载预测算法性能评估

准确的虚拟CPU负载预测是提高虚拟机CPU调度性能的重要前提,然而,虚拟机操作系统环境下,虚拟CPU负载预测方法需要尽可能简单、有效.针对虚拟机CPU调度应用场景,以实际CPU负载为研究对象,选取五种简单的时间序列预测算法,详细评估其虚拟CPU负载预测性能,为虚拟机CPU调度的实现提供了研究基础.结果表明,平均移动法、...     

FUPS- DV:用于桌面虚拟化的全时抢占CPU调度算法

桌面虚拟化通常运行混合负载,且更注重交互式性能,现有的虚拟机调度算法无法很好适应这两个特点.本文提出了一种全时抢占CPU调度算法,通过灰盒技术探测虚拟机内部信息用于辅助虚拟机调度,并结合远程桌面的负载特性进行优化.评测表明,5台WindowsXP虚拟机同时运行混合负载,优化后播放幻灯片的显示延迟降低了至少60％.     

云计算中基于Shapley值改进遗传算法的虚拟机调度模型

云计算系统具有服务器规模大、用户范围广的特点,但同时也消耗了大量的能源,导致云供应商的高运营成本和高碳排放等问题。云计算高度虚拟化,如何分配和管理其虚拟资源,从而保证高效的物理资源利用和能耗控制,是一个多参数博弈过程,同时也是该领域的一个研究热点。提出了一种虚拟机调度模型及基于Shapley 值的遗传算法（SV-GA）,可通过经济学概念Shapley 值计算出参与工作的物理机贡献值,并通过该贡献值修正遗传算法中变异步骤的概率参数,从而完成虚拟机调度的任务。实验结果表明,与Max-Min、LrMmt及DE算法相比,SV-GA在虚拟机调度过程中的迁移时间、次数、SLA违背率、能耗等多参数博弈中具有优异的表现。     

基于容器技术的云计算资源合理调度方法研究

传统基于Hypervisor模型的云计算资源调度方法存在长时间得不到调度,调度性能低的问题。针对该问题,设计基于容器技术的云计算资源合理调度方法,设计了调度系统的架构以及调度流程。详细说明了虚拟机迁移时间判断流程以及被迁移虚拟机选择流程。采用Migrate方法完成虚拟机的迁移,资源统计过程通过调用Libvirt的接口实现通信,并通过近似的方式运算虚拟机CPU使用率,降低了云计算资源调度时的数据中心能耗。经过测试表明,所提方法稳定性高,总体性能优,达到了预期目标。     

云存储中一种基于布局的虚拟磁盘节能调度方法

 在云存储中,如何有效地调度用户请求到目标磁盘以实现绿色节能存储是一个热点问题.鉴于云存储对节能调度算法提出的新要求,如请求响应时间敏感与对动态优化的限制等,本文提出了一种基于布局的虚拟磁盘节能调度方法.该方法将磁盘阵列动态划分为工作区与就绪区,以工作区为主向用户分发资源,并以未连接虚拟机的虚拟磁盘为单位,根据实时负载情况对虚拟磁盘布局进行动态优化.实验结果表明,这种方法不仅能够降低磁盘阵列的能耗,而且能够有效地缓解响应时间延长的问题,还能够使虚拟磁盘布局达到更高的负载均衡水平.     

基于虚拟机迁移的数据中心异构负载的能耗优化算法

随着虚拟化技术在数据中心的应用,虚拟机不仅被用作整合未充分使用的节点和节省能源的工具,还允许为各类异构的负载提供封装管理.本文将Web的应用程序或各类计算作业封装在虚拟机中,并将其视为一个可以更有利于管理的实例进行资源的调度.提出一种新的虚拟化数据中心的调度策略,主要是在优化数据中心成本的同时,根据多个方面对数据中心节点中的虚拟机进行分配.本文提出的算法综合考虑了能源效率、虚拟化开销、冗余性和服务等级,通过运行综合成本指标得分解决数据中心能耗问题.     

嵌入前向网络的虚时间表法UPC

在分析文献[1]虚时间表法不足的基础上,提出利用前向网络动态调整虚时间表法参数的UPC算法。本文算法具有选择性强,检出率合理,动态响应特性好等特点。计算机仿真结果验证了本文算法的优越性。     

一种基于动态配额的虚拟网带宽公平调度算法

网络虚拟化被广泛用于网络实验平台和数据中心等场景中。作为虚拟化网络中的核心组网设备,虚拟路由器可以在同一物理底层上构建多个虚拟路由器实例来承载多个虚拟网。其核心调度问题在于如何根据不同虚拟网对带宽的不同需求,将网络数据包调度到不同的实例中。该文针对该问题对虚拟化场景下的队列调度问题进行建模,提出了基于动态配额的队列调度算法,与miDRR等算法相比,该文算法在虚拟网带宽分配的有效性和公平性上有明显优势。     

基于智能网络的租户服务质量保证技术

在多租户虚拟网络环境中,用户对于网络服务的多样性以及性能的稳定性需求并不会随着网络架构和运营模式的升级而削弱,用户需求之间的差异性和动态性对于不同切片间资源的分配和调度效率提出了新的挑战。针对多租户虚拟网络的特殊环境,首先提出了QVR(QoS-Virtual Routing)流量调度算法,同时将用户流量调度与网络虚拟资源分配看做一个联合优化问题,提出了面向多租户的流量调度算法以及适用于共享链路的动态带宽分配算法。该算法能够释放更多的物理网络资源,明显降低了租户网络的延时和拥塞。     

用改进的LFVC算法提高网络调度的灵活性

在基于前跳虚时钟（LFVC）算法的基础上进行了改进，将实时业务所预留的带宽和链路的剩余带宽实时地分离开来，并用剩余带宽改善非实时业务的平均时延和丢失特性，使得宽带资源的分配更加灵活。     

基于VirtualClock调度算法的接入允许控制算法

本文针对于Virtual Clock调度算法提出了一种基于生存期的接入允许控制算法.原有Virtual Clock的接入允许控制算法没有考虑到系统中在有连接建立和拆除的情况下如何动态分配带宽,致使分组的时延无法确保.本文从Virtual Clock算法的参考模型出发,对带宽释放和分配的时机作出规定.理论分析和仿真结果表明,本文的算法能够保证Virtual Clock算法的时延特性.本文的思路对于其他调度算法的接入允许算法也具有参考意义.     

中继增强的无线蜂窝多小区系统的联合调度与功率控制算法

针对采用全局频率复用的中继增强的无线蜂窝多小区系统,该文考虑多种通信模式并存的混合场景,提出了一种干扰感知的联合资源分配策略。以最大化系统总吞吐量为目标,同时考虑小区间干扰对中继节点与移动站点的影响,以及基站与中继节点各自的发射功率约束。为了降低计算复杂度,针对用户与中继节点配对问题提出了一种基于小区间干扰的调度算法;针对功率控制问题分别提出了一种基于符号规划的最优功率分配算法和一种次优的最小能耗功率分配算法。仿真结果表明,该文所提算法逼近最优资源分配,在系统吞吐量与能量效率等性能方面具有显著优势。     

K-PSO: An improved PSO-based container scheduling algorithm for big data applications

In recent years, Docker container technology is being applied in the field of cloud computing at an explosive speed. The scheduling of Docker container resources has gradually become a research hotspot. Existing big data computing and storage platforms apply with traditional virtual machine technology, which often results in low resource utilization, a long time for flexible scaling and expanding clusters. In this paper, we propose an improved container scheduling algorithm for big data applications named Kubernetes-based particle swarm optimization(K-PSO). Experimental results show that the proposed K-PSO algorithm converges faster than the basic PSO algorithm, and the running time of the algorithm is cut in about half. The K-PSO container scheduling algorithm and algorithm experiment for big data applications are implemented in the Kubernetes container cloud system. Our experimental results show that the node resource utilization rate of the improved scheduling strategy based on K-PSO algorithm is about 20% higher than that of the Kube-scheduler default strategy, balanced QoS priority strategy, ESS strategy, and PSO strategy, while the average I/O performance and average computing performance of Hadoop cluster are not degraded.     

Technologies Assisting the Paradigm Shift from 4G to 5G

Recent research in Mobile Ad-hoc Networks mostly deals to minimize the congestion in the network. In this regard, a variety of query-broadcast techniques have been proposed, and employed to reduce routing overhead such as the congestion, route-latency and energy-consumption. Such techniques mainly focus on reducing unnecessary propagation of route-query by repealing the query-broadcast. In our research findings, we found these repealing techniques have extra routing-overhead of chasing the route-query thus increasing energy-consumption and slowing down the route-discovery. In particular, this motivates us to propose a cache-aware broadcasting technique. In order to evaluate the proposed technique, the critical and analytical assessment is done in terms of query-diffusion, route-latency, packet-delivery ratio and energy-consumption ratio.

     

面向业务可达性的广域工业互联网调度算法研究

工业互联网业务呈现出小规模、确定性的特征,通常运行在大规模、异构的网络环境中,业务的调度与功能链的编排难以与异构承载网资源匹配。基于此该文提出非工作保持型的多节点联合调度模型,首先采用全路径时间协调算法,将功能链从空间维度的拓扑编排扩展至时空维度;其次,针对网络节点中的同步调度问题,提出了基于紧急度的流调度算法来平滑时延抖动,进一步,将时间触发调度延拓到大规模、异构且非同步的承载网中,提出了虚拟到达队列编排算法,利用业务同步机制替代时间同步,保障了业务确定的可达性需求。仿真实验表明该文所提算法可提升业务的可达性,保障其满足及时性、准时性、协同性需求。     

A Multi-objective Optimal Task Scheduling in Cloud Environment Using Cuckoo Particle Swarm Optimization

In cloud computing, varied demands are placed on the constantly changing resources. The task scheduling place very vital role in cloud computing environments, this scheduling process needs to schedule the tasks to virtual machine while reducing the makespan and cost. The task scheduling problem comes under NP hard category. Efficient scheduling method makes cloud computing services better and faster. In general, optimization algorithms are used to solve the scheduling issues in cloud. So, in this paper we combined two optimization algorithms namely called as Cuckoo Search (CS) and Particle Swarm Optimization (PSO).The new proposed hybrid algorithm is called as, CS and particle swarm optimization (CPSO). Our main purpose of the proposed paper is to reduce the makespan, cost and deadline violation rate. The performance of the proposed CPSO algorithm is evaluated using cloudsim toolkit. From the simulation results our proposed works minimize the makespan, cost, deadline violation rate, when compared to PBACO, ACO, MIN–MIN, and FCFS.