云计算环境下多目标约束的虚拟资源动态调度

为了解决静态资源调度所导致的CPU利用率不高的问题,研究了多目标约束的虚拟资源动态调度方法。给出了云计算虚拟资源调度模型,设计了多目标约束的虚拟资源表示方法,采用马尔科夫链对虚拟资源的下一时刻状态进行预测,从而得到可用资源向量;最后,计算任务与可用资源向量之间的匹配向量,将任务分配给匹配向量中具有最大各维分量之和的虚拟资源进行调度,并提出了具体的采用基于马尔科夫链预测的云计算虚拟资源动态调度算法。实验结果表明:该算法能有效解决云环境下多目标约束的虚拟资源动态调度问题,具有较小的负载均衡离差和任务执行跨度,较其它方法具有较大的优越性。     

基于模糊聚类的云计算集群资源调度算法

针对现有的云计算集群资源调度算法具有的负载不均衡和在线动态适应能力不强的缺点,提出了一种基于模糊聚类的云计算动态集群资源调度算法。首先,构建了云计算环境下的资源调度模型。然后采用模糊聚类对云计算集群资源进行聚类,根据节点与所有聚类中心的距离判断是否需要增减聚类数量。当新任务到来时,自动计算其到各个聚类中心的距离,将具有最小聚类距离的聚类中心分配给该任务。在Cloudsim环境下进行仿真试验,结果表明该方法能有效地实现云计算集群资源的动态调度,且较其它方法相比,具有反应实时和负载均衡的优点,是一种适合云计算环境的可行任务调度方法。     

用户利益最大化的云计算联盟资源调度

针对云联盟的资源调度问题进行了研究,提出了基于用户利益最大化的云计算联盟资源调度方法,并通过遗传算法实现资源调度策略。同时基于CloudSim实现了云计算联盟资源调度方法,对云计算联盟环境下的资源调度研究从学术走向实际应用具有一定的意义。     

基于SLA的云计算资源调度机制研究

针对现有的IaaS层的资源调度研究在任务调度机制和资源负载均衡机制上存在的不足,以SLA管理、资源调度等理论为基础,结合现有研究成果,对基于SLA的云计算资源调度策略进行一些针对性的研究。提出了基于SLA的云计算资源调度框架,讨论了面向IaaS资源服务提供商SLA管理机制及内容,设计了基于SLA管理的QoS保证机制,与负载均衡模块和任务调度模块交互实现服务SLA的保证,有效实现IaaS资源服务提供商在任务QoS约束下最大化资源利用率的同时获得最大的收益。     

不确定执行时间的云计算资源调度

针对执行时间不确定情况下的云计算资源调度问题,基于模糊规划理论建立了时间-成本约束条件下的模糊云资源调度模型,使用三角模糊数表示不确定的任务执行时间,以最小化评价函数的平均值和不确定度作为调度目标。提出一种改进的混沌蚁群算法对模型进行求解,算法引入精英策略优化了信息素的更新,采用折叠次数无穷大的混沌映射进行混沌搜索,并设计了自适应混沌扰动机制以增强算法的全局搜索能力。在Cloudsim平台上用仿真数值实例对模型和算法进行验证,证明了模型的可靠性,实验结果表明改进算法在收敛速度、求解能力和负载均衡上均有较好的性能。     

基于云计算的计算机实验室建设

近年来,云计算已经成为网络领域中的研究热点。为了将云计算技术应用于计算机实验室的建设,设计了一种基于云计算的资源管理系统。首先介绍了什么是云计算,然后构建了层次结构的云计算资源管理系统,并对系统的构成进行了介绍,最后对该系统的性能进行了分析。     

基于蚁群算法的云计算联盟资源调度

针对目前云计算联盟的架构和单云环境下资源调度的研究缺少对云计算联盟下的资源调度问题的研究情况,建立了由云用户、云服务供应商和云联盟协调器组成的云计算联盟资源调度模型,为达到云供应商利益最大化,设计了任务-虚拟机-数据中心的调度算法,利用蚁群算法进行模型求解,并通过Cloudsim仿真软件证实了该算法的合理性,验证了供应商资源的数据中心负载率在60％～80％之间时达到均衡,并可获得最大利益。     

用于虚拟计算中心的交互式作业调度策略

描述了一个用于虚拟计算中心,旨在加强为交互式作业及时分配资源的调度算法,该算法基于抢占式作业调度策略,能快速将资源分配给交互式作业,且能使资源被抢占的作业很容易重新恢复运行。通过模拟计算中心运行环境测试,实验结果表明：这个调度算法不仅对交互式作业的资源及时分配有显著的改善,提高了资源利用率,而且还大大缩短了批处理作业的响应时间。     

云计算环境下基于能耗感知的弹性资源管理机制

目前云计算环境中弹性资源管理的研究,主要考虑了系统的功能和性能,较少关注到能耗问题。设计了一种结合请求率预测与能耗感知的弹性资源管理方法。该方法首先根据获取的请求变化信息学习基于小波变换的模型以准确预测用户对应用的请求率,然后根据请求率与资源开销信息将任务映射到资源开销相对固定的应用执行单元,以达到对系统能耗的弹性管理。通过实验对不同的弹性策略的性能进行比较,验证了该方法在保证服务质量的前提下能更有效地降低能耗。     

移动云计算专业建设的探究

创新就业导向职业能力系统化课程VOCSCUM-CDIO模式是以纵向为主、横向为辅的宏观VOCSCUM链式课程与微观上课程内容结构狭义CDIO模式的结合。基于此,通过建立并实践高职“移动云计算应用”专业方向的定位、培养规格、“1．0＋1．0＋0．5＋0．5”人才培养模式、课程体系等规范,为国内该专业方向建设提供了参考。     

基于云计算的实训资源管理系统设计

基于云计算技术,设计满足开放性、可扩展性、按需部署的高校实训资源管理系统,提出一种现实可行的云计算架构。体现基础设施即服务、平台即服务和软件即服务三个云计算服务形态在实训资源管理系统的应用价值,结合已实现的可运行系统给出了实现的技术和方法。     

基于多级递阶控制结构的云计算资源管理研究

在分析云计算资源特点与资源管理基本功能的基础上,结合大系统控制理论,设计了基于多级递阶控制的云计算资源共享模型;该模型包括功能域和协调控制域2个部分,对功能域的6层结构进行了形式化定义,对协调控制域总结了采用多级递阶控制结构进行管理的7个优点;给出了云计算资源管理的工作流程;本研究从整体上对构建云计算系统提供了一种可行的思路。     

改进型云计算VM资源调度方法

针对云计算框架中VM资源调度问题,提出一种改进型云计算VM资源调度方法.首先,将直觉模糊机制和Canopy算法融入传统的模糊c均值聚类算法,设计一种改进型直觉模糊c均值聚类算法,用以完成对用户任务请求进行聚类;其次,设计一种改进型粒子群算法,对云计算中的VM资源进行分配.通过在Cloudsim平台上的仿真实验结果表明,本文方法无论在资源调度效率,还是收敛性效果方面均优于经典调度方法,预期可以作为云计算框架中一种有效的资源调度方案.     

云计算及云存储的管理技术

给出了云计算的定义,提出了云计算的架构,描述了云计算的特点.以Google GFS云存储和数据管理技术(B igtab le)为例,系统地阐述了云存储与管理关键技术,并就云存储的安全问题进行了讨论.     

云计算时代的网络管理

本文首先从服务端讨论了云计算可能给网络管理的安全性、可靠性和可用性、虚拟化、大规模超大规模、灾难恢复等方面带来的影响;接着,讨论了云计算对客户端的连接的可靠性和安全性、数据同步、离线应用、内部系统管理等方面带来的可能影响;最后,笔者提出了一些建议,以便相关从业人员可以更好地为云计算时代的到来做好技术准备。     

基于蚁群优化算法的云计算资源分配

基于云计算环境的特点,采用改进蚁群优化的计算资源分配算法,分析诸如带宽占用、网络负载和响应时间等因素对云端资源分配的影响。仿真实验的分析和比较说明该算法能够在云中快速、合理地找到所需访问的数据库,并能够优化搜索性能,减少搜索时间,降低云数据库整体网络负载,比其他一些针对云计算的分配算法具有更优的效率。