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.     

云计算信息安全平台的均衡设计方法

云资源管理中负载失衡将使得在云安全管理平台中执行并行任务时的节点产生负载失衡问题,导致云安全管理平台安全性能降低,出现资源浪费问题。因此,提出一种基于负载均衡的云安全管理平台的设计方法,该云安全管理平台包括网络安全设备模块、数据获取和操作模块、云服务模块以及用户交互模块。采用基于负载均衡的云资源调度模型实现云安全管理平台中资源的合理分配,确保平台的安全性。该调度模型包括云服务、方案域以及资源域。通常采用融合辅助的方法,完成云资源的调度。按照服务种类把用户申请反馈给相关的方案集中,方案集选用合理的负载均衡方法对系统负载进行平衡。实验结果表明,云安全管理平台调度具有较低的吞吐量和响应时间,并且负载均衡度较高,满足云安全管理平台均衡设计的要求。     

延时触发的虚拟机调度策略研究

虚拟机在不同物理节点间的有效调度是云环境下充分利用服务器资源,降低能耗的有效手段。在对虚拟机调度策略的研究中,传统对负载阈值进行优化的方法有所不足,对于节点负载瞬时峰值所触发的虚拟机迁移未加考虑。这种迁移会导致额外的迁移开销,并增大了服务等级协议(SLA)的违反几率。针对此问题,文中提出了一种延时触发的虚拟机调度策略。仿真实验表明,延时触发策略能够减少虚拟机迁移次数,并降低迁移开销。     

边缘计算多约束可信协同任务迁移策略

为保障边缘计算的服务质量,提出一种在多约束条件下边缘计算可信协同任务迁移策略。该策略基于任务需求,由边缘计算协同服务盟主节点组织调度协同服务盟员,基于用户任务迁移的K维权重指标,确定协同盟员调度优先级,以盟员负载均衡性为适应函数,通过贪心算法执行盟员任务分配与调度,基于路由捎带选择备用节点,通过迁移优先级评估,实现协同服务异常时的调度和迁移,由此提高边缘计算任务迁移的服务质量,保障任务迁移的可靠性。仿真实验表明,该机制能有效完成协同任务分发与迁移调度,提高边缘计算协同效率,保障网络服务质量。     

面向智慧社区的云分支服务器设计与实现*

根据我国智慧社区的最新发展和需求,设计了一种功能强大的云分支服务器(Embed Cloud Branch Server,ECBS).通过在社区合理布置云分支服务器,从而实现社区无线网络覆盖,居民通过终端设备连接上网并使用智能服务软件,实现了社区管理和服务的智能化.并提出一种基于节点负载权值的调度算法,实现云分支服务器数据的存储与更新,保证集群系统负载均衡.经应用测试表明,该云分支服务器性能稳定,应用效果好,具有一定的推广价值,符合未来智慧社区的发展趋势.     

云计算环境下的资源管理研究

首先提出高性能的大规模的云计算资源是实现云计算服务的基本条件,而对庞大的资源如何进行管理和分配,是云计算服务必须解决的后继问题。其次分析云计算资源管理主要分为数据存储的资源管理,存储层,基础管理层、应用接口层和访问层构成了云存储系统的4层结构模型,云安全是存储技术的重要方面,而云资源调度则包括资源发现、调度组织、调度策略、状态评估以及对资源的再调度等。最后针对目前亟需解决的信息存储安全、服务可靠性、大规模隐私泄露以及资源的可移植性和兼容性等问题提出了相应的资源管理技术方法。     

云呼叫中心系统中对虚拟化资源进行动态分配的方法

构建在云计算业务平台资源池上的云呼叫中心系统,不仅能够在业务层面上进行负载均衡控制,实现呼叫中心的智能化资源调度和分配,自动均衡处理来话负荷、座席签人负荷,支撑话务、服务资源的统一调度以及业务的统一运营管理;而且由于云呼叫中心业务系统部署在云数据中心资源池上,与其他应用可以共享基础设施,因此还需要实现资源动态伸缩分配.提出了一种云呼叫中心系统中对虚拟化资源进行动态分配的方法,这是一种根据资源池上层应用系统的运行情况决定资源池资源动态分配的方法,该方法包括云呼叫中心系统发起虚拟化资源动态分配请求的触发机制、云呼叫中心系统与资源管理平台之间进行资源动态分配的接口等.     

云计算环境下虚拟机资源均衡调度方法研究

虚拟机资源是云计算环境下的一类主要云服务资源,有效的资源调度方法对于改善负载均衡和提高资源利用率具有重要意义.针对虚拟机资源的调度问题进行分析,利用任务到达触发任务分配,当任务到达时,首先判断云服务资源池的运行状态,分为饱和与不饱和两种;然后针对当前任务请求下的云服务资源池状态,分别给出资源调度策略,并通过算例分析验证所提方法的有效性.所提虚拟机资源调度方法将有助于云服务资源池中虚拟机资源的均衡利用.     

基于特征粒子的调度算法在云计算中的应用

针对云计算中资源调度的无序性,以及虚拟机级别上负载均衡难以处理的问题,提出特征粒子调度算法。该算法能够快速、高效、有选择性地完成资源节点的筛选和调度,从而在全局上能够实现节点处理能力的均衡,以及节点资源的最佳利用。通过在模拟仿真平台(Cloud-Sim)上的模拟测试,实验结果表明,此算法能够有效地整理不同特征的云资源节点、缩短云环境下的任务平均运行时间,提高资源的利用率,并在理论上可大大降低整个云的资源消耗。     

基于改进匈牙利算法的云仿真资源调度

针对传统仿真系统平台的资源分配存在资源闲置、任务挤压和负载均衡等优化问题,利用云计算技术的优势研究并提出了模块化的云仿真平台框架,通过对云仿真资源调度策略研究,提出了一种改进的匈牙利算法．该算法克服了传统匈牙利算法只适用于一对一资源调度的不足,实现了多对一的仿真任务与云仿真资源分配方案,能尽量避免资源调度负载失衡．通过扩展云计算仿真平台CloudSim实现了模拟算法仿真．结果表明．该调度策略能有效的减小云环境下计算机的负载,提高了资源的利用率．     

基于云模型的负载均衡问题研究

云环境是一个复杂多变的环境,其不同层次提供不同的服务,在处理服务请求时其服务类型与服务器节点供给都是一个动态,随机的变化过程,如何高效的组织以及利用这些节点的处理能力,是该环境中负载技术应该考虑的关键问题.本文对云计算中私有云模型做了概括总结;并对负载均衡调度问题在不同平台中的研究现状做了相关描述,最后、指出了负载均衡调度问题在私有云中未来的研究方向.     

Performance of MIMO-UWB for LOS and N-LOS Propagation

Mobile cloud computing (MCC) enables ubiquitous access to a diverse range of Internet multimedia services in a pay-as-you-go economic model. In an MCC environment with highly mobile users, the migration of service requests from one cloud server to another due to user movement may frequently occur. We note that when the load offered to the cloud server is increased beyond the capacity limit, particularly when migrated traffic due to user movement suddenly appears, the probability to disrupt existing services gets higher, consequently resulting in the degradation of user quality of experience (QoE). To keep the service disruption probability at an acceptable level so as to maintain a high user-perceived QoE for different classes of multimedia services, this paper proposes a QoE-aware service continuity strategy for the cloud server in an MCC environment. The strategy is based on the buffer-occupancy threshold policy that differentiates newly arriving service requests coming from the mobile users and offers effective protection for migrated service requests against traffic fluctuation in newly arriving service requests. With the proposed strategy, the cloud server can dynamically change the buffer thresholds for different classes of service requests based on the offered traffic load and the user mobility to improve resource utilization, and, most importantly, to keep the service disruption probability at an acceptable level. Besides, by taking the effect of migrated traffic into account, we develop an analytical model to study the performance of the cloud server using the proposed strategy. With the analytical model, we propose an iterative method to determine the optimal buffer thresholds that maximize resource utilization while keeping an acceptable user QoE for different classes of services.

     

一种基于分层多代理的云计算负载均衡方法

针对现有云计算系统中负载均衡方法的不足,借鉴系统逻辑分层和多代理的思想,提出一种基于分层多代理的云计算负载均衡方法.通过对云计算平台逻辑分层,在任务代理层设置任务监控代理和任务子代理,根据用户任务的差异性,采用基于任务优先级和QoS目标约束的调度策略协同完成任务调度;在资源代理层设置资源监控代理和资源子代理,考虑物理节点的异构性,采用基于启发式贪婪的资源分配策略协同完成虚拟机到物理节点的映射.通过评估对比仿真实验,结果表明该方法在任务调度效率、任务完成时间、截止时间违背率和负载均衡度方面表现更优,多代理有效地分担了中心管理节点的管理负载,使云计算平台的任务处理能力、资源利用率及鲁棒性均得到了进一步的提升.     

An Enhanced Load Balancing Approach for Dynamic Resource Allocation in Cloud Environments

Cloud computing is one of the distributed resource-sharing technology that offers resources on a pay-as-you-use basis. Platform as a service, Infrastructure as a service, and Software as a Service are services provided by the Cloud. Each end user's Quality of service must be ensured by the cloud service provider. In recent days, cloud utilization is rapidly increasing. To avoid congestion and to preserve the Service Level Agreement, the large workload must be balanced across the network. In this research work, a new load balancing approach is proposed for the dynamic resource allocation process to improve stability and to increase profit. PBMM algorithm is devised for an effective load balancing process through which, resource scheduling is performed. Task size and the bidding value coded by each customer are taken into account. To optimize the waiting time, resource tables and task tables are employed. The average waiting time and response time of the special users are minimized. The simulation results show that the proposed load balancing technique ensures the maximum profit and it enhances load balancing stability by increasing the number of special users.

     

基于模糊聚类的云任务调度算法

为了更好地实践云计算提供廉价按需服务的宗旨,提出了一种在模糊聚类基础上,基于两级调度模式的任务调度(FCTLBS,fuzzy clustering and two level based task scheduling)算法,新算法设置用户调度和任务调度2个等级。对资源进行性能模糊聚类;根据任务参数计算资源偏好,使不同偏好任务在不同聚类中选择,缩小了选择范围,更好地反映了任务需求。仿真实验表明,本算法较之同类算法具备一定的优越性。     

基于粒子群算法的嵌入式云计算资源调度

随着移动互联网的发展,基于嵌入式设备的云计算服务成为研究热点。在国内,嵌入式云计算目前正处于探索研究阶段,云资源管理调度是嵌入式云计算的核心技术之一,其效率直接影响嵌入式云计算系统的性能。为了提高云计算性能,本文提出一种基于粒子群优化算法的云计算任务调度模型。粒子群算法中粒子位置代表可行的资源调度方案,以云计算任务完成时间及资源负载均衡度作为目标函数,通过粒子群优化算法,找出最优资源调度方案。在matlab实验平台进行了仿真,通过大量数据模拟实验表明,该模型可以快速找到最优调度方案,提高资源利用率,具有较好的实用性和可行性。     

Multidimensional QoS cloud computing resource scheduling method based on stakeholder perspective

A multidimensional cloud computing architecture is designed and a multidimensional cloud resource scheduling model is constructed based on the stakeholder perspective of cloud users and cloud service providers to meet the high QoS requirements of cloud users (such as task execution time and task completion time) with low computing costs (such as energy consumption,economic costs and system availability).For the second-level cloud resource scheduling,an MQoS cloud resource scheduling algorithm based on multiple Greedy algorithm is proposed.The experimental results show that under the four cloud computing application scenarios with no aftereffects,the MQoS cloud resource scheduling algorithm has an overall increase of 206.42%~228.99% and 34.26%~56.93 in terms of multidimensional QoS degree compared with FIFO and M2EC algorithms.It has an average overall reduction of 0.48~0.49 and 0.20~0.27 in terms of cloud data center load balance difference.     

云计算资源调度算法的研究与实现

在研究蚁群算法、任务分配和资源调度的基础上,提出了一种改进的蚁群资源调度算法.首先通过引入节点可信度机制在一定程度上增强了云计算资源的搜索能力和节点完成任务的成功率.然后在改进的算法中使用了信息素的局部更新机制和全局更新机制,可以有效地平衡负载.最后通过选取合适的参数利用CloudSim仿真工具对改进的资源调度算法进行实验测试,实验结果表明此算法缩短了任务的执行时间,改善了云计算资源调度的性能.     

运营商桌面云化可靠性优化策略研究

以某运营商生产任务型终端为例,探讨桌面云在推广过程中应如何定位,通过对虚拟资源自身特性的分析,建立一个资源可靠性评价模型,并基于此模型实现了一种面向最优可靠性适配的资源调度算法,为提升虚拟桌面服务水平提供了有效支撑。