基于神经网络改进的云环境下暴发式请求部署策略研究

针对暴发式任务请求给云计算系统性能带来的影响,结合现有资源部署模型,提出了一种基于误差反向传播神经网络改进的资源部署模型来应对上述问题。模型判断出暴发式任务请求的始末时,自动启动网络模块,通过事先训练好的网络进行参数调整值的预测,以达到动态跟踪云计算系统底层资源与外界任务请求变化的目的。通过CloudSim对模型进行了仿真实验,结果证明,引入神经网络模块可有效提高现有系统的资源部署响应速度。     

云环境下面向暴发式任务请求的资源部署模型设计

针对云计算环境面临的暴发式任务请求对系统性能带来的影响,提出了一种资源部署模型BWA来应对上述问题.首先由模型的负载监听模块负责监测云计算系统任务请求的变化量,实时判断暴发式任务请求的始末.然后通过引入新的资源部署策略,来避免局部热点的产生,加快系统的响应速度.最后利用跟踪预测算法预置计算节点来进一步加快云计算系统为用户提供服务的速率.通过CloudSim对资源部署模型进行了实验仿真,结果证明,该模型可有效优化系统响应速度.     

边云协同计算中基于预测的资源部署与任务调度优化

数据集中处理的云计算模式提供交互迅速、绿色高效的多样化应用服务面临新挑战.将云计算能力扩展到边缘设备,提出了边云协同计算框架;设计了基于任务预测的资源部署算法,在云服务中心通过二维时间序列对任务进行预测,结合分类聚合、延迟阈值判定等优化边缘服务器任务运行所需资源部署;提出了基于帕累托优化的任务调度算法,在边缘服务器分2个阶段进行帕累托渐进比较得到用户服务质量和系统服务效应2个目标曲线的相切点或任一相交点以优化任务调度.实验结果表明：结合基于任务预测的资源部署算法与基于帕累托优化的任务调度算法在提高平均用户任务命中率基础上,其用户平均服务完成时间、系统整体服务效应度、总任务延迟率在不同用户任务规模、不同Zipf分布参数α的应用场景下,均优于基于帕累托优化的任务调度算法和基于FIFO(first input first output)的基准任务调度算法.     

基于贪心算法的容器云资源低能耗部署方法

将容器云平台资源整体能耗最低作为目标,设计基于贪心算法的容器云资源低能耗部署方法。在物理主机与虚拟机对应、虚拟机与容器对应等约束条件下,结合静态和动态两个部分构建容器云资源能耗模型。通过资源虚拟化与去除冗余两个步骤,得到容器云资源的整合结果。检测物理机负载状态,确定虚拟机迁移源物理机和目标物理机,利用贪心算法均衡调度容器云资源负载,最终通过容器云资源编排重组,实现容器云资源低能耗部署。通过与传统部署方法的对比得出结论：在优化设计部署方法下,容器云资源的利用率和负载均衡度得到明显提升,能量损耗明显下降。     

中小企业云计算服务部署模型选择

提出云计算的选择模型,以期帮助中小企业做出初步云计算选型判断.首先介绍了云计算的基本概念和常用模型,其次从工作负载角度分析了云计算服务部署组合的适用场景,在此基础上,结合专家访谈,建立了云计算服务部署的选择模型,最后给出了应用案例以验证模型的合理性.     

基于属性分类的GDCS资源完全部署策略

针对工业应用,从控制的角度提出分层分布式的资源发现机制,研究网格环境下分布式控制系统的资源部署策略,建立不同应用需求下相应部署策略的数学模型。对于与属性无关资源的部署问题,由于数量充足,其部署策略视为静态匹配过程,可根据数学模型求出最优解;但受属性的限制,可供选择的资源数量不足,只能在数学模型的基础上,结合启发式算法,求得近优解。     

云计算环境下基于信任模型的动态级访问控制

云计算是通过Internet实现节点间的交互,目前Internet提供两种方式来保障安全机制：访问控制和安全通信。主要研究访问控制,借鉴社会学中人际关系信任模型,提出“可信”动态级访问控制（Trustworthy and Dynamic Level Access Control,TDLAC）方法,该方法建立云节点的信任机制,计算节点间的信任值的同时,还综合考虑节点的处理能力,在候选节点中选择最优节点进行交互。仿真证实,考虑节点处理能力的算法能适用于云计算环境,并能在尽可能少的成本花费下提高系统的可靠性和正确性。     

云计算环境下的资源监测模型研究

云计算环境下的资源监测是云计算平台资源管理的重要组成部分,为资源分配、任务调度和负载均衡等提供依据。由于云计算环境下资源的透明虚拟化和弹性化,并需要对用户使用资源进行计费,因此原有的资源监测方法不能完全满足云计算环境的要求。为此,根据云计算平台的特点,提出一种适应云计算环境下的资源监测模型,该模型通过虚拟机监测器和Java调用C/C++得到资源的状态信息。通过理论分析和实验表明,该模型可以较好地收集节点的资源监测信息,满足云计算平台特性的要求。     

基于改进多元非线性回归模型的云计算负载预测

云计算是目前信息技术领域炙手可热的资源共享技术,然而云计算领域的用户负载预测一直是一个难题,精准的用户负载预测能极大地提高资源使用率.本文基于数据挖掘的理论和方法,针对阿里云的用户负载数据进行研究,经过数据收集、预处理和建模分析三个部分,探索了一元线性回归、带周期性的非线性回归等多组模型,通过不断优化模型,预测性能也得...     

云计算环境下的改进型Map-Reduce模型

Map-Reduce模型在分配输入文件时没有考虑集群中大量异构节点的计算性能,导致运行map任务时网络数据传送量增加。针对该问题,提出一种云计算环境下的改进型Map-Reduce模型。根据集群中大量节点计算性能不同的特点,采用最小化最大计算时间的目标函数进行建模,利用遗传算法求解该模型得到分配方案。仿真结果证明了该模型的有效性。     

基于Stackelberg领导模式下的云资源定价研究

资源管理是云计算中最重要的一部分。介绍了基于现有云银行模型的云银行生命周期,并提出了合适的定价策略。它根据不同时期云银行的特点得出不同的定价策略。本文的目的是提供一个自动更新机制来定价云资源,从而最大化所有参与者的利益。     

基于社会力群智能优化算法的云计算资源调度

为了提高云计算资源的调度效率,提出了一种基于社会力群智能优化算法的云计算资源调度方法.首先将云计算资源调度任务完成时间最短作为社会力群智能优化算法的目标函数,然后通过模拟人群疏散过程中的自组织、拥挤退避行为对最优调度方案进行搜索,最后采用仿真实验对算法性能进行测试.结果表明,相对于其它云计算资源调度方法,该方法可以更快地找到最优云计算资源调度方案,使云计算资源负载更加均衡,提高了云计算资源的利用率.     

云计算资源调度研究综述

资源调度是云计算的一个主要研究方向.首先对云计算资源调度的相关研究现状进行深入调查和分析;然后重点讨论以降低云计算数据中心能耗为目标的资源调度方法、以提高系统资源利用率为目标的资源管理方法、基于经济学的云资源管理模型,给出最小能耗的云计算资源调度模型和最小服务器数量的云计算资源调度模型,并深入分析和比较现有的云资源调度方法;最后指出云计算资源管理的未来重要研究方向:基于预测的资源调度、能耗与性能折衷的调度、面向不同应用负载的资源管理策略与机制、面向计算能力(CPU、内存)和网络带宽的综合资源分配、多目标优化的资源调度,以便为云计算研究提供有益的参考.     

云计算环境下数字图书馆资源合理配置仿真

云计算环境下数字图书馆资源的合理配置在提高资源合理利用方面的意义重大。对图书馆资源进行合理配置时,需要对数字图书馆资源的资源节点和资源模块进行计算。传统方法主要根据数字图书馆的资源聚类系数进行配置,忽略了资源配置时间的影响,导致出现效性差问题,提出基于粒子群算法的云计算环境下数字图书馆资源合理配置方法。利用数字图书馆资源节点的连接度和总度数来分析相连节点的概率,并通过聚类函数计算数字图书馆全部资源节点的平均值和资源配置总流程时间,分析资源配置的质量指标,建立资源配置模型,计算数字图书馆资源配置的适应度值,并利用资源配置速度向量计算资源消耗,得到资源消耗量,采用迭代次数对资源配置的模块数量进行计算,实现云计算环境下数字图书馆资源的合理配置。仿真结果表明,所提的资源配置方法具有有效性和合理性。     

面向虚拟资源的云计算资源管理机制探讨

近年来,云计算作为信息技术领域的一项新的服务形式,被看作是新一代信息技术应用模式和技术变革的核心,日益受到业界和各国的关注,并大力推进其发展。而资源管理是云计算技术的重要研究内容,如何合理做好资源分配、提高资源的使用效率,是我们需要重视的问题。本文简要介绍了云计算的定义及其优势,并对其资源管理机制做出了探讨。     

QoS约束的云经济资源管理模型研究

提供用户满意的、具有QoS约束的云计算应用是云计算面临的一大难题。提出了以商品市场为原型的云计算经济资源管理模型,其通过云用户与供应商的SLA协商,实现应用服务层QoS到资源设备层QoS的映射,最后利用效用函数的管理策略实现资源的优化调度。     

面向云计算数据中心的弹性资源分配算法

巨大规模的数据资源与实时多变的应用请求,增加了云计算数据中心的资源分配难度,为此提出一种弹性资源分配算法。通过分析云计算数据中心下弹性资源分配问题,利用带宽资源与中间变量,将分配问题转换为整数线性规划问题,在各链路上逐级划分数据中心后得到不同分区,并按照从下到上的顺序逐层展开运算,完成动态规划阶段,基于树状数据中心的遍历过程,根据极大允许负载占比,明确可行的分配策略,依据带宽需求按序分配,实现云计算数据中心弹性最大化与资源最佳分配。选取不同的基准测试作业作为检测数据,经过对比分析实验数据,验证所提算法在弹性方面具有显著的优越性,有效降低应用请求响应时长,执行效果较为理想。     

云计算资源调度算法仿真

针对云计算的资源调度问题,有效利用云网络结构,是分布式结构与网格技术中的主要问题.大量资源调度算法使用任务结构对云计算环境下的负载进行分配,但较少考虑网络节点的动态信任度问题使得云计算资源存在一定的安全隐患.首先基于云计算任务串并联结构对网络动态资源进行分配,然后使用粒子群算法并结合节点置信度指标进行改进.通过仿真进行验证,证明了改进方法在增加节点信任度指标后提高了云计算资源的利用率,降低了网络资源负载.