基于数据挖掘的电力云资源规划调度

随着虚拟化技术的应用,数据中心的资源利用率已经得到一定程度的提高,但是云资源通常还是根据用户提出的需求预先分配,资源利用率仍然有待提高.为了进一步改进资源利用率,云中心的实际资源需求可分为“周期资源”及“峰期资源”.“周期资源”可以通过历史规律,利用递阶成分负载模型进行分析,预测出数据中心大部分时间的资源需求;“峰期资源”主要是满足短时间内的各种高峰资源需求,这种需求应用了排队论及随机均衡算法模型并根据实际应用的需要动态启用、分配和收回资源.通过使用资源收集与分配守护进程对云中心资源需求进行规划调度实验,效果明显,从而为云中心资源利用率的提升及节能减排提供了一种有效途径.     

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。     

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．     

面向云服务提供商的服务选择方法研究

从云服务提供商角度出发,为提高服务选择的有效性,首先对服务选择流程进行分析,提出面向云服务提供商的服务选择思路,设计服务选择具体流程。进而从服务提供商角度出发,分析影响服务选择结果的主要因素,建立基于用户需求偏好和服务资源调度的服务选择数学模型,设计智能算法进行求解。最后进行算例分析,实验结果验证了该方法的可行性和有效性。     

面向云服务系统的网络安全评测方法

随着《信息安全技术网络安全等级保护基本要求》等国家标准的发布和实施,我国网络安全等级保护工作正式进入"2.0时代".如何进行面向云服务等网络系统的网络安全评测成为一项研究课题.文章基于上述背景,提出了一种面向云服务系统的网络安全评测方法,对云服务的一般网络架构进行梳理;对云服务的网络安全检测方法进行了阐述,对用户账户安全检测、网络系统入侵防护检测,网络数据安全检测等方法进行了说明.     

面向拟态云服务的异构执行体调度算法

针对当前异构调度模型仅从空间或者时间特性进行建模设计,缺少对时空特性的综合考虑且存在动态性和异构性不够均衡的问题。为使拟态云服务系统的动态、异构和冗余特性能够平衡互补,提出一种基于优先级和时间片的执行池调度算法,该算法基于执行池相似性指标进行优先级预排序,结合时间片等策略进行方案调度。实验结果表明,所提算法有较好的动态性,结合时间片策略能够获得动态性和异构性的综合平衡,且算法耗时较低。     

带准备时间和截止期约束的云服务工作流调度算法

带准备时间和截止期约束的云服务工作流费用优化是一个新的云计算资源优化分配问题。分析该NP-hard问题特征,建立相应的整数规划数学模型。构建有效的变量取值概率模型和更新机制,提出高质量初始群体的启发式生成方法;提出混合的分布估计算法（HEDA）,引入个体向全局最优解学习的策略,提高算法的全局搜索和局部优化能力。模拟实验结果表明此提出的方法在合理的CPU时间内可有效减少工作流费用。     

基于云服务优选的最节能物流运输调度系统的设计

云计算的物流调度系统中能耗过高一直是亟待解决的问题,设计一种基于云服务优选的最节能物流运输调度系统,给出了系统的总体结构,系统主要由微控制器LPC2368、GPS模块GPS9805、通信模块SIM300C、数据采集模块等组成,详细分析了关键器件的电路图。依据N层体系架构思想建立软件系统架构,系统被划分成5个逻辑层,即云服务优选层、业务逻辑层、业务规则层、业务实体层、数据访问层。所设计系统中的调度人员通过业务需要进行物流调度,主要在云服务优选层实现,给出部分代码。实验结果表明,所设计系统不仅节能效果好,而且资源利用率高,调度所需时间短。     

双向收敛蚁群算法在云计算资源调度中的QoS应用

云计算环境下,用户数量和处理的任务数量庞大,对任务完成时间和满足客户的QoS需求上具有较高要求。针对云计算中资源调度问题进行了研究,在综合考虑运行时间和满足客户QoS需求的情况下,建立了云计算资源调度适应度函数模型,并在最大最小蚁群算法的基础上引进了双向收敛策略。通过在CloudSim平台模拟实验,表明该算法在云计算资源分配上具有较快的收敛速度和较好的QoS服务能力,是一种有效的资源调度算法。     

基于蚁群的云计算资源调度研究

针对云计算环境中资源调度的问题,提出了一种基于改进蚁群的云计算资源调度算法。在算法中添加了查找表,存储其他蚂蚁推荐的节点。当任务分类比较明确的时候,查找表的优点更加地突出。在信息素的计算中加入了成功率因子,成功率越高的节点被选中的概率就越大。本文使用Cloud Sim对算法进行了仿真,仿真结果表明提出的算法缩短了搜寻资源节点的时间,从而使任务可以更快地获得资源并执行,保证了任务能够按时完成。     

云计算服务系统的可靠性建模研究

云计算服务系统的可靠性问题是目前制约其大规模应用的关键因素之一。如何形成一整套有效的云计算可靠性建模、分析、评估和优化方法理论是云计算领域的研究热点。在研究云计算服务系统运行过程的基础上,给出了云计算服务系统可靠性的定义,并采取分阶段解析建模方法,探讨了建立云计算服务系统的可靠性数学模型。     

一种基于免疫克隆的偏好多维QoS云资源调度优化算法

针对云计算环境中高效资源调度问题,首先从理论上对云资源调度进行了建模,对用户应用偏好和多维QoS中的用户效用进行了量化,给出了多维QoS优化的目标函数.结合具有快速多目标优化能力的免疫克隆算法,提出了一种云资源调度优化算法.根据应用偏好信息为抗体分配偏好优先级,据此进行抗体的免疫克隆操作,提高抗体免疫基因操作的预见性,...     

云环境中基于混合和声算法的资源调度方案

随着信息技术的日趋成熟,任务、资源也呈几何倍数增长,对资源调度效率的要求不断提高,如何提高资源调度效率也成为了当前研究的热点。为此,文中针对调度策略提出了一种混合和声算法,加入遗传算法交叉操作和动态PAR方法,扩大基本和声算法的搜索范围并防止其陷入局部最优,以达到最短时间跨度的目的。通过Cloudsim云仿真平台进行仿真实验,实验结果表明,该算法明显减少了任务平均完成时间,有效提高了资源调度效率     

Resource Scheduling Algorithm and Ecnomic Model in ForCES Networks

Resource scheduling algorithm for ForCES （Forwarding and Control Element Separation） networks need to meet the flexibility, programmability and scalability of node resources. DBC （Deadline Budget Constrain） algorithm relies on users select cost or time priority, then scheduling to meet the requirements of users. However, this priority strategy of users is relatively simple, and cannot adapt to dynamic change of resources, it is inevitable to reduce the QoS. In order to improve QoS, we refer to the economic model and resource scheduling model of cloud computing, use SAL （Service Level Agreement） as pricing strategy, on the basis of DBC algorithm, propose an DABP （Deadline And Budget Priority based on DBC） algorithm for ForCES networks, DABP combines both budget and time priority to scheduling. In simulation and test, we compare the task finish time and cost of DABP algorithm with DP （Deadline Priority） algorithm and BP （Budget Priority） algorithm, the analysis results show that DABP algorithm make the task complete with less cost within deadline, benifical to load balancing of ForCES networks.     

一种云数据中心资源的动态综合负载均衡调度算法

One of the challenging scheduling problems in Cloud data centers is to take the allocation and migration of reconfigurable virtual machines as well as the integrated features of hosting physical machines into consideration. We introduce a Dynamic and Integrated Resource Scheduling algorithm (DAIRS) for Cloud data centers . Unlike traditional loadbalance scheduling algorithms which often consider only one factor such as the CPU load in physical servers , DAIRS treats CPU, memory and network bandwidth integrated for both physical machines and virtual machines . We develop integrated measurement for the total imbalance level of a Cloud datacenter as well as the average imbalance level of each server. Simulation results show that DAIRS has good performance with regard to total imbalance level, average imbalance level of each server, as well as overall running time.     

面向成本优化的云计算资源分配方法研究

针对云计算运营环境中,云服务提供商租用云资源提供商的资源,向用户提供服务的场景,以优化云服务提供商的成本支出,增加其运营收益为目标,设计了一种面向成本优化的虚拟机资源分配方法.该方法全面考虑了现货、预约和按需3种资源分配模式,引入风险控制因子规避现货市场的资源风险,制定出成本优化的资源分配方案.所提方法在满足用户满意度基础上,有效实现了虚拟机资源成本的优化,增加了云服务提供商的收益.