基于微服务的电网云平台运维技术研究综述

随着云计算技术的快速进步与广泛应用,企业信息化建设得以迅速发展,为了探索面向大规模微服务应用的云平台运维关键技术,提升微服务架构下云平台的运维保障能力,针对微服务云平台运维工作与相关技术展开调研;首先介绍了当前微服务云平台运维工作的背景与特点,阐述了云平台运维工作的国内外研究现状并进行分析;根据微服务云平台运维工作的特点,将云平台运维技术主要分为监控运维、资源调度与故障分析三类,分别综述每一类运维技术的研究现状,并分析每类运维技术中不同方法的优缺点;最后,结合工业需求、当前技术的不足、以及微服务云平台运维工作的特点分析了云平台运维工作的未来发展趋势,并且对微服务云平台重要的运维技术也进行了总结与展望。     

面向服务的水泥企业信息系统集成架构

为满足水泥企业流程重组与业务协同对企业信息系统的要求,在充分考虑水泥企业的信息化现状的基础上,综合利用混合云的优势,以面向服务的方法构建了水泥企业信息系统应用集成架构,设计了一种针对大型水泥企业的服务划分算法,以移动服务和设备诊断检测服务为例详细阐述了服务实现的过程.以该应用集成架构为基础构建了某水泥企业应用集成平台,充分利用了云端资源及企业内部信息资源,实现了该水泥企业信息系统的应用集成、共享及远程访问,满足了该企业满足科学管理、流程优化、协同业务等信息化需求.     

云计算环境下数字化业务全链路监测关键技术

随着电力企业数字化架构向云平台+中台技术路线演进，传统的企业信息系统的运维模式已无法应对云原生技术环境下企业级信息系统应用的运维工作中面临的挑战。本文提出了一种面向云计算环境下数字化业务全链路监测平台，用于实现对端到端、全流程、全层级监控，帮助监测微服务状态、分析系统性能、理解系统行为，支撑业务运维运营。     

信息系统分布式轻量化容器云的设计与应用

针对分布式环境下信息系统面临的发展需求,设计并构建了信息系统分布式轻量化容器云平台,支撑信息系统"网-云-边-端"应用模式.基于国产容器技术的分布式架构的集群管理解决方案,融合服务器组合的计算、存储及网络等基础硬件资源,构建弹性、可扩展、共享式虚拟资源池,实现各类资源可视化的统一管理、按需分配和灵活调度;借助高可用机制、负载均衡等技术,为信息系统提供了轻量、灵活、可靠、高效的信息服务支撑能力,提升系统效能.     

地区智能电网调度技术支持系统信息优化标准化管理

在电网实施“大运行”管理模式下,调度技术支持系统作为电网“大运行”管理的支撑平台,其信息的优化完备、实时、准确、可靠,是保证电网安全高效调控的前提。信息接入校验管控,又是保证信息质量的关键。孝感供电公司2009年成立调控信息校验管理机构,制定流程,实施PDCA闭合管控,确保信息质量,取得了较好的效果。高质量的信息为孝感电网调度管理、变电设备监控、电压无功优化等电网高级应用功能提供可靠数据基础,为电网安全、经济运行提供可靠保障。     

面向服务的自适应云资源信息集成软件架构

面向服务体系架构是实现云资源信息集成的软件开发关键技术。目前,常见的SOA平台云服务效率比较低,尤其是不能支持自适应云资源信息集成软件的动态变化。为改善和提高软件的云资源信息集成效果和扩展度,首先对软件资源集成的云模型表示方法、云资源信息集成软件架构的行为规约及服务组合调度算法等方面展开研究;然后基于此改进相应算法,提出一种面向服务的自适应云资源信息集成软件架构;最后进行了应用实验。实验结果表明,所提模型比传统架构更具有良好的云资源信息集成效果和实用价值。     

一种面向虚拟化云计算平台的内存优化技术

虚拟化技术和云计算平台的结合带来了全新的资源整合和使用模式,基于虚拟化技术的资源按需分配与调度可以提高云平台资源的利用率,提升云服务的服务质量,并降低云用户的总体拥有成本.但是,物理服务器的资源边界限制了资源的全局优化能力.文中引入了一种面向虚拟化云平台的全局内存优化框架-通过引入由逻辑地址空间和全局扩展地址空间构成的...     

烟草企业IT运维安全管控体系的研究与设计

近年来,烟草企业高度重视IT运维,信息化运维管理能力得到了大幅提升.但由于全程参与运维监管难度颇大,而且在长期运维中,外包服务人员逐渐熟悉烟草企业环境并掌握了部分信息资源,烟草企业IT运维安全存在一定隐患.文章以研究和设计以密码为核心、认证为基础、授权为手段、审计为保障的“四位一体”的IT运维安全管控体系为目标,以此防范烟草企业运维安全风险.     

工业互联网在电力装备行业的应用

为解决电力装备行业现场层采集的数据过少、过杂和“过脏”、企业级数据孤岛和制造数据与运维数据未有效打通等问题,本文采用“数字孪生”技术构建了电力装备领域工业互联网平台,重点开展了基于平台的设计云、生产云、知识云、检测云和服务云等环节设计,并在电力装备设计、制造和运维管理等场景进行了探索应用。通过研制推广智慧电器提升了设备自动化、数字化、网络化水平,消除了电力装备终端连接不足的瓶颈,提高了设备的数据采集能力和机理模型的沉淀能力;通过建设智能工厂将企业内部的设备和流程上云,建立运行与制造之间的有效联系,打通产品数据与运维数据,实现了提质增效;开展电力装备的资产管理和运维服务,局部打通了设备、产线、生产和运营系统,获取数据,打造了数据驱动的智能生产能力。将研制的工业互联网应用于电力装备行业,一方面获得了电力装备行业知识与经验的沉淀、重构和制造资源优化配置;另一方面,它为企业从传统电力装备制造企业向制造服务型企业转型奠定了技术基础。     

标准化IT运维服务管理

优化网络运维流程是当前电信企业运维管理的现实需求。基于对国内电信运营商的调查和理解,中研博峰咨询有限公司执行副总裁沈拓认为其运维体系主要存在着如下一些问题:组织管理:网运部组织体系的职能设置及价值配置需要优化;网运组织的水平协作及垂直管控能力弱,技术性组织特征明显;跨部门的职责界定不清,且在实施上缺乏清晰的流程支持的问题。服务保障:存在着服务保障的支撑模式需要优化,SLA(服务水平协议)实现水平需要持续提升;整体服务及业务提供能力要按照转型的要求进行持续优化;客网维护存在的问题主要体现在技术手段不足及缺乏必要…     

基于安全性能接口的调度和管理模型研究

以云计算效能提高为目的, 以研究Job调度和资源管理两大决定云计算环境能效的最重要因素为基础, 使用调度和管理对象对作为系统统计信息的参考指标进行采集的方式展开研究。性能代理和服务接口模式(PASI)已经从云环境中采集了原始数据, 通常情况下应用于云的安全技术属于被动防御模式, 如实时动态监控或者深度包检测模式(DPI), 其主要目的是实现动态检测和防御。提出了一个有效的框架以提高云计算中心的综合性能指标, 该架构的建立是基于PASI与DPI相结合的方式, 并且提出了一个基于安全PASI的Job调度和资源管理模型(JDRMSP)。实验结果表明, 该模型有效地提升了云环境的整体运作效能。     

云计算环境下资源调度系统设计与实现

在云计算环境下,对开放的网络大数据库信息系统中的数据进行优化调度,提高数据资源的利用效率和配置优化能力;传统的资源调度算法采用资源信息的自相关匹配方法进行资源调度,当数据传输信道中的干扰较大及资源信息流的先验数据缺乏时,资源调度的均衡性不好,准确配准度不高;提出一种基于云计算资源负载均衡控制和信道自适应均衡的资源调度算法,并进行调度系统的软件开发和设计;首先构建了云计算环境下开放网络大数据库信息资源流的时间序列分析模型,采用自适应级联滤波算法对拟合的资源信息流进行滤波降噪预处理,提取滤波输出的资源信息流的关联维特征,通过资源负载均衡控制和信道自适应均衡算法实现资源调度改进;仿真结果表明,采用资源调度算法进行资源调度系统的软件设计,提高了资源调度的信息配准能力和抗干扰能力,计算开销较小,技术指标具有优越性。     

Resource scheduling algorithm with load balancing for cloud service provisioning

Cloud computing uses scheduling and load balancing for virtualized file sharing in cloud infrastructure. These two have to be performed in an optimized manner in cloud computing environment to achieve optimal file sharing. Recently, Scalable traffic management has been developed in cloud data centers for traffic load balancing and quality of service provisioning. However, latency reducing during multidimensional resource allocation still remains a challenge. Hence, there necessitates efficient resource scheduling for ensuring load optimization in cloud. The objective of this work is to introduce an integrated resource scheduling and load balancing algorithm for efficient cloud service provisioning. The method constructs a Fuzzy-based Multidimensional Resource Scheduling model to obtain resource scheduling efficiency in cloud infrastructure. Increasing utilization of Virtual Machines through effective and fair load balancing is then achieved by dynamically selecting a request from a class using Multidimensional Queuing Load Optimization algorithm. A load balancing algorithm is then implemented to avoid underutilization and overutilization of resources, improving latency time for each class of request. Simulations were conducted to evaluate the effectiveness using Cloudsim simulator in cloud data centers and results shows that the proposed method achieves better performance in terms of average success rate, resource scheduling efficiency and response time. Simulation analysis shows that the method improves the resource scheduling efficiency by 7% and also reduces the response time by 35.5 % when compared to the state-of-the-art works.     

基于Kubernetes的AI调度引擎平台

文中介绍了基于Kubernetes的AI调度引擎平台的设计与实现, 针对当前人工智能调度系统中存在的服务配置复杂, 集群中各节点计算资源利用率不均衡以及系统运维成本高等问题, 本文提出了基于Kubernetes实现容器调度和服务管理的解决方案. 结合AI调度引擎平台的需求, 从功能实现和平台架构等方面设计该平台的各个模块. 同时, 针对Kubernetes无法感知GPU资源的问题, 引入device plugin收集集群中每个节点上的GPU信息并上报给调度器. 此外, 针对Kubernetes调度策略中优选算法只考虑节点本身的资源使用率和均衡度, 未考虑不同类型的应用对节点资源的需求差异, 提出了基于皮尔逊相关系数 (Pearson correlation coefficient, PCC)的优选算法, 通过计算容器资源需求量与节点资源使用率的互补度来决定Pod的调度, 从而保证调度完成后各节点的资源均衡性.     

Preemptive cloud resource allocation modeling of processing jobs

Cloud computing allows execution and deployment of different types of applications such as interactive databases or web-based services which require distinctive types of resources. These applications lease cloud resources for a considerably long period and usually occupy various resources to maintain a high quality of service (QoS) factor. On the other hand, general big data batch processing workloads are less QoS-sensitive and require massively parallel cloud resources for short period. Despite the elasticity feature of cloud computing, fine-scale characteristics of cloud-based applications may cause temporal low resource utilization in the cloud computing systems, while process-intensive highly utilized workload suffers from performance issues. Therefore, ability of utilization efficient scheduling of heterogeneous workload is one challenging issue for cloud owners. In this paper, addressing the heterogeneity issue impact on low utilization of cloud computing system, conjunct resource allocation scheme of cloud applications and processing jobs is presented to enhance the cloud utilization. The main idea behind this paper is to apply processing jobs and cloud applications jointly in a preemptive way. However, utilization efficient resource allocation requires exact modeling of workloads. So, first, a novel methodology to model the processing jobs and other cloud applications is proposed. Such jobs are modeled as a collection of parallel and sequential tasks in a Markovian process. This enables us to analyze and calculate the efficient resources required to serve the tasks. The next step makes use of the proposed model to develop a preemptive scheduling algorithm for the processing jobs in order to improve resource utilization and its associated costs in the cloud computing system. Accordingly, a preemption-based resource allocation architecture is proposed to effectively and efficiently utilize the idle reserved resources for the processing jobs in the cloud paradigms. Then, performance metrics such as service time for the processing jobs are investigated. The accuracy of the proposed analytical model and scheduling analysis is verified through simulations and experimental results. The simulation and experimental results also shed light on the achievable QoS level for the preemptively allocated processing jobs.     

基于ITIL运维服务管理体系的研究和设计

随着信息化应用的不断普及和深入,信息系统已成为支撑企业运作不可缺少的一部分,系统的运行维护也显得越来越重要。文章基于对ITIL最佳实践的研究,设计了一套IT运维服务管理体系,从而达到加强运维管理、提高运维效率、改善运维质量的目的,充分发挥信息化对企业的支撑和推动作用。     

基于业务预测的云资源动态调度人工智能 方法及系统研究

With the continuous development of the payment market, the data structure characteristics of new business forms such as mobile Internet have changed significantly, and intelligent cloud data center is the general trend of development in the current indus- try. This paper proposes an artificial intelligence method and system design for dynamic scheduling of cloud resources based on busi- ness prediction. The resource availability of daily physical machines has changed over time, and it is necessary to reintegrate the re- sources in order to save energy and meet the requirements of service. In the early stage of large-scale marketing, capacity analysis is combined to make prediction in advance, and intelligent multi-dimensional capacity decision expansion based on artificial intelli- gence and machine self-learning is adopted. The dynamic migration and integration method of virtual machines in cloud data centers with high energy efficiency provides a new solution for improving energy efficiency of cloud computing data centers, ensuring sys- tem reliability and reducing operation and maintenance costs of cloud data centers.     

面向暗物质粒子探测卫星在轨运行与科学研究的科研信息化应用

【目的】面向中国科学院紫金山天文台“十三五”战略布局和重大应用需求——暗物质粒子探测卫星在轨运行与科学研究,建设形成支撑暗物质卫星科研活动的特色数据资源体系和统一应用服务平台。【方法】充分汇集暗物质卫星科学系统数据资源,通过统一设计和整体部署,深入进行系统整合和信息化支撑系统建设。建立了精确检索封装集成化、多点同步的伽马数据发布系统;能进行资源的全周期在线汇交审阅的科研成果审批系统;能够针对多种目标的光子挑选、统计分析、观测模拟的伽马数据分析软件。【结果】构建了暗物质粒子探测卫星科研信息化应用系统,实现了暗物质卫星地面系统科研资源的汇聚管理、融合应用和整体运维服务,为面向暗物质粒子探测卫星的科技创新和持续发展奠定重要的数据支撑,并将依托中国科学院数据云服务环境,提供资源共享服务。     

云计算环境下动态资源碎片管理机制

针对云计算环境下用户所需资源与服务资源规格不完全相符以及在资源预留过程中完整资源被切割而产生的资源碎片问题,提出一种云环境下考虑碎片资源重利用的动态资源管理策略。研究了云计算环境下资源碎片的形成原因,构建了碎片资源池,制定了任务对碎片资源接收的度量标准,在充分考虑当前任务对资源查找、调度、匹配的同时,进一步讨论了任务调度对资源的分割情况,进而指出资源碎片对后续任务接收能力的影响,搭建了云计算环境下动态资源碎片调度模型。理论分析和Cloudsim仿真实验证明,该资源管理策略能有效实现碎片资源的优化重组,提高了资源对后续任务的接收能力,与此同时保证了较高的资源利用率。     

Workload-based multi-task scheduling in cloud manufacturing

Cloud manufacturing is an emerging service-oriented business model that integrates distributed manufacturing resources, transforms them into manufacturing services, and manages the services centrally. Cloud manufacturing allows multiple users to request services at the same time by submitting their requirement tasks to a cloud manufacturing platform. The centralized management and operation of manufacturing services enable cloud manufacturing to deal with multiple manufacturing tasks in parallel. An important issue with cloud manufacturing is therefore how to optimally schedule multiple manufacturing tasks to achieve better performance of a cloud manufacturing system. Task workload provides an important basis for task scheduling in cloud manufacturing. Based on this idea, we present a cloud manufacturing multi-task scheduling model that incorporates task workload modelling and a number of other essential ingredients regarding services such as service efficiency coefficient and service quantity. Then we investigate the effects of different workload-based task scheduling methods on system performance such as total completion time and service utilization. Scenarios with or without time constraints are separately investigated in detail. Results from simulation experiments indicate that scheduling larger workload tasks with a higher priority can shorten the makespan and increase service utilization without decreasing task fulfilment quality when there is no time constraint. When time constraint is involved, the above strategy enables more tasks to be successfully fulfilled within the time constraint, and task fulfilment quality also does not deteriorate.