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。     

随机需求下面向异质费用的云资源调度算法

采用分布式云构建流媒体服务等高资源消耗系统,既符合应用多区域部署的要求,也能充分利用云中资源保证服务质量,同时还能进行系统预算成本控制.由于各区域云中心费用函数存在差别,分布式云中调度需引入异质费用模型,结合流媒体应用中用户请求高度动态随机的特征,在给定的费用预算下响应尽可能多的用户请求.均值需求模型忽略了资源需求在短时间间隔内的变化细节,导致资源利用率低下.为克服均值需求模型的缺点,采用随机需求模型以捕捉细粒度资源需求,使用通用代价函数描述异质费用模型,建立更具通用性的非线性规划问题模型;为降低求解算法的复杂度,基于动态规划快速获得解的下界,再迭代逼近获取近优解.实验结果表明:相比经典的基于均值的调度算法,在区域数量较大时,平均能额外满足15%的用户请求;随着预算的减少,能额外满足近40%的用户请求;且不受各区域价格函数差异和用户访问需求差异的影响.因此,在构建全球部署的大规模流媒体服务系统时,算法能以较低的计算代价显著增加响应的用户请求量,广泛适应各种不同的云基础设施服务提供商.     

流媒体系统中基于请求迁移的任务调度算法

提出了基于请求迁移的任务调度策略(Request migration based task scheduling,RMTS)算法,当有新请求到达系统时,运行RMTS算法的调度器根据当前负载状态和迁移路径长度决定是否对请求进行迁移,并选择最优迁移路径。当某个媒体服务器出现故障无法提供服务时,调度器将该服务器正在服务的请求迁移到其他存储有相应内容的媒体服务器以保障点播服务不间断。采用请求成功率和服务时延度量系统的性能,仿真结果表明:RMTS算法优于传统迁移算法和REM(Random early migration)算法,服务时延和请求成功率分别提高了14%和15%。     

云数据中心虚拟机管理研究综述

云中心的虚拟资源管理是云计算提供者提供快速有效服务的重要保障,虚拟机管理是云中心资源管理的主要研究方向之一。该文首先对云中心虚拟资源相关研究现状进行深入调查和分析;讨论了云数据中心虚拟机放置调度方法(预留分配、即需分配、现货分配);综述了虚拟机动态在线迁移技术、服务器整合技术。最后指出云中心虚拟机管理的未来重要研究方向:分布式的虚拟机放置算法、虚拟机网络的拓扑结构、虚拟机资源使用模式探索和热能相关的动态虚拟机整合策略,以便为云数据中心虚拟机管理及研究提供有益的参考。     

基于Nginx 服务器的动态负载均衡策略

针对并发请求带来的服务器过载的问题, 将Nginx 服务器内置负载均衡策略进行优化, 提出一种由负载采集、算法调度以及健康检查3 个模块构成的动态负载均衡策略, 其中算法调度模块给出改进后的调度算法--动态负反馈调度算法, 以及新的度量指标。采用Apache BenchMark 的httpd-tools 工具进行测试, 结果证明, 改进后的策略使得服务器集群中的资源得到更为有效的利用, 系统的吞吐量和处理能力得以提高, 该调度算法无论在用户请求响应时间、实际处理的请求数, 还是负载均衡度都优于Nginx 内置的两种算法。     

基于效用最大化协商机制的云媒体资源分配算法

针对传统云媒体资源分配算法中没有考虑整体服务满意度和分配效用等因素对算法性能的影响,导致云媒体资源分配服务效率和可应用性不高的问题,引入云媒体服务提供者和云媒体服务请求者的效用函数模型,从服务价格、服务响应时间和服务带宽3个方面对该模型进行统一化描述。利用云媒体服务双方的效用函数值和让步策略,得到最大效用化的云媒体服务资源,并进行协商分配。基于协商机制效用模型,提出了资源分配算法RAANM(Resource allocation algorithm based on negotiation mechanism)。与传统调度算法相比,RAANM算法的云媒体资源分配的目标函数不再是最小化响应时间,而是最大化效用值,进而提高服务满意度。最后通过仿真实例验证了该算法的有效性。     

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。     

面向大规模并发制造服务请求的资源优化配置

针对如何高效处理云制造服务平台中大规模时序并发的制造服务请求这一问题,提出了一种面向服务响应时间的制造服务请求分段算法,通过制造任务相似性距离算法来保障分段算法的准确性。在分段算法保证制造服务请求完整性的前提下,构建了制造服务资源的关联区域。在此基础上,进一步提出了一种基于关联区域的制造服务资源分配算法,在时间维度上,保障了制造服务资源提供的公平性,从而提高了资源受限情况下的制造服务资源全局优化配置效率。最后通过实验测试和分析证明了算法的正确性和有效性。     

模糊云资源调度的CMA-PSO算法

针对多目标云资源调度问题,以优化任务的总完成时间和总执行成本为目标,采用模糊数学的方法,建立了模糊云资源调度模型.利用协方差矩阵能够解决非凸性问题的优势,采取协方差进化策略对种群进行初始化,并提出了一种混合智能优化算法CMA-PSO算法(covariance ma-trix adaptation evolution s...     

5G网络中流媒体资源的联合调度与分配优化

为了提高移动设备的高速接入需求,针对当今资源调度的问题将本地微云系统建立在云接入层C-RAN上,提出了分层次云服务系统。采用"效用函数"做为本地微云系统和云无线接入网络联系的中间桥梁,定义了收益函数和成本函数,成功建立了综合效用最优化模型。在运行中,C-RAN负责无线资源的分配问题,本地微云服务器负责统筹本地用户的对虚拟资源的服务需求,数据中心负责预测用户需求并将数据和服务缓存到本地的微云系统中,通过集中式调度和分布式分配的最优化组合,得到网络资源最优联合调配方案。仿真结果表明:资源联合调度与分配(JRSA)模型能够均衡整个网络的负载,进一步提高资源利用率和扩大系统容量。     

基于云计算的多目标服务调度算法的改进研究

在研究现有云计算服务调度算法的基础上,设计了基于QoS的分布式多目标服务调度算法。该算法兼顾用户需求和系统整体性能,依据完成时间、费用、开销和负载均衡多个参数进行服务调度,从而获得较好的调度质量。仿真实验表明该调度算法能够满足云用户的QoS要求,调节云内各种设备的负载均衡,提高云计算平台运行效率。     

云计算下区分服务的演化博弈调度算法

提出了一种基于区分服务的云计算演化博弈调度算法.算法中云任务方通过偏好类型参与对资源的竞争,虚拟机资源方依据其计算型、存储型、带宽型等各类服务评分高低竞争任务,构成一个混合博弈,然后再依据任务调度信息和用户反馈的评分不断演化改进虚拟机资源及其所属种群的各项服务评价,最终得到博弈的均衡.仿真实验结果表明,该算法是有效、可行的,能根据任务类型的差异分配不同特性的虚拟机资源,再依据用户对各项服务的评价,确保不同类别的用户任务的服务质量.     

服务机器人云计算平台SOA接口层模型设计

面向云服务机器人在家庭场景下的使用需求,设计了一种基于SOA(service-oriented architecture)架构的云计算平台接口层模型。模型将云计算平台的基本功能定义为元服务,根据数据类型和平台层次将SOA层服务分解为元服务的有序组合,并与服务相关资源组合构成元服务列表,完成服务的分解和重构流程,达到了元服务重组和复用的目的。针对服务执行过程中的服务质量监测问题,采用基于服务描述的服务质量存根保存服务的实时信息,设计服务管理层和服务调度层,通过元服务列表和服务质量存根完成服务的映射和管理工作,实现了服务的动态调度。实验验证了机器人云计算平台SOA接口层模型在服务映射和服务管理方面的可行性和有效性。     

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。     

基于QoS约束的计算能力调度算法研究

云计算具有很强的商业性特点,以为用户提供高质量的服务为目标。针对云计算对服务质量QoS的需求问题以及云计算原有计算能力调度算法没有考虑用户多样性的缺点,提出了基于QoS约束的计算能力调度算法。该算法可以在保证为用户提供模拟的独立计算能力基础上,根据QoS参数生成的向量进行资源与任务的匹配,区分用户的不同服务质量需求,为用户提供符合其需求的资源。     

云计算环境下基于Petri网的流程计费模型

通过分析云计算环境下服务模块流程组合的动态性,运用随机Petri网进行动态流程建模与追踪,给出了分层计费体系下的流程计费模型,使用Petri网对该计费流程进行建模分析和设计,便于云服务提供商实现基于状态的计费控制,从而优化计费策略.实现了云计算基于过程模型的服务计量,并根据该模型进行相应定价,用户即可按需付费.通过应用实例验证了该计费方法的有效性和可操作性,为云服务提供商计费决策提供了技术支撑.     

基于SLA的云计算多数据中心任务调度算法

针对现有的云计算任务调度策略仅考虑单数据中心内部负载均衡及平等看待各项任务的问题,研究了基于服务等级协议（ service level agreements ,SLA）的多云数据中心任务调度机制,设计了相应的任务调度效益模型和任务准入控制策略,提出了基于SLA的最大化收益任务调度算法（ SLA-MPS算法）,实现了在多个云数据中心间调度资源、优先处理紧急任务的同时保证云服务商利益最大化。在CloudSim上的实验证明,SLA-MPS算法能加快任务响应速度,降低云服务商违约率并提高其收益。     

Enhanced multi-objective evolutionary algorithm for workflow scheduling on the cloud platform

The complex and dynamic pricing mechanism raises big challenges to the workflow scheduling on the cloud platform. Considering the prices of the virtualized computing and storage resources, a multi-objective optimization model is developed for the workflow running on a cloud platform. Based on the character of the target problem, a real-coding mechanism is developed for the workflow scheduling problem, so that the crossover operators in a real-coded evolutionary based optimizer can be conveniently employed and the solution repairing step in combinatorial optimization algorithms can be skipped. Following the algorithm framework of the MOEA/D, a local search strategy is designed, and a new multi-objective workflow scheduling algorithm is proposed. Experimental studies have illustrated that the proposed algorithm can obtain Pareto optimal solution sets with better coverage and uniformity than the compared algorithms, which will contribute to improving the utilization of the resources on the cloud platform.     

基于云免疫克隆算法的空车动态优化问题

通过给定的时间轴将动态空车调度优化问题转化为一系列静态调度问题,以效益最大化为目标函数,考虑空车走行的时间对约束条件的影响,构建基于云偏好度的空车动态优化模型,并结合云模型对免疫克隆算法进行改进,提出一种云免疫克隆算法。算法根据应用偏好信息为抗体进行三维编码,通过计算抗体种群的熵进行免疫克隆操作,并利用云模型的分散稳定性对抗体免疫基因进行重组操作与变异操作,改善了向最优解的高效收敛能力。实验结果分析表明,该算法能改善空车动态调度系统的可用性、负载均衡离差、有效时间等方面的性能,满足了动态调度实时计算的实际需求。