一种基于机器学习的虚拟机放置方法

为改善云数据中心的能耗、负载均衡性和服务等级协议(SLA)违背率,对虚拟机放置策略进行优化。基于IaaS环境,提出一种基于机器学习的虚拟机迁移调整方法。根据资源消耗的互补性和不均衡性对虚拟机进行预放置,使用深度神经网络预测物理机负载等级,并利用深度Q网络调整物理机数量。实验结果表明,该方法能够有效均衡负载分布,降低能源开销和SLA违背率。     

IaaS云融合Q学习的自适应虚拟机部署

云环境中,仅根据当前负载需求降低活跃主机量,忽略负载变化时的未来资源需求,会导致过多非必要虚拟机迁移,增加SLA违例.为此,提出基于Q学习的自适应虚拟机部署算法.Q学习在无需先验知识前提下,可以自适应生成资源利用率阈值,根据自适应阈值动态地对主机超载状态做出决策,判断是否进行虚拟机迁移.通过现实负载流进行实验分析,实验结果表明,该算法可以降低主机能耗,同步减小虚拟机迁移量和SLA违例率.     

IaaS公有云平台调度模型研究

抽象出IaaS公有云平台的服务模型,基于排队论对平台服务模式、队列长度、调度服务器设置等进行了优化分析。在此基础上提出一种基于IaaS平台需求向量的调度模型,根据需求与可用资源的匹配度从平台管理的物理机集合中筛选出可用的宿主机,若一次性无法找到符合要求的宿主机,平台调度算法结合虚拟机迁移操作,对物理资源进行重新分配,在实现平台资源利用率最大化的同时,保障了平台的可用性。将该算法应用在自主研发的云计算平台上,实验结果验证了该算法的可行性。     

云数据中心基于贪心模式的虚拟机选择算法

针对如何从云数据中心的异常物理主机中选择出候选迁移虚拟机列表是虚拟机迁移中的问题，提出了基于贪心模式的虚拟机选择算法(GAO-VMS)。GAO-VMS每次都选择那些目标函数最优的虚拟机作为标准来迁移，形成候选迁移虚拟机列表,它有三类贪心模式：最大能量降低消耗策略(MPR)、最小迁移时间及能量消耗均衡策略(TPT)、最小每秒百万条指令数虚拟机请求策略(VVM)。使用CloudSim模拟器作为GAO-VMS的仿真环境。仿真结果表明：与常见的虚拟机迁移策略相比较，GAO-VMS使得云数据中心的能量消耗减少了30%~35%,虚拟机迁移次数减少了40%~45%，服务等级协议(SLA)违规率以及SLA违规和能量消耗联合指标只有5%的增加。GAO-VMS策略可用于企业构造绿色云计算中心。     

云数据中心中一种物理资源利用阈值边界管理策略

提出了云数据中心的一种物理资源利用阈值边界管理策略RUT-MS(physical resource utilization thresholds management strategy)。RUT-MS把虚拟机迁移过程进一步划分为超负载主机检测、虚拟机选择、虚拟机放置第1阶段、低负载主机检测和虚拟机放置第2阶段。使用一种迭代权重线性回归方法来预测物理资源的阈值上限,避免超负载的物理主机数量的增加;采用最小能量消耗策略完成虚拟机选择过程。使用多维物理资源的均方根来确定其资源使用阈值下限,减少低负载主机数量。实验结果表明： RUT-MS物理资源利用阈值边界管理策略使云数据中心的能量消耗和虚拟机迁移次数明显减少,SLA违规率和SLA及能量消耗联合指标只有少量的增加。     

面向业务动态变化的虚拟机迁移技术研究

针对数据中心内业务需求动态变化下虚拟机的迁移问题,提出了一种基于动态资源需求相关性的虚拟机迁移算法。该算法首先对各个虚拟机的资源需求变化以及服务器资源利用率的动态特性之间的相关性进行定量评估,再根据相关性最优匹配原则以及虚拟机的服务水平协议（SLA）以确定各个待迁移虚拟机的最佳迁移策略。通过与其它虚拟机迁移算法比较,结果表明该算法能更有效地降低动态环境下虚拟机的迁移成本、提高服务器资源利用率以及降低数据中心的能耗。该算法能较好地适用于资源需求动态变化环境下的虚拟机迁移,达到物理资源的高效利用。     

基于节点负载评估和动态阈值的虚拟机迁移触发策略研究

针对现有的虚拟机迁移触发策略中由于负载瞬间峰谷值易导致的过度迁移问题以及触发时机不合理造成的资源浪费问题,综合考虑数据中心节点的异构性与资源配置的差异性,设计一种基于节点负载评估和动态阈值的虚拟机迁移触发策略(NLADT-MMT).由全局监测模块动态调整标准状态阈值,节点监测模块根据标准阈值和配置信息更新状态阈值,并结合负载预测实现对节点状态进行有效评估并以此判定迁移时机,达到减少虚拟机迁移次数和降低SLA违约率的目的,提高数据中心的资源利用率.仿真实验表明,该方案可以有效减少虚拟机迁移次数,降低平均SLA违约率,并提高数据中心资源的利用率.     

一种新的物理主机资源利用阈值边界管理策略

提出了一种新的物理主机资源利用阈值边界管理策略（Physical host resource utilization thresholds management strategy, RUT-MS）。RUT-MS把云数据中心的虚拟机迁移过程进一步划分为超负载主机检测、虚拟机选择、虚拟机放置第1阶段、低负载主机检测和虚拟机放置第2阶段。使用一种迭代权重线性回归方法来预测物理资源的阈值上限,避免超负载的物理主机数量的增加;采用最小能量消耗策略完成虚拟机选择过程;使用多维物理资源的均方根来确定其资源使用阈值下限,减少低负载物理主机数量。实验结果表明： RUT-MS物理资源利用阈值边界管理策略使云数据中心的能量消耗和虚拟机迁移次数明显减少,SLA（Service level agreement）违规率和SLA及能量消耗联合指标只有少量的增加。     

基于K最近邻回归预测的高能效虚拟机合并

虚拟机合并和迁移仅考虑当前负载会导致过多非必要迁移,为此,提出基于资源利用预测的虚拟机合并算法UP-BFD.通过K最近邻回归方法同时对主机和虚拟机的负载进行预测,在虚拟机迁移源主机和目标主机的选择上,同步考虑当前超载和预测超载问题,较好避免无用虚拟机迁移.通过随机负载和现实负载进行仿真测试,测试结果表明,UP-BFD算法可以降低主机总体能耗,同步减少SLA违例和虚拟机迁移量.     

基于遗传算法的虚拟机在线迁移优化方法

虚拟机在线迁移是云计算研究热点。目前已有的研究工作未能考虑Web应用资源需求的变化规律,可能会存在因虚拟机循环迁移而导致的Web应用性能频繁违约现象。提出一种基于Web应用资源需求变化分析的虚拟机迁移优化方法,以虚拟机资源需求小于物理机资源供给为约束条件,将虚拟机和物理机空间布局的稳定性刻画成收益。每次执行虚拟机在线迁移操作时,都以收益最大化作为待迁移虚拟机和目标物理机的选择依据。实验结果表明,与已有方法相比,本方法能减少超过50%的性能违约次数。     

NT服务程序设计

本文介绍与 ＮＴ服务相关的部件以及服务程序的架构,指出需要注意的问题,并给出了 示例程序。     

A trustworthy QoS-based collaborative filtering approach for web service discovery

Many network services which process a large quantity of data and knowledge are available in the distributed network environment, and provide applications to users based on Service-Oriented Architecture (SOA) and Web services technology. Therefore, a useful web service discovery approach for data and knowledge discovery process in the complex network environment is a very significant issue. Using the traditional keyword-based search method, users find it difficult to choose the best web services from those with similar functionalities. In addition, in an untrustworthy real world environment, the QoS-based service discovery approach cannot verify the correctness of the web services’ Quality of Service (QoS) values, since such values guaranteed by a service provider are different from the real ones. This work proposes a trustworthy two-phase web service discovery mechanism based on QoS and collaborative filtering, which discovers and recommends the needed web services effectively for users in the distributed environment, and also solves the problem of services with incorrect QoS information. In the experiment, the theoretical analysis and simulation experiment results show that the proposed method can accurately recommend the needed services to users, and improve the recommendation quality.     

基于WEB SERVICE的网格资源架构WSRF

本文介绍了网格技术的最新发展,网格资源架构技术WSRF.WSRF是开放式网格服务基础框架OGSI的进化和重构,是Web Service和网格的深度融合.文章在简要介绍了网格技术和Web Service技术之后,介绍了WSRF的规范以及WSRF是如何对物理资源构造的.     

一种基于QoS的业务管理SLS信息模型

为在迅速发展的IP网络上提供各种基于IP的差异性业务,业务提供商必须为客户提供业务等级协议(SLA)以对客户做出服务质量(QoS)的保证。业务等级规范(SLS)是SLA的技术部分,它从技术层面上描述了双方对业务及其QoS要求所达成的协定。为使SLA双方的协商以及QoS的验证能有效进行,必须建立一个能满足不同业务特性的SLS信息模型。文章首先对SLA、SLS以及相关概念进行了阐述,然后提出了一种有效的通用的SLS信息模型并对该模型的组织机制进行了研究。     

统一消息服务技术

随着因特网、有线网、无线网的融合 ,统一信息服务应运而生。用户可以使用电子邮件、传真、语音邮件、手机、可视邮件、电话中的任何一种工具发出信息 ,而接收方则可以在自己方便的任何时刻、任何地点 ,使用电话、电脑、传真、呼机中的任何一种工具连接到系统的服务器 ,并获取所需信息 ,它满足了个人通信服务、个人化信息内容服务和个人化电子商务服务的需要     

面向服务构架的智能环境研究*

介绍了智能环境的概念,分析了其研究的相关问题,提出一个面向服务架构的智能环境框架。结合面向服务架构的特点,具体分析了智能环境中的智能感知、服务的描述、服务注册和发现机制,以及服务的动态调度和集成等相关问题。     

论Web服务与网格

网格是网络与异构环境中基于Web服务的分布式网络计算系统。从计算机网络体系结构的观点来探讨网格与计算机网络和Web服务的关系,通过对基于Web服务的网格服务体系结构和OSI/RM框架的对比分析,提出了将实现开放式网格服务结构（OGSA）的计算机系统划分为OSI/RM域内的部分和对OSI/RM不可见部分,从而理清了网格服务体系结构的层次结构与计算机网络层次结构的异同。     

基于SCA/SDO的高速铁路综合调度系统中间件设计

为了解决高速铁路综合调度系统在高度分布、高度异构环境下的系统集成问题,提出了基于面向服务架构(SOA)的系统集成架构。基于服务组件架构/服务数据对象(SCA/SDO)技术构建了高速铁路综合调度系统的体系结构及分布式SOA应用,在Java EE平台上基于SCA/SDO技术实现了供电调度子系统与其他子系统集成,所采用的方法充分体现了SOA的开放性和跨平台等特性,并且实现简单。     

地球空间Web服务数据交换机制的设计与实现

为了支持多源、异构的地球空间数据在互联网上异步、可靠的传输,基于开放地理信息Web服务体系（OWS）,提出了基于消息中间件的空间数据交换方法。首先分析了当前地球空间数据交换的研究现状及相关技术,指出了当前地球空间数据交换方式存在效率低等诸多方面的不足,特别是由于目前很多OWS实现都是基于HTTP的Web服务模式,服务之间的数据交换是无状态和不可靠的。其次介绍了消息中间件规范,设计了基于消息中间件的空间数据交换体系结构,并对该体系结构的各组成部分进行了详细阐述。最后基于Java消息服务（JMS）、Web要素服务（WFS）、Web坐标转换服务（WCTS）和Web制图服务（WMS）,实现了一个基于消息中间件的空间数据交换系统实例,验证了方法的可行性。     

SDO2JSON:一种业务数据模型到表现层模型的转换方法

企业为适应自身业务的发展和组织结构的变化需要不断改进原有的业务流程,而一旦业务层定义的数据模型发生变化势必会影响到表现层内容的展示,为此需要付出更大的成本重新调整表现层来对齐新的业务流程。针对这一问题,提出一种能反映表现层内容随业务层数据模型变化而动态更新的方法。在此基础上,开发出一种敏捷的从服务数据模型到脚本模型的转换工具,并将此工具应用在基于SOA架构的企业信息系统开发过程中,大大降低了业务流程重组过程中的维护成本。