普适计算环境下的设备请求代理模型*

为了给普适计算环境提供一个统一的应用架构和模式,本文从普适计算研究现状出发,通过借鉴对象请求代理技术,提出了设备请求代理模型,建立了设备基件的远程映射管理和统一调度机制,有效降低了普适计算环境下应用程序的开发难度和兼容传统应用程序。     

普适计算环境中移动电话一种新的应用模式

随着计算技术和通信技术的发展,各种兼有通信和计算能力的手持信息设备将变得无处不在。它将为人们提供各种方便的服务,但它们的资源和能力又严重受限。因此如何通过利用环境拥有的资源来增强用户手持设备的能力是一个尚待解决的热点问题。该文针对移动电话,讨论了它在普适计算环境下一种新的应用模式,然后论述了实现该应用模式需要解决的一些关键技术,并描述了支持该应用模式的体系结构。文章最后给出了该应用模式的一个实例———利用移动电话个性化使用公共显示设备。     

一种基于上下文协商的动态服务组合方法

普适计算的计算环境和交互信息动态变化,为了提供适时适地的服务,服务组合除了满足用户的需求之外,还要适应环境的变化.以面向普适计算的分布式文档管理系统为例,提出一种基于上下文协商的动态服务组合方法,适应普适计算环境下资源动态变化的特点,同时满足用户对服务的需求.首先定义上下文和带有上下文信息的服务模型;然后给出服务和设备以及服务和用户之间的上下文协商约束条件,根据约束条件提出基本算法实现服务动态组合,并对基本算法进行优化;最后通过原型系统和实验验证算法的性能和有效性,并通过实验数据分析上下文对于服务组合的影响.实验数据说明:提出的方法能够应用在普适计算环境中上下文敏感的服务组合问题上,提高服务组合的动态适应性和网络资源利用率.     

普适计算环境下服务发现问题的研究与进展

普适计算环境下，环境的结构、组成以及环境中的资源、服务都是动态变化的，而服务发现技术能够在动态变化的普适计算环境中动态查找、定位所需的服务，是解决普适计算环境异构性、实现不同应用集成的有效途径，因此逐渐成为普适计算中研究的一个热点和重点。基于此，本文总结、分析了当前已有的比较著名的普适计算服务发现协议并进行了分类比较，总结了各个方向上目前的研究进展，在此基础之上对今后的研究趋势进行了分析与展望。     

面向普适计算的服务构件动态部署问题及算法

有限的资源是嵌入式应用的一个局限性,因此越来越多的嵌入式设备联网,通过共享资源为用户提供灵活的服务以适应普适计算的要求.以构件化嵌入式操作系统Liquid为背景,研究普适计算环境下多个服务构件动态部署问题,合理分配利用资源,克服单个嵌入式设备的资源局限性.首先对部署问题进行描述,然后给出服务构件动态部署的基本算法和启发式算法,并对启发式算法优化,最后通过算法模拟及数据分析算法的性能.虽然在Liquid系统上进行模拟实现,但算法具有通用性,启发式算法的效率分析表明,它适合设备或者服务构件数目较多的普适计算环境,在部署服务构件的同时提高服务准入成功率和资源的利用率.     

面向普适计算环境的Android平台服务编排框架

普适计算环境下的智能移动设备是面向终端用户的服务资源聚集和编排的主要载体。普适计算环境中的服务资源具有多种不同的形态,包括基于互联网提供的Web服务、终端设备自身服务和资源(例如本地应用、自带传感器)以及所处环境中可访问的服务(例如环境传感器)。此外,不断变化的上下文环境对软件本身的自适应能力提出了新的要求,而移动设备上的服务编排受设备计算能力和资源的限制。为了解决上述问题,提出了一个面向普适计算环境的Android平台服务编排框架ASOF。通过ASOF,移动终端可在运行时获取所需业务流程的服务模板,并对该模板中的抽象服务进行服务绑定,实现轻量级的混合服务编排,使终端能够动态获得调用普适计算环境中各种类型的服务的能力。随后,基于OSGi Felix框架给出了一套ASOF的标准实现,并以一个具体案例验证其有效性。     

普适计算服务匹配技术研究

在普适计算环境下需要根据用户的需求提供合适的服务,这需要对用户请求的服务和环境提供的服务进行服务的匹配.而目前使用的基于语法的服务匹配和基于语义的服务匹配都不能很好地适应普适计算环境的高效、资源约束和上下文感知的要求.通过分析普适计算环境下主要的基于语法的和基于语义的服务匹配技术,给出普适计算环境下在高效、资源约束和上下文感知的特殊要求下服务匹配的解决方案,并就面向服务组合的服务匹配进行了分析.     

面向普适计算的自适应软件集成环境研究综述

在对当今主要普适计算研究项目,尤其是面向普适计算的软件集成环境原型系统进行介绍的基础上,本文对面向普适计算的软件集成环境所关注的共性问题进行了归纳分析,包括如何为应用提供自适应的软件体系结构支持、如何为应用提供普适计算环境下所需的可重用服务、如何根据普适计算环境的特点对传统中间件技术的内涵进行扩展等等,并对面向普适计算的应用需求下软件集成环境研究所面临的挑战进行了讨论。     

面向普适环境的协同设计框架研究

提出了一种面向普适环境的协同设计框架。该协同设计框架在现有分布协同对象计算技术和网格服务的基础上,引入了普适环境“随时随地”和“透明”的思想,巧妙地把协同设计技术融入第三代计算环境中。该文讨论了普适计算的相关理论,也涉及了网格计算的相关技术。并且建立了第三代计算环境下分布式协同设计模型。该框架能够很好地利用各种网络资源,随时随地的进行产品设计开发。最后简要介绍该框架在在自主开发的HUST-CAIDS中的初步应用。     

普适计算软件体系结构研究

普适计算强调人、计算机以及环境的相互融合，这就对传统的软件技术提出了挑战。需要新型的软件架构与之相适应。本文以普适计算环境下的通用软件架构设计为目标，采用面向服务组件和分层次的设计原则，通过中心服务器的管理机制和服务整合的方法，提出了一种基于Kerberos认证机制的、面向服务的普适计算软件体系结构。这个软件架构的提出，解决了普适计算环境下设备的本地资源受限性、任务多样性、运行环境的异构性和访问的安全性等一系列问题；并将此软件架构应用于“普适计算智能办公系统”的软件实现中。     

Improving quality-of-service in fog computing through efficient resource allocation

In today's world, large group migration of applications to the fog computing is registered in the information technology world. The main issue in fog computing is providing enhanced quality of service (QoS). QoS management consists of various method used for allocating fog-user applications in the virtual environment and selecting suitable method for allocating virtual resources to physical resource. The resources allocation in effective manner in the fog environment is also a major problem in fog computing; it occurs when the infrastructure is build using light-weight computing devices. In this article, the allocation of task and placement of virtual machine problems is explained in the single fog computing environment. The experiment is done and the result shows that the proposed framework improves QoS in fog environment.     

基于容器技术的云计算资源自适应管理方法

云计算的发展使得越来越多的软件应用选择云平台作为部署平台。为了应对动态变化的工作负载、应用场景和服务质量目标,应用提供商希望能以一种可伸缩的方式对云计算资源进行动态调整。基于虚拟机的资源管理较为重载,难以实现细粒度的资源动态调整与混合云中跨平台的服务快速迁移。容器技术在一定程度上弥补了虚拟机的不足,然而传统的资源管理方法在诸多方面并不十分适用于容器技术。针对这一问题,提出了基于容器技术的云计算资源自适应管理方法,设计了更适用于容器的资源架构方案与资源之间的调度方式。与传统的线性建模方法不同,所提方法使用非线性函数对云计算资源进行更加精确的建模,同时用遗传算法进行参数调优,使得自适应调整响应更快、总体性能更好。所提方法还针对不同容器多维度的异构性,合理分配容器部署位置,提高物理资源利用率。此外,所提方法结合了容器技术多方面的底层特性,在分配负载等方面进行适应性调整。最后通过实验分析初步确认了所提方法的有效性。     

基于虚拟化的云计算平台的内存管理研究

虚拟化技术使云计算能够统一管理计算资源、提高资源利用率。主要研究虚拟机的内存虚拟化方式以及虚拟机内存调整技术。虚拟机内存资源在灵活的调制机制下可弹性变化,为提高云计算的扩展性提供重要的技术支持,提高系统整体性能。     

支持随机服务请求的云虚拟机按需物理资源分配方法

本文针对云平台按负载峰值需求配置处理机资源、提供单一的服务应用和资源需求动态变化导致资源利用率低下的问题,采用云虚拟机中心来同时提供多种服务应用.利用灰色波形预测算法对未来时间段内到达虚拟机的服务请求量进行预测,给出兼顾资源需求和服务优先等级的虚拟机服务效用函数,以最大化物理机的服务效用值为目标,为物理机内的各虚拟机动态配置物理资源.通过同类虚拟机间的全局负载均衡和多次物理机内各虚拟机的物理资源再分配,进一步增加服务请求量较大的相应类型的虚拟机的物理资源分配量.最后,给出了虚拟机中心基于灰色波形预测的按需资源分配算法ODRGWF.模拟实验表明所提算法能够有效提高云平台中处理机的资源利用率,对提高用户请求完成率以及服务质量都具有实际意义.     

普适计算的信任认证

在普适计算环境中，用户能够在任何时间、任何地点访问资源，获得服务。但是这种无处不在性和移动性的环境带来了新的安全问题。资源的拥有者和请求者一般互相不知道。认证是安全的基石，没有认证，系统的保密性、完整性和可用性都将受到影响。可是传统认证是基于身份的认证，不适合普适环境中对陌生实体的认证。本文在分析普适计算的认证要求后，指出了在普适计算环境中应该先在陌生的实体间建立信任关系，然后可以用几乎所有的标准密钥交换协议进行安全认证。提出了用资源限制信任协商技术在陌生人之间建立信任关系。由于它避免了大量的公钥密码操作所带来的计算负担，因此比较适合计算能力有限的设备之间建立信任关系。     

虚拟环境下虚拟机应用性能建模

得益于虚拟化技术的成熟发展, 当下私有云和公有云数据中心已经越来越多的出现在企业、学校和研究机构当中. 相对于物理机, 虚拟机拥有更好的迁移性、可扩展性和相对低廉的购入与维护成本, 所以越来越多的中小创业者倾向于购买虚拟机部署服务. 对于云服务提供者来说, 如何在满足SLA情况下对云环境下或者运行于同一物理资源池上的虚拟机合理分配资源从而实现硬件资源池最大化利用变得越来越重要. 本文分析了影响虚拟环境下虚拟机应用性能的关键参数, 并证明了虚拟机应用性能与硬件资源之间存在着复杂的非线性关系, 通过一种SVD特征拓展+非线性模型的方法对运行于同一物理资源池上的虚拟机应用性能进行建模研究, 实验表明该模型有较好的效果, 并且平均预测误差可以达到12%左右.     

An efficient job management of computing service using integrated idle VM resources for high-performance computing based on OpenStack

In recent years, various studies on OpenStack-based high-performance computing have been conducted. OpenStack combines off-the-shelf physical computing devices and creates a resource pool of logical computing. The configuration of the logical computing resource pool provides computing infrastructure according to the user’s request and can be applied to the infrastructure as a service (laaS), which is a cloud computing service model. The OpenStack-based cloud computing can provide various computing services for users using a virtual machine (VM). However, intensive computing service requests from a large number of users during large-scale computing jobs may delay the job execution. Moreover, idle VM resources may occur and computing resources are wasted if users do not employ the cloud computing resources. To resolve the computing job delay and waste of computing resources, a variety of studies are required including computing task allocation, job scheduling, utilization of idle VM resource, and improvements in overall job’s execution speed according to the increase in computing service requests. Thus, this paper proposes an efficient job management of computing service (EJM-CS) by which idle VM resources are utilized in OpenStack and user’s computing services are processed in a distributed manner. EJM-CS logically integrates idle VM resources, which have different performances, for computing services. EJM-CS improves resource wastes by utilizing idle VM resources. EJM-CS takes multiple computing services rather than single computing service into consideration. EJM-CS determines the job execution order considering workloads and waiting time according to job priority of computing service requester and computing service type, thereby providing improved performance of overall job execution when computing service requests increase.

     

基于普适计算的文化网格

普适计算是一种将嵌入式系统、网络计算、移动计算技术相结合形成一个以人为本的信息服务智慧空间环境,人们能够在智慧空间中自由活动,享受无所不在的信息服务。网格计算的目标是使得网络上的各种资源能象电力网络一样将计算和信息的使用变得简单易用。在普适计算与网格计算的支持下,智慧空间可以不断拓展成为按需服务的信息文化基础设施网格,即文化网格。探讨了文化网格的体系结构、层次模型及关键技术。     

Dynamic Service Composition in Pervasive Computing

Service-oriented architectures (SOAs) promise to provide transparency to resource access by exposing the resources available as services. SOAs have been employed within pervasive computing systems to provide essential support to user tasks by creating services representing the available resources. The mechanism of combining two or more basic services into a possibly complex service is known as service composition. Existing solutions to service composition employ a template-matching approach, where the user needs are expressed as a request template, and through composition, a system would identify services to populate the entities within the request template. However, with the dynamism involved in pervasive environments, the user needs have to be met by exploiting available resources, even when an exact match does not exist. In this paper, we present a novel service composition mechanism for pervasive computing. We employ the service-oriented middleware platform called pervasive information communities organization (PICO) to model and represent resources as services. The proposed service composition mechanism models services as directed attributed graphs, maintains a repository of service graphs, and dynamically combines multiple basic services into complex services. Further, we present a hierarchical overlay structure created among the devices to exploit the resource unevenness, resulting in the capability of providing essential service-related support to resource-poor devices. Results of extensive simulation studies are presented to illustrate the suitability of the proposed mechanism in meeting the challenges of pervasive computing user mobility, heterogeneity, and the uncertain nature of involved resources.