基于M/M/n/n+r排队模型的云计算中心服务性能分析

针对需要精确地评估分析云数据中心服务性能以保证服务质量(QoS)和避免违反服务水平协议(SLA)的问题,提出了一个基于M/M/n/n+r排队系统云计算中心近似分析模型。通过求解该模型获得用户请求响应时间的分布函数以及其他重要的QoS性能指标,同时通过仿真实验验证和获得服务器数量、队列缓冲区大小与响应时间、请求阻塞概率以及请求立即服务概率之间的关系。实验结果表明,提高服务器服务速率比增加服务器数量更利于提高服务性能。     

具有两类请求的云计算中心服务器数量的优化

为提高云计算中心的服务质量,节约系统成本,针对具有两类用户请求的云计算中心,提出云计算中心的服务器数量的优化方案。首先,建立了具有两类用户请求的排队模型,分析系统的稳态概率分布、平均队长等性能指标;然后,建立了云计算中心的能耗模型;最后,联合系统的等待成本和能耗成本,构建系统的成本函数,对系统的服务器数量进行优化,从而使系统的成本最小。数值分析结果表明最优服务器数量是用户请求到达率的非减函数,为了使系统成本最小,云计算中心需要动态调整服务器的数量。     

完全拒绝策略下批量到达的云中心性能分析

由于云计算环境的动态性、云用户需求的多样性,给保证云用户服务质量(Qo S)而避免资源过度配置带来了极大的困难。为解决上述问题,利用排队理论,提出了请求批量到达和采用完全拒绝策略时的云中心性能分析模型。通过求解该模型获得云中心性能参数的表达式,同时分析了不同配置下云中心的阻塞概率、立即服务概率、响应时间百分比、平均队长与批量到达请求数之间的关系,并通过数值仿真进行结果验证。结果表明:采用完全拒绝策略时,随着批量到达请求数的增加,云中心性能下降较快,而通过增加服务器数量和缓冲区长度能有效提高系统性能。     

云环境下基于SLA的优化资源分配研究

针对云计算环境下如何高效分配资源,实现资源供应者利润最大化这一难题,提出了一种基于服务级别协议（SLA）的动态云资源分配策略。该策略通过将SLA中的计算力、网络带宽、数据存储等属性作为优化参数,构造了一种服务请求与资源的映射模型,同时设计相应的效用函数,并结合改进的与模拟退火算法相融合的混合粒子群算法（SA-PSO）,实现云环境下的优化资源分配。实验分析结果表明,基于SLA参数的SA-PSO算法具有更好的全局最优值,在给定虚拟资源相同情况下,调用该算法完成用户任务实现的利润更高。     

云中心异构服务器能耗受限下的性能优化策略

为了解决云中心能耗受限下性能优化和异构服务器之间的能耗分配问题,提出了基于M/GI/1-PS排队系统的云中心能耗—性能优化模型,并通过拉格朗日乘数法进行求解,并给出计算云中心最快平均响应时间的OPT算法。同时通过大量数值仿真实验将OPT算法与常用的启发式能耗分配方法进行对比。数值仿真结果表明：本文提出的OPT算法在相同能耗下可获得最优的平均响应时间,同时通过能耗—性能变化曲线,可为云中心优化资源配置提供理论依据和参考数据。     

基于GoS优化的增强型呼叫准入控制算法

提出一种用于无线多媒体网络增强型速率降级呼叫准入控制算法,在新窄带呼叫请求到达时对宽带呼叫速率的降级程度进行优化,从而实现最优化呼叫层的服务等级(GoS)。利用马尔可夫模型对算法进行分析,通过分析结果及各种呼叫的到达速率,采用穷举法获得最佳门限值。数值仿真结果表明,与传统的非优化速率降级方案相比,该算法能够获得更好的GoS。     

请求速率对集群Web服务器调度的影响

讨论了集群Web服务器的几种常见请求调度策略，针对目前大多数的请求调度策略都是只考虑服务器的内在指标，而忽略了请求速率等输入指标对负载调度的影响，即使考虑了请求速率，也很少考虑请求速率变化突发性对Web服务器的影响。通过分析请求速率对Web服务器的性能影响，可以利用输入指标结合服务器指标来调度请求输入，从而有效地解决服务器间的负载不平衡。     

基于多服务器最优配置的云计算利润最大化技术研究

研究了云计算中多服务器的配置问题,以使得利润最大化。价格模型包含了如下一些因素:服务的数量、应用环境的负荷、多服务器系统的配置、服务等级协议、用户的满意度、服务的质量、劣质服务的代价、租赁费用、能耗成本、服务提供者的利润。将多服务器系统看做是一个M/M/m排队问题,从而能够建立云计算的利润最大化问题,并且能够得到解析解。在模型中考虑了两种服务速度和能耗模型,分别为空闲速度模型和常规速度模型。基于这种模型得到了一个新到达的服务请求等待时间的概率密度函数、服务请求的平均收费以及单位时间内的平均利润等的解析表达式。同时还得到了最优的服务规模和最优的服务速度的表达式。仿真表明了方法的有效性。     

请求速率对集群Web服务器调度的影响

本文讨论了集群Web服务器的几种常见请求调度策略,针对目前大多数的请求调度策略都是只考虑服务器的内在指标,而忽略了请求速率等输入指标对负载调度的影响,即使考虑了请求速率,也很少考虑请求速率变化突发性对Web服务器的影响。通过分析请求速率对Web服务器的性能影响,我们可以利用输入指标结合服务器指标来调度请求输入,从而有效地解决服务器间的负载不平衡。     

基于动态任务量的高校云计算中心能耗算法分析

随着云计算技术的普及，用户规模的不断扩大，我国云计算中心的建设速度得到飞速发展，伴随其巨大的能耗消耗问题引发了广泛关注，同时云计算中心的资源利用率普遍不高。针对这一问题，提出了动态任务量的能耗优化算法，该算法能够根据高校云计算中心动态变化的任务量，及时调整服务器的运行状态，从而达到节约能耗的效果。通过仿真实验显示，该算法能够有效降低云计算机中心的能源消耗，降低其运营成本，特别是在低任务量时，节能效果较为明显。     

多实例云计算资源市场下超额预订决策方法

针对现有云供应商数据中心负载率低、云用户需求不确定及多样性的问题,为提高云供应商平均利润,建立了不确定需求下的多实例类型云服务超额预订模型。该模型结合实际云计算资源市场下超额预订对于云供应商负载均衡及云服务等级协议(SLA)的影响,给出超额预订的多重约束条件,提出了各实例类型数量最优分配策略。实验结果表明,采用该模型在预约未使用概率为0.25时,云供应商利润较高,数据中心负载率达到78%,最终确定了各实例类型的最优分配数量。     

云数据中心网络中的先应式碎片整理算法

在云数据中心网络内,虚拟机（Virtual machine, VM）被动态创建和下线,这就导致资源碎片不被后续VM请求所利用。为解决上述问题,以最小化使用服务器数 量为目标的服务器整合技术被提出。虽然这种方法可以在某一时间段内减少资源碎片,但却付出了较大的VM迁移代价。因此本文提出了一种基于预测的先应式碎片 整理算法,在减少无效VM迁移的同时,将资源碎片重新整合为可用的连续资源,从而最大化VM收益。文中对此问题进行了数学定义,随后设计了启发式方法获取近似最优解。仿真结果表明,所提算法能够获取最大收益,并能够大幅度降低VM迁移成本。     

任务序列强度感知的大规模集群服务器控制模型

异构云数据中心各类服务器的控制成本和性能上的差异将影响其运维管理成本及QoS博弈平衡关系,针对任务序列强度具有的时效性,提出了任务序列强度感知的大规模任务调度模型。依据当前到达数据中心的任务序列的强度以及集群中服务器的当前状态,在任务调度中强调节约服务器运维管理成本和各服务器负载均衡的基础上实现优化数据中心对任务序列处理的平均响应时间和系统的吞吐量。通过对实验结果的分析,验证了集群服务器控制模型在任务调度中的可信度大于95%,同时通过与当前应用广且具代表性的算法——最短任务优先,公平分发机制进行比较分析,其效果是三者中最好的,也验证了模型的有效性和可行性。     

云计算数据中心可扩展服务器节能优化研究

摘要：云计算数据中心越来越庞大,硬件规模也日益增大,而且还会有大量的计算资源、存储资源会出现在云端,促使出现了一大批十万级、百万级、乃至千万级服务器的数据中心,且服务器还可以增量扩展与增量部署,高能耗问题已经日益凸显,严重制约到云计算数据中心的可持续性发展。本文提出了一种新型的云计算数据中心可扩展服务器节能优化策略——效能优化策略,能够基于全局角度来降低能源消耗,优化服务器选择过程,并且还可促使不同服务器之间实现负载均衡。仿真实验结果表明：基于能耗大小来看,本文提出的效能优化策略要比DVFS策略、无迁移策略所对应的能耗分别节约15.23%、24.33%;基于迁移数来看,本文提出的效能优化策略要比DVFS策略所对应的迁移次数减少2425次,总之,本文提出的效能优化策略总体而言要明显比DVFS策略、无迁移策略更优越。     

基于组合双向拍卖的云资源调度方法

针对跨数据中心的资源调度问题，提出了一种基于组合双向拍卖（PCDA）的资源调度方案。首先，将云资源拍卖分为三个部分：云用户代理报价、云资源提供商要价、拍卖代理组织拍卖；其次，在定义用户的优先级及任务紧迫度的基础上，在拍卖过程中估算每一个工作发生的服务等级协议（SLA）违规并以此计算云提供商的收益，同时每轮竞拍允许成交多项交易；最终达到根据用户等级合理分配云资源调度的效果。仿真实验结果表明该算法保证了竞拍成功率，与传统一次拍卖成交一项的组合双向拍卖方案相比，PCDA在竞拍时间段产生的能耗降低了35.00%，拍卖云提供商的利润提高了约38.84%。     

可验证的云存储医疗加密数据统计分析方案

为满足当前云存储医疗数据对敏感性、完整性以及统计分析可用性的需求,提出一种可验证的医疗加密数据统计分析方案.采用同态加密技术实现密文数据聚合并提高医疗数据的机密性,通过同态签名算法确保外包医疗加密数据的完整性.用户上传经过同态加密和签名的医疗数据到云服务器,云服务器在收到医疗数据分析中心的外包数据聚合请求后对密文医疗数...     

Formally modeling and analyzing cost‐aware job scheduling for cloud data center

With the rapid development of cloud computing, many distributed data centers have been deployed. This means larger energy consumption requirements from the data center. How to reduce the cost of data center has received significant attention recently. Although there are several efforts in studying energy consumption of the data center, very few have considered modeling and analyzing cost‐aware job scheduling for the cloud data center. To address this emerging problem, we propose a systematic approach that considers both basic elements and their relationships in cloud data center. First, we present a formal language to describe the cloud data center, and a job scheduling net is proposed to formally model the basic elements such as user request, Web portal, data center, and server. Second, we minimize the total cost of the cloud data center by considering the multidimensional resource and local electricity price on the basis of the state space of constructed model. The dynamic job scheduling algorithm and its specific execution steps are proposed based on the alternating direction method of multipliers algorithm. Third, the operational semantics and related theories of Petri nets for establishing the correctness of our proposed method are presented. Finally, a series of simulations are performed to illustrate that the proposed method can guarantee the correct behavior of job scheduling in the cloud data center while meeting the required cost.