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。     

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。     

云计算任务调度策略研究

合理分配云资源,高效处理云环境中的海量任务,满足用户QoS,是云计算领域的热点之一.在对传统的任务调度算法的分析比较,探索本质和目标,本文基于云计算任务调度,智能调度算法和Hadoop调度算法的基本思想、性能要求的实现机制和实现,结果表明自适应智能任务调度算法是比较强的,研究的方向和重点在未来的.     

基于模糊聚类的云计算集群资源调度算法

针对现有的云计算集群资源调度算法具有的负载不均衡和在线动态适应能力不强的缺点,提出了一种基于模糊聚类的云计算动态集群资源调度算法。首先,构建了云计算环境下的资源调度模型。然后采用模糊聚类对云计算集群资源进行聚类,根据节点与所有聚类中心的距离判断是否需要增减聚类数量。当新任务到来时,自动计算其到各个聚类中心的距离,将具有最小聚类距离的聚类中心分配给该任务。在Cloudsim环境下进行仿真试验,结果表明该方法能有效地实现云计算集群资源的动态调度,且较其它方法相比,具有反应实时和负载均衡的优点,是一种适合云计算环境的可行任务调度方法。     

一种面向感知数据托管的虚拟机调度策略

以虚拟化为主要特征的IaaS(基础设施即服务)云服务,可实现资源的池化管理和灵活配置.现有虚拟化方案下物联网的感知数据托管,由于在数据规模、更新速度以及应用需求的不同特征,往往会发生负载倾斜和负载不均的现象.针对这类问题,本文提出一种面向感知数据托管的虚拟机调度策略,基于贪心技术实现了2种模式下的调度算法.实验表明,本文方法可以动态调度虚拟机,达到物理集群负载均衡和优化节能的效果.     

基于负载均衡度的云计算任务调度算法

针对当前云计算环境中用户群与数据量庞大的特点,如何设计高效的负载均衡调度算法是云计算领域一直探索的重要课题.提出一种基于负载均衡度的云计算任务调度算法(TS-CCLB),该算法首先依据空间案投影分析计算了集群的负载均衡度,以此给出调度决策变量,并依据任务的执行代价完成时限赋予任务不同的优先级别.任务调度时将任务按优先级调度到最大决策变量值所对应的虚拟机上.实验结果表明,该算法可有效提高云计算集群的负载均衡性,缩短总任务的完成时间,尤其当任务数与节点规模较大时,优势更为明显.     

基于SLA的云数据中心负载均衡理论研究

以市场驱动为出发点,设计了资源负载状态获取指标和虚拟机迁移效用分析指标,提出了基于时间序列的负载预测算法和基于SLA的虚拟机均衡迁移机制,通过在CloudSim仿真环境下的分析和比较,该负载均衡机制能够以最大化收益为目标实现系统负载均衡。     

基于标识支持区分QoS的PPS调度机制

在对现有并行分组交换（PPS）分析的基础上,将标识的概念引入交换结构,提出了一种基于标识支持区分服务质量（QoS）的PPS调度机制. 该机制以业务类为单位管理网络数据流,采用按序排队的思想解决保序问题,在汇聚模块设置少量缓存,采用双指针轮询算法实现区分QoS保障,保证了交换对高层不同业务类的有效支持. 仿真实验结果表明,该机制在满负载情况下可获得高达99%以上的吞吐率,在过载情况下根据预定带宽分配输出链路带宽,确保分组具有时延的上界,能够比较均衡地将负载分配到各中间交换平面.     

网格环境中基于蚂蚁算法的任务调度策略的改进

任务调度和负载均衡是网格计算环境中影响系统性能的重要问题．由于网格资源通常是位于不同的地理位置,由不同的组织管理,加之系统可能发生故障,所以在大型网格环境中任务调度和负载均衡是一个非常复杂的问题．本文应用改进的蚂蚁算法,通过增加负载平衡因子,将用户提交的任务合理地映射到相对空闲的网格资源上,有效地实现了任务的合理调度和负载均衡．     

负载均衡优先的改进优先级表调度算法

针对当前云计算环境下DAG任务调度时存在的负载失衡、任务调度效率不高的问题,提出了一种负载均衡优先的改进优先级表调度算法(LS-IPLB).算法将云计算集群中虚拟机的状态参数变化抽象成空间中的参数向量变化,给出实时衡量云计算集群的负载均衡性方法,并作为虚拟机选择权值的重要参数.同时以任务执行代价、任务的出度和任务间的通信代价作为参数计算任务优先级,并在任务调度时采用任务复制策略进一步优化调度过程.结果表明,LS-IPLB算法能有效缩短DAG任务图的完成时间,并实现了良好的负载均衡性.     

基于粒子群优化算法的Hadoop调度算法研究

为提高Hadoop平台性能,提出一种基于粒子群优化算法的Hadoop调度算法。以粒子位置代表可行的资源调度方案,以任务完成时间及资源负载均衡度作为目标函数,通过粒子群优化算法,找到最优的资源调度方案。实验结果表明,该算法能够很好的平衡资源负载,减少任务完成时间,有效的提高了Hadoop平台的性能。     

云计算中多层次公平性QoS约束任务调度算法

针对传统云任务调度算法只注重执行效率忽略分配公平性的问题,提出了一种满足多重公平性约束的任务调度QoS算法CTS_QFC.该算法利用社会资源分配的公平性理论模型,从用户任务与云资源提供方两个角度,将云任务调度问题建模为一种多重公平性QoS约束模型.第一层QoS按用户QoS偏好对任务分类,并按照任务分类建立一般期望效用函数.第二层QoS定义资源公平性评估函数,评估资源分配的公平性.结果表明,CTS_QFC算法不仅可以确保用户任务的高效执行,还可以提高资源分配与任务调度方案的公平性.     

IP QoS管理系统中基于SLA的计费方案

在分析现有多种互联网计费方案的基础上,提出了一种基于服务等级协议的互联网业务服务质量(QoS)计费方案. 该方案采用基于使用量的计费方式,对预留资源和实际消耗资源2部分的费用实现区分统计和计算,从而实现了对业务不同服务质量的差异性计费.     

基于SLA的业务建模和参数映射算法

为了实现综合、准确的SLA (Service Level Agreement)业务管理,对SLA参数表示及参数映射进行了研究。首先,从不同的视角定义SLA表示参数,提出双向流程分析法提取表示参数,并利用参数映射机制研究各参数之间关系,建立多视点、层次化的SLA业务管理数据模型。其次,引入层次分析方法AHP(Analytic Hierarchy Process)结合不同的判别算法对各层参数进行关联计算,完成了各层参数间的映射。最后,在UMTS网络中建立FTP业务管理数据模型并对参数映射算法进行验证。仿真结果表明了本方法的合理性和有效性。     

SLA驱动分布式业务管理的研究与实现

提出了Web服务的SLA(服务等级协定)与传统管理体系结构的资源度量之间的映射模式,建立了具有主动代理的业务管理模型。映射模式以WSLA定义SLA,基于公共信息模型(CIM)设计多种度量类型和进度计划,将复杂的SLA参数转换为业务提供者能够理解并且执行的资源度量。业务管理模型的资源子代理通过进度计划,能自觉请求检索新度量和计算SLA参数,无需外部客户触发,使模型的SLA监视和管理功能自动执行,有效地降低了系统开销。     

基于网格的异构无线网络负载均衡算法

针对目前软负载均衡算法中无线资源统计不具有普适性,未考虑用户业务需求与异构资源单元差异性匹配的问题,根据网格计算的思想,在异构无线网络中提出了基于网格的负载均衡算法。该算法首先将无线资源映射成不同的三维资源单元,每个三维资源单元相当于一个网格。然后将业务分成不同的子业务流(数据包),统一分给不同的网格,实现业务的分布式分流,在保证用户QoS的情况下,实现网络的负载均衡。仿真结果表明:基于网格的负载均衡算法能够较好地均衡异构网络间的负载,降低负载偏离度,提高系统吞吐率。