云环境中基于异构资源的资源分配算法

随着"云计算"的出现和快速发展,"云"作为一种新型的资源形式被越来越多的用户所使用。云环境中的资源分配问题成为了云计算中不可忽略的问题。在云资源管理平台中,如何既满足用户的任务需求,又节省云资源成本,是云运营商尽快希望解决的问题之一。实际上云用户对云资源的请求是有差异的,而且用户任务的完成通常由多个异构的云资源来实现。文中作者考虑了异构云资源间的差异,提出了一种基于异构资源的资源分配算法。该算法先从任务的全局角度考虑,将用户提交的云任务划成不同的组合,再根据云资源间的差异,为相应的组合分配相应的资源。实验仿真表明,在异构云环境中,该算法能在满足用户需求的前提下,在节省云资源使用上有较好的表现。     

云计算和物联网在智慧校园构建中的应用研究

文章基于云计算和物联网平台,结合延安职业技术学院信息化建设的现状,改进了云计算环境下资源分配算法和区分服务模型研究,构建了基于云计算的异构数据模型和智慧校园应用模型,实现了异构存储系统底层数据流转,同时促进各系统与统一数据中心的数据更加规范化、自助化、智能化。并对大数据、物联网几个关键技术进行了研究和实践。最终实现了信息、服务的自动流转,实现校园智慧化的目的。     

基于排队理论的云计算资源分配模型的纳什均衡优化方法研究

为优化云计算系统在资源分配中的均衡性,不断提升资源提供者的收益,文章提出以排队理论为基础的云计算资源模型。将云计算等待队列的距离当作资源调度的基础,进而融合了纳什均衡理论对模型的资源调度策略展开合理性分析,并有针对性地提出合理优化的资源调度方法,并将其和分布式计算架构Hadoop当中的资源分配方式进行对比,进而得到实验结果。实验结果表明,和其他几种算法相比,本次研究提出的改进资源分配算法不仅能够满足用户对资源共享提出的需求,还能够满足资源提供者对提升系统响应时间提出的需要。     

双向收敛蚁群算法在云计算资源调度中的QoS应用

云计算环境下,用户数量和处理的任务数量庞大,对任务完成时间和满足客户的QoS需求上具有较高要求。针对云计算中资源调度问题进行了研究,在综合考虑运行时间和满足客户QoS需求的情况下,建立了云计算资源调度适应度函数模型,并在最大最小蚁群算法的基础上引进了双向收敛策略。通过在CloudSim平台模拟实验,表明该算法在云计算资源分配上具有较快的收敛速度和较好的QoS服务能力,是一种有效的资源调度算法。     

面向云计算环境的动态公平性度量方法

针对云计算环境资源动态性特点,给出了一种资源分配算法公平性动态度量模型——DFE (dynamic fairness evaluation)。模型引入了公平、效率和时间参数,通过将资源分配结果进行量化处理,定量地描述不同分配算法的公平性。首先考虑了云环境下的2种典型动态因素：1）节点资源需求动态变化;2）虚拟节点动态变化,并分别对这2种场景建立子模型,通过这2种模型导出了公平性动态度量模型DFE。分析了2种子模型以及DFE,通过DFE对几种典型资源分配算法进行度量,验证了在资源需求以及虚拟节点动态变化的情况下,DFE能够有效度量分配算法公平性,为云计算平台资源分配算法的选择提供了重要的参考。     

一种支持云计算虚拟资源分配的可信多需求拍卖机制

使用拍卖方式来进行资源分配可以使得资源提供商获得更大的收益,是云计算领域近年来研究的重点。但现有研究多是基于非可信、单资源、单需求的前提。该文提出一种基于拍卖方式的云计算虚拟资源分配和定价机制(VRAP)。这种机制的特点在于,用户在一次拍卖中可以提出多个资源需求。证明了在这种机制下,资源提供商可以获得较以往拍卖机制更大的收益,同时能够保证用户出价是可信的。进而在具体资源分配问题上,提出一种单调的启发式算法能够在很短时间内计算出分配结果,通过资源稀有度概念设计了再分配策略,可以保证云资源提供商的收益极大化;在支付价格计算算法设计中,基于临界值理论计算支付价格,从而保证机制的公平可信。在社会福利、执行时间、资源利用率等多个方面对VRAP进行了测试分析,取得了很好的效果。     

光纤网络中云计算资源联合最优分配方法

在云计算技术与光纤网络不断发展的今天,网络数据不断增加,网络带宽面临严峻挑战。当前应用云计算资源联合最优分配方法对网络链路资源分配的结果较为落后,导致资源分配后网络数据传输扰动量以及带宽阻塞率较高。针对此问题,本文设计光纤网络中云计算资源联合最优分配方法。以网络任务模型为蓝本,构建光纤网络传输模型。将光纤网络传输模型以有向图的形式,完成网络节点传输映射分析。结合光树生成算法,设计云计算资源最优分配算法,完成光纤网络中云计算资源联合最优分配方法设计。仿真结果表明：采用所提方法后网络数据传输扰动量以及带宽阻塞率较低,提升了云计算资源的分配方法。     

基于CAPI FPGA的医学超声成像算法异构加速

在医学超声成像算法中,最经典和最广泛使用的是延迟叠加算法。延迟叠加算法在超声成像、雷达信号发射、接收以及天线信号波束形成等方面有着广泛的应用。虽然该算法并不是典型的性能需求型算法,但是在医学成像云计算服务的新需求下,需要提高该算法的计算速度,以克服云计算中网络传输速度相对较慢的约束。然而,以中央处理器作为主要计算资源的传统云计算框架无法满足医学超声图像快速生成的性能需求,因此,本文中使用以现场可编程逻辑门阵列作为异构加速资源的SuperVessel云平台作为并行延迟叠加算法的实现平台。当包括现场可编程逻辑门阵列和中央处理器之间的数据传输时间在内时,SuperVessel云平台上该算法异构实现的运行速度相较于中央处理器中该算法的运行速度提升了约22倍。     

认知异构网络中基于克隆选择算法的动态频谱分配

建立了认知异构无线网络的系统模型。基于该模型,以网络效益最大化为目标,考虑接入网的频谱需求,接入网之间的干扰和对应异构网络不同接入技术的多粒度重叠信道之间的干扰约束条件,将频谱资源分配建模为非线性约束0-1整数规划问题,进而提出基于克隆选择的认知异构网络中动态频谱分配算法,并在该算法中设计了一种新的能够同时考虑接入网频谱需求和多粒度信道频谱资源的抗体整数编码方式。仿真结果表明,所提算法相比于贪婪分配算法,增加了网络效益,提高了频谱使用效率。     

可见光通信异构网络频谱资源分配算法研究

由于当前已有方法未能对用户需求进行分析,导致可见光通信异构网络系统吞吐量以及平均满意度下降。为此,提出一种可见光通信异构网络频谱资源分配算法。将可见光通信异构网络系统最大容量作为目标,综合考虑用户需求以及最大功率限制等约束,构建可见光通信异构网络频谱资源分配模型。将模型中的对偶问题分解为简单的子问题,通过定向变异的遗传算法进行信道分配,采用拍卖算法进行信道内功率分配,最终实现网络频谱资源分配。实验结果表明,所提算法可以有效提升可见光通信异构网络系统吞吐量以及平均满意度。     

基于CSP的能耗高效云计算资源调度模型与算法

利用约束满足问题对异构云数据中心的能耗优化资源调度问题建模,通过求解建立的约束模型可以获得能耗最优的资源分配方式,并在此基础上提出了能耗优化的资源分配算法dynamicpower (DY)。与已有的算法MinPM、FFD、BFD相比,算法DY考虑了资源的异构性,能够降低云数据中心物理服务器的能耗。最后,利用Choco实现了提出的算法DY,并将DY与MinPM、FFD、BFD进行实验比较,实验结果表明,提出的算法在能耗上有明显优势。     

基于包簇概念的云资源分配成本优化模型

针对云数据中心因传统资源管理方式造成云服务成本过高问题,文中提出一种基于包、簇概念的资源集中管理分配优化模型。将用户的具体需求抽象为一个个独立的需求包,将数据中心的各类资源整合成一个个资源簇,并将CPU、RAM、带宽作为指标,建立成本评估模型,利用基于包簇概念下的改进粒子群算法,实现需求包到资源簇的部署映射。仿真实验结果表明,该优化模型可以有效降低资源分配过程中的营运成本,稳定提高资源平均利用率。     

边缘算力网络中智能算力感知路由分配策略研究

增强现实、自动驾驶、智慧城市、工业互联网等新型业务应用对网络算力的需求逐渐增强,然而,边缘算力网络系统面临着网络共存的问题——负载不均衡,导致一部分边缘服务器无法满足业务应用的处理需求,另一部分边缘服务器的算力资源处于空闲状态.为了高效协同地感知利用泛在、异构的算力资源,提升6G通信网络的内生感知和算力自适应能力,急需...     

基于扩展自动机的服务组合静态与动态验证方法

针对目前Web服务组合研究中缺少对定量属性的验证以及在服务运行过程中缺乏对出现异常时的故障处理等问题,提出了一种基于扩展有限自动机的Web服务组合静态与动态验证方法。该方法首先对有限自动机进行扩展,建立了一个可以描述数据及时间等信息的Web服务组合形式化模型;基于该模型,采用计算树逻辑(CTL)描述相关属性,并利用模型检测工具UPPAAL对Web服务组合的行为属性、时间属性以及数据属性等进行了验证;最后结合所建立的诊断模型,给出了一种能够对Web服务组合运行过程中出现异常时进行有效处理的错误诊断算法。     

基于云计算平台的智慧城市管理系统设计

为了解决智慧城市管理过程中常出现资源调度速度过慢问题,设计了云计算平台的智慧城市管理系统。该系统采用云管理模块下监控各硬件设备,并构建云计算资源调度目标函数,利用文化粒子群算法对目标函数求解,得到云计算资源调度方案,最后测试结果表明,该系统能够实现智慧城市有效管理,并能实时监测城市情况,在实行资源调度时,任务完成时间较短且系统利用率较高,能够实现资源最大化利用。     

Resource allocation in cloud virtual machines based on empirical service traces

One of the key technologies in cloud computing is virtualization. Using virtualization, a system can optimize usage of resources, simplify management of infrastructure and software, and reduce hardware requirements. This research focuses on infrastructure as a service, resource allocation by providers for consumers, and explores the optimization of system utilization based on actual service traces of a real world cloud computing site. Before activating additional virtual machines (VM) for applications, the system examines CPU usage in the resource pools. The behavior of each VM can be estimated by monitoring the CPU usage for different types of services, and consequently, additional resources added or idle resources released. Based on historical observations of the required resources for each kind of service, the system can efficiently dispatch VMs. The proposed scheme can efficiently and effectively distribute resources to VMs for maximizing utilization of the cloud computing center. Copyright © 2013 John Wiley & Sons, Ltd.     

基于弹性资源调整的云计算资源分配方法

针对云计算环境中负载难以预测并且负载量实时变化的应用,设计了一种基于时间协同的资源分配方法,该方法在应用运行过程中,根据负载量以及任务处理时间,制定出多虚拟机协同的资源分配方案。该方法采用时间协同的方式有效实现了资源复用,提高了数据中心资源利用率,并进一步降低了数据中心的运维成本。     

基于监督学习的可信云计算资源拍卖机制研究

使用拍卖方式来进行资源分配可以使得资源提供商获得更大的收益,是云计算领域近年来研究的重点之一。但资源分配问题是NP难的,无法在多项式时间内求解,现有研究主要通过近似算法或启发式算法来实现资源分配,但存在算法耗时长,与最优解相比准确度低的缺点。监督学习中分类及回归思想可对多维云资源分配问题进行建模和分析,针对不同问题规模,该文提出基于线性回归、逻辑回归、支持向量机的3种资源分配算法,并且基于临界值理论设计了支付价格算法,从而确保拍卖机制的可信性。在社会福利、分配准确率、算法执行时间、资源利用率等多个方面进行测试分析,取得了很好的效果。     

Resource-efficient load-balancing framework for cloud data center networks

Cloud computing has drastically reduced the price of computing resources through the use of virtualized resources that are shared among users. However, the established large cloud data centers have a large carbon footprint owing to their excessive power consumption. Inefficiency in resource utilization and power consumption results in the low fiscal gain of service providers. Therefore, data centers should adopt an effective resource-management approach. In this paper, we present a novel load-balancing framework with the objective of minimizing the operational cost of data centers through improved resource utilization. The framework utilizes a modified genetic algorithm for realizing the optimal allocation of virtual machines (VMs) over physical machines. The experimental results demonstrate that the proposed framework improves the resource utilization by up to 45.21%, 84.49%, 119.93%, and 113.96% over a recent and three other standard heuristics-based VM placement approaches.