基于Amazon S3云存储的本地化虚拟硬盘

Amazon S3的云存储服务对用户而言,可以将其用作一个费用低廉而又安全可靠的大容量移动硬盘。但必须使用Amazon为其系列云服务提供的操作复杂的统一界面AWS Management Console来存取、查阅或发布自己的数据,普通用户在使用中颇为不易。因此基于Amazon发布的AWS SDK for.Net,本文试图构建一个界面友好操作简单的应用程序,其在用户桌面上的表现,就像是在使用一个本地硬盘文件存储系统一样。     

基于Amazon S3云存储的本地化虚拟硬盘

Amazon S3的云存储服务对用户而言,可以将其用作一个费用低廉而又安全可靠的大容量移动硬盘。但必须使用Amazon为其系列云服务提供的操作复杂的统一界面AWS Management Console来存取、查阅或发布自己的数据,普通用户在使用中颇为不易。因此基于Amazon发布的AWS SDK for.Net,本文试图构建一个界面友好操作简单的应用程序,其在用户桌面上的表现,就像是在使用一个本地硬盘文件存储系统一样。     

一种面向移动终端的云存储方法研究

在分析HDFS和Dynamo架构的基础上,引入数据库技术以及动态一致性哈希算法分类处理不同对象组的方法.本方法可根据各个存储节点存储代价,进行综合调度,对外提供最优存储节点.通过算法描述和仿真结果分析表明,此方法可以使系统达到负载均衡,并且从整体上提高了系统的效率,在数据查找定位上也可以满足要求.     

基于离散PSO算法的医疗云存储部署策略

医疗云服务在实施的过程中,人们更加关注数据的安全、以及系统的负载均衡等问题。而解决这些问题的关键技术之一就是医疗云存储部署规划的优化策略。文章通过系统建模,将医疗云存储所涉及的相关技术抽象为多目标优化问题后,通过离散PSO算法进行求解。并引入新的粒子位置更新算法,以提高标准离散PSO算法的收敛速度,通过重优化机制来更新粒子状态,防止算法陷入局部最优而早熟,最终得到适合于求解医疗云存储部署优化问题的IDPSO算法。仿真实验表明该算法有效。     

一种基于云存储的安全存储方法

随着大数据时代的来临,分布式存储系统和云存储系统得到广泛应用,越来越多的个人和企业将自己的数据存储在云端。本文提出一种基于云存储的安全存储方法,保证用户数据的可靠性和私密性,对用户数据进行加密和冗余编码,分布式存储于多个云端,当用户数据被窃取时,加密技术保证数据的私密性;当用户数据发生丢失时,能够从其他可用的云存储中恢复数据,保证数据的可靠性。     

Ceph云存储网络中一种业务优先级区分的多播流调度方法

针对现有流调度方法难以满足Ceph云存储网络中多业务流的不同多播调度需求问题,设计了一种支持业务优先级区分的多播流调度方法.首先,采用软件定义网络技术实时获取网络状态信息,为流调度方法提供数据支撑;然后,将待处理的多播流调度任务分解为多个单播路径选择的多属性决策问题,提出基于理想解法的单播路径选择方法,根据业务流对网络...     

磁盘阵列上虚拟磁盘的管理

随着计算机技术的发展,数据量急速增如,数据管理成为一个研究热点。磁盘阵列的出现极大地改善了数据管理的性能。在使用磁盘阵列时,往往把它划分为多个逻辑磁盘,磁盘的大小不能改变。这种方法降低了磁盘空间的利用效率。为了解决这个问题,可以把磁盘阵列划分为一个或多个共享存储池。每个共享存储池管理多个虚拟磁盘。这些虚拟磁盘共同使用共享存储池的磁盘空间。为了协调多个虚拟磁盘同时向共享存储池读写数据的问题,设计了一个调度算法。使用这种方法,实现了对磁盘阵列的有效管理。     

云存储环境下的混合存储算法研究与实现

随着大数据的发展,数据运算、数据读写均对存储环境和存储系统提出了更高的要求。存储系统中所运行的任务具有高并发度特征,也就是要对其存储的数据实现随机读写的性能。固态盘(简称SSD)是一种云储存环境下的新型存储设备,具有随机读写数据的功能,但是价格比较昂贵,而且对于写入的次数有限制,所以应该把固态盘存储技术和磁盘存储(HDD)结合起来,形成云存储环境下的混合存储系统。文章在分析三种基本存储设备特点的基础上,重点阐述在云存储环境下,混合存储算法的研究与实现。     

基于分布式环境的存储负载均衡算法研究

随着网络的高速发展以及海量数据的扩充,云存储技术得到广泛的应用,分布式存储中动态负载均衡策略也逐渐为人们所重视。本文在已有的负载均衡策略基础上,提出了一种加权轮询负载算法,通过阀值的设置划分节点,并查询负载表轮询分配存储任务,保证分布式系统能够合理的提高资源利用率,动态调整存储节点的工作负载。     

Hadoop中云数据负载均衡算法的研究及优化

介绍了Hadoop的数据负载均衡算法.为了提升Hadoop数据负载均衡算法的效率,文中提出了超负载机架的优先处理及引用排序策略的解决负载均衡的改进算法.实验证明了改进算法在特定的环境下或能够在较短的时间内使各个机架的数据负载达到平衡以及能够优先处理负载超大节点.     

云环境下基于迁移的虚拟机集群优化算法

针对云环境中虚拟机集群负载不均衡问题,提出一种基于虚拟机迁移的集群优化算法。通过对节点负载的实时监测,动态调整各种资源的权重,根据资源权重选择可最大程度降低主机负载的虚拟机进行迁移。该算法利用预测机制,消除主机资源利用率的临时越界引起的不必要的虚拟机迁移。在选择目标节点时,采用多目标决策法,兼顾多资源匹配率,服务级目标违背率(SLA)等多种管理目标。实验结果表明,与同类型的负载均衡算法相比,该算法能减少迁移次数,降低SLA违背率。     

云计算中基于能耗比例模型的虚拟机调度算法

针对资源虚拟化环境中的混合型负载调度问题,提出一种基于能耗比例模型的虚拟机调度算法.该算法利用处理器的"性能计数器"机制来评估各个虚拟机的近期能耗状态,并采用"最近最小能耗比例优先"的策略进行调度.理论分析给出了该算法的有效性证明和相关特性.实验结果显示,当系统面对混合型负载时,基于能耗比例模型的调度算法在"调度偏差"和"相对能效"两方面明显优于现有的虚拟机调度算法.     

A New Virtual Disk Mapping Method for the Cloud Desktop Storage Client

Integration of the cloud desktop and cloud storage platform is urgent for enterprises. However, current proposals for cloud disk are not satisfactory in terms of the decoupling of virtual computing and business data storage in the cloud desktop environment. In this paper, we present a new virtual disk mapping method for cloud desktop storage. In Windows, compared with virtual hard disk method of popular cloud disks, the proposed implementation of client based on the virtual disk driver and the file system filter driver is available for widespread desktop environments, especially for the cloud desktop with limited storage resources. Further more, our method supports customizable local cache storage, resulting in userfriendly experience for thinclients of the cloud desktop. The evaluation results show that our virtual disk mapping method performs well in the readwrite throughput of different scale files.     

基于Ceph对象存储的云网盘设计与实现

针对基于传统NAS存储实现云网盘存在扩展性差,响应性能低、数据不可靠性、安全性低等问题,提出一种基于Ceph分布式对象存储系统构建高性能、高可靠、可扩展的云网盘设计与实现方案,底层基于X86服务器作为Ceph存储集群池,通过设计多对象网关发布对象存储服务,采用软负载均衡,提升云网盘请求响应吞吐能力,并集成基于Token认证系统实现对象数据的隔离与安全。经实验测试表明,该设计实现方案可满足现实应用需求。     

一种云数据中心资源的动态综合负载均衡调度算法

One of the challenging scheduling problems in Cloud data centers is to take the allocation and migration of reconfigurable virtual machines as well as the integrated features of hosting physical machines into consideration. We introduce a Dynamic and Integrated Resource Scheduling algorithm (DAIRS) for Cloud data centers . Unlike traditional loadbalance scheduling algorithms which often consider only one factor such as the CPU load in physical servers , DAIRS treats CPU, memory and network bandwidth integrated for both physical machines and virtual machines . We develop integrated measurement for the total imbalance level of a Cloud datacenter as well as the average imbalance level of each server. Simulation results show that DAIRS has good performance with regard to total imbalance level, average imbalance level of each server, as well as overall running time.     

云环境下基于虚拟机动态迁移的调度策略研究

针对目前云环境资源调度采用静态负载均衡策略易于导致资源浪费的问题,提出了一种双限定值的虚拟机动态迁移的调度策略.该策略将当前负载状况与负载过重或过轻时两个限定值比较,选择介于二者之间能耗较低的虚拟机迁移至目标节点.仿真实验表明,该策略能够减少迁移次数,降低虚拟机迁移能耗,从而尽可能达到负载均衡和满足服务等级协议的需求.     

电力云计算中关联任务调度算法

针对传统电力系统计算平台在计算、存储、信息集成和分析等方面的不足,建立基于云计算的电力系统计算平台。针对电力云计算平台中对关联任务调度进行调度时出现任务执行延迟的问题,提出了一种基于任务分层算法DAG。算法将任务按任务集合优先级的高低顺序调度至具有最小完成时间的资源上。试验证明关联任务调度算法能够有效地减缓关联任务延迟。     

截止期限约束的实例密集型云服务流调度算法

针对商业云计算中存在大量实例密集型服务流的问题,提出一种新的云环境下两阶段服务流调度算法。该算法先将用户自定义的全局截止期限分配到系统中的每个实例,再将每个实例的截止期限分配到实例中的每个任务中,最后在服务流执行阶段,动态调整后续任务的截止期限,解决了任务可能存在的未能在其截止期限内完成的时间异常问题。CloudSim仿真结果表明,与现有的算法相比,该算法能满足用户定义的截止期限,节约了执行成本,并减少了资源的竞争率,提高了调度的成功率。