全舰计算环境下服务自适应方法研究

在全舰计算环境中,针对应用需求变更,应用服务高效的进行自适应演化才能够充分的利用好各种有限资源。在服务变量定义的基础上,提出了影响服务质量的相关指标;对服务组合的结构路径进行了说明,给出不同结构路径形式下服务质量的计算方法,并提出了组合服务质量模型;对服务变更实例情况进行了分析,最终提出了服务自适应模型算法。     

跨域流媒体边缘云资源调整策略

随着云计算技术的成熟,跨域边缘云模式下的流媒体服务正逐渐兴起。但流媒体相关的用户请求随时间波动较大,边缘云需要动态调整需租赁的云资源来同时保证用户服务质量和资源利用率。文中提出的云资源调整策略综合考虑了跨域流媒体边缘云的资源消耗模型、相关用户服务质量指标的量化以及跨域转发用户请求对系统服务的影响,通过系统资源调整阶段和子云资源调整阶段策略的合理协调,在保证用户服务质量的同时节约了系统总体云资源的租赁代价,同时仿真结果表明文中策略能够取得上述优化效果。     

存储新能力 助力云就绪 IBM智慧云存储

3月7日,IBM在"IBM智慧云存储高峰论坛"通过发布"云存储新能力"解决方案进一步助力企业在全新IT形势下搭建云存储环境的进程,以"效率优化"、"管理优化"和"安全与服务优化"三大能力快速开启企业云存储之旅。IBM为企业提供了放心的云存储之路,以现有存储系统为基础,借助"效率优化"手段整合与虚拟化资源,以"管理优化"实现云存储的自动化与管理,并提供"安全与服务优化"的服务,帮助企业最终安全、快速地开启云存储大门。在效能优化方面,IBM SVC作为兼容性最强的存储虚拟化产品,能够提高资源利用率、实现统一管理,并增强数据流动性     

基于遗传算法的云服务商伙伴选择问题研究

针对目前云计算市场如何选择合适的云服务商来组成动态联盟,以便更快更有效地满足终端客户的需求,实现云服务资源的优化配置.运用灰色关联综合评价模型确定云服务市场的优化指标,运用多目标优化模型定量分析和研究了云服务商的伙伴选择问题,选取在云计算市场提供计算服务、存储服务、软件服务的云服务商作为研究对象,提取成本、响应时间、服务质量作为研究优化指标;通过赋予相应的权重值,采用遗传算法对多目标规划化问题进行求解,寻找到符合各个云服务商利益的合作伙伴,最后通过算例证明该算法在解决最佳云服务商伙伴选择组合方面的合理性,验证了该模型及算法的有效性.     

被动相控阵雷达自适应调度算法研究

研究被动相控阵资源优化调度.相控阵雷达实现目标跟踪,精度和实时性是主要的指标.针对现有的主动相控阵资源调度不能很好地解决被动环境下搜索截获概率低,跟踪精度差的问题,提出一种被动相控阵雷达自适应调度算法(以下简称为被动自适应调度算法).算法根据被动截获、跟踪的特点,设计被动自适应调度算法的实现框架,重点研究了被动自适应调度的任务参数自适应生成、任务优先级评估及调度自适应执行等算法过程,并给出了被动自适应调度算法性能评估指标.仿真结果表明,该算法能优化安排被动相控阵雷达时、空、频等资源,缩短目标发现时间,保证跟踪稳定性.     

支持高负载的短信服务软件性能研究

目前普遍应用的在确定资源环境下的FCFS短信服务调度机制在处理请求过载的情况下难以保证服务质量,本文提出的系统自适应组网以及根据获益分析动态调整资源的模型,实验证明了对于提高服务器服务质量的有效性.     

基于性能需求的自适应中间件框架

分析影响服务质量的构件资源需求与资源依赖关系模型,提出一种自适应中间件框架。该框架能动态感知负载变化,自适应调整服务器配置参数,确保应用的服务质量。采用回溯算法搜索最优配置,以满足性能需求。以一个信息查询系统作为测试用例进行实验,结果表明,该框架可以提高应用程序的性能。     

云环境下基于LQNM的数据库系统自配置框架研究

针对云计算环境下高动态变化的数据库系统负载无法保障服务质量QoS(Quality of Service)的问题,提出一种自适应的数据库系统配置框架。该框架能够根据负载的动态变化,自动调整系统资源配置,从而保障用户要求的服务质量。框架的核心是基于分层排队网络模型LQNM(Layered Queue Network Model)的性能预测模型,用于指导搜索最优的资源配置,满足用户的性能需求。采用Hadoop搭建云计算环境,以TPC-H基准数据进行实验,实验结果显示,通过自适应配置框架对系统资源的调控,系统的QoS得到了很大提升。     

支持高负载的短信服务软件性能研究

目前普遍应用的在确定资源环境下的FCFS短信服务调度机制在处理请求过载的情况下难以保证服务质量．本文提出的系统自适应组网以及根据获益分析动态调整资源的模型．实验证明了对于提高服务器服务质量的有效性．     

云制造环境下基于双层规划的资源优化配置模型

为了解决云制造环境下制造资源的优化配置问题,综合考虑需求与服务双方以及云平台运营方的利益,提出了一种基于双层规划的资源优化配置模型。该模型以前景理论结合多约束多属性评价体系求解出的供需双方满意度作为上层规划的优化目标;以云平台资源利用率最大化为下层规划的优化目标;通过双层规划并采用改进的i-NSGA-II-JG算法对多目标制造资源配置问题进行求解。最后,通过算例仿真实验证明了该模型的可行性和优越性。     

基于帕累托最优的云资源调度研究

针对在云环境中,服务资源在各用户间难以实现最优动态分配的问题,利用帕累托最优理论与粒子群优化算法相互结合应用于云计算模型中,对各种服务资源的效用进行最优化配置,最终使资源利用率达到一个最优的状态。通过CloudSim对云服务资源调度进行仿真实验,结果表明,采用帕累托最优算法优化后的云计算模型具有更好的系统性能,使得资源的调度和配置达到最优。     

Feedback-based optimization of a private cloud

The optimization problem addressed by this paper involves the allocation of resources in a private cloud such that cost to the provider is minimized (through the maximization of resource sharing) while attempting to meet all client application requirements (as specified in the SLAs). At the heart of any optimization based resource allocation algorithm, there are two models: one that relates the application level quality of service to the given set of resources and one that maps a given service level and resource consumption to profit metrics. In this paper we investigate the optimization loop in which each application’s performance model is dynamically updated at runtime to adapt to the changes in the system. These changes could be perturbations in the environment that had not been included in the model. Through experimentation we show that using these tracking models in the optimization loop will result in a more accurate optimization and thus result in the generation of greater profit.     

植入城市计算综述

物联网通过感知技术实现物品与互联网的连接,云计算通过对共享资源的灵活整合和动态配置为用户提供面向需求的服务。基于上述背景,定义了植入城市计算的基本概念和功能框架,以植入城市计算应用场景为研究对象,比较了物联网技术与传统方法的数据采集、服务提供,论述了在人与环境交互中的感知应用部署、数据捕获、信息传播,阐述了云计算面向用户提供的数据管理服务、感知应用服务、位置查询服务。围绕植入城市计算的安全和隐私问题,对RFID隐私保护和身份认证、无线传感器网络密钥管理、参与感知隐私匿名化、云计算可信访问控制等进行了分析,并提出了进一步的研究方向。     

基于水利云的江苏省水利信息资源整合共享研究

为全面提升江苏省水利信息资源共享和应用协同智能的能力,推动"数字水利"向"智慧水利"转变,从水利大数据全生命周期管理和应用的需求入手,基于云计算技术,从基础设施、数据资源、应用系统3个层次提出水利信息资源"云服务"整合共享的思路和方案,建立基础设施云、数据云、应用服务云、云资源管理平台,实现基于水利云的信息资源的整合、共享,支撑全省一级部署(省级)、四级应用(省、市、县、乡级)的水利信息资源整合共享模式,为江苏省水利信息资源整合共享建设提供顶层设计和工作指导。     

Towards an autonomic performance management approach for a cloud broker environment using a decomposition–coordination based methodology

Efficient resource allocation of computational resources to services is one of the predominant challenges in a cloud computing environment. Furthermore, the advent of cloud brokerage and federated cloud computing systems increases the complexity of cloud resource management. Cloud brokers are considered third party organizations that work as intermediaries between the service providers and the cloud providers. Cloud brokers rent different types of cloud resources from a number of cloud providers and sublet these resources to the requesting service providers. In this paper, an autonomic performance management approach is introduced that provides dynamic resource allocation capabilities for deploying a set of services over a federated cloud computing infrastructure by considering the availability as well as the demand of the cloud computing resources. A distributed control based approach is used for providing autonomic computing features to the proposed framework via a feedback-based control loop. This distributed control based approach is developed using one of the decomposition–coordination methodologies, named interaction balance, for interactive bidding of cloud computing resources. The primary goals of the proposed approach are to maintain the service level agreements, maximize the profit, and minimize the operating cost for the service providers and the cloud broker. The application of interaction balance methodology and prioritization of profit maximization for the cloud broker and the service providers during resource allocation are novel contributions of the proposed approach.     

一种收益敏感的虚拟资源按需提供方法

基于虚拟机的资源重配置操作具有耗时长并伴随性能衰减的特点。已有的 Cost-Oblivious 和 Cost-Aware方法在面对Internet突变负载时存在因经常执行资源重配置操作而导致频繁QoS违约的不足。提出了一种收益敏感(benefit-aware)的资源按需提供方法。该方法首先考虑了 Web 应用在配置稳定期内的 QoS 获益,并以此构建收益函数;然后,以收益率最大化原则作为资源重配置策略选择的依据。实验结果表明,该方法与Cost-Oblivious方法相比最多能节约25%的资源成本,而与Cost-Aware方法相比则能有效减少Web应用在突变负载下的QoS违约次数。     

基于双层规划的容器云资源动态配置算法

本文分析容器云资源动态配置决策问题,通过定义容器云资源的调度任务,求解得到容器云资源调度时间;利用容器云资源调度任务的最短时间矩阵,获取容器云资源调度所需的条件。在双层规划条件下,求解容器云资源调度的目标函数和约束函数;考虑到用户的任务情况和云数据中心的云资源状况,在虚拟机上构建一个到物理主机的矩阵,通过构建容器云资源动态配置结果在优化时的目标函数,结合约束条件,实现容器云资源的动态配置。实验结果表明,资源动态配置算法不仅可以提高容器云资源的利用率,还可以减少配置完成时间,具有更好的动态配置性能。     

基于大数据、云平台和微服务的水文综合平台建设

随着社会对水文服务需求的不断提高,为解决水文信息化发展的同时出现的水文应用繁多,资源不共享,标准不统一等问题,江西省建设基于大数据、云平台和微服务的水文综合平台.解析水文综合平台实现水文业务数据的一数一源和业务协同集成的脉络,分别阐述大数据平台、云平台和微服务架构技术结合在数据层和平台层的支撑作用;同时在分析应用支撑、...     

云计算环境下的数据挖掘服务模式

为了求解网络环境下分布式海量数据的分析处理、促进数据挖掘的开发集成和商业应用,提出了云计算环境下的数据挖掘解决方案,通过云环境计算能力和云计算服务模式,阐述了对数据挖掘服务问题的解决机理。云计算环境下的数据挖掘是一种网络环境下的信息资源服务模式。基于此,构建了数据挖掘服务的架构,设计了数据挖掘服务的创建流程,给出了数据挖掘服务模型的体系结构,并从生命周期的角度定义了数据挖掘的服务过程,从而形成了云计算环境下的数据挖掘服务模式。     

基于虚拟机部署策略的云平台容错即服务方法

针对如何充分利用云基础架构层资源,满足上层云应用系统租户对应用系统容错的需求多样性和高可靠性要求的问题,提出一种面向租户和云服务提供商的、基于虚拟机部署策略的云平台容错即服务方法。该方法根据租户的特定容错需求适配适合的容错方法及容错级别,据此计算并最优化云服务提供商的收益和资源使用量,在此基础上对提供容错服务的虚拟机进行优化部署,充分利用底层虚拟机资源为租户的云应用系统提供更为可靠的容错服务。实验结果表明,所提方法能够在保障云服务提供商收益的基础上,为多租户云应用系统实现更灵活且可靠性更高的容错服务。