基于资源评价的信任管理模型

针对P2P网络中交易的安全性问题,提出了一种基于资源评价的信任管理模型。首先给出评价节点行为信任的好评度的概念,用模糊综合评判的方法计算节点对交易的单次好评度,每次交易后的交易记录表由提供资源的节点的母节点进行管理和存储;当节点选择提供资源的节点时,不仅考虑对目标节点的直接信任度,还考虑此次交易资源的总好评度,在计算直接信任度时考虑了时效性和交易资源的重要程度两个因素,交易资源的总好评度的计算数据来源于该资源的评价节点给出的以往评价;最后引入了基于虚拟货币的激励机制,以有效地提高节点参与的积极性。仿真实验表明,该模型能有效抵制恶意节点的攻击,提高网络交易的成功率。     

面向大数据复杂应用的虚拟集群动态部署模型

针对计算负载的时变性和复杂性导致虚拟集群的资源利用率不高的问题,为提高虚拟集群资源的全局利用率,采用弹性资源管理策略来吸收多种计算模式混杂时的资源需求突变。在Docker容器技术的支持下提出一个根据作业需求变化的动态部署模型。该模型根据资源的动态需求变化,实时调整虚拟集群的计算形态,具体包括计算节点的类型及规模。该模型不仅实现用户作业执行环境的动态定制,而且达到错峰计算的目的。仿真实验表明,该模型使得虚拟节点CPU利用率提升5.3%,并且优化了计算作业的执行效率。该动态部署模型适合应用到数据中心或大规模集群中,能够有效提高计算资源的利用率。     

Heron环境下基于实例重分配的传输负载优化策略

作为新一代大数据流式计算框架,Heron忽略了任务实例之间不同通信方式的差异以及节点资源利用率不均衡的问题导致系统性能下降。针对这一问题,设计了节点资源限制模型、通信开销优化模型和实例数据流关系模型,并在此基础上提出了Heron环境下基于实例重分配的传输负载优化策略(transmission load optimization strategy based on instance reallocation in Heron,TLIR-Heron)。该策略包括节点资源限制算法和实例重分配算法,通过判定实例重分配条件并执行重分配算法将节点间数据流转换为节点内数据流,从而降低通信开销。实验结果表明,在三组拓扑测试下,TLIR-Heron相较于Heron默认调度策略能够降低节点间通信开销和系统的计算延迟,并提升了计算节点资源利用的均衡性。     

一种自组织资源发现模型和算法

针对具有动态性和不稳定性资源的网格计算环境的资源发现问题,提出一种基于资源索引节点的自组织资源发现模型,该模型采用了基于组的分层资源组织方式,通过信息节点管理组内资源信息,所有信息节点形成树型覆盖网络,可以在信息节点树型覆盖网络实现分布式资源定位.并提出以资源索引节点索引所有信息节点中资源的关键属性,设计了基于资源索引节点的智能资源发现算法,实验结果表明,该算法在系统负栽变化情况下,能保持稳定的性能,相比集中式资源发现算法、结构化P2P资源发现算法和分布式资源算法性能更优.     

一种基于多移动Agent的对等计算动态协作模型

对等计算技术为Internet上海量节点之间计算和信息资源的共享提供了基础平台.对等节点的协作可以有效利用分布于各对等节点上的资源以解决单节点难以完成的复杂任务.然而对等计算环境的动态性、不可预测性等特征也为顺利的协作带来了困难.提出一种基于多移动Agent的对等计算动态协作模型,利用多Agent技术构建P2P平台的协作层,将对等节点之间的协作转换为Agent之间的协作,再通过移动Agent来动态部署针对具体任务的功能组件.还给出了该动态协作模型在密码分析中的应用示范和对比实验数据结果,对该模型的实用价值进行验证.     

一种基于角色Agent的层次网格任务调度处理模型

文章讨论了一种新型的网格任务调度模型。该模型将角色层次资源组织、角色工作流、角色协作思想与网格计算相结合,将复杂的计算任务分解成小块并分交给多个节点协同完成,从而使原先只能单节点运行的战术计算功能,现在能由多节点同时处理,有效地解决了传统网格系统中由于任务量太大和处理复杂而产生的诸如：资源使用效率低下,要求服务器配置高,任务调度产生停顿等问题。     

一种低管理开销的网格计算模型

针对利用Internet上大量空闲计算资源来解决大规模分布式计算问题这一需求,提出了一种低管理开销的网格计算模型。在该模型中,不存在任何节点来管理动态变化的资源,而与之相适应的信息机制、任务调度算法和有限任务复制算法在没有管理节点存在的情况下,以较低的开销使系统在动态的环境中达到自然的协调,实现大规模的分布计算。开发的仿真软件验证了该模型的有效性,并对相关结果进行了初步的性能分析;仿真结果表明,该模型在动态的环境中负载分布合理,资源的计算能力能得到充分利用,为高效地完成参数扫描、蒙特卡罗模拟等大规模易并行计算提供了一个可行的方法。     

面向大数据复杂应用的GPU协同计算模型

大数据计算中存在流计算、内存计算、批计算和图计算等不同模式,各种计算模式有不同的访存、通信和资源利用等特征。GPU异构集群在大数据分析处理中得到广泛应用,然而缺少研究GPU异构集群在大数据分析中的计算模型。多核CPU与GPU协同计算时不仅增加了计算资源的密度,而且提高节点间和节点内的通信复杂度。为了从理论上研究GPU与多核CPU协同计算问题,面向多种计算模式建立一个多阶段的协同计算模型（p-DCOT）。p-DCOT以BSP大同步并行模型为核心,将协同计算过程分成数据层、计算层和通信层三个层次,并且延用DOT模型的矩阵来形式化描述计算和通信行为。通过扩展p-DOT模型描述节点内和节点间的协同计算行为,细化了负载均衡的参数并证明时间成本函数,最后用典型计算作业验证模型及参数分析的有效性。该协同计算模型可成为揭示大数据分析处理中协同计算行为的工具。     

IaaS模式下虚拟机部署机制研究

针对将基础设施作为服务的云计算平台中虚拟机部署问题,通过分析现有云计算平台的应用模式,建立了虚拟机部署模型,提出了一种快速资源匹配策略.该模型根据计算节点可用CPU个数和内存的大小将其划分到对应的二维容器队列中,然后再进行资源的匹配.在进行资源匹配时采用了计算单元优先匹配的策略,提高了计算节点CPU的利用率.将文中提出的虚拟机部署机制在基于Eucalyptus的开源云计算平台中实现.实验测试表明,该虚拟机部署机制实现了虚拟机的快速部署,提高了资源的利用率和部署效率.     

一种基于文件附加信息的P2P信任模型

在P2P文件共享系统中,存在不少节点不主动提供资源甚至提供虚假、恶意的资源.为了孤立这些恶意节点和鼓励节点多共享自己的文件,在分析一些现有信任模型的基础上,提出了基于文件附加信息的信任模型,该模型从文件的信任度出发导出用户的信任度,并在计算过程中考虑了相关因素,激励用户多为整个P2P网络做贡献,从而提高了整个网络的活力.通过实验仿真和分析表明:该模型能有效地隔离恶意节点,提高交易成功率,可使节点之间更有效地建立互信关系,进而提高系统的稳定性和可靠性.     

基于议价机制的网格资源交易算法

资源管理是网格技术研究的核心任务之一。针对网格资源异构性、动态性、自治性等特点提出了基于议价机制的网格资源交易算法。分析了网格资源管理的市场模型,指出市场模型中各角色的特点,提出了网格资源管理的议价模型。针对这种模型,提出了基于议价时限和价格变化率的网格资源交易算法,并根据平衡策略给出了该算法的描述。     

基于遗传算法的会计资源共享管理风险评估模型

由于会计资源共享管理风险评估值不是全局最优值,导致评估结果不准确,延长了评估时间.本文提出一种基于遗传算法的会计资源共享管理风险评估模型.通过选取会计资源共享管理风险评估指标,采用德尔菲法确定风险评估指标权重,构建会计资源共享管理风险评估量化模型.以此为依据,采用遗传算法计算参数最优解,制定风险程度评估规则判定风险程度...     

基于议价机制的网格资源交易算法

资源管理是网格技术研究的核心任务之一。针对网格资源异构性、动态性、自治性等特点提出了基于议价机制的网格资源交易算法。分析了网格资源管理的市场模型，指出市场模型中各角色的特点，提出了网格资源管理的议价模型。针对这种模型，提出了基于议价时限和价格变化率的网格资源交易算法，并根据平衡策略给出了该算法的描述。     

一种基于效用函数的网格资源优化策略

基于市场机制提出了一种以资源代理为基础、面向服务的网格资源管理模型——SBAGRM,在该模型的框架下提出了一种基于效用函数的网格资源分配方法,该方法以满足用户的QoS需求为出发点,旨在追求系统资源的全局最优化。SBAGRM模型可以避免非线性优化带来过高的计算复杂度,以市场模式根据效用函数配置资源,因此计算复杂度将大大降低,模拟结果显示性能明显提高。     

Ad hoc网络中资源管理的研究

从资源管理在Ad hoc网络中的重要性出发,提出了一种分层式Ad hoc网络资源管理模型,该模型包括信息层、调度层和服务层,分别用来实现资源管理中的不同功能,并设计了一个资源调度模型,基于此调度模型可以实现资源申请、分析、检索、协调执行的一体化管理,同时给出了一种以资源应用服务为主、兼顾资源预留服务的资源调度的优化算法.     

Proactive virtualized resource management for service workflows in the cloud

A Cloud platform offers on-demand provisioning of virtualized resources and pay-per-use charge model to its hosted services to satisfy their fluctuating resource needs. Resource scaling in cloud is often carried out by specifying static rules or thresholds. As business processes and scientific jobs become more intricate and involve more components, traditional reactive or rule-based resource management methods are not able to meet the new requirements. In this paper, we extend our previous work on dynamically managing virtualized resources for service workflows in a cloud environment. Extensive experimental results of an adaptive resource management algorithm are reported. The algorithm makes resource management decisions based on predictive results and high level user specified thresholds. It is also able to coordinate resources among the component services of a workflow so that unnecessary resource allocations and terminations can be avoided. Based on observations from previous experiments, the algorithm is extended with a new resource merge strategy in order to prevent average resource size from shrinking. Simulation results from synthetic workload data demonstrated the effectiveness of the extension.     

基于Unity的数字化车间改进资源动态调度算法

针对基于Unity引擎的车间仿真系统加载过程中内存占用大,导致系统在运行时存在卡顿、不流畅的现象,从模型资源加载角度设计一种资源动态调度算法.首先通过四叉树算法将场景递归的分割成多个叶子节点进行存储,然后结合资源动态调度算法以摄像机位置为中心对周边节点的资源进行预设实例化和预设销毁完成内存的管理.最后根据Unity的内存管理机制,设计并实现了对场景资源的动态调度和内存优化,实验结果表明资源动态管理算法有效控制某时刻内存中加载的数据量相对稳定降低了IO总量,避免了漫游移动时造成的内存颠簸,使系统的运行更加流畅.     

基于计算经济的网格资源管理研究

网格是为解决大规模资源密集型问题而提出的新一代计算平台,资源管理是网格的关键技术之一。但是,资源的分布性、异构性、自治性、动态性等使得网格资源的管理变得异常复杂。目前,基于市场的经济资源管理和调度算法非常适合解决网格中的资源管理问题。本文提出了网格环境下基于经济模型的各种代理,给出了一种新的资源管理模型
型,并定义了效用函数,给出了基于效用最优的资源调度算法。为解决网格资源管理的问题提供了一个有效的途径。     

基于包簇映射的云计算资源分配框架

在云计算资源调度中存在着结构复杂、数据量庞大的可扩展问题,针对该问题提出了一种基于包簇映射的资源管理框架。该框架下包内允许资源共享,当指定资源共享使用模式后,资源调配更具灵活性。将改进的基于包的遗传算法运用到该框架中,采用染色体组方式和资源方式进行编码,根据染色体长度变化设计交叉算子和变异算子,将簇的个数与包的资源相互整合,并且通过抽象模型来降解问题规模。实验结果表明,在基于包簇映射框架下的遗传算法与传统的以虚拟机为中心框架下的遗传算法和基于包簇框架的首次适应算法相比,在CPU利用率方面分别平均提高9%和5%,在内存利用率方面分别平均提高14%和7%。实验结果表明,所提出的包簇框架下的遗传算法能有效减少簇节点的使用数量,提高资源利用率。     

Dynamic application placement in the Mobile Cloud Network

To meet the challenges of consistent performance, low communication latency, and a high degree of user mobility, cloud and Telecom infrastructure vendors and operators foresee a Mobile Cloud Network that incorporates public cloud infrastructures with cloud augmented Telecom nodes in forthcoming mobile access networks. A Mobile Cloud Network is composed of distributed cost- and capacity-heterogeneous resources that host applications that in turn are subject to a spatially and quantitatively rapidly changing demand. Such an infrastructure requires a holistic management approach that ensures that the resident applications’ performance requirements are met while sustainably supported by the underlying infrastructure. The contribution of this paper is three-fold. Firstly, this paper contributes with a model that captures the cost- and capacity-heterogeneity of a Mobile Cloud Network infrastructure. The model bridges the Mobile Edge Computing and Distributed Cloud paradigms by modelling multiple tiers of resources across the network and serves not just mobile devices but any client beyond and within the network. A set of resource management challenges is presented based on this model. Secondly, an algorithm that holistically and optimally solves these challenges is proposed. The algorithm is formulated as an application placement method that incorporates aspects of network link capacity, desired user latency and user mobility, as well as data centre resource utilisation and server provisioning costs. Thirdly, to address scalability, a tractable locally optimal algorithm is presented. The evaluation demonstrates that the placement algorithm significantly improves latency, resource utilisation skewness while minimising the operational cost of the system. Additionally, the proposed model and evaluation method demonstrate the viability of dynamic resource management of the Mobile Cloud Network and the need for accommodating rapidly mobile demand in a holistic manner.