基于结构化对等网络的云资源查询算法

为实现云计算中云资源的快速查询,针对资源查找过程中查询效率较低以及网络维护成本较高等问题,提出一种基于结构化对等网络的云资源查询算法,实现对待查询云资源进行快速有效定位。首先设计一种新型超级节点拓扑结构,对网络拓扑中各节点进行唯一性编码,构造二元组路由信息索引列表,并设计相应的路由算法;然后给出了分层象限超级节点算法的查询效率与稳定性分析。仿真实验结果表明,分层象限超级节点算法查询效率较高,且随着网络规模增加,查询路径长度趋于稳定,同时对于超级节点失效带来的网络维护成本较低。     

Chord路由算法的研究与改进

高效查找资源是P2P网络的关键。Chord是一种结构化的P2P网络,存在路由表信息冗余、查找效率不高的问题。为此,提出了一种改进的Chord路由算法,在不增加路由表长度的前提下,将路由表中的重复表项删除,同时增加相同数目的反向路由。仿真实验表明,算法消除了路由表信息冗余,减少了平均查找跳数,提高了查找效率,使提高查找效率和控制路由表长度得到很好的统一。     

Chord协议的改进双向路由表结构

在结构化P2P网络中有效快速地定位节点非常重要。Chord是结构化网络中一种比较成功的路由算法。但是Chord的路由表存在着一定的信息冗余,且只能从环的一个方向查询,对于后半环节点信息的查询支持不足,由此导致查询定位的效率不高。基于这种不足,本文提出了一种改进后的Chord路由表结构,将路由表中的冗余信息替换为反向环中部分节点信息,同时在路由表中增加剩余反向环的节点信息,由于利用了原表的冗余项,因此在不至于增加过多路由表项数的情况下实现了路由表的双向查找。仿真实验表明,改进后的路由表结构提高了查询效率。     

基于物理拓扑的双向搜索Chord路由

Chord模型未充分利用逆时针上的路由信息,并且未考虑实际网络拓扑结构,使P2P系统存在高延迟、低效率的问题。针对该问题,充分利用节点路由表信息和节点在物理网络上的邻近性,并用超级节点存储最近同一簇内的查询结果,提出路由算法TBChord。模拟实验结果表明,该算法在路径长度、访问延迟方面的性能较Chord有一定的提高。     

基于资源路由表的P2P改进模型

许多非结构化P2P网络如Gnutella采用的“洪泛”广播机制造成了严重的网络拥塞,降低资源定位的效能,增加网络流量。针对该问题,在现有P2P技术的基础上结合传统的客户-服务器结构构造一个混合P2P模型,提出一种基于资源路由表的路由算法,并对该算法进行分析。仿真结果显示,该模型能够有效地减小P2P系统的网络流量,缩短响应时延。     

基于网络拓扑和节点异构的Chord系统

结构化P2P系统在建立逻辑覆盖图时并没有考虑实际的物理拓扑结构,导致覆盖网络与底层物理网络的严重不匹配.另外,结构化P2P系统也没有考虑节点的性能差异,这都影响了系统的路由效率.在结构化对等网络Chord基础上,提出了一种改进的路由算法THChord(Topology and Heterogeneity-based Chord),把物理拓扑相近的节点聚类,并引入超级节点对查询过的信息和热点信息进行缓存.仿真实验表明,THChord的路由性能与Chord相比有了明显的提高.     

Chord路由算法的分析与改进

在P2P网络中,如何高效地查找需要的资源是关系P2P网络性能的关键。传统的Chord的路由表信息冗余,查找效率不高,且不考虑实际物理网络的拓扑结构,因此使逻辑拓扑与物理拓扑不匹配,导致了较大的网路延迟。提出一种改进的Chord路由算法,该算法在一定程度上解决了上述两个问题,提高了搜索查询的效率。     

基于移动Agent的对等网络资源查找技术的研究

对等网络中资源共享的前提是高效的资源查找与准确的资源定位.研究了对等网络资源查找的技术,在分析已有查找策略缺陷的基础上,阐明了在采用super peer结构的对等网上引入移动Agent技术完成资源发现的优点,并给出了经过原型系统验证的实现策略.论文中描述的方法为对等网络资源查找提供了一种新的思路和有效手段.     

多关键字云资源搜索算法

云计算的核心是在虚拟化技术的基础上,通过互联网技术为用户提供动态易扩展的计算资源。利用中心服务器的计算模式来管控网络上大量云资源使得中心服务器成为整个系统的瓶颈,不利于云计算的大规模应用,因此提出使用对等网络技术构建分布式的云资源索引存储和查询系统,但是结构化拓扑系统维护比较复杂,一般不支持复杂搜索条件查询。本文提出了一种多关键字云资源搜索算法。在基于分层超级节点的云资源搜索算法基础上进行路由算法改进,希望实现多关键字的精确查询。对多关键字的生成、分割及存储做出了详细说明,提出一种有效的基于数据集的索引搜索策略,实现了包含三个或三个以上的关键字高效、准确查询。分析实验结果证明了算法明显提高了资源搜索的命中率,尤其是随着关键字数目的增多,不仅保证了资源搜索的命中率,同时大大增加了资源的召回率。     

基于改进型人工萤火虫算法的云计算资源研究

在研究人工萤火虫算法的基础上, 提出了一种改进型的人工萤火虫算法。该算法通过对荧光素值获取方式的改进、能够有效地防止收敛过快、目标函数值极易陷入局部最优的情况, 通过三个函数的仿真测试中, 在搜索精度和性能上有了显著的提高。通过Cloudsim 仿真平台发现, 在云计算模型下, 该算法可以有效地减少子任务的处理请求任务的平均完成时间, 提高了任务处理的效率, 达到了资源的合理分配。     

基于蝙蝠算法的云计算资源分配研究

由于云计算要面临庞大的资源分配并且具有动态性等特点,仅从单一方面来权衡资源分配策略的优劣已经不能满足需求.针对上述问题,从用户和资源提供者两个方面出发,将蝙蝠算法引入资源分配策略中,提出了以任务完成时间较短且成本最低为约束条件的调度模型.通过CloudSim平台进行模拟仿真表明,该资源分配算法能有效地兼顾完成时间和成本,在缩短任务完成时间的同时保证成本最小,提高了资源利用率.     

基于云计算的ACO-K中心点资源优化算法

云计算是计算网络模型研究的热点领域,能实现几种资源共享和资源动态配置。然而,云计算中存储资源如何快速路由,减少动态负荷,兼顾全局负载平衡是有待解决的问题。ACO是一种仿生优化算法,具有健壮性强、智能搜索、全局优化、易与其他算法结合等优点。K中心点算法是K均值的改进算法,鲁棒性强,不易受极端数据的影响。结合这两种算法的优点,提出一种基于云计算环境下的ACO-K中心点资源分配优化算法,得到最优的计算资源,提高云计算的效率。通过仿真验证了该算法的有效性。     

基于改进蚁群算法的云计算任务调度

利用云中资源进行高效任务调度是保证云计算系统可靠运行的关键问题。提出一种基于改进蚁群优化算法的任务调度方法。算法采用蚂蚁系统的伪随机比例规则进行寻优,防止算法过快收敛到局部最优解,同时结合排序蚂蚁系统和最大最小蚂蚁系统的设计思想完成信息素更新,有效求解优化问题。实验结果显示,该算法具有很好的寻优能力,提高了云资源的利用率。     

基于云环境下的资源评价模型研究

分析了己有的调度机制和常用的任务调度算法,并在此基础上设计了资源评价模型。将资源评价模型加入调度系统中,资源信息由评价模块进行分析和评价,并提供给任务调度器,实现资源和任务的优化匹配,提高了服务质量(QoS)。     

云计算环境下基于用户满意度的遗传算法

针对云计算平台的新特征, 对原有自适应遗传算法进行改进, 提出了一种基于用户满意度的遗传算法(consumer satisfaction genetic algorithm, CSGA)。该算法在保证用户公平性的前提下, 将任务调度到输入数据所在的计算节点以减少网络传输开销, 并以缩短总任务的完成时间及提高用户满意度为目标优化算法性能。通过仿真实验对比分析CSGA与AGA算法, 实验结果表明该算法在响应时间、公平性和用户满意度方面优于AGA算法, 更加适应云计算环境。     

云计算技术浅析

云计算是一种按使用量付费的模式,该模式能提供可用的、便捷的、按需的网络访问,以进入可配置的计算资源共享池。这些资源能够被快速提供,而只需投入很少的管理工作,或与服务供应商进行很少的交互。云计算的到来,意味着用户将不再被地理位置所限制,而且不再被所使用的设备所限制。文章中对云计算技术进行了简单分析。     

云计算环境下的PSO可信资源调度

对云计算环境下的资源调度问题进行了研究。针对云计算环境下资源调度的特点,结合节点失效以及任务间的网状结构特点,建立资源调度问题数学模型,运用离散粒子群算法求解该问题。针对模型特点结合云计算服务运营实情,设计算例进行仿真测试。验证表明了所建立模型的合理性及该算法求解的可行性和有效性。