云环境下面向暴发式任务请求的资源部署模型设计

针对云计算环境面临的暴发式任务请求对系统性能带来的影响,提出了一种资源部署模型BWA来应对上述问题.首先由模型的负载监听模块负责监测云计算系统任务请求的变化量,实时判断暴发式任务请求的始末.然后通过引入新的资源部署策略,来避免局部热点的产生,加快系统的响应速度.最后利用跟踪预测算法预置计算节点来进一步加快云计算系统为用户提供服务的速率.通过CloudSim对资源部署模型进行了实验仿真,结果证明,该模型可有效优化系统响应速度.     

云计算环境下基于主动预测的节点部署模型研究

随着云计算的不断普及,越来越多的用户选择将自身的业务迁移至云计算系统。 用户的使用习惯与社会日常的运行规律 也伴随着大量用户涌入云计算系统,如每早8点集中地向云计算系统申请资源节点,这给系统带来了一种可预期的资源冲击。针对上述问题,提出了一种基于主动预测模式的资源部署模型。该模型首先根据预测模块中Holt-Winters季节指数平滑模型的算法周期长度来预测下一个时间周期的任务请求量,通过设计的主动预测算法判断是否应对当前的任务请求量做出响应并得出其具体数量、位置等参数指标,以实现对用户使用规律的主动应对。使用CloudSim进行仿真实验,系统地评判模型的性能。实验结果表明,AF-HW模型在应对可预测的海量并发任务请求时可有效地提升单点及整体的响应速率,使用户得到更好的体验。     

基于贪心算法的容器云资源低能耗部署方法

将容器云平台资源整体能耗最低作为目标,设计基于贪心算法的容器云资源低能耗部署方法。在物理主机与虚拟机对应、虚拟机与容器对应等约束条件下,结合静态和动态两个部分构建容器云资源能耗模型。通过资源虚拟化与去除冗余两个步骤,得到容器云资源的整合结果。检测物理机负载状态,确定虚拟机迁移源物理机和目标物理机,利用贪心算法均衡调度容器云资源负载,最终通过容器云资源编排重组,实现容器云资源低能耗部署。通过与传统部署方法的对比得出结论：在优化设计部署方法下,容器云资源的利用率和负载均衡度得到明显提升,能量损耗明显下降。     

基于属性分类的GDCS资源完全部署策略

针对工业应用,从控制的角度提出分层分布式的资源发现机制,研究网格环境下分布式控制系统的资源部署策略,建立不同应用需求下相应部署策略的数学模型。对于与属性无关资源的部署问题,由于数量充足,其部署策略视为静态匹配过程,可根据数学模型求出最优解;但受属性的限制,可供选择的资源数量不足,只能在数学模型的基础上,结合启发式算法,求得近优解。     

基于花授粉算法的容器云资源低能耗部署方法

论文提出了基于花授粉算法的容器云资源低能耗部署方法。首先构建容器云资源能耗模型,在此基础上迁移容器,提出最低增长法、最高增长法、混合增长法以及随机选择模式四种容器选择方式应用在迁移中。综合容器迁移以及能耗模型得出资源部署的最低能耗,利用花授粉算法实施容器云资源的部署,划分云资源任务个体适应度种群,得出每个种群最高适应度实施初始化和更新处理,输出花授粉算法的最优解,即资源的最优部署策略。实验结果表明,该方法的平台资源利用率高、部署完成时间短以及负载均衡好,降低了容器云资源部署过程中的能耗。     

边云协同计算中基于预测的资源部署与任务调度优化

数据集中处理的云计算模式提供交互迅速、绿色高效的多样化应用服务面临新挑战.将云计算能力扩展到边缘设备,提出了边云协同计算框架;设计了基于任务预测的资源部署算法,在云服务中心通过二维时间序列对任务进行预测,结合分类聚合、延迟阈值判定等优化边缘服务器任务运行所需资源部署;提出了基于帕累托优化的任务调度算法,在边缘服务器分2个阶段进行帕累托渐进比较得到用户服务质量和系统服务效应2个目标曲线的相切点或任一相交点以优化任务调度.实验结果表明：结合基于任务预测的资源部署算法与基于帕累托优化的任务调度算法在提高平均用户任务命中率基础上,其用户平均服务完成时间、系统整体服务效应度、总任务延迟率在不同用户任务规模、不同Zipf分布参数α的应用场景下,均优于基于帕累托优化的任务调度算法和基于FIFO(first input first output)的基准任务调度算法.     

异构云环境中的实时密码服务调度策略

针对异构云环境中运算节点性能各异、密码服务处理命令和密码算法组合多样且随机高并发的问题,综合考虑用户请求任务与云中运算节点的多项属性,从任务和节点角度优化整体调度系统的服务质量及任务调度成功率,设计一种同时支持多种密码处理命令和算法的二级调度策略。通过任务与运算节点之间功能属性的映射,保障密码服务请求功能的正确实现。在此基础上,利用节点优先级算法提高任务处理实时性和随机高并发密码服务系统的任务调度成功率。仿真结果表明,该策略能够在保证任务调度成功率的基础上,有效提高任务执行效率和负载均衡性能,其任务执行时间较优先级动态分派策略和遗传算法分别减少约4%和17%。     

云环境下基于改进蚁群算法的虚拟机批量部署研究

针对云计算中虚拟机批量部署问题,在定义虚拟机与服务器匹配距离的基础上,使用蚁群优化思路进行部署方案搜索,并有针对性地对蚁群算法进行了扩展改进。首先在蚁群算法随机比例规则中加入性能感知策略,以尽量避免将相同性能偏好的虚拟机部署在同一台服务器上,造成对硬件资源竞争的危险。同时增加了单一蚂蚁信息素更新规则,以减少错误先验知识对蚂蚁后续选择的误导。通过在CloudSim中的仿真实验,对算法参数选择进行了研究。与现有部署算法相比,本算法具有更好的系统负载均衡性能和资源利用率,以及比基本蚁群算法更快的收敛速度。     

网格资源部署动态策略的一种拟生算法

通过将资源动态部署问题转化成收益目标函数的优化问题,并在网格架构基础上,通过模拟生物跟随食物变化的动态分布过程,引入服务节点的动态迁移、竞争和死亡等行为,设计了拟生动态部署优化策略解决该优化问题．在针对单一资源访问以延时为主要服务质量评价标准的测试过程中拟生部署策略的目标函数值相比传统方法均有提高,算法时间复杂度接近O(N^2),各个计算节点时间复杂度接近O(N),算法的实际叠代次数约为2～3次．     

基于粒子群算法和RBF神经网络的云计算资源调度方法研究

为了获得云计算资源调度的多目标优化方案,提出了一种云计算资源的动态调度管理框架;然后给出了本系统的基本架构形式,并对其进行了详细设计;其次,建立了以提高应用性能、保证云应用的服务质量和提高资源利用率为目标的多目标优化模型,并结合最新的RBF神经网络和改进粒子群算法对其求解;最后,在CloudSim平台进行了仿真,实验结果表明提出的框架及算法能有效减少虚拟机迁移次数和物理结点的使用数量,在提高资源利用率的同时,能保证云应用的服务质量。     

云环境下的突发关键字查询算法

基于Spark Streaming计算框架下的分布式突发关键字查询是监测流数据中关键字突发时间的热点研究问题。多数研究方法存储统计所有的关键字,并未考虑热点关键字。在数据呈爆炸式增长的背景下,获取热点关键字的突发时间更具有价值。针对这个问题,提出一种分布式突发关键字查询算法,该算法采用动态的更新策略,通过设置检查点的方法提取热点关键字,并在线性的时间内查询突发的时间范围。实验结果表明,该算法的性能比现有算法更优。     

基于云计算神经网络物流车辆调度算法研究

研究了物流车辆调度优化问题。针对云计算下任务调度算法没有考虑调度的服务质量和用户满意度的问题,特别是在物流任务调度问题中存在复杂的计算网络,造成计算率降低,为了解决上述问题,提出了一种新的有关云计算和神经网络相结合的物流作业调度算法。算法充分考虑了调度的服务质量以及用户满意度,建立一个参数化的处理模型,计算用户在各个资源上的综合满意度,再将任务分配到满足用户需求和使系统资源达到均衡的资源上执行,最后采用改进的神经网络进行优化车辆调度。实验结果表明,改进算法不仅能满足用户的多种需求,提高了用户的满意度,同时也提高了资源调度率和系统资源的利用率。     

基于人工神经网络的云识别研究

利用计算机图像处理和模式识别技术,对卫星云图上常见的3种云和晴空进行了特征提取,并利用神经网络进行了识别实验,结果表明这种方法是有效的。     

基于体域网和云平台的远程数字健康系统发展的研究

进入21世纪以来,网络技术、移动通讯技术正逐步进入医疗健康服务领域。体域网、宽代移动通信和云平台的结合,使得对大规模人群的各项医学应用成为可能。发展数字化医疗技术,尤其是远程数字医疗技术,越来越被证明是大幅降低医疗和就医成本、改变医疗资源分布以及提高医疗整体水平的重要手段。目前国内外关于体域网采集技术、云计算存储技术、健康综合评估体系、远程医疗与家庭看护模式的研究很多,也提出了许多创新性的理论与模型,但仍然存在着诸多问题和难点。其中,在信息技术与医疗相结合的数字化医疗工程应用中,将体域网、云计算等多种高端信息技术集成,逐一解决目前应用中存在的难点,并创新性地建立个人健康信息智能采集与远程服务系统,实现个人健康信息采集和传输的无线智能化、健康信息处理的自动化、健康管理的远程化,从而为国人提供“适时”、“适地”、“无边界”的远程数字健康服务,提高全民医疗健康水平和生活质量,已经成为国内外众多国家医疗改革的重要战略和发展方向。文中对这个领域的发展现状做出了综述和展望,对典型解决方案及应用实例着重进行了分析。     

面向云计算数据中心的弹性资源分配算法

巨大规模的数据资源与实时多变的应用请求,增加了云计算数据中心的资源分配难度,为此提出一种弹性资源分配算法。通过分析云计算数据中心下弹性资源分配问题,利用带宽资源与中间变量,将分配问题转换为整数线性规划问题,在各链路上逐级划分数据中心后得到不同分区,并按照从下到上的顺序逐层展开运算,完成动态规划阶段,基于树状数据中心的遍历过程,根据极大允许负载占比,明确可行的分配策略,依据带宽需求按序分配,实现云计算数据中心弹性最大化与资源最佳分配。选取不同的基准测试作业作为检测数据,经过对比分析实验数据,验证所提算法在弹性方面具有显著的优越性,有效降低应用请求响应时长,执行效果较为理想。     

基于BP神经网络的云相态检测方法研究

利用MODIS中5个光谱波段上不同云相态的特性,提出了一种基于BP神经网络的云相态检测方法。首先,分析了所选波段上不同云相态的特性,利用5个波段上光谱图像的反射率、亮温值和亮温差值构成4组特征数据作为输入层,隐层和输出层分别采用优化的传输函数。然后,利用3层前馈型BP神经网络对所选波段MODIS数据进行了云相态检测。最后,将两组测试数据用该BP神经网络算法进行云相态检测的结果与相应MOD06云相态数据进行了对比分析,结果表明该方法能很好地识别云相态,检测平均准确率达到86.11%,计算结果与标准结果平均相关性达到0.874的高度相关,且无需在计算前进行复杂的云和晴空分离处理。     

基于云计算背景下的计算机网络安全研究

云计算可以用于商业计算方法,它可以使计算指令发给很多计算机组建的资源池上,使用客户可以按照自己的去求得到想要的计算方式、存储空间和信息服务,客户可以从逻辑底层硬件、网络协议和软件中更好的解脱出来。我们在使用计算机技术中,肯定存在信息安全问题,所以我们需要加强计算机网络信息安全及防护。同时也要深入探讨和分析计算机网络防护以及安全。因此,本文主要就云计算背景下环计算机网络安全进行研究和讨论。也会主要说明做好计算机网络安全防范的重要性,希望可以在保证资源信息共享的情况下,使运行稳定,还可以使用户的生活和工作更加便捷。