云计算环境下的服务调度和资源调度研究

云计算中的服务调度与资源调度对云计算的性能有重要影响,在分析现有云计算调度模式的基础上,针对云计算数据密集与计算密集的特点,提出分层调度策略以实现云计算中的服务与资源调度。分层调度策略对任务进行划分确定作业优先级,并通过数据局部性和总任务完成率对资源进行分配。数值评价部分应用分层调度与已有调度进行比较。实验结果表明,所采用的调度有效提高了资源利用率,为云服务的进一步研究提供了思路。     

云计算环境下多DAG调度的资源分配进化算法

现有多DAG调度研究主要在多个DAG共享资源调度的时间最小化、公平性最大化、吞吐量最大化等问题方面提出了相关的解决方案,然而,现有的方法还不能很好地解决云计算环境下多DAG共享资源调度的资源分配优化问题.为此,首先分析讨论了一组多DAG共享云计算资源调度中的多DAG数量、属性结构分布特点与资源需求量之间的关系,并在此基础上提出了基于资源需求强度预测变异方法的进化算法EFRD,有效地解决了云计算环境下多DAG共享资源调度的资源分配优化问题,既保证了多DAG的调度执行时间最小化,也避免了资源的浪费.实验表明,EFRD算法能够有效地收敛到最优解.     

云计算环境下基于时间期限和预算的调度算法

现有的云计算作业调度算法研究较少考虑时间期限和预算对作业调度策略的影响.针对动态变化的云计算环境下,具有时间期限和预算双重约束的用户需求优化问题,提出一种改进的云计算调度算法,设计权值计算模型、预算评价模型和权值更新模型,通过动态调节作业权值和最小资源槽数来控制集群对资源的分配.在Hadoop平台上进行实验,结果表明,该算法能减少作业响应时间,并且可在满足用户对时间期限和预算的需求基础上,最大化云计算集群中运行的作业数,提高不同用户在时间和预算需求上的公平性.     

文化框架下多群智能优化算法的云作业调度

作业调度是一种云计算核心技术,为了获得更优的云计算作业调度方案,提出一种文化框架下多群智能优化算法的云作业调度方法;首先构建云作业调度问题的数学模型,然后借助文化算法模型,粒子群算法组成信仰空间,人工鱼群算法组成群体空间,两者之间并行演化,相互促进,对云计算作业调度数学模型进行求解,最后通过仿真实验测试算法的性能;结果表明,本文加快了算法的收敛速度,获得了更优的云计算作业调度方案,大幅度缩短少云计算作业完成时间,具有一定的实用价值.     

多服务WiMAX系统的调度与资源分配策略

基于IEEE802.16标准的WiMAX技术已成为宽带无线接入的主要技术,IEEE802.16标准没有规定调度和资源分配策略,网络运营商可以自行选择。根据用户需求并考虑信道条件的影响,提出基于NS2的扩展WiMAX系统级仿真平台,给出一种公平有效的调度与资源分配策略。仿真结果证明该策略可以满足多种服务流的QoS需求并最大化系统吞吐量。     

多租户高可用并行任务调度框架

描述了一种多租户高可用并行任务调度框架MTHPT的设计思想、体系结构和实现技术,MTHPT包括3部分：任务定义与配置、异步并行任务调度模式、消息告警与监视.任务调度引擎和任务执行组件采用分开部署、异步并行调度和快速回调的模式,快速释放调度引擎占用的线程资源,解决了部分任务执行周期长、定时任务无法按时执行等影响业务系统性能的问题.任务调度配置提供了多租户应用模式.实验分析及评估表明,MTHPT提高了应用系统的任务调度并行调度效率和稳定性.     

基于SLA和双向拍卖机制的云计算服务资源分配

针对云计算环境下现有的服务资源分配方法在采用SLA约束时未能考虑到市场因素的问题,设计了一种基于SLA约束并采用双向拍卖机制来实现服务提供商利润最大化的服务资源分配方法;首先,定义了云计算环境下基于SLA的双向拍卖服务资源分配模型,然后设计了服务提供商与用户签约的SLA并实现了到其资源提供商的映射,为了保证资源提供商提供真实可靠的信息,设计了分配函数和支付函数对其进行激励约束;最后,定义了采用SLA和双向拍卖机制对云计算资源进行分配的具体算法;仿真实验表明,文中方法的任务执行成功率最高,平均约为78.2%,在具有较少的SLA违约率的同时服务提供商能获取较多的利润,同时较其它方法具有较高的任务成功率,具有很强的可行性。     

云计算环境下基于粒子群算法的资源分配策略

如何对资源进行有效的分配成为云计算所要解决的重要问题,也是云计算研究的热点问题.为了更好地合理利用资源和提高资源的利用率,提出了一种基于粒子群优化算法的资源分配和调价策略.根据负载的特性,构造了体现其对所获资源的满意度和符合自身经济利润的效用函数,利用资源代理不断调价的方法来达到合理利用资源的目的,同时也最大化了每个负...     

气象环境下的云计算调度算法

针对气象计算的特点,提出气象计算的云模型,在这个模型之上,提出气象云计算（Weather Cloud）的启发式调度算法。调度算法对气象作业按照时间紧迫型、CPU紧迫型、内存紧迫型和硬盘空间紧迫型进行分类,计算资源综合紧迫指数,相应地赋予不同调度优先权限。与CMMS（Cloud Min min Scheduling）、AFCFS（Adaptive First Come First Service）、Fair的调度算法对比表明,Weather Cloud的调度算法不但减少了计算的等待时间,而且增加了完成的指令数量。     

A new optimal approach for multiple optimisation objectives grid resource allocation and scheduling

The article considers the resource allocation and scheduling problem in a grid computing environment. The article proposes system optimisation scheduling (SOS) that provides a potential solution of joint optimisation of objectives for both the resource and application layer, which combine both application-oriented and resource-oriented scheduling benefits. Grid systems will strive to find an optimal relation between user satisfaction and resource utilisation. Utility functions are used to express grid user's Quality of Service requirement, resource provider's benefit function and system's objectives. In order to verify the efficiency of the proposed scheduling algorithm, we compare the performance of application optimisation scheduling, resource optimisation scheduling, SOS with a traditional Round-Robin algorithm. The simulations study the effect of the request rate and task-to-resource ratio on the different scheduling algorithm.     

Policy based resource allocation in IaaS cloud

In present scenario, most of the Infrastructure as a Service (IaaS) clouds use simple resource allocation policies like immediate and best effort. Immediate allocation policy allocates the resources if available, otherwise the request is rejected. Best-effort policy also allocates the requested resources if available otherwise the request is placed in a FIFO queue. It is not possible for a cloud provider to satisfy all the requests due to finite resources at a time. Haizea is a resource lease manager that tries to address these issues by introducing complex resource allocation policies. Haizea uses resource leases as resource allocation abstraction and implements these leases by allocating Virtual Machines (VMs). Haizea supports four kinds of resource allocation policies: immediate, best effort, advanced reservation and deadline sensitive. This work provides a better way to support deadline sensitive leases in Haizea while minimizing the total number of leases rejected by it. Proposed dynamic planning based scheduling algorithm is implemented in Haizea that can admit new leases and prepare the schedule whenever a new lease can be accommodated. Experiments results show that it maximizes resource utilization and acceptance of leases compared to the existing algorithm of Haizea.     

IaaS云安全研究综述

目前,在新一代大规模互联网迅猛发展的背景下,产生的数据量也随之持续增长,这就导致用户的本地设备难以满足海量数据的存储和计算需求。与此同时,云计算作为一种经济高效且灵活的模式,具有易于使用、随用随付、不受时间和空间限制的优势,彻底改变了传统IT基础设施的提供和支付方式,可以有效解决无限增长的海量信息存储和计算问题。因此,在没有昂贵的存储成本和计算资源消耗的情况下,资源有限的用户可以采用云服务提供商（CloudServiceProvider,CSP）为用户提供所期望的服务。其中,基础设施即服务（Infrastructure as a Service, IaaS）作为云计算的三种服务类型之一,将虚拟化、分布式计算和网络存储等技术结合,可以在互联网上提供和租用计算基础设施资源服务（如计算、存储和网络）。故云计算依靠Iaa S层提供的计算基础设施资源,使用户不再需要购买额外设备,从而大大降低使用成本,同时也为上层服务奠定基础。然而,随着云计算服务的不断发展,基于IaaS的安全问题引起人们的关注。为了系统了解Iaa S的安全研究进展和现状,本文对IaaS的安全问题以及学术界和工业界的解决方案进行了...     

面向司法专题分析的大数据计算资源调度方法

针对司法专题分析过程中面临的交互式分析类数据处理执行效率低的问题,提出了一种基于任务类型的计算资源调度方法,为任务类型建立计算资源配额管理机制。在类型配额内具备抢占式优先调度权,在类型配额外可以借用其他任务类型的空闲资源。实验与分析表明,该方法能够在兼顾普通大数据处理任务执行效率的前提下显著提升交互式分析类任务的执行效率。     

云数据中心资源调度机制研究

云数据中心包含大量计算机,运作成本很高。有效整合资源、提高资源利用率、节约能源、降低运行成本是云数据中心关注的热点。云数据中心通过虚拟化技术将计算资源、存储资源和网络资源构建成动态的虚拟资源池;使用虚拟资源管理技术实现云计算资源自动部署、动态扩展、按需分配;用户采用按需和即付即用的方式获取资源。因此,数据中心对提高资源利用率的迫切需求,促使人们寻求新的方式以建设下一代数据中心。     

Prediction of job characteristics for intelligent resource allocation in HPC systems: a survey and future directions

Nowadays, high-performance computing (HPC) clusters are increasingly popular. Large volumes of job logs recording many years of operation traces have been accumulated. In the same time, the HPC cloud makes it possible to access HPC services remotely. For executing applications, both HPC end-users and cloud users need to request specific resources for different workloads by themselves. As users are usually not familiar with the hardware details and software layers, as well as the performance behavior of the underlying HPC systems. It is hard for them to select optimal resource configurations in terms of performance, cost, and energy efficiency. Hence, how to provide on-demand services with intelligent resource allocation is a critical issue in the HPC community. Prediction of job characteristics plays a key role for intelligent resource allocation. This paper presents a survey of the existing work and future directions for prediction of job characteristics for intelligent resource allocation in HPC systems. We first review the existing techniques in obtaining performance and energy consumption data of jobs. Then we survey the techniques for single-objective oriented predictions on runtime, queue time, power and energy consumption, cost and optimal resource configuration for input jobs, as well as multi-objective oriented predictions. We conclude after discussing future trends, research challenges and possible solutions towards intelligent resource allocation in HPC systems.     

煤矿培训云资源服务平台研究

基于煤矿企业对培训资源的需求分析,阐述了煤矿培训云资源服务平台特征,设计了平台的体系结构,给出了平台资源管理层和应用服务层的设计方法,介绍了理事会、会员制和公司化模式相结合的平台运行机制。煤矿培训云资源服务平台可为煤矿企业提供丰富的煤矿培训资源,增强各煤矿企业间的资源共享和信息交流。