基于蚁群算法的云计算联盟资源调度

针对目前云计算联盟的架构和单云环境下资源调度的研究缺少对云计算联盟下的资源调度问题的研究情况,建立了由云用户、云服务供应商和云联盟协调器组成的云计算联盟资源调度模型,为达到云供应商利益最大化,设计了任务-虚拟机-数据中心的调度算法,利用蚁群算法进行模型求解,并通过Cloudsim仿真软件证实了该算法的合理性,验证了供应商资源的数据中心负载率在60％～80％之间时达到均衡,并可获得最大利益。     

云联盟环境下跨数据中心的资源调度系统构建

为解决云联盟环境下跨数据中心的资源调度问题,在满足数据中心负载率达到均衡的前提下,实现供应商利益的最大化,使得用户的任务能够在最短的时间内完成部署,提出云联盟环境下跨数据中心的资源调度系统框架。介绍系统的结构和功能,分4个层次描述系统详细设计,给出系统采用的核心算法——蚁群算法,实现了该系统的开发。该系统能够整合云供应商的现有资源信息,为云用户提供便利服务,满足大规模复杂的用户需求,提高云联盟之间的资源调度效率和收益。     

多实例云计算资源市场下超额预订决策方法

针对现有云供应商数据中心负载率低、云用户需求不确定及多样性的问题,为提高云供应商平均利润,建立了不确定需求下的多实例类型云服务超额预订模型。该模型结合实际云计算资源市场下超额预订对于云供应商负载均衡及云服务等级协议(SLA)的影响,给出超额预订的多重约束条件,提出了各实例类型数量最优分配策略。实验结果表明,采用该模型在预约未使用概率为0.25时,云供应商利润较高,数据中心负载率达到78%,最终确定了各实例类型的最优分配数量。