面向领域的软件构件资源“云”建设研究

领域工程产生的大量可复用的软件构件资源是支持规模化软件复用的关键软件资产,基于可复用软件构件进行的构件化开发是降低软件开发成本、提高软件质量、应对需求变化、实现快速交付的重要手段。利用云计算技术的虚拟化、弹性计算、按需服务等优势建设面向领域的软件构件资源"云"平台,有助于提高领域构件资源利用的广泛性和有效性。     

基于云计算的高校校园网应用平台与资源平台搭建分析

云计算作为新兴IT运营模式,改变了传统的网络拓扑架构,实现了按需访问和新的网络搭建模式。云计算技术可以使终端用户不需要投入大量IT构建成本,通过访问"云"上的数据资源、存储资源来实现按需访问。该文基于云计算技术,对高校校园网应用平台和资源平台搭建进行分析研究。     

HydroMP:基于云计算的水动力学建模及计算服务平台

为解决传统开发水利模拟服务模式中存在的计算精度与效率矛盾及模型接口不统一等技术瓶颈,构建了基于云计算的水动力学模拟服务平台,并提出云计算模式下一维水动力学模型的集成方法和调度模式,通过对模拟模型数据接口、模型调用、模型交互及处理、计算资源分配等方面进行封装,采用Web Service、XML(Extensible Markup Language)及OpenMI(Open Model Interface)等技术实现了云计算平台下模型的调用、模型与平台间的数据交换和资源动态分配。以南水北调中线工程水力响应分析为例,应用开发的云计算水动力学模型进行了多方案、多层次的模拟计算,在计算效率、兼容性等方面具有良好的效果。研究表明:云计算模式下,可实现水动力学模型在广域互联网上的多客户端、多用户、多方案并发计算,采用云端计算和存储模式降低了高性能计算的门槛,提高了模型复用率和计算资源利用效率。     

一种基于云计算的舆情数据服务平台

本文提出一种基于云计算的大规模舆情数据服务平台设计方案,依托大规模网页采集分析技术、云计算数据处理技术、社会关系舆情传播分析技术和文本流舆情主题分类技术,针对不同需求的用户提供按需计费、可定制和可弹性管理的商业服务模式,实现网络舆情服务。     

一种新型的云任务调度算法研究

云计算具有弹性、保证服务质量和按需的资源配置模型等特征,通常用于处理大批量的计算任务,因此任务调度策略对资源使用效率起着至关重要的作用.考虑到任务的数量和到达服务器的时间不确定性,并且用户对任务的执行往往有一定的期望(如任务优先级、执行时间等),如何合理地分配计算资源,最大程度满足用户的服务质量需求是一个值得研究的问题.为此,提出了一种新型的云环境下QoS-aware服务质量感知的任务调度算法(QTS),该算法结合贪心算法的思想,并加入了任务完成满意度模型作为任务调度的评价依据.通过扩展CloudSim仿真平台进行实验,将QTS与RR调度、Max-Min和Min-Min调度比较,结果表明,QTS是一种有效的任务调度算法.     

面向制造业版式工业文档管理的云服务平台架构

【目的】分析面向制造业的版式工业文档管理系统的功能结构,探讨将该管理系统与云计算相结合构建一个按需提供服务的云平台方法。【方法】根据成熟的面向制造业的版式工业文档管理系统功能需求,从中剥离出可以和云计算相结合的功能需求,使其服务化,再根据这些服务,采用成熟的服务器虚拟化技术构建一个符合实际需求的云平台。【结果】文档管理系统功能服务化以后,用户可以根据需要定制其中的一个或多个服务,实现按需提供服务的要求。通过服务器虚拟化技术使得服务可以透明地服务于各个用户。用户无需关心与自身业务无关的设备管理。【结论】构建面向制造业的版式工业文档管理的云平台,能够多方面满足用户需求,降低用户使用成本,提高工作效率。     

面向云计算数据中心的弹性资源调整方法

为了制定多种业务质量要求服务的资源购买方案,通过平台服务商与基础设施服务商之间签订基于服务等级协议的资源分配协议,提出一种面向应用性能的云计算弹性资源调整方法。该方法利用自动伸缩算法,在垂直层次上对负载需求的波动进行虚拟机资源调整,以实现动态调整分配资源量来满足应用的服务级别的需求,优化云计算资源利用率。最后通过仿真验证该算法的有效性。     

云计算及其在测试领域的应用探索

云计算是传统计算机技术和网络技术发展融合的产物,其核心思想是将大量用网络连接的计算资源统一管理和调度,构成一个计算资源池向用户提供按需服务。云计算的出现和快速发展为测试领域带来了新的机遇。首先介绍了云计算的定义和基本特征、服务模型及部署模型,划分了体系结构;其次从软件测试、硬件测试和自动测试系统3个方面,论述云计算在测试领域的应用需求及优势特点,给出一种基于云计算的自动测试系统架构方案;最后展望云计算在测试领域的应用前景,并提出了所面临的安全性、服务模式及适用范围等需要解决的问题。     

基于云计算的大学图书馆应用技术的研究

本文针对大学图书馆的信息存储量大、媒体多样化、检索服务智能化、存储介质多种化、语言多样化、空间时间无限化、服务模式主动化和信息传播强大化等特征,探究基于云计算新的模式构建大学图书馆,支持用户按需、易扩展的服务模式,同时研究基于云计算的大学图书馆建设的相关技术,包括云存储、Web服务、虚拟化、编程模型、数据管理技术、数据存储技术、云计算平台管理等技术。     

云计算中的弹性算法:概要和展望

近年来,云计算已经成为一种支持按需(on-demand)提供计算资源的低成本传输模式.在云平台上,弹性的资源使用是一种基于"现用现付"(pay-as-you-go)的商业模式,通过"按需"的原则来提供弹性的资源.介绍一种新的弹性算法(elastic algorithm,EA),即算法本身就是通过"现用现付"的方式组织起来.在传统算法中,计算是一个确定过程,只会产生一种完整的结果或者没有结果.与之对比,弹性算法会随着资源的消耗而生成一组近似结果.具体来说,随着消耗的资源越来越多,弹性算法能够保证产生更好质量的结果.在这个意义上,算法产生结果质量的好坏依赖于资源消耗的多少,因此是具有弹性的.最后,正式定义弹性算法的必要性质,并对弹性算法未来的研究方向进行展望,提出一系列的研究挑战.     

基于云计算的智能电网负荷预测平台架构研究

提出一种基于云计算的智能电网负荷预测平台架构.深入地阐述了云计算关键技术、负荷预测云架构、云平台负荷预测服务等.采用Hadoop云计算技术,对负荷预测的资源调度和计算进行虚拟云计算仿真,验证了以电力私有云为基础建立的负荷预测机制更优良.同时在云平台负荷预测服务中引入多维多级协调优化机制,对原始预测结果进行修正与协调优化,显著地提升了基于云计算的智能电网负荷预测水平.由此搭建的平台架构将为智能电网负荷预测提供广阔的思路与有力的技术支持.     

基于任务分类思维的云计算海量资源改进调度

对云计算海量数据下的资源调度的研究过程中,进行资源调度时资源分配无法到达合理化调度,存在资源调度效率低的问题。提出分类思维的云计算海量数据资源优化调度方法。该方法引入膜计算概念,将云计算下的海量资源调度的总任务划分为多个子任务,并详细计算每个子任务的资源调度任务量。将优化调度系统内部分解为主膜和辅助膜,利用蝙蝠算法在辅助膜内进行资源分配个体寻优,并将优化后的资源分配最优个体传送到主膜间进行云计算海量数据下的资源分配优化。实验仿真证明,基于改进膜计算蝙蝠算法的云计算海量数据下的资源优化调度方法调度效率高,分配较为均衡。     

一种用于云计算的数据容灾分配算法的改进

在云计算环境下进行数据容灾分配,可以提高云计算数据资源调度能力。传统算法采用粒子群数据聚类方法进行数据的容灾分配,数据负载均衡差,同时消耗数据任务调度的吞吐率。提出一种新的数据容灾分配改进算法。首先建立云计算环境下数据容灾分配层次结构模型,计算整个数据资源处理平台的整体响应时间,将云计算下的数据资源容灾分配优化问题转化为数据资源分配响应时间最小化问题;利用多用户QoS开销适应度运算机制和粒子群聚类算法对云计算中数据资源任务进行权衡分配,减少数据权衡调度时间,提高数据容灾备份能力。实验结果表明,采用改进算法可以提高数据容灾分配时数据的召回率和云计算数据任务权衡调度能力,在云计算信息处理中具有较好的应用价值。     

云计算环境下浮点和整数同时多线程资源配置方法研究

云计算环境下数据规模较大,当前资源配置方法依据优先级、按照顺序对资源进行配置,具有资源利用率低、配置效率低、能耗高等弊端。为此,提出一种新的云计算环境下浮点和整数同时多线程资源配置方法,分析了计算操作和访存操作的并发性,给出云计算环境下和每片外访存load操作相应的发射执行指令数的定义,得出在相同时间段内IPM值越大,计算型与访存型操作同时执行的机会越大,资源配置性能越高的结论。依据该结论,通过IPM实现云计算环境下浮点和整数同时多线程资源配置,将较多的资源分配至IPM值较大的浮点或整数线程中,将较少的资源分配至IPM值较小的浮点或整数线程中,使得云计算环境下的共享资源得到最佳配置。利用实验测试所提方法的实际应用性能。实验结果表明,所提方法资源利用率高、能耗损失低、资源配置效率高,整体资源配置性能很高。     

基于组合双向拍卖与信任的多云计算资源分配与定价研究*

随着云计算市场规模的急剧增长,云计算资源的分配和定价成为了云计算市场的一个重要问题.针对当前云计算资源分配中将定价和信任相结合研究的不足,研究基于组合双向拍卖和信任的多云计算资源分配与定价算法,从价格和信任两方面来衡量云计算资源提供商的“综合竞争力”,激励综合竞争力高的云资源提供商获得更多的效用.实验仿真表明该算法满足激励兼容性和交易效用可激励云计算资源提供商提高综合竞争力.     

基于粒子群算法的云计算资源配置研究

对于云计算而言,虚拟机资源的合理高效配置具有重要意义.该文对粒子群方法进行到云计算资源配置的映射,详细地设计了3个约束条件和目标函数.目标函数中包含了资源利用率和迁移次数2个优化目标,整个虚拟机资源的配置过程设置了8个步骤.实验结果表明:同2种参照方法相比,该文所提出的基于粒子群算法的云资源配置方法完成配置后,不仅资源利用率高、迁移次数低,其迭代过程和迭代时间也令人满意.     

基于不同分配策略的云计算任务调度性能比较与分析

形式化描述了云计算环境下的负载均衡任务调度问题,借助动态规划方法形式化推导了最早完成时间的启发式优先分配策略,给出了基于先易后难优先分配策略、先难后易优先分配策略的启发式云计算任务调度算法。阐述了基于顺序调度策略、先易后难优先分配策略、先难后易优先分配策略等启发式任务调度算法和基于禁忌搜索策略、元胞演化策略等智能任务调度算法。针对不同分配策略的云计算任务调度进行性能比较与分析,提出了完成时间可改进百分比和资源负载平衡因子的调度性能评价指标,实验数据对比充分表明:与启发式调度算法相比,智能调度算法能减少任务执行时间,优化资源负载均衡性能。     

云计算资源优化问题求解的萤火虫算法

为了提高云计算资源利用率,结合云计算资源优化问题的特点,设计一种云计算资源优化问题求解的萤火虫算法.首先建立云计算资源负载调度问题的约束条件,以用户任务完成时间最少作为云计算资源负载调度优化的目标函数;然后通过萤火虫算法找到目标函数值最优的资源调度策略;最后在CloudSim平台上实现云计算资源负载调度仿真实验.实验结果表明,萤火虫算法减少了云计算任务完成的时间,均衡了云计算资源的负载,使云计算资源得到合理分配,且比其他算法优势明显.     

An optimal resource provision policy in cloud computing based on customer profiles

Conventional resource provision algorithms focus on how to maximize resource utilization and meet a fixed constraint of response time which be written in service level agreement(SLA).Unfortunately,the expected response time is highly variable and it is usually longer than the value of SLA.So,it leads to a poor resource utilization and unnecessary servers migration.We develop a framework for customer-driven dynamic resource allocation in cloud computing.Termed CDSMS(customer-driven service manage system),and the framework’s contributions are twofold.First,it can reduce the total migration times by adjusting the value of parameters of response time dynamically according to customers’profiles.Second,it can choose a best resource provision algorithm automatically in different scenarios to improve resource utilization.Finally,we perform a serious experiment in a real cloud computing platform.Experimental results show that CDSMS provides a satisfactory solution for the prediction of expected response time and the interval period between two tasks and reduce the total resource usage cost.     

监控与预测的云资源优化配置

针对云环境下虚拟机资源在多数时间中处于闲置状态导致云资源利用率低的问题,设计一种云资源监控系统,并在云监控基础上提出一种基于自回归积分滑动平均(ARIMA)模型的动态负载预测与资源配置的方法.该方法利用虚拟机负载与配置的关系,通过预测负载情况,提前启动或者挂起虚拟机,提高云资源的利用率.研究结合OpenStack云环境提供的虚拟机,实现其下的云资源监控,预测和弹性分配功能.结果表明:该系统能准确预测虚拟机的需求量,所制定的资源弹性分配策略能够提高云资源的利用率,进一步节约成本.