基于矩阵操作的必然性QoS约束副本放置方法

如何提供严格有保障的数据服务质量, 为每个数据访问请求提供满足必然性QoS约束的数据服务, 是数据网格成功的关键. 在副本放置模型的基础上, 给出了QoS约束形式化的描述方法, 并得出必然性QoS约束满足的形式化定义. 针对必然性QoS约束的副本放置问题. 在矩阵表示的基础上, 利用矩阵操作给出一种有效的副本放置算法. 分析和实验表明, 该算法能够很好地解决各种规模条件下必然性QoS约束的副本放置问题, 并具有稳定性和可扩展性的特点, 在多种网络拓扑和访问模式下均能获得满足必然性QoS约束的副本策略.     

数据网格中一种启发式副本放置算法

副本技术广泛用于数据网格中来减少数据访问代价,增强容错能力,从而提高数据网格中数据访问的性能和可靠性。如何合理地放置副本来更有效地提高数据访问性能成为一个需要解决的重要问题。针对无向连通图表示的数据网格模型,在考虑通信代价和存储代价的基础上,提出了一种启发式副本放置算法(heuristic replica placement algorithm, HRPA),通过该算法能够得到k个副本的放置位置,并且使得整个系统的代价最小。最后,通过相应的仿真实验证明了该算法的可行性和有效性。     

一种动态数据网格副本创建策略设计与仿真

数据网格提供了地理分布的大量共享数据资源,然而互联网的高访问延迟降低了数据访问的效率,创建副本是一个有效的方法,而在何处放置副本是一个具有挑战性的问题.从应用环境和用户访问特征出发,讨论了副本创建位置、粒度和时机,提出了一种基于副本共享组的副本创建模型,可以获得优化的副本创建位置,构造了一个副本创建代价函数,由系统的传输速率、拓扑结构和用户访问特征共同决定.并给出了确定副本创建位置的有效算法.分析和仿真实验表明,自适应副本管理方案具有动态性、适应性和可扩展性,能较好地适应数据网格的特性,可以有效降低访问延迟,提高数据访问效率.     

快速瀑布模型动态副本创建策略研究

在高性能数据网格中,动态副本创建策略能使用户访问远程大数据文件时有效的减少带宽消耗和访问延迟.提出了多层数据网格环境下一种新的动态副本创建策略--快速瀑布模型算法.OptorSim网格仿真器也被修改用以更好的适应多层数据网格架构和研究这种算法的性能.仿真结果表明:对比Fast Spread,LRU,LFU,Economy-Bin和 Economy-Zipf五种算法,快速瀑布模型算法能在随机访问模式下有效地减少数据访问的平均响应时间,并且其优势随着用户提交作业数量的增加而增大.     

在云间可重构的分布式存储

分布式存储作为云计算的基础,通过复制技术在不同的地点放置数据的多个副本已成为提高云计算系统可靠性的方法.读写操作通过访问大多数副本成为维护副本之间的一致性基本的方法.当多个副本失效时,通过在新的节点上重构副本可以提高系统的可用性及可靠性.传统的方法在重构副本的过程中需要停止正在进行的读写操作,重构完毕后继续进行相应的读写操作.如何在重构过程中继续进行读写操作,并保持各副本之间的一致性成为新的问题.提出了基于主备的分布式共享内存算法,该算法实现了在不影响读写操作的情况下,可动态重构数据副本,从而提高了系统的可用性及可靠性,并保证了副本之间的一致性.首先设置辅助master,辅助master存储副本的配置及活动副本配置.辅助master提出重构请求,客户端节点只发布读写请求;其次,采用读1写n的方式优化读性能,通过master对n的自动调整,保证在存在失效副本的情况下,写操作的顺利完成;再次,保证读写操作与重构操作可以并发进行;最后,本算法可容忍n-1个存储节点失效.     

传感器网中基于矢量地图数据的传感器放置模型与算法

基于矢量地图数据,建立了用于传感器放置的地形模型和传感器模型,提出了两种传感器放置算法,算法的目标是优化传感器数目及确定传感器的放置位置。算法通过计算放置一个传感器后目标节点处目标漏检概率的有效变化,将传感器放置在能带来全局或局部最大有效变化的网格节点上。仿真实际表明,与已有放置算法相比,两种算法减少了传感器的数目。     

复杂地形下传感器网络中传感器的放置模型与算法

有效的传感器放置能改善网络覆盖、减小网络中的通讯量,是传感器组网过程中必须解决的关键问题.研究和分析了不同网格结构的性能,建立了用于传感器放置的地形模型,提出了-种基于矢量地图数据的传感器放置算法.算法以优化传感器数目为目标,将传感器放置在能带来最大有效变化的网格节点上.仿真实际表明,与现有传感器放置算法相比,算法具有更高的效率.     

基于QoS满意度增强的多资源协同预留策略

针对动态网格资源服务的不确定性问题,提出一种可量化分析资源服务QoS(quality of service)的多资源协同预留策略.该策略基于对运行在资源上的网格任务QoS指标分析,得出QoS满意度量化、归一化方法,建立资源服务QoS与预留容量之间的函数关系,并以市场经济环境为背景,分析任务费用约束下资源价格与预留容量之间的关系,求解得出可均衡负载的多资源节点协同预留方案.理论分析给出了策略的有效性证明和算法,仿真实验采用真实网格系统中的任务负载信息作为实验负载,在较大规模的模拟网格系统中检验了所提出的预留策略的性能表现.实验结果显示,该策略在接纳任务数、资源利用率和任务违约率方面的性能表现显著优于传统的预留策略.     

基于资源性能评估的网格任务调度算法

在保障本地任务QoS需求并尊重网格节点本地调度策略的条件下,为网格用户提供QoS保障是计算服务网格环境中任务调度的一个重要目标和面临的新问题.根据对网格节点相关资源可用性历史数据进行统计、分析得出的结果,利用概率论方法对网格节点的资源能力进行评估,对网格节点状态进行划分并得到资源的平均状态;利用信息论中熵的概念对网格节点状态动态变化的不确定性进行评估并得到刻画网格节点状态不确定性的定量值.在此基础上,建立了一种基于性能评估的分布式调度框架,并提出了一种基于性能评估的网格任务调度算法.对GridSim进行了改进与扩展,基于改进与扩展后的GridSim对提出的算法进行仿真并与相关算法进行比较,实验结果表明了本所提出的调度算法在网格用户QoS保障程度、网格任务执行makespan以及负载均衡等方面的有效性.     

一种新颖的网格综合优化算法

用三角网格逼近三维扫描所得散乱点集,实现曲面重构,是一种得到广泛应用的技术。为了提高网格对物体表面的逼近精度,需要对网格进行优化。提出一种新颖的网格综合优化算法,将基于SOM的网格优化模型和节点分裂算法有机结合,使网格中顶点的分布更符合散乱点数据的空间分布,使网格更好地逼近数据点集,还通过分裂大度数顶点来改善网格的拓扑关系,使其更好地反映原始数据点集的拓扑特征,也使得网格更加平滑。试验结果表明,该算法取得的网格优化效果良好。     

Novel algorithm for distributed replicas management based on dynamic programming

1 .INTRODUCTIONCreating replica in different nodes is a popularmethod to make sure the data reliability in distrib-uted system. On one hand, multi-replica can avoidthe single-point-of-default problem; on the otherhand ,replicas in different nodes can reduce the ac-cessing delay and prevent the hot spots problem[1](when a single fileis accessedfrequently ,the nodewill become the bottleneck of the whole system) .However , with replicas increasing, the ex-pense for maintaining replicas is bec…     

Two phase decision algorithm of replica allocation

1.INTRODUCTIONWiththe development of computertechnologyandthe de-crease of the price of hardwares,more and more distribut-edsystems adopt redundancy technology to i mprove sys-temefficiencyand data availability.Agood number of re-searchers have carriedout studies onredundancytechnolo-gy from different aspects.By constructing READ-WRITEcoteries and dynamically adjustingthe number ofREAD-WRITE,Lin[1]realizedthe balance of READandWRITE,and i mproved the system efficiency.Hava[2]pr…     

超密集网络中基于聚类的资源分配方案

超密集网络(ultra-dense network, UDN)中,毫微微基站(femto-cell base station, FBS)的密集和随机部署会导致严重的小区间干扰。为了减轻干扰、保障用户服务质量(quality of service, QoS),提出了一种UDN中基于聚类的资源分配方案。首先,设计了一种基于加权密度的改进K-means聚类算法,将FBS动态划分为不同的簇。然后,以最大化UDN系统吞吐量为目标提出了一种两阶段时频资源分配方案:第一阶段,每个聚类内使用贪婪算法执行时频资源块的分配;第二阶段,利用资源补偿分配算法分配剩余的资源块,在考虑用户公平性的同时保证用户QoS。仿真结果表明,本文提出的资源分配方案能够有效提升系统吞吐量,同时保证用户QoS和公平性。     

基于随机模型的动态调度算法研究

针对多资源云环境中虚拟机放置问题,提出了一种在随机模型下综合利用率较高的动态调度算法MIUS （maximize integrated utilization scheduling）. 首先,在调度中心建立一个虚拟的中央队列缓存用户任务,然后利用随机路由算法对用户任务进行服务器快速选择,最后在服务器上建立虚拟等待队列并利用MIUS算法进行虚拟机配置. 仿真实验结果表明,该算法在保证QoS的情况下,实现了一定程度上的负载均衡,并可较大提高系统的综合利用率.     

基于决策图贝叶斯的多目标QoS组播路由算法

随着实时组播通信需求的不断增长，要求网络能够提供更加严格高效的QoS(Quality of Service)路由保证，需要设计一个能够同时满足不同QoS约束的高效组播路由算法。此问题可归结为图论中的NP(Non-Polymenital)问题，一般方法是把多个QoS参数加权合并为一单目标函数进行优化。提出了一种基于决策图贝叶斯的多目标QoS组播路由算法，算法在不需做预处理的情况下可对多个不同的QoS参数同时进行优化。仿真结果表明，所提出的算法能够快速收敛于一组满足不同QoS约束的非支配解。     

Diffserv AQM algorithm for edge and core routers

The existing active queue management (AQM) algorithm acts on subscribers and edge routers only, it does not support differentiate-serve (Diffserv) quality of service (QoS), while the existing diffserv QoS has not considered the link capacities between edge routers and connected core routers. When a core router in a two layers’ network experiences congestion, the connected edge routers have no ability to adjust their access data rates. Thus, it is difficult to achieve the congestion control for the large scale network with many edge routers and core routers. To solve these problems, two difffserve AQM algorithms are proposed for the congestion control of multilayer network. One diffserv AQM algorithm implements fair link capacities of edge routers, and the other one implements unequal link capacities of edge routers, but it requires the core routers to have multi-queues buffers and Diffserv AQM to support. The proposed algorithms achieve the network congestion control by operating AQM parameters on the conditions of proposed three theorems for core and edge routers. The dynamic simulation results demonstrate the proposed control algorithms for core and edge routers to be valid.     

基于路径QoS加权分解的工作流调度算法

采用有向无环图DAG(Directed Acyclic Graph)描述的工作流在QoS约束下的调度问题是一类典型的NP难问题。分析了DAG工作流调度问题的调度目标,提出了一种基于路径QoS加权分解的工作流调度算法,通过将工作流的全局QoS约束分解为单个任务的局部QoS约束,将整个工作流的全局优化问题转化为单个任务的局部优化问题,降低了问题的复杂度。在对整个DAG工作流的QoS约束进行分解时,算法对工作流的每条路径的QoS约束进行分解,并以任务可选能力服务间的单位QoS增益之和作为权值,将单条路径的QoS约束分解到组成路径的每个任务。仿真结果表明,与其他基于QoS分解的DTL、DBL等算法相比,该算法具有更高的调度效率,能够找到更好的调度方案。     

基于双种群协同进化的QoS全局最优

针对服务质量（quality of service, QoS）全局最优Web服务选择问题,提出了一种双种群协同进化QoS全局最优Web服务选择算法。算法在多目标离散粒子群算法基础上设计一种双种群协同进化框架以同步进行非支配排序和精英粒子保留,并定义了一种新的离散粒子位置更新算子。同时为保证粒子的多样性和算法的全局收敛能力,算法采用基于距离的粒子多样性度量算子、基于适应值排序的粒子选择算法和基于轮盘赌的全局最优解选择策略。仿真实验结果表明该算法能同时优化多个目标,并得到一组满足约束的Pareto最优解,且具有较好的性能和鲁棒性,解集的质量和分布也优于非支配排序遗传（nondominated sorting genetic algorithm,NSGA）算法的改进算法NSGA-Ⅱ,能有效解决QoS全局最优的Web服务选择问题。