基于云计算的多目标服务调度算法的改进研究

在研究现有云计算服务调度算法的基础上,设计了基于QoS的分布式多目标服务调度算法。该算法兼顾用户需求和系统整体性能,依据完成时间、费用、开销和负载均衡多个参数进行服务调度,从而获得较好的调度质量。仿真实验表明该调度算法能够满足云用户的QoS要求,调节云内各种设备的负载均衡,提高云计算平台运行效率。     

混合云资源调度模型与算法研究

为了解决不同云中的资源基于应用负载的优化调度的问题,设计了混合云原型系统,目的是针对混合云系统的调度模块,联合了私有云和公有云,能够克服私有云和公有云模式的不足,充分发挥云计算的优势,从而兼顾服务质量、安全和成本。实验结果表明,当用户请求增多时,混合云资源调度模型能够实现在公有云上启用新的虚拟机进行负载均衡;当用户请求减少,私有云中虚拟机负载减少,则释放公有云中的资源,以实现资源的自动伸缩。     

实时多任务异构云计算平台负载均衡算法

针对组成云计算平台各节点之间软件环境存在异构性及数据分布不均匀等原因而导致云计算平台在处理大量任务时往往出现节点负载不均衡的问题,提出了解决异构云计算平台负载均衡方法与相关算法.研究首先统计云计算平台提供的各类服务的平均资源消耗,结合任务分配给指定节点后运行时长和资源占用情况,预测评估某一时刻节点上任务剩余资源消耗需求总量既剩余负载总量;各节点按周期反馈实际任务负载情况,及时修正任务负载信息;最后综合考虑节点各项性能,预测各节点负载评估值,并将待分配任务分发给最适合的节点.实验结果表明,该算法具有可行性并在实时多任务异构云计算平台负载均衡方面具有一定优势.     

QoS性能约束的云任务调度算法研究

云计算是目前研究的热点,云计算任务调度中为了在保证用户满意的前提下缩短任务完成时间和提高资源负载均衡性,提出了一种具有QoS约束的模拟退火云任务调度算法.首先引入QoS约束的贪心策略产生初始解,以最小任务完成时间和最小负载均衡标准差为目标,实行两阶段退火过程,制定两个具有QoS约束的新解产生函数,始终处于用户满意的前提下寻找最优分配方案.仿真实验结果表明,该算法能够在保证所有用户都满意的情况下降低任务完成时间并提高资源负载均衡性,是一种顾客和云服务提供商都满意的云任务调度算法.     

基于云计算平台的虚拟资源可扩展存储算法研究

当前虚拟资源存储算法针对规模较大的虚拟资源无法实现实时传输,且存储能耗高、负载均衡性较差。为此,提出一种新的基于云计算平台的虚拟资源可扩展存储算法,介绍了云计算平台,其由存储层、基础控制层、应用接口层和访问层构成,给出其系统架构。依据云计算平台,通过采集虚拟资源的高阶累积量信息特征,利用K-L特征压缩法实现虚拟资源的低负荷存储,针对该过程扩展性能低的弊端对其进行改进。通过自适应全域空间搜索找到最佳基函数,对云计算平台的存储空间进行重组,得到改进后的虚拟资源存储空间结构。实验结果表明,所提算法存储空间、时延和能耗均较低,负载均衡性强。     

基于人工蜂群的云计算负载均衡算法

针对云计算负载均衡问题,基于人工蜂群的思想设计负载均衡算法。首先建立了云计算系统中计算负载的数学模型;在此模型基础上,分三步实现负载均衡:①负载均衡决策,计算云系统整体的负载,在云系统整体上尚未过载且负载不均衡的前提下,启动后续步骤;②虚拟机分组,将云系统中的全体虚拟机分别归入过载、低负载、负载均衡三个分组。后续步骤中需要被迁移的计算任务通常处在过载虚拟机之上,而迁移目的地通常是一个低负载虚拟机;③计算任务调度,将过载虚拟机上的任务向外迁移,并设计规则来选择恰当的低负载虚拟机作为迁移目的地。实验验证了所提算法的有效性。     

基于云计算平台的虚拟资源可扩展存储算法

当前虚拟资源存储算法对规模较大的虚拟资源无法实现实时传输,且存储能耗高、负载均衡性较差。为此,提出一种新的基于云计算平台的虚拟资源可扩展存储算法,介绍了云计算平台,其由存储层、基础控制层、应用接口层和访问层构成,给出其系统架构。依据云计算平台,通过采集虚拟资源的高阶累积量信息特征,利用K-L特征压缩法实现虚拟资源的低负荷存储,针对该过程扩展性能低的弊端对其进行改进。通过自适应全域空间搜索找到最佳基函数,对云计算平台的存储空间进行重组,得到改进后的虚拟资源存储空间结构。实验结果表明,所提算法存储空间、时延和能耗均较低,负载均衡性强。     

基于时间序列的 Openstack 云计算平台负载预测与弹性资源调度的研究

随着云计算技术的发展与运用,云计算在资源的效用比、按需服务等方面优势显著;相对于传统的计算资源构建,云计算凭借其安全性保障、高效的弹性计算资源分配能力、简易的硬件要求等特性,能实现面对不同需求时的计算资源快速弹性构建。基于云计算的弹性资源效用比为研究点,以经典的电信接入随机过程模型—泊松过程为基础,采用相关性时间序列模型对资源预测进行研究,并对相似的多类模型进行仿真与分析;最后以 Openstack云平台为基础,结合实际需求对模型进行了工程化实现和初步测试。结果表明,该方法为云计算按需使用和资源弹性构建提供了一种可行的方式,在保证服务等级协议（service-level agreement,SLA）的同时,进一步降低云计算平台的运行损耗,提高资源的效用比。     

面向大规模多媒体任务的云计算平台设计研究

针对大规模多媒体任务的并行执行,设计了一个云计算平台——MMC(Multi-Media Cloud)。MMC根据任务的完成时间,为各个多媒体任务分配计算单元。同时采用卡尔曼滤波器对每个工作负载所需的资源数量进行准确地估计,并基于此对工作负载所需的实际计算单元进行调整。与现有的云计算平台相比,MMC能够最大程度地降低云基础架构的成本,并确保任务按时完成。     

采用资源划分的云环境下Hadoop资源许可调度方法

针对云计算环境中Hadoop平台由于节点计算能力差异、多样混合负载共存等原因而出现的性能不佳的问题,提出一种采用资源划分的资源许可方法。该方法在云计算环境下通过减少资源浪费或负载过重等情况的出现来提高系统性能。该方法采集资源信息并推测任务资源需求,根据可用计算资源和任务需求动态划分、调度资源;使用与资源无耦合的资源许可启动任务并控制任务数量调节资源利用率以适应云环境。使用该方法对比公平调度器在国家高性能计算中心(西安)进行测试发现:单作业在资源竞争环境中优于公平调度器的静态结果;混合负载在3种测试环境中完成时间分别平均减少了27.5%、37.1%和50.98%,性能显著提升。实验结果表明,该方法可以适应负载资源需求和可用计算资源的变化,灵活划分计算资源,解决Hadoop在云环境中的性能不佳问题。     

云计算下均衡负载的差异性资源调度算法优化研究

随着云计算的逐渐发展,云计算下容易出现虚拟机负载不均衡和差异性资源调度时间长的问题,当前调度算法大多无法有效解决均衡负载问题,影响调度性能。为此,提出一种新的云计算下均衡负载的差异性资源调度算法,对云计算下资源调度问题进行描述,针对云计算下虚拟机差异性资源负载问题设定参数。设计蚁群优化算法,蚂蚁爬行的每一步代表指派的一个差异性资源任务,引入挥发因子对信息素更新规则进行改进,获取全局信息素。利用蚁群优化算法对云计算下负载的差异性资源进行均衡调度,给出详细实现过程。实验结果表明,所提算法有较好的收敛性,均衡负载效果好,且时间复杂度低。     

基于遗传-蚁群算法的云计算任务调度优化

为了找到最佳的云计算任务调度方案, 缩短云计算任务完成时间, 通过综合考虑遗传算法和蚁群算法的优势, 提出一种遗传 蚁群算法的云计算任务调度优化算法. 首先采用遗传算法快速搜索到云计算任务调度的可行方案, 然后采用可行方案初始化蚁群算法的信息素分布, 解决初始信息素匮乏的难题, 加快算法收敛速度和搜索能力, 提高云计算任务求解效率. 在CloudSim平台的实验结果表明, 相对于遗传算法, 遗传 蚁群算法更适合于大规模云计算任务问题的求解, 可缩短任务完成时间, 获得更高的用户满意度.     

云计算环境下基于非均匀窗口蚁群行为的负载平衡算法

针对云计算环境下可能面临请求过载和较长响应时间的问题,在非均匀窗口蚁群行为思想的启发下,提出一种负载平衡算法。假设云环境下任何时候虚拟机都处于过载状态,即服务提供者不得不分配资源。根据该假设,对可利用的资源合理优化,优化过程中动态代理和静态代理同时进行,其中蚁群行为被用于负载平衡,通过加载资源到所有的虚拟机上来实现系统平衡。利用 CloudSim 仿真器模拟云计算环境进行实验分析,实验结果表明,与容错分簇的负载均衡感知（tolerant cluster-aware,TCLB）、基于博弈论的负载均衡算法（scheduling strategy on load balancing,SSLB）和基于蜜蜂行为的负载均衡算法（honey bee behavior inspired load balancing,HBB-LB）相比,提出的算法分别节省了37％,8％和4％的响应时间,最大完成时间也大幅度降低,整体性能有所提高。     

基于QoS云计算任务调度优化

由于云计算技术快速发展,为了满足日益多样化的云计算用户服务质量(QoS需求)以及提高云计算资源调度的效率,提出基于改进蚁群算法的云计算资源调度优化算法,包括建立云计算资源模型和用户QoS需求模型.为了得到更准确的结论,针对传统蚁群算法过快收敛造成的局部最优解现象,在传统的蚁群算法的基础上加入随机选择机制,时间、成本和结果有效可用性适应度因子进行了优化改良,以求得全局最优解.通过仿真实验将传统的蚁群算法、Mi n-Mi n调度算法和改进的蚁群优化算法进行比较,实验表明,改进的蚁群优化算法在调度效率、节约成本、减少任务执行时间和任务得到结果质量方面有明显的优势.     

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.     

云计算下安全可控的移动弹性资源动态调度算法

当前云计算下移动弹性资源动态调度算法CPU利用率较低,且运行不稳定。为此,提出一种新的云计算下安全可控的移动弹性资源动态调度算法,把云计算下移动弹性资源的CPU平均利用率、内存负载、带宽负载以及可靠性看作移动弹性资源调度目标的约束,给出移动弹性资源的状态模型。依据遗传算法的优点,设计了一种基于蚁群算法的、安全可控的移动弹性资源动态调度算法。依据云计算下移动弹性资源动态调度特点和约束条件,利用适应度指标,对种群中个体的优良度进行描述,给出适应度函数。通过一维字符串完成对解的编码,利用轮盘赌法设置合理的阈值,获取所有染色体中选择性能较好的染色体。通过选择的实数编码完成对字符串的逆向解码,得到云计算下移动弹性资源调度的最优方案。实验结果表明,所提算法稳定性、效率和资源利用率高,迁移率低,负载均衡性好。     

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。     

基于带宽约束的云计算负载调度算法

负载调度是云计算得以大规模应用及提高服务性能的关键技术,对提高云供应商服务质量、用户满意度以及数据中心集群资源利用率等有极其重要的意义.云计算环境中,由于用户任务类型的不同,对带宽的需求也不尽相同,若不区分不同任务对不同带宽的要求,可能会造成资源的浪费,增长用户等待时间.本文对经典Min-Min算法进行改进,提出了BCLL-Min-Min算法,该算法满足带宽需求约束,并且实现相对负载均衡调度.仿真实验表明,BCLL-Min-Min算法能够适应云计算环境下任务多样性和不确定性的情况,使用该调度算法可以提高集群的吞吐率、较大改善数据中心的负载均衡性.