云环境下高效视频传输关键技术

云计算对信息技术本身及其应用产生了深刻的影响,它将大量计算资源、存储资源与软件资源链接在一起,形成巨大规模的共享虚拟IT资源池,为远程计算机用户提供方便快捷透明的IT服务,并具有资源虚拟化、动态可扩展等特点.视频作为多媒体网络中的重要组成部分,并具备其他资源不同的特点,云计算也给高效视频传输带来了新的解决思路和挑战.     

多目标优化的云计算虚拟集群动态调整方法

当前云计算应用中提供的虚拟集群尚不能自动的根据实际网络应用负载作动态调整,从而导致网络虚拟集群的资源利用与负载不适应,使得较多的计算资源空闲在集群中,产生能源浪费。针对上述问题,提出一种多目标优化的云计算虚拟集群动态调整方法,并给出虚拟集群动态调整框架。实验结果表明,该方法可以自动调整虚拟集群规模以适应网络应用负载,并能达到充分利用云计算资源和减少云计算能源消耗等优化目标。     

浅析云计算与网络协作技术对远程图书馆工作的影响

云计算与网络协作技术正改变着远程图书馆的服务模式,云计算技术使得图书馆可以将馆藏资源外包出去,可以使图书馆减少信息技术的支持和费用支出;网络协作技术可以使得远程图书馆的使用者能够借助于网络更有效率地完成相关任务.探讨了云计算与网络协作技术引起的图书馆服务方式的转变,分析了云计算与网络协作对远程图书馆的影响.     

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。     

云计算中数字资源存储问题分析

从云计算与远程数字资源建设的关系入手,对云计算技术及用户获取云端数字资源过程进行了深入分析和研究,针对传统数字资源存储在云计算环境下存在的问题,提出了"分布存储同城容灾异地备份"方案。并对此方案可行性和有效性进行了分析论证。     

基于云计算的新型远程教育系统设计

目的针对传统教育模式在远程教育系统中运用数据不完整,数据恢复难和私密性差等缺点,提出了将云计算方法融入远程教育系统设计的思想,研究出一种基于云计算的新型远程教育系统,该系统便于教学信息资源的整合、提高了资源利用率。方法通过研究云计算和远程教育系统的特点,实现了基于云计算的新型远程教育系统设计。结果基于云计算的新型远程教育系统,在教育服务能力、资源共享性、可配置和伸缩性方面较传统系统都有较大的进步。结论将云计算高效的运算处理能力和无限的存储能力应用于远程教育系统,可以提升中国远程教育的整体水平。     

一种考虑资源状态动态反馈的云计算调度算法

针对云计算动态调度问题,提出一种考虑资源状态动态反馈的云计算调度算法.该算法针对资源服务器状态动态变化影响当前工作流调度结果的问题提出滑动窗模型,该模型可以实时动态地反映资源服务器的状态.为了更好地预测资源服务器的状态,提出时间窗曲线模型和平均利用率模型,以计算资源服务器的平均利用率.基于平均利用率提出资源反馈权重策略,通过该策略来计算所有工作流任务的动态权重值,按照动态权重值进行排序并依次调度.实验结果表明本文算法可以有效缩短工作流的总加工时间.      

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.     

CWFlow:支持资源自适应使用的云工作流框架

云计算的出现为工作流执行提供了机遇,也带来了挑战。在云计算环境中,如何更好地利用云计算的特性,以尽可能小的资源代价完成工作流任务的执行已成为当前研究的热点问题。该文首先提出了一种基于云计算的工作流框架,在此基础上给出了基于排队论的资源自适应调节模型。实验结果表明:在用户指定工作流任务所期望达到的服务目标之后,该框架和模型能够监测工作流的执行,针对工作流执行负载的变化情况,采用不同的收费方法动态调整资源的使用,达到节约资源使用费用的目的。     

云计算环境下多目标约束的虚拟资源动态调度

为了解决静态资源调度所导致的CPU利用率不高的问题,研究了多目标约束的虚拟资源动态调度方法。给出了云计算虚拟资源调度模型,设计了多目标约束的虚拟资源表示方法,采用马尔科夫链对虚拟资源的下一时刻状态进行预测,从而得到可用资源向量;最后,计算任务与可用资源向量之间的匹配向量,将任务分配给匹配向量中具有最大各维分量之和的虚拟资源进行调度,并提出了具体的采用基于马尔科夫链预测的云计算虚拟资源动态调度算法。实验结果表明：该算法能有效解决云环境下多目标约束的虚拟资源动态调度问题,具有较小的负载均衡离差和任务执行跨度,较其它方法具有较大的优越性。     

基于云计算的动漫产业协作模型

云计算作为一种计算模式可以通过志愿技术将用户的计算资源整合起来,动态组成虚拟化的资源提供给用户使用.云计算可以将动漫企业的软硬件资源进行集中化与标准化,提高资源的利用效率.首先分析动漫产业的发展现状和动漫产业在规模、投入及资源共享方面存在的问题,然后基于云计算的特点研究云计算可以为动漫企业带来的优势,建立一种基于云计算的动漫产业协作模型,通过动漫企业之间的协作实现资源共享和利益共享.对动漫产业建立云计算平台的途径提出对策和建议,主要集中在解决动漫产业的企业规模偏小、资金比较紧张、资源共享及资源有效利用率低等问题.     

基于电子商务协同平台的云计算模式分析

云计算是一种基础架构管理方法论,它把大量分散的同构和异构的软硬件资源组成一个大的资源池,然后按照需要提供服务。云计算支持资源的动态变化,可以运行多个用户自己创建并定义的服务。云计算应用于电子商务协同平台的作用体现在它的三种服务模式上：云基础设施即服务、云软件即服务、云平台即服务。     

云计算资源分配策略研究

云计算是一种新型的计算模式,已经成为国际上的研究热点。在介绍云计算的相关概念基础上,综述了当前国内外关于云计算资源分配的研究现状,分析云计算资源分配所面临的关键问题,然后进一步指明云计算资源分配算法的研究方向。     

云计算环境下多级映射作业调度算法的研究

云计算是一种新兴的资源使用和计算交互模式,是目前商业机构和科研机构的研究热点之一.在云计算环境中用户需求和资源的分布对该环境中作业调度的影响很大,虚拟技术的使用使云计算环境中的作业调度与传统的作业调度存在很大的差别.针对云计算环境特点,根据用户的需求将作业进行分类,同时将资源分类,引入中间代理节点进行任务调度,形成多级映射作业调度算法,提高作业的并发度,使总任务完成时间缩短.通过实验验证多级映射作业调度算法是一种可行的作业调度算法.     

Improved verifiability scheme for data storage in cloud computing

In Cloud computing,data and service requests are responded by remote processes calls on huge data server clusters that are not totally trusted.The new computing pattern may cause many potential security threats.This paper explores how to ensure the integrity and correctness of data storage in cloud computing with user’s key pair.In this paper,we aim mainly at constructing of a quick data chunk verifying scheme to maintain data in data center by implementing a balance strategy of cloud computing costs,removing the heavy computing load of clients,and applying an automatic data integrity maintenance method.In our scheme,third party auditor (TPA) is kept in the scheme,for the sake of the client,to periodically check the integrity of data blocks stored in data center.Our scheme supports quick public data integrity verification and chunk redundancy strategy.Compared with the existing scheme,it takes the advantage of ocean data support and high performance.     

基于OpenStack 体系的云计算基础架构研究

计算技术在降低企业信息基础设施的投资, 提高信息系统的可用性和容错性的同时, 存在平台搭建困难, 运维成本增高的问题。为简化搭建云计算平台的复杂度, 通过对云计算基础架构进行研究, 全面剖析OpenStack 系统建构, 结合网络结构、业务集成以及服务器资源规划探讨云架构的可行性及技术架构, 进而提出通用云基础设施管理平台建设方法, 简化了云计算平台搭建的复杂度, 并在云计算平台之上提出故障事件自动触发和事件跟踪流程, 提升了云计算平台运行维护的复杂度。     

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.     

云环境下基于预分片的遥感数据并行重采样方法

面向海量高分辨率遥感影像数据快速发布需求,针对当前云环境下遥感影像数据并行重采样存在的难题,结合云平台MapReduce并行计算框架特性和遥感影像数据处理特点,提出了一种基于预分片的遥感影像数据并行重采样方法,通过预分片机制有效实现了该框架中对影像数据分片和并行重采样任务的控制,解决了MapReduce难以用于并行处理非结构化、具有空间位置特征的遥感影像数据的问题,从而实现了云环境下遥感影像数据的高效并行重采样.通过在开源云平台Hadoop上的实验和分析表明,该方法具有良好的重采样性能,能够实现高分辨率遥感影像数据的高效重采样.     

Hadoop异构网络下基于自适应蚂蚁算法的策略路由研究

云计算已被我国规划为未来发展的重点项目,该技术将会使我国数千万企业受益。云服务必须高效、快速运行才能发挥其优势。在我国目前有限的带宽基础上,必须研究高效快速的选路机制,并根据各节点最大网络容量来进行资源调度。文章在传统蚂蚁算法上加入了各节点网络容量参数作为阈值进行自适应选路,该算法可使用策略路由的形式在Cisco路由器上应用,不仅能改善Hadoop的资源调度算法在异构环境下效率极低的问题,还够利用蚂蚁算法快速找到最短路径,并能根据路径上节点的网络容量进行调节,从实验情况来看,该方法可有效避免关键路径上的数据拥塞。     

Scalability Analysis of Request Scheduling in Cloud Computing

Rapid advancement of distributed computing systems enables complex services in remote computing clusters. Massive applications with large-scale and disparate characteristics also create high requirements for computing systems. Cloud computing provides a series of novel approaches to meet new trends and demands.However, some scalability issues have to be addressed in the request scheduling process and few studies have been conducted to solve these problems. Thus, this study investigates the scalability of the request scheduling process in cloud computing. We provide a theoretical definition of the scalability of this process. By modeling the scheduling server as a stochastic preemptive priority queue, we conduct a comprehensive theoretical and numerical analysis of the scalability metric under different structures and various environment configurations. The comparison and conclusion are expected to shed light on the future design and deployment of the request scheduling process in cloud computing.