一种IaaS模式“云训练”系统设计

针对网络化模拟训练真实感不强,训练效率低等问题,提出了一种IaaS (Infrastructure as a Service)模式的“云训练”.阐述了“云训练”的体系结构和运行模式,研究了“云训练”的3项核心技术.通过GPU虚拟化技术解决云环境中终端用户3D图形图像处理能力弱的问题.根据模拟训练特点,建立用户需求模型,将模糊理论引入资源调度技术中,实现虚拟资源的动态调度;结合检查点回滚、虚拟机备份和虚拟机迁移技术,实现系统高效动态容错,保证了系统的稳定性与可靠性.实验证明,“云训练”系统改善了传统模拟训练系统中资源的按需共享能力,提升了资源利用率,保证了模拟训练效果.     

基于混合迁移的OpenStack虚拟机在线迁移改进方案

为了提高虚拟机备份（包括运行时状态、存储、配置）的效率,提高虚拟机运行的稳定性和平衡物理机的负载,提出一种基于混 合迁移的OpenStack云平台虚拟机在线迁移方案. 该方案对虚拟机迁移采取共享存储迁移和存储块迁移相互结合的方式,以平衡 OpenStack云平台虚拟机在线迁移速度及备份有效性.结果表明：所提出的混合迁移方案能有效地提高OpenStack备份效率,同时减 少虚拟机在线迁移的时间和提高虚拟机迁移容错能力.     

基于IFTS的云计算网络动态负载均衡方法

针对云计算网络节点的异构性、资源配置的差异性和用户需求的不确定性等因素导致云计算网络极易出现负载不均衡的问题,在分析云计算节点负载模糊时序变化特性的基础上,构建了基于直觉模糊时间序列(IFTS)预测的云计算网络动态负载均衡模型,提出了基于IFCM的云节点计算资源自平衡方法,设计了基于IFTS预测的主动控制和基于反馈的被动调控相结合的虚拟机调度机制,并给出了云计算网络动态负载均衡策略,增强了云资源池的智能化管理水平,提升了云计算系统的整体性能.最后,通过典型实例验证了该方法的有效性和优越性.     

IaaS模式“云训练”资源预测调度方法

基础设施即服务(infrastructure as a service, IaaS)模式“云训练”是基于IaaS云计算提出的武器装备系统模拟训练的模式,根据用户需求对训练资源进行预测调度是提高训练效果的重要保证。分析了“云训练”中用户任务、资源需求特点,采用阈值法进行预处理,通过动态权值系综模型得到预处理结果。在此基础上,提出基于减法模糊聚类的模糊神经网络的资源需求预测方法(subtractive fuzzy clustering based fuzzy neural network, SFCFNN), 并引入自适应学习率和动量项以提升收敛速度和稳定性。调度器根据预测结果实现用户需求与资源之间的动态匹配。实验表明该方法可精确预测用户资源需求,实现资源动态调度,有效提高资源利用率与训练效果。     

TeraPELB:云计算中基于预测的弹性负载均衡算法

现代负载均衡已经成为云计算中虚拟资源管理和调度的核心.针对现有云计算弹性负载均衡存在的不足,提出了一种基于预测的弹性负载均衡资源管理算法(TeraPELB),不仅能更加灵活她动态调配资源,而且支持基于负载的趋势预测.理论分析和仿真实验表明,随着网络员载的变动,TeraPELB算法能根据负载变化情况动态地调整后端服务器集群的处理能力,解决了从云中申请虚拟机具有延迟性而导致迟滞甚至无法满足用户请求的问题,相较于传统的弹性员载均衡算法效果更好.     

面向能耗的云工作流调度优化

云工作流调度直接决定了整个云工作流系统的性能,已成为一个重要研究内容.针对当前缺乏有效的面向能耗的云工作流调度优化方法,研究建立了面向能耗的云工作流过程模型、资源模型,提出了基于负载的能耗计算方法和面向能耗的云工作流调度优化算法.提出的方法考虑了能耗因素,在进行任务优先级计算及任务选择时不仅考虑了文件在不同虚拟机间传输的速度差异、同时考虑了虚拟机与本地共享数据库间的文件传输等因素,并从云工作流任务分配、主机负载和主机功耗关系的角度,进行能耗的计算与调度优化,更符合实际情况、使用范围更广.数值案例和仿真实验表明了提出的方法是可行的和有效的.     

基于区分服务的云提供商效用最大化方法

当前云计算发展面临如何增加服务收益的重要挑战.经济学领域中多通过区分服务来划分市场以提高收益.由于云服务存在服务质量建模复杂、用户服务质量需 求灵活多变等特性,区分提供云服务非常困难.基于队列模型和优化算法,本文提出一种通过区分服务供应来最大化云提供商收益的方法.本文采用队列模型分析来确定为实 现特定服务质量水平需供应给单个服务的资源数量,然后通过优化算法决定准入服务的组合并确定其服务质量水平及价格,以实现云提供商的效用最大化.分析表明该 优化问题是NP完全的,本文提出基于遗传算法的元启发算法来得到最优效用.实验结果表明,在不同工作负载情况下,算法可行且具有良好的收敛性,保证了云计算的实时性.     

云环境中基于弹性预留机制的虚拟资源供给策略

针对云计算环境中资源过度供给的问题,提出一种基于弹性预留机制的虚拟机供给策略.该策略在按需供给的基础上引入弹性预留机制,通过分析用户预留请求的统计特征,允许系统在一定条件下接纳用户的超额预留请求,从而在保证用户满意度的前提下提高云系统的资源有效利用率.理论分析给出了弹性预留机制的概率计算方法,实验分析则验证了所提资源供给策略的有效性以及关键策略参数对系统性能的影响.实验结果显示,与已有虚拟资源供给策略相比,本文所提策略能够有效提高云系统中的资源有效利用率,同时降低过度预留所导致的短期资源供给不足问题.     

基于动态阈值的VOD虚拟机集群预调度算法

如何构建支持大规模并发用户的视频点播(VOD,Video-on-Demand)服务是当前的热点研究问题.虚拟机集群因具有多实例、可封装和按需资源分配等特性,将成为构建大规模VOD服务的支撑技术.但是,现有虚拟机集群调度方法还难以应对VOD服务中点播行为的随机性与虚拟机调度的滞后性.为此,我们提出一种基于动态阈值的VOD虚拟机集群预调度算法,通过预测虚拟内存资源利用率最高时刻的用户链接数,动态地更改调度阈值,完成虚拟机集群的预调度.实验验证该算法可降低VOD服务中的时延抖动,并提高系统资源利用率.     

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.     

基于层次变权的云服务可靠性评估模型

针对当前可靠性评估模型解决动态、复杂、多变的云服务环境下支持可靠云服务协同应用中存在的不足, 提出基于层次变权的云服务可靠性评估模型. 根据云服务IaaS层、PaaS层和SaaS层应用的特点, 借鉴AHP层次变权的思想, 分析了层次云服务的失效关联关系, 给出了利用三角模糊数关原理量化可靠性权重值的方法, 基于互补判断矩阵给出了权重值的排序求解公式; 结合云服务系统中各层次云服务的实时在线监测可靠性数据, 给出了层次云服务可靠性评估计算公式. 该模型计算量小, 简单易行, 操作性强, 能对云服务可靠性进行合理、动态评估, 具有较好的应用推广价值.     

面向移动云计算的VM动态调度算法

针对移动云计算中的虚拟机(virtual machine,VM)调度问题,考虑无线带宽限制对VM调度的影响,以云提供商的系统效益为目标函数,根据拍卖机制提出了一种带宽受限的VM动态调度(bandwidth constrainted VM dynamic scheduling,BVMDS)算法。该算法首先根据用户的出价来判定拍卖成功方,然后根据拍卖成功方对计算资源的需求来配置VM,最后采用临界支付的方式来计算拍卖成功方的实际支付价格。仿真结果表明,算法能够有效地改善云提供商的系统效益和资源利用率。     

不确定云环境下基于滚动窗口的节能调度

目前,绿色云计算已经成为工业界和学术界的研究热点. 然而,以往的绿色节能调度研究忽略了虚拟机性能的不确定因素,使得调度效果与实际情况相差甚远. 本文提出一种基于滚动窗口的节能调度算法（ERRHU）,用于动态调度不确定云环境中的实时任务,同时根据系统的负载动态伸缩系统的计算资源以减少系统的能量消耗. 本文通过大量的模拟实验比较ERRHU与其他算法的性能.     

用户适应度、交易成本与云服务混合定价

作为近十年来一个重大技术突破,云(计算)服务已在产业界掀起应用热潮.然而,对于云计算商业化最为关键的服务定价问题,学界尚缺乏系统深入的探讨.在传统"订阅定价"和"按需定价"机制基础上,本文首次引入用户群体异质性和按需收费成本因素,构建了基于"用户适应度"和"交易成本"的混合定价模型.模型分析发现:①市场发展初期用户群体适应度较低,云服务企业一般应采用"订阅定价"并结合低价策略培育用户习惯;随着市场走向成熟,用户适应度上升且交易成本降低,企业可引入"按需定价"从而逐步过渡至混合定价模式.②在混合定价机制下,随着用户适应度上升(或交易成本降低),用户倾向于从"订阅购买"转向"按需购买",此时云服务企业利润随之增加.③用户适应度和交易成本的变化将直接影响企业利润、用户剩余和社会福利水平,但两者的作用方向不尽相同.本文研究为云服务提供企业在商业实践中制定价格策略提供了理论指引.     

云环境下能耗优化的任务调度模型及虚拟机部署算法

云计算环境下,在满足用户服务级目标约束下,如何有效地进行资源分配调度,降低能耗,已成为不容忽略的关键问题.针对目前云计算系统服务资源分配调度问题在能耗方面的研究不足,提出一种能耗优化的资源分配调度体系架构,并基于此架构设计了一个满足实时用户SLA的能耗优化模型.该优化模型从系统级和部件级两个层次进行能耗优化.在系统级上,提出一种基于分组遗传算法最大限度降低系统空闲能耗的虚拟机部署算法,该算法将虚拟机和服务器之间的映射抽象为有约束的多维可变装箱问题;同时,在部件级上采用动态电压功率调整技术降低执行能耗,从而达到在满足用户需求的前提下,最大限度降低系统总能耗.仿真实验结果表明,该算法与同类算法相比,在相同条件下可有效降低云计算系统的能耗开销.     

云制造系统用户认证和服务间协同高效可信安全技术

针对云制造系统不同安全域之间信任关系孤立导致的用户跨域访问重复进行身份认证和云服务跨域协同被拒绝的问题, 设计了一种面向云制造系统的域间互信过程模型, 提出了基于域间互信的用户认证和服务跨域协同高效可信安全优化技术, 实现了用户可信身份跨域传递和云制造服务跨域协同, 并在企业进行了应用验证, 给出了所提方法与传统方式的对比分析。分析结果表明, 提出的高效可信安全技术能够在提升云制造系统认证和服务跨域协同效率的同时不降低现有安全机制的防护强度。