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。     

SOA服务系统中基于虚拟机的QoS保证机制

利用虚拟机的隔离性、封装性、透明性等特点,提出了在服务系统上利用虚拟机中间件来实现服务系统的性能QoS和安全QoS,通过定义计算域、可信程序和节点负载来实现任务运行环境的选择,运行环境的隔离;通过形式化的方法证明了基于虚拟机运行环境的高安全性;通过虚拟机迁移技术实现计算域群内虚拟机的整体迁移以达其高效性。最后利用仿真实验验证了基于虚拟机中间件服务系统的高安全性和高效性。     

A prediction mechanism of file access popularity and optimal strategy of replicas deployment in cloud computing

In cloud computing,the number of replicas and deployment strategy have extensive impacts on user's requirement and storage efficiency.Therefore,in this paper,a new definition of file access popularity according to users' preferences,and its prediction algorithm are provided to predict file access trend with historical data.Files are sorted by priority depending on their popularity.A mathematical model between file access popularity and the number of replicas is built so that the reliability is increased efficiently.Most importantly,we present an optimal strategy of dynamic replicas deployment based on the file access popularity strategy with the overall concern of nodes' performance and load condition.By this strategy,files with high priority will be deployed on nodes with better performance therefore higher quality of service is guaranteed.The strategy is realized in the Hadoop platform.Performance is compared with that of default strategy in Hadoop and CDRM strategy.The result shows that the proposed strategy can not only maintain the system load balance,but also supply better service performance,which is consistent with the theoretical analysis.     

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。     

基于猫群优化算法的云计算虚拟机资源负载均衡调度

为了提高虚拟机资源调度的利用率, 实现虚拟机资源合理调度, 提出一种基于猫群优化算法的虚拟机资源调度优化方法. 首先根据虚拟机资源调度优化目标构建数学模型; 然后综合考虑最短时间与最优负载构建猫群优化算法的适应度函数, 并通过模拟猫的日常行为实现虚拟机资源调度最优方案的寻优; 最后在CloudSim平台上对该算法的有效性进行测试. 测试结果表明, 该算法能获得更优的虚拟机资源调度方案, 保证了虚拟机资源的负载均衡, 可以满足用户需求的偏好性.     

基于URL的Web集群分配策略

Web任务的分配影响Web服务器集群系统的整体性能。常用的分配方法是对用户的URL请求,根据服务器数量进行轮询分配。这种策略影响缓存的命中率和服务器性能的发挥。在分析了Web站点中文件的组织方式及用户对Web请求特征的基础上,提出了基于URL分配树的LT分配策略,根据URL地址构建URL分配树,对用户的请求进行响应。同时考虑任务的处理代价,各服务节点服务能力和当前负载状况,对服务节点进行负载均衡的任务分配。本文从缓存队列剩余、请求任务溢出情况和轮询分配策略进行了比较,实验表明本文的分配策略能根据服务节点的服务能力、负载状况进行合理地分配,实现了负载的真正均衡,提高了系统整体吞吐量。     

基于云平台的大规模工业园区资源集约化控制方法

为了解决传统分布式控制部署环境繁琐,令现阶段资源控制变得更加复杂,容易产生服务延迟和稳定性低的问题。通过云平台研究了一种大规模工业园区资源集约化控制方法。以服务思想为核心建立大规模工业园区资源集约化控制框架,为用户提供统一的使用平台。设计云平台由云控制节点控制,按照需求对存储节点进行扩充。框架中的功能层为大规模工业园区资源集约化控制的重要部分,包括性能监测、资源调度、自适应控制与报警四个部分。虚拟机放置遍历全部可能的云平台状态,将状态变化代价最小云平台状态当成虚拟机控制策略。基于成本的最低消耗采取资源调度策略,组建动态任务划分模型。结合总体考虑节点量、输入数据类型、进行调度时所耗时间以及资源回收所需时间等影响因素做出深入分析。结果表明:所提方法控制下网络拥塞率符合要求;服务延时低、稳定性高。可见所提方法整体性能优。     

基于运行时间权矩阵的网格服务匹配问题的优化解

为解决在网格环境下满足用户作业对完成时间需求的服务资源调度问题,建立了包括独立匹配器在内的服务网格三元模型,给出了该模型基于图论的形式化描述,证明了用户作业和服务资源之间完备匹配的充分必要条件. 同时构造了基于传感器反馈的网格服务匹配系统,给出了基于运行时间权矩阵的优化问题描述,并给出了基于离散事件动态系统理论的最优化解算法. 仿真研究表明,该算法比其他算法更能改善网格服务匹配系统的性能指标,在满足服务资源负载均衡的同时提供了用户作业完成时间的服务质量保证.     

一种不依赖访问热度信息的分布式文件放置算法

文件放置问题一直是分布式存储领域的研究热点。分布式文件存储系统HDFS随机选择节点完成文件放置,存在访问负载分布不均衡的缺点。研究人员提出大量基于文件访问热度信息的放置算法;但是,文件的访问热度信息是动态变化的,难以准确预测。提出一种不依赖访问热度信息的分布式文件放置算法;该算法仅使用文件的创建时间信息,利用文件已创建时间与访问热度之间的相关性,首先将时间进行区间划分,然后统计出各节点在不同时间区间内所创建文件的数据量,放置过程中保持同一时间区间的数据量在不同节点间大致相同。实验结果表明,该算法不仅可以使各节点的存储负载达到均衡,还能够提升访问负载的均衡,消除因文件访问热度不均而导致的性能瓶颈。     

一种改进的Hadoop数据放置策略

采用现有的Hadoop默认数据放置策略时,若本地数据副本失效,从远程结点上恢复数据需要耗费大量数据传输时间,且随机选取数据放置结点可能会影响数据放置的负载均衡.为此,文中提出一种改进的数据放置策略.该策略基于结点网络距离与数据负载计算每个结点的调度评价值,据此选择一个最佳的远程数据副本的放置结点,从而既能实现数据放置的负载均衡,又能实现良好的数据传输性能.在Hadoop平台上实现了所提出的数据副本放置改进策略,结果表明,与系统默认策略相比,文中提出的策略不仅可以改进数据放置的负载均衡,而且可以减少数据副本放置的时间.     

一种融合虚拟机选择的虚拟机放置方法

为了节省云数据中心的能量消耗,提出一种融合虚拟机选择的虚拟机放置方法.该策略将虚拟机迁移过程划分为物理主机状态检测,虚拟机选择和虚拟机放置3个步骤;在物理主机状态检测和虚拟机选择阶段,选取了Cloudsim项目中已有的且被证明是优秀的鲁棒局部归约检测方法和最小迁移时间选择方法;在最后的虚拟机放置阶段,以虚拟机和物理主机...     

基于检验点技术的云服务可靠性度量模型

可靠性是云服务的典型特性之一.在云计算环境下提出了一种基于检验点回卷策略的云服务可靠性度量模型,该模型针对云服务系统中虚拟机任务计算节点的故障失效会导致系统服务可靠性发生变化的问题,基于检验点回卷策略建立了云服务可靠性度量模型.通过理论推导证明了度量模型的正确性,并证明了检验点设置时间按一定指数值增长时,服务可靠性可以得到优化.     

基于Dynamips的思科虚拟实验平台的构建与应用

通过分析实验室的现状,使用Dynamips模拟软件,设计虚拟实验平台。该平台能够模拟思科产品系列中各种型号的路由器和交换机,并支持直接加载恩科的IOS镜像,产生与真实硬件设备完全一样的配置和运行环境。在网络工程综合实验和组网实验中使用Dynamips的虚拟实验平台,能产生良好的实验教学效果。     

机会网络中激励节点检测策略研究

针对机会网络中现有激励机制只对低信誉或者低虚拟币节点进行处理,而没有考虑高信誉或高虚拟币等活跃节点由于自身的富裕性出现的偏好自私性问题,提出一种基于虚拟币激励机制的激励节点检测策略(incentives node detects policy,IND).该策略通过获取基于虚拟币激励机制中各节点所持有的虚拟币值,构建网络中各节点所持虚拟币哈希表,并利用齐夫定律及基尼系数判断各节点的富裕性,同时根据同一节点所持虚拟币的变化对该节点进行监督检查.通过仿真分析可知,IND策略有效解决了虚拟币激励机制中活跃节点出现的偏好自私性问题;在缓存空间为50 MByte、生存时间为350 min的条件下,IND的性能相对于存在活跃节点自私偏好的性能在信息投递率方面提高了13％,平均相对延迟降低了7％.     

云中心基于Nginx的动态权重负载均衡算法

为了解决云中心的服务器端在高并发情况下各节点的负载失衡问题,在对负载均衡技术Nginx自带的负载均衡策略和主流的负载均衡策略进行研究、分析的基础上,提出了一种动态调节权重的负载均衡策略.该策略基于加权轮询策略进行改进,同时考虑服务器的本身硬件性能与工作时的负载情况,设计了静态权值和动态权值的计算方法,将两者结合得到节点最终权值.静态权值主要考虑了各服务器的硬件性能情况,动态权值的计算则是收集各后端服务器节点工作时的CPU利用率、内存利用率、网络性能情况及磁盘I/O等性能情况,由此,动态地调节各后端服务器节点权重.测试结果表明,相较于原加权轮询算法,该算法在高并发情况下的响应时间和实际并发数等方面表现更好.     

基于路由表的网格工作流自组织策略

在现有的网格工作流的自组织策略中,通常是在网格中心节点实现服务的选择策略.为了改善网格中心节点的负载问题,提高工作流的效率,在网格工作流客户端中引入路由表机制.根据候选服务的质量,通过MDS的组件服务使网格中的资源信息反映到工作流的客户端节点,减少网格中心节点的服务选择过程,解决负载问题,同时可以有效地组合适当的网格服务.实验结果表明在客服端增加资源信息,由于记录了中心结点的信息,在工作流工作的后期可以有效地减轻服务结点的负担,提高工作流的效率.     

云计算下用户行为特征的服务选择策略

在云模型中,不同的网络资源被网络虚拟化抽象成为各种服务,这些服务经过进一步的组合后以服务组合的方式提供给终端用户。为保证用户能高效地选取服务,从用户体验质量的角度,分析云环境下用户访问服务的行为,利用其访问服务的偏好性,提出基于用户行为特征的服务选择策略。理论分析和实验表明,该策略能保证较高的性能及用户满意度,能为用户提供有效的选择方案。     

一种用于道路交通的无线传感网拓扑结构

无线传感器网络在道路交通监控中的应用日益广泛.在公路带上形成无线传感器网络拓扑结构时，传统的做法是将结点随机放置在公路带上，这种做法不仅消耗了大量结点能量，且降低了整个网络的吞吐量.本研究提出了一种新的用于道路交通的无线传感网拓扑结构.该拓扑结构采用了新的数据帧传输格式和线形置放策略，从而可减少网络负载量和冗余信息的传输.仿真结果表明，该策略可以节省结点的能耗，有效延长网络的生存时间，提高网络的吞吐量.     

异常网络环境下云计算资源需求策略

针对常规云计算资源预测算法不能在异常网络环境下做到精准预测的难题,提出一种基于改进蚁群算法的调度策略.该策略融入了信息数的概念,既能快速均衡负载,又能保障用户在多条件下云计算的需要,合理降低能耗,提高云计算性能.实验结果表明,基于改进的蚁群调度算法提高了云计算资源利用率,降低了能量消耗,使单节点处理任务量有较大提升,极大提高了云计算的性能和服务质量.     

一种面向云计算的分态式自适应负载均衡策略

在云计算环境中,大规模并行任务的运行容易造成某些节点负载过重,进而导致整个云计算平台负载不均衡和效率低下。针对此问题,提出了一种面向云计算的分态式自适应负载均衡策略。该策略根据节点的负载度判断节点负载的状态,当节点处于轻度过载或重度过载时,自发地执行过载避免或快速均衡的方法。该策略通过动态调整节点的效益度,使轻度过载的节点能够尽量避免重度过载,重度过载的节点能够快速恢复到正常负载。实验结果表明,分态式自适应负载均衡策略能有效实现云计算系统中的负载均衡,提供高效的性能。