基于谱聚类的BaaS资源负载均衡调度算法

Fabric作为超级账本的核心项目,以其多通道的设计为用户提供更为隐私的交易空间,为了解决基于分布式架构下的多通道资源负载均衡问题,提出了基于NJ W谱聚类的区块链即服务(BaaS)负载均衡调度算法SC-channel.该算法将平台子节点的数量作为划分类簇数量的依据,首先,基于通道采用peer之间的Jaccard系数构造相似矩阵;其次,计算拉普拉斯矩阵,求取前k个特征值和特征向量并将特征向量单位化;最后,用基于数量加权的k-means算法完成聚类.在Kubernetes平台上对这种方法进行验证,并与采用经典k-meansi的NJW算法默认调度算法下的资源负载均衡度做了比较分析.结果表明,采用基于谱聚类的BaaS资源负载均衡调度算法可提高资源利用的均衡程度,增强了平台的可用性与可靠性.     

基于云计算的移动智能网基础设施架构优化

针对移动智能网基础设施传统IT(信息技术)架构中存在资源利用率低、维护复杂度高、业务承载能力低等问题,提出了基于云计算技术的移动智能网基础设施架构优化解决方案和基于IaaS(基础设施即服务)及PaaS(平台即服务)的移动智能网云计算应用设计方案,设计了移动智能网基础设施云化的解决方案,说明了云化智能网的工作原理;以该优化方案在IVPN(综合虚拟专网)业务容灾平台建设中的应用为例,验证了较传统基础设施架构的显著优势.     

基于改进细菌觅食算法的容器云多维资源均衡调度

针对容器云平台默认的资源调度方式效率低等多种问题,引入改进细菌觅食算法,设计了一种新的容器云多维资源均衡调度方法.通过增加优选调度流程的方式对容器云平台调度方式进行优化,以此构建容器云多维资源调度模型,采用改进的细菌觅食算法优化求解资源调度模型,得到最优解,使得资源利用更充分、资源调度更均衡.实验结果表明,该方法的收敛速度更快,任务完成时间更短,负载均衡度更高,可以提高容器云多维资源调度过程中的集群资源利用率,保证调度负载均衡性.     

IaaS云计算中虚拟机部署算法研究

针对基础设施即服务(IaaS)模式的云计算应用系统,以减少宿主机使用数量、提高宿主机资源利用率为优化目标,研究了虚拟机集合向宿主机集合部署算法.分析了虚拟机部署基本原则,提出了扩展降序最佳适应(EBFD)算法,该算法将宿主机和虚拟机资源量化、排序,并引入初始长度的概念.对比了EBFD算法和其他装箱算法的基本性能;针对虚拟机部署,将EBFD算法和已有虚拟机部署算法进行比较,结果表明EBFD算法有较好的调度效果.     

改进粒子群算法的云计算环境资源优化调度

针对云计算的资源调度问题,提出一种基于改进粒子群优化算法(Improved Particle Swarm Optimization,IPSO)的资源调度算法.对云资源调度问题进行分析,建立云资源调度的目标函数,利用PSO较快的收敛速度找到云资源调度问题的最优解,并根据每个粒子的适应度值自适应地改变每个粒子的速度权重,提高了全局寻优能力和收敛能力,同时在Cloud Sim平台对算法进行仿真实验.结果表明:IPSO算法减少了任务的平均完成时间,提高了任务处理的效率,具有很好的优化资源以及合理调度资源的能力.     

云GIS中远程证明通信机制的研究

云计算技术的发展加速了地理信息系统(GIS)的产业化进程,如何保证向云中用户提供的是安全、可信的GIS服务成为云GIS中重要的研究内容.为此,为了弥补单一远程证明者的不足之处,对远程证明机制进行了改进,提出了一种基于多Agent模型的远程证明通信机制,并将其用于云GIS中,通过将单一的验证者改造成多元的验证者集群,避免因单一验证者失效而带来的整体云GIS环境的安全失效.实验表明:在引入多Agent模型后,PaaS平台的远程证明过程将变的更加稳定安全,其相比于基于单一验证者的架构而言可用性更高.基于多重Agent的远程证明通信机制能够大大降低原有远程证明服务的不确定性,使远程证明能够时刻可用并且有效.     

基于云平台的软件服务流引擎技术研究

传统的工作流自动化处理大多是针对固定的较为简单的执行单元,不能适应复杂的SaaS服务要求。为同时向大规模访问用户提供可靠实时的云计算服务,文章设计了软件服务流,高效、实时、稳定的调度算法是软件服务流成功实施的关键。通过服务抽象过程把复杂的用户自定制请求匹配成云平台的可执行单元后,软件服务流引擎利用文中提出的EOE实时调度算法处理用户请求,交付下层执行,监控执行进程、系统状态,实现软件服务流的自动化高效运行。最后,给出了在海洋环境信息云服务体系框架下的实现。     

基于马尔可夫决策过程的云平台资源调度

云计算平台可以动态地配置资源,适合基于工作流的科学计算。当前云平台的资源调度研究更多考虑运行时长和成本的最优化,而较少提到鲁棒性。本文提出了一种基于马尔可夫决策过程理论的资源调度算法,对工作流任务进行分组,按照任务的计算量和依赖关系将任务期限分配给各个任务组,在满足工作流总期限的基础上,将异构环境中的云资源分配给工作流的各个任务,通过最大化每个任务组的容忍时间使得整个工作流的鲁棒性达到最优。实验结果表明:该调度算法在异构环境中可以在任务期限和开销内提高调度的鲁棒性。     

基于贝叶斯信任模型的资源调度策略

在科技迅速发展的今天,云平台正在迅速成为科学应用的重要平台.由于云平台下的节点资源数量非常多,显然他们有很多是不可靠的,这些节点会对EXE的执行和调度任务产生很大的影响.在本文中,受贝叶斯认知模型的启发和社会学的信任关系模型的引导,笔者首先提出了一种新的基于贝叶斯方法的认知信任模型,然后,将这种模型应用到资源调度系统中.理论分析和仿真实验证明,笔者提出的方法能有效的满足云计算对节点资源的信任要求,并且牺牲较少的时间成本,确保在一个相对安全的节点资源池中执行云计算任务.     

云存储部署优化的进化算法设计

针对云计算环境下的云存储部署规划优化问题,全文研究和提出了一种进化算法并进行了求解.首先基于对象存储方法,设计了三层架构云存储模型.在建立的模型中,将云存储部署抽象为多目标优化调度问题,针对现有粒子群优化算法或遗传算法在解决这一优化调度问题过程中出现的收敛速度及调度效率等方面的不足,将2种算法进行有效融合,设计了混合进化算法来进行求解,讨论了进化算法的优化设计过程.同时,在云计算仿真平台CloudSim上,对所提出的优化算法进行仿真实验,并对云存储中负载均衡等性能指标的改善程度进行了检测.结果表明,所提出的混合进化算法有效实现了云存储的优化部署任务,与其他进化算法相比,能对性能指标实现更优配置.     

基于多Agent系统的粒子群遗传优化云工作流调度算法

随着大数据时代的来临,传统的工作流计算平台已经无法满足大量工作流应用的计算要求.因此,工作流应用开始由原有的基础设施转移到更加高效、可靠、廉价的云平台上.针对现有的云工作流调度算法执行时间最小化、作业最优分配以及调度算法的收敛时间问题,提出一种基于多Agent系统的粒子群遗传优化云工作流调度算法.该算法首先利用粒子的自身历史最优位置和粒子群历史最优位置优化全局最优解的搜索过程,然后将系统中每个粒子作为一个Agent,多Agent间相互竞争和协调,最后在多Agent系统中引入遗传算法,通过Agent间的信息交互进行有目标地交叉变异操作,不仅避免粒子群的盲目随机化以及陷入局部最优解,而且加速了搜索全局最优解的收敛过程.使用真实工作流数据进行模拟实验,实验结果证明该算法的有效性.     

基于云计算的政务信息资源整合与服务模式研究

针对政务信息资源管理利用中存在的资源共享利用率低、不同信息源之间的集成、互联互通等问题,基于云计算的相关技术和理念,根据政务信息资源的内容,提出政务信息资源的四个整合层次.在此基础上,设计了"基础设施云"、"数据资源云"、"业务云"、"应用云"等政务信息资源云服务模式,对外提供IaaS、PaaS、SaaS等云服务,实现政务信息资源管理创新模式,提升资源利用效率、协同能力和管理水平.     

基于蚁群优化算法的云计算资源负载均衡研究

针对云数据中心虚拟机分配物理机时存在负载不均衡的问题,提出了一种基于蚁群优化算法的资源调度算法.对问题场景进行了分析,提出了数据中心负载不均衡度以及物理机与虚拟机之间不匹配度的概念,并给出了问题的形式化描述.在蚁群算法选择概率规则中参考了用户对虚拟机资源的需求,尽量避免对相同类型虚拟机部署在一台物理机上,同时对信息素的初始化、信息素的更新进行了改进.通过CloudSim模拟平台进行仿真实验,并与其他的分配算法进行了比较,实验结果表明:该调度算法能够快速地完成虚拟机的放置,并且使云数据中心的物理机具有较低负载不均衡度,提高了资源的利用率.     

云计算资源调度算法比较研究

云计算系统的资源调度策略是影响云计算平台性能和效率的最主要因素,目前云计算关键技术与应用的快速发展促使资源调度成为业界研究的重点。本文首先介绍云环境下的资源调度模型及形式化描述;然后根据其不同的优化目标,对现有的调度算法进行详细的分析比较;最后,对云环境下资源调度的未来研究趋势进行了总结和展望。     

QoS约束的云工作流调度算法

将云计算和工作流两者结合起来,并根据用户关心的QoS中执行时间和执行费用问题,针对工作流调度策略在云环境下调度实例密集型工作流时效率不高的问题优化资源调度策略,给出云工作流调度模型,提出一种基于QoS约束的云工作流调度算法MSCWQ(modifiedschedulingalgorithmforcloudworkflowbasedonQoS).该算法利用DAG(directedacyclicgraph)进行建模,优化资源策略,保证在最晚结束时间内使整个工作流实例的执行费用尽可能小.实验结果表明,在调度实例密集型云工作流时,该算法能有效提升科学工作流的执行效率,并能减少资源的使用费用.     

网格QoS的测量及基于QoS的调度

对网格QoS,QoS参数间的关系及基于QoS网格资源调度问题进行了研究.将网格QoS分为三层,对其中承上启下的虚拟组织层QoS参数进行了新的分类,并对层次之间QoS参数的映射转换过程进行了分析;在虚拟组织层QoS分类的基础上,提出了测量网格QoS的高效机制;将网格QoS的分层和测量运用到网格资源调度算法中,改进了现有的Min-Min算法,并进行了仿真实验.实验结果表明,基于QoS的网格资源管理可以有效提高网格资源的利用率和服务请求的成功率.     

改进人工蜂群算法的云任务调度

针对云资源调度中任务分配效率和资源利用率低等情况,提出一种改进的人工蜂群算法.在基本人工蜂群算法基础上,将交叉机制与全局最优引导的人工蜂群算法相结合,增强人工蜂群算法中蜂群对蜜源的开发能力,同时保持探索能力.在观察蜂选择策略中,引入灵敏度的概念.灵敏度通过配合蜜源信息素而让观察蜂选择蜜源,增加种群的多样性,避免算法陷入...     

基于自适应拍卖和迁移机制的云计算资源调度算法

为了解决以往云计算环境下资源调度中的不合理问题,提出一种基于自适应拍卖和迁移机制的云计算资源调度算法.该算法综合网络带宽和拍卖机制的特点,首先对竞拍时限内的申请用户进行排序,筛选出符合用户服务质量和云服务商最低成本的资源调度方案;接着,对热点资源需求进行迁移,实现资源的合理应用.仿真实验表明该算法能够在满足用户资源需求、降低云服务商运营成本的基础上实现云环境下资源的自适应合理配置.     

基于云计算的资源调度算法优化研究

云计算中资源和信息的处理大都集中在云端进行,在众多用户请求资源服务时,如何建立高效的资源调度策略是大家关注的焦点,也是云计算中的一大难题.文章首先对云计算资源调度及评价指标进行概要介绍,然后通过对经典的云资源调度算法进行分析,归纳分析算法的主要特点,综合考虑其优缺点及影响因素,提出经典的资源调度优化算法,并进行仿真验证.     

基于云计算的智能电网负荷预测平台架构研究

提出一种基于云计算的智能电网负荷预测平台架构.深入地阐述了云计算关键技术、负荷预测云架构、云平台负荷预测服务等.采用Hadoop云计算技术,对负荷预测的资源调度和计算进行虚拟云计算仿真,验证了以电力私有云为基础建立的负荷预测机制更优良.同时在云平台负荷预测服务中引入多维多级协调优化机制,对原始预测结果进行修正与协调优化,显著地提升了基于云计算的智能电网负荷预测水平.由此搭建的平台架构将为智能电网负荷预测提供广阔的思路与有力的技术支持.