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。     

基于网格和XML的异构数据库集成模型

异构数据库的集成问题是当前数据处理领域内研究的一个热点.本文在分析了异构数据库系统的关键问题和解决方法的基础上,提出了一个基于网格和XML的异构数据库集成模型.并重点分析了该模型的结构和实现方法,该模型采用XML作为信息传输的数据格式,通过GT4网格计算中间件来实现对各异构数据源的高效访问.     

基于网格服务的资源管理模式研究

网格服务是基于网格技术提供的一种虚拟服务环境,对于用户来说相当于一台虚拟机.这台虚拟机利用各种分散的计算资源和信息资源提供服务.为了有效解决资源分配问题,提出了一种基于网格服务的资源管理模式.该模式利用资源对解决问题所起的不同作用将其划分为层进行管理,有效地划分了资源的层次结构,达到了对资源的合理利用.     

基于模型检测和Maya MEL脚本反馈机制的动漫渲染中间件开发

基于模型检测方法对动漫渲染计算中间件进行了建模,采用CTL(Computational Tree Logic,计算树逻辑)对系统待验证的性质进行了描述,并进一步通过SMV(Symbolic Model Verification,符号模型检查)工具验证了所构建模型的相关性质,进一步利用Maya软件内嵌MEL脚本语言的渲染反馈机制,实现对外部INI文件的更新,在VC+ +环境下开发了动漫渲染计算中间件,基于定时器响应事件来周期性地读取INI文件,实现了渲染计算进度的实时感知.该中间件具有易用性、可移植性的特点,支持渲染参数设置、渲染进度获取和渲染结果查看等功能.     

基于计算网格的移动Agent透明性迁移

文中结合基于JAVA的移动agent迁移技术，提出了一种在计算网格中实现移动Agent的透明性迁移的网格中间件模型（MAG），并对其透明迁移机制的实现进行了描述。     

网格数据管理互操作机制研究

针对不同网格之间数据管理互操作存在的问题,分析了数据网格中间件SRB(Storage Resource Bro-ker)和ChinaGrid中的数据管理模型,同时讨论了SRB和ChinaGrid两者之间实现数据互操作存在的难点,提出了一套基于接口的网格数据互操作机制,并建立了相应的接口模型.该模型采用接口映射和副本管理策略,有效屏蔽了不同网格的数据操作接口,为用户提供了统一的逻辑数据视图和操作模式,保证了数据文件的有效性和一致性.该接口模型具有灵活性高、兼容性强和扩展性好等优点;通过这套接口机制可以实现China-Grid和采用SRB的数据网格之间的互操作.     

数据中心启发式反向人工蜂群虚拟机整合节能策略

针对数据密集型作业的特点,提出一个基于CPU和图形处理器(GPU)两个影响因素构建计算节点的能耗评估模型.该模型基于原虚拟机选择节能算法(ABCS)在虚拟机选择节能策略中的能效优势,进一步利用启发式思想改进蜂群优化算法,寻求虚拟机整合的最优解.在CloudSim 3.0云计算模拟器中的实验结果表明,启发式反向蜂群算法能在保证服务质量的前提下,有效降低虚拟机迁移次数,进而降低数据中心的能耗(节能25%~30%).     

大规模电力网格体系结构

大规模电力系统往往需要跨多个具有自治性的子网,是典型的网格系统。根据电力系统的实际需要,将网格计算技术应用于电力系统之中,为电力系统提供先进的方法和平台。提出了基于网格的大规模电力系统体系结构,对各层进行了详尽的讨论,设计和分析了电力网格中间件（PGM）,并给出了基于电力网格中间件技术进行在线安全评估的应用示范。实验结果显示,基于提出的体系结构进行DSA应用耗时较短。     

大规模电力网格体系结构

大规模电力系统往往需要跨多个具有自治性的子网,是典型的网格系统.根据电力系统的实际需要,将网格计算技术应用于电力系统之中,为电力系统提供先进的方法和平台.提出了基于网格的大规模电力系统体系结构,对各层进行了详尽的讨论,设计和分析了电力网格中间件（PGM）,并给出了基于电力网格中间件技术进行在线安全评估的应用示范.实验结果显示,基于提出的体系结构进行DSA应用耗时较短.     

网格环境下实时数据库事务处理模型

在分析网格和网格实时数据库事务处理特点的基础上,提出了一个适用于网格环境下实时数据库事务处理模型.该模型采用网格中间件和功能等价服务,能够满足网格环境中对实时事务自治性、异构性、动态性等特点的要求.     

Cloud Virtual Machine Lifecycle Security Framework Based on Trusted Computing

As a foundation component of cloud computing platforms, Virtual Machines(VMs) are confronted with numerous security threats. However, existing solutions tend to focus on solving threats in a specific state of the VM. In this paper, we propose a novel VM lifecycle security protection framework based on trusted computing to solve the security threats to VMs throughout their entire lifecycle. Specifically, a concept of the VM lifecycle is presented divided up by the different active conditions of the VM. Then, a trusted computing based security protection framework is developed, which can extend the trusted relationship from trusted platform module to the VM and protect the security and reliability of the VM throughout its lifecycle. The theoretical analysis shows that our proposed framework can provide comprehensive safety to VM in all of its states. Furthermore, experiment results demonstrate that the proposed framework is feasible and achieves a higher level of security compared with some state-of-the-art schemes.     

A Multi-Objective Optimization Method of Initial Virtual Machine Fault-Tolerant Placement for Star Topological Data Centers of Cloud Systems

Virtualization is the most important technology in the unified resource layer of cloud computing systems.Static placement and dynamic management are two types of Virtual Machine(VM) management methods.VM dynamic management is based on the structure of the initial VM placement,and this initial structure will affect the efficiency of VM dynamic management.When a VM fails,cloud applications deployed on the faulty VM will crash if fault tolerance is not considered.In this study,a model of initial VM fault-tolerant placement for star topological data centers of cloud systems is built on the basis of multiple factors,including the service-level agreement violation rate,resource remaining rate,power consumption rate,failure rate,and fault tolerance cost.Then,a heuristic ant colony algorithm is proposed to solve the model.The service-providing VMs are placed by the ant colony algorithms,and the redundant VMs are placed by the conventional heuristic algorithms.The experimental results obtained from the simulation,real cluster,and fault injection experiments show that the proposed method can achieve better VM fault-tolerant placement solution than that of the traditional first fit or best fit descending method.     

网格计算技术及其任务调度策略研究

对网格计算技术及其任务调度策略进行了论述与总结。首先介绍了网格计算技术的起源和网格系统应具备的基本条件,然后论述了网格计算不同于传统分布式计算的独特特征,接下来对网格计算的应用领域进行了简单探讨。最后从网格任务调度的特点、评价指标以及现有的调度算法等方面对网格计算的任务调度策略进行了详细讨论。全文工作将指导我们未来进一步深入研究网格计算。     

Load Feedback-Based Resource Scheduling and Dynamic Migration-Based Data Locality for Virtual Hadoop Clusters in OpenStack-Based Clouds

With cloud computing technology becoming more mature, it is essential to combine the big data processing tool Hadoop with the Infrastructure as a Service(Iaa S) cloud platform. In this study, we first propose a new Dynamic Hadoop Cluster on Iaa S(DHCI) architecture, which includes four key modules: monitoring,scheduling, Virtual Machine(VM) management, and VM migration modules. The load of both physical hosts and VMs is collected by the monitoring module and can be used to design resource scheduling and data locality solutions. Second, we present a simple load feedback-based resource scheduling scheme. The resource allocation can be avoided on overburdened physical hosts or the strong scalability of virtual cluster can be achieved by fluctuating the number of VMs. To improve the flexibility, we adopt the separated deployment of the computation and storage VMs in the DHCI architecture, which negatively impacts the data locality. Third, we reuse the method of VM migration and propose a dynamic migration-based data locality scheme using parallel computing entropy. We migrate the computation nodes to different host(s) or rack(s) where the corresponding storage nodes are deployed to satisfy the requirement of data locality. We evaluate our solutions in a realistic scenario based on Open Stack.Substantial experimental results demonstrate the effectiveness of our solutions that contribute to balance the workload and performance improvement, even under heavy-loaded cloud system conditions.     

一种计算网格环境的研究与实现

基于校园网的计算网格可进一步完善校园网计算环境,大型科研计算可通过校园网格虚拟实现,从而实现计算资源共享和降低计算成本.采用具有跨平台特性的java语言,使用最基本的Socket API编程建立了基于校园网的计算网格模型C-Grid.通过梅森素数搜索的实验证明,C-Grid系统具有较好的可用性.     

地球空间参考网格系统建设初探

为了弥补用经纬度作为地理位置标识存在的描述复杂、无区域特征、计算复杂度高等不足, 以北京大学提出的GeoSOT网格为基础, 构建一套全球空间参考网格系统。该系统以等度、等分、等秒的完美四叉树剖分网格为基础, 建立适合协调空地联合行动的网格体系, 设计了简单实用、可距离计算的定位编码方法, 可实现多部门、多源异构地理空间数据的统一检索, 并发展出高效编码代数运算、地理空间管理与计算框架、三维地球空间剖分框架等新方法, 将在未来的地理空间大数据应用中发挥重要作用。     

石油网格数据挖掘新技术研究

针对石油勘探开发中很多TB级和PB级的数据集在许多情况下分布在一个组织的不同地点或不同组织的多个数据源被集团内所有用户共享的特点,用网格数据挖掘数据集成技术和网格数据挖掘本体技术,作为石油勘探开发行业业务工作流程的信息处理基础设施,以满足石油工业对高性能计算技术的持续需求。提出了Web service与网格技术融合、网格与数据集成技术结合和本体与Web service合成,给出了基于Globus Toolkit 4、开放式网格服务体系结构和Web服务的技术实现方案。研究表明：网格计算中的任务管理、任务调度和资源管理等服务可以为分布式数据挖掘提供极大的便利。     

基于计算池模型的网格性能分析

简要分析了传统网格计算中存在的不足之处,并对当前比较实用的一种网格计算模型(网格计算池模型)用排队论的方法进行了系统的研究,定量分析了网格计算池模型的特性,对网格计算能起到一定的指导作用,并且对组成网格计算池的高性能计算机数量的选择给出了一些指导性的意见。     

网格与存储

网格把整个网络整合成一台巨大的超级计算机,实现计算资源、存储资源、数据资源、信息资源、知识资源及专家资源的全面共享。网格计算的基础是存储,网格中的每一个运算都必须有强大的存储功能提供支持。本文针对网格环境下的存储技术及其发展进行了论述。     

A less resource-consumed security architecture on cloud platform

Traditional security framework in cloud platform usually brings self-vulnerability and considerable additional resource consumption. To solve these problems, we propose an external processes monitoring architecture for current popular cloud platform OpenStack with kernel-based virtual machine (KVM). With this architecture, we can monitor all active processes in online virtual machine (VMs) and scan them for their potential maliciousness in OpenStack with no agent, and can also detect hidden processes in offline VMs’ memory snapshots and notice the user to decide whether to kill them when VMs become active. Analysis and experimental results show that our architecture is able to reduce consumption of CPU, memory and bandwidth in cloud platform and can detect viruses and hidden processes effectively in VMs.