云环境亚健康研究

云环境亚健康状态诊断与分析是云环境健康状况评估领域亟待解决的关键难题,迫切需要一套可度量、可量化的指标和模型来进行云环境亚健康状态的理论分析与系统评估.结合医学领域亚健康的概念及模型,提出云环境亚健康状态的定义及内涵,并从云环境健康标准及测评体系、云环境亚健康状态形式化模型、云环境亚健康状态诊断及分析、云环境亚健康状态治疗等方面总结云环境亚健康研究的知识结构;从云监控、云架构、云平台性能评价与分析、云平台能耗控制、云安全等方面对云环境亚健康相关的研究现状进行总结与分析.

基于模拟退火的多标记数据特征选择

多标记数据有很多的冗余特征和数据,为了解决多标记数据中冗余和无关特征,提高多标记学习算法的泛化能力。提出一个基于模拟退火的卷积式特征选择方法——SAML(simulated annealing based feature selection for multi-label data),已有的算法只是使用了遗传算法来进行优化,新算法采用模拟退火来寻找最优子集,其效果在已有的工作中表现出比前者遗传算法更好的效果。在用于公开评测的Yahoo网页分类数据集上的实验结果表明,SAML算法的性能优于新近提出的一些流行的多标记特征选择方法。

一种基于磁盘块的持续数据保护系统

数据重要性不断提高,对数据保护提出了越来越高的要求。基于数据的细粒度保护,以最小的时间代价和存储代价来保护数据,并以最少的数据损失量来恢复数据,则是数据保护的追求目标。针对此需求,提出并设计实现了一套基于磁盘块的持续数据保护系统。该系统高效而灵活地实现了Windows操作系统下的磁盘数据的保护。测试表明,该系统在使用时对正常的业务影响很小;在灾难发生后可以在较短的时候内将数据恢复至可用状态。

云环境下网络与IO密集型应用资源优化策略

云环境中,由于虚拟机由用户根据自己的需求申请租用,因此在传统的资源分配策略下,可能任务分配过少造成资源浪费,也可也能分配过多又造成过载从而影响服务质量.为了提高资源使用效率,保证服务质量,适当考虑应用特征,进行合理资源分配,是一种可行的解决方案.考虑到云环境下,网络密集型应用与IO密集型应用为最为广泛应用的两种类型的应用,针对这种现状,本文以这两种典型的应用作为切入点,研究了它们在使用过程中的资源偏好性,并提出了基于应用类型的资源优化策略,对这两种类型的应用进行不同的调度,以提高应用的执行效率.本文进行了大量的实验,实验表明,该策略适对于IO密集型以及网络密集型应用可以有效的提高应用执行效率,为更好的提高云计算资源的使用效率奠定了基础.