大规模云存储系统副本布局研究

在基于副本冗余机制的大规模云存储系统中,以往的副本布局算法只能部分地满足副本布局中高可靠、高可扩展并且高效的要求,针对这一问题,提出了一种基于分组和一致性哈希的副本布局算法。首先,将关联性高的存储节点进行分组;然后,通过改进的一致性哈希算法将同一数据对象的多个副本分别分配到不同分组中;最后,再通过改进的一致性哈希算法将分配到各分组的数据副本放置在组内对应的存储节点上。理论分析可知,该方法大大提高数据的可靠性。仿真结果表明,该算法能满足副本布局的均衡性、自适应性要求,并能在几十微秒内完成副本定位。

基于多目标分解策略的副本布局算法研究

高效的副本布局是分布式存储系统可靠性的重要保障。数据副本既可以增加系统数据的可用性,又能够提高系统的负载均衡能力,但同时也会带来能量消耗问题。针对副本带来的效能提升和能耗之间的冲突,提出了一种基于多目标分解策略的副本布局算法(MDSRL)。将平均文件不可用性、负载均衡、能耗作为三个优化对象,并将多目标优化问题分解成多个标量子问题同时进行优化,每一个子问题的优化都借助相邻的若干个子问题的信息,经过多次迭代优化后,试图找出一组能够在这三个目标上都有良好表现的折衷解。实验表明MDSRL算法所求出的解在平均文件不可用性和能耗上比多目标进化算法(MOE)减少了3.11个百分点和2.3个百分点,在平均文件不可用性和负载变化上比多目标副本管理算法(MORM)减少了68.1个百分点和0.2个百分点,且解的分布性和收敛性更好。

基于多属性最优化的海洋监测数据副本布局策略

数据的完整性和可靠性是保证其能被高效访问的关键,尤其是在云存储环境中,数据副本策略是影响系统性能和保障数据可用性的核心。从数据副本布局的角度,提出了基于多属性最优化的数据副本布局策略(Data Replica Layout Strategy based on Multiple Attribute Optimization,MAO-DRLS)。该策略根据数据的访问热度和存储节点的关键属性特点,为每个数据设置动态的副本数,并选择合适的节点对副本进行布局。实验表明,MAO-DRLS策略能够有效地提升数据副本的利用率,缩短系统的响应时间。

云存储环境中的数据布局策略研究

对云存储系统环境中的数据布局策略进行了论述与总结。首先讨论了云存储技术的起源以及云存储系统不同于传统集中式存储方法和现有网络存储技术的独特特征,然后讨论了面向云存储系统的数据文件布局策略;考虑到云存储系统对于系统可靠性、可用性以及可扩展性等性能指标具有更高要求,接下来对面向云存储系统的数据副本布局策略进行了论述。数据布局策略对于云存储系统的性能指标具有重要决定作用,全文工作将为未来研究高能效的商用云存储系统奠定基础。

基于任务分配和数据集副本的科学工作流数据布局

云环境下科学工作流的数据布局成为当前工作流研究中的一个热点问题,对科学工作流中任务和数据之间多对多关系进行分析,可以发现不同数据布局方案在数据传输上的费用各不相同,在很大程度上影响工作流的运行成本。为降低科学工作流数据集传输费用,提出一种基于任务分配和数据集副本的科学工作流数据布局方法。该方法从任务分配开始,在定量计算任务依赖度的基础上进行任务分配,根据分配结果给出一个基于数据集副本的两阶段数据布局方法,以实现科学工作流运行中传输费用的优化。实例结果表明,与工作流层方法相比,该方法可以有效降低科学工作流的运行成本。

基于面向对象存储系统的对象及数据副本布局方法设计

面向对象存储是近年来存储系统领域的研究热点之一。与传统存储系统相比,面向对象存储系统具有高性能、可伸缩、更安全、更可靠的特点。针对面向对象存储的特点,本文给出了一种对象和数据副本的布局方法,并在原型系统上验证了实现。实验测试表明,这一布局方法能够很好地实现系统的负载均衡和可伸缩性。

兼顾网络带宽的节能云数据副本布局算法

由于云数据中心作为云应用服务的重要基础设施,在满足日益增长的用户需求的同时,也导致了云数据中心能耗的急剧上涨。为了降低能耗和提高云应用服务质量,通过全面考虑云数据中心的服务器和网络设备的能耗,兼顾网络带宽建立了云数据中心的能耗计算模型,提出了一种全新的以能耗优化为目标的云数据副本的布局算法,并通过Green Cloud验证了所提出的节能模型和算法的有效性。实验结果表明:提出的布局算法能有效降低云数据中心的能耗和对网络带宽的消耗,从而提升了用户对云应用服务质量的满意度。

基于并行计算的多副本空间数据离散布局策略

根据空间数据的特点及其关系,提出一个负载均衡的空间矢量数据布局目标,并结合特定环境,采用基于图着色理论的空间数据布局算法及多副本的数据安全机制,提高了空间数据部署在并行环境下,数据节点上任务的执行效率和数据安全性.实验结果表明,该布局方法能实现数据的均衡布局,兼顾了并行计算的效率和安全性,适应并行计算下更多的查询应用.