基于仿生自主神经系统的节能高效云调度研究

为了实现兼顾性能和能耗的高效云调度管理机制,提出了一种基于仿生自主神经系统(BANS)的云调度管理系统。建立了理论模型来评估和分析重要的性能及能耗指标,并利用纯利润优化模型均衡性能和能耗之间的制约关系;基于理论分析结果,进一步利用最优性分析和自主触发机制实现了动态灵活的局部资源管理,同时,采用启发式算法来获取面向用户请求分发的全局最优调度策略。实验结果展示了重要的性能—能耗制约关系,同时也表明,相比传统负载均衡调度机制,局部自主资源管理可以在纯利润上带来约60%的显著提升,全局请求调度还将进一步带来约15%的提升效果。

基于仿生学原理的云资源自主监控系统设计与实现

为了解决现有监控系统因主控节点功能太过集中而导致某些时刻网络流量过大、系统扩展性差和无法及时应对节点失效的问题,提出了一种基于仿生自主神经系统(BANS)的新型云资源监控系统。首先,系统中引入了多级存储、分批上报的机制,将需要上报的监控信息分批次分时段上传汇总,使得在任何单一时刻系统内不会产生过大的流量和负载,保证了系统的稳定性;其次,系统中加入了类动态主机配置协议(DHCP)的主动发现机制以及定期轮询策略,使得系统在处理新节点加入,节点故障问题时,获得了类似仿生自主神经系统一样的自组织、自修复能力。实验结果表明,基于BANS的云资源监控系统实现了自组织与自修复的功能,并且可以有效降低系统内的通信流量,某些单一时刻能将流量降低到仅有原来的三分之一。