基于包簇映射的云计算资源分配策略探究

随着社会经济的蓬勃发展,云计算领域也在逐渐扩张,其规模也在日益壮大,而越来越多的资源分配与管理方面等问题也凸显出来。与此同时,国内大多数云计算企业的数据管理资源部门通常以虚拟设备为工作中心,为客户提供所需的设备个数和匹配资源,包括储存卡、显示器等,甚至可能还要包含外显设施。因此,云计算企业应当在满足自身需求的同时,减少资源的浪费,利用现代计算模式重新评估云计算资源分配过程中的服务成本,以达到云计算行业绿色、节能的最终目标。据此,针对当下时代发展的要求,文章以云计算资源发展与分配现状为出发点,浅析了当前包簇映射框架,阐述了基于包簇框架的云计算资源分配策略,希望为未来云计算资源分配策略探究提供新方向。

基于包簇映射的云计算资源分配框架

在云计算资源调度中存在着结构复杂、数据量庞大的可扩展问题,针对该问题提出了一种基于包簇映射的资源管理框架。该框架下包内允许资源共享,当指定资源共享使用模式后,资源调配更具灵活性。将改进的基于包的遗传算法运用到该框架中,采用染色体组方式和资源方式进行编码,根据染色体长度变化设计交叉算子和变异算子,将簇的个数与包的资源相互整合,并且通过抽象模型来降解问题规模。实验结果表明,在基于包簇映射框架下的遗传算法与传统的以虚拟机为中心框架下的遗传算法和基于包簇框架的首次适应算法相比,在CPU利用率方面分别平均提高9%和5%,在内存利用率方面分别平均提高14%和7%。实验结果表明,所提出的包簇框架下的遗传算法能有效减少簇节点的使用数量,提高资源利用率。

包簇映射框架下的云资源分配优化算法研究

在云数据中心,资源分配是云计算系统应用中的核心技术。当前云计算资源在分配过程中,或多或少存在收敛慢、易早熟、资源分配效率低等缺点。为了解决该问题,引入包簇映射框架,提出基于混沌扰动遗传算法。该算法是将遗传算法和混沌搜索机制相结合,以降低成本和提高资源分配效率为目标,利用个体之间的差异性对种群进行初始化,改进种群的交叉变异和适应度函数。通过贪心修正进行合理的云资源分配,采用仿真软件CloudSim进行实验,对其性能进行实验分析。实验结果表明,该方法可以有效提高资源分配效率和收敛速度,具有较好的广泛应用价值。

基于包簇映射的云计算资源分配策略

提出了一种基于包簇映射的云计算资源分配策略。在包、簇概念下,资源可共享,任务调度更为灵活,资源利用率更高。将多目标遗传算法与改进的蚂蚁算法动态融合,提出了一种基于成本最优的云计算资源分配算法。该算法在任务前期利用遗传算法快速随机的全局搜索能力,产生初始信息素,在任务后期通过蚂蚁算法蚂蚁间的信息交流和正反馈机制,寻找资源分配的最优解。实验结果表明,在包、簇概念下,该混合式调度算法能够显著降低云计算系统的任务完成时间和任务执行平均成本,有效减少簇结点的使用数量,提高资源利用率。

基于包簇概念的云资源分配成本优化模型

针对云数据中心因传统资源管理方式造成云服务成本过高问题,文中提出一种基于包、簇概念的资源集中管理分配优化模型。将用户的具体需求抽象为一个个独立的需求包,将数据中心的各类资源整合成一个个资源簇,并将CPU、RAM、带宽作为指标,建立成本评估模型,利用基于包簇概念下的改进粒子群算法,实现需求包到资源簇的部署映射。仿真实验结果表明,该优化模型可以有效降低资源分配过程中的营运成本,稳定提高资源平均利用率。

基于分布式包簇映射的云资源分配策略

传统以虚拟机为中心的管理方式在可扩展性和灵活性方面存在严重问题,其资源分配往往被视为约束优化问题和简化成多维装箱问题,随着云计算市场规模越来越大,很难在规定的时间内求得最优解,针对该问题提出了一种基于分布式包簇映射的资源管理框架。本文以系统负载均衡为目标,将服务器划分为若干个服务器集群,减小问题规模,然后在每个服务器集群完成包簇映射进一步减小问题规模,并利用模拟退火算法实现全局最优解。将提出的基于分布式包簇映射框架与基于包簇框架的遗传算法进行比较,试验结果表明,随着簇个数的增加,提出的基于分布式包簇映射调度方法在大规模云资源分配负载均衡上有明显的性能优势,有效的减少了簇的个数。

基于包簇框架平衡蚁群算法的资源分配策略

随着云计算的高速发展,云数据中心的规模和数量也越来越大,云数据中心的资源利用率与能耗一直是处于不断优化中的重要问题。本文提出了一种基于包簇框架的资源分配策略,该策略使用包簇框架实现资源管理,使用包簇框架下的平衡蚁群算法实现资源分配,从而提高云数据中心的资源利用率并降低数据中心的能耗。通过最后的仿真实验,该策略在提高数据中心的资源利用率和降低能耗方面具有显著的作用。

包簇框架中基于匈牙利算法的云计算能耗优化

针对原来以虚拟机为中心的放置策略中层次扁平、结构复杂等问题,使用一种基于包簇映射的虚拟机分配框架,目标是最大限度地降低所有物理机的总能耗。为了快速找到最优或近似最优解,在包簇映射框架的基础上,建立一个有效的能源模型,并且设计一种改进的匈牙利算法,实现包簇分配。实验表明,该算法可以比一般的能耗算法以及启发式能耗优化算法更快地解决问题,在分配速度和能耗优化方面有比较明显的优势。

包簇框架云资源分配规划

大量云计算数据中心建立的同时,维持数据中心的正常运转产生了巨大能耗。针对高能耗的问题,提出一种包簇框架下服务器预留分配规划算法。该算法不再以传统虚拟机为中心的资源分配方式作为模型,而是提出全新包簇框架模型下实现虚拟机到服务器的映射。利用中心极限定理来确定要预留服务器的数量,通过恒定数量的服务器从闲置状态转换为待机状态。这样不仅有效减少了服务器开关机的次数,而且能第一时间满足用户需求。资源分配规划运用0-1背包算法,将同一级别的包映射到同一级别的簇,该过程递归重复,直到所有包映射到簇。实验表明,该算法不仅降低了能耗,还提高了资源利用率,起到有效节能的作用。

面向成本优化的包簇机制虚拟化资源分配

现阶段,以虚拟机为中心的云数据中心在资源分配的成本控制方面仍需改进。针对此问题,文中以验证基于包簇分配机制在成本控制方面要优于现有的基于虚拟机机制为目的。对分配问题所涉及的成本因素进行了优化,同时考虑在某个簇上对一个单位的资源使用一个时间槽的成本及使用成本随时间的变化,而从得到了基于包簇框架下的成本函数。采用仿真数据,通过整数规划得到一组基于包簇分配的营运成本数据,并且使其与传统的基于虚拟机分配的成本进行对比,从而验证了包簇分配机制下成本函数的可用性及有效性。

基于包簇框架的云计算能耗优化算法

文中针对以虚拟机为中心的云计算分配模式中结构复杂、分配困难等问题,采用了一种基于包簇结构的分配框架。在此基础上提出了一个有效的能耗模型,并将二进制粒子群算法进行改进,通过调节自适应的权重,提高了包簇分配算法的速度和准确性。实验表明,改进的二进制粒子群算法在收敛速度和寻优能力方面更加优于传统的二进制粒子群算法。相较于以虚拟机为中心的分配算法,基于包簇框架下的改进二进制粒子群分配算法提升了CPU使用率,有效降低了能耗,更加绿色节能。

基于包簇映射架构的包漂移策略研究

数据中心资源分配问题一直以来都是国内外研究的热点问题。鉴于此,在包簇框架下提出一种包漂移策略。该策略首先利用“包簇”模型的分层思想降解虚拟机与服务器之间的映射复杂度,根据簇上资源负载,采用模糊C均值聚类方法(FCM)对其进行分区;然后根据最大相关性算法选择包加入待漂移队列,并设置该队列中包的处理优先级;最后依据漂移成本和资源匹配度构建概率模型为待漂移包挑选最佳的目标簇。在CloudSim仿真平台对文中包漂移策略进行实验仿真,结果表明该方案能有效提高数据中心服务质量和资源利用率,同时在降低能耗方面也有不错的表现。

基于包簇映射机制的实验平台建设及应用

从一般云平台和项目的实际需求出发,结合包簇架构,利用CloudStack开源云平台,设计一种基于包簇映射机制的实验平台。该实验平台采用分层的设计方法,包含硬件设施层、虚拟资源层、调度层、包簇中间件层以及用户应用层,将传统以虚拟机形式的资源申请转换成以需求包的形式进行申请,同时用户可以指定其需求包结构及每个包所需的物理资源。通过对云平台调度原理的分析,阐述如何将项目中涉及的包簇部署算法应用到该实验平台中,为后续改善项目的研究成果提供实验依据。最后选取云计算管理平台的6种重要的管理功能,通过对基于包簇机制的实验平台和CloudStack、OpenStack这2种云管理平台进行整体功能测试,结果表明本文的包簇实验平台提供了较全面的管理功能,具有一定的应用市场。

水溶性金单层包覆团簇的制备与光学性能分析

采用硼氢化钠在水溶液中还原氯金酸,并以水溶性硫醇巯基丁二酸在生成的金核表面包覆单分子层的方法,制备了单层包覆金团簇(MPC)。傅里叶变换红外光谱仪结果表明,巯基丁二酸与金形成了Au-S键,并得到了Aux(SR)y形式的MPC。TEM照片显示,当Au和S的物质的量的比为1∶3时,金MPC的核尺寸约为2 nm。探讨了制得的金MPC的紫外-可见吸收特性及荧光特性,发现金MPC水溶液在520 nm附近无紫外吸收现象,而在451及480 nm波长紫外光激发下,可在796 nm附近观察到明显的荧光现象。反映表面等离子基元共振的520 nm附近吸收峰的消失是量子尺寸效应作用的结果。荧光现象与金MPC表面全充满的5d10和6(sp)1导带间的带间跃迁有关。

二氧化硅包覆金纳米团簇的制备及其靶向胃癌细胞和移植瘤双模式成像

目的:制备二氧化硅包覆的金纳米团簇(silica-coated gold nanocluster,AuNC@SiO2),探讨以其为显像剂靶向胃癌MGC-803细胞荧光成像以及胃癌移植瘤模型中CT成像的双模式成像的可行性。方法:采用层层包硅法制备得到AuNC@SiO2,将其和肿瘤细胞标志物叶酸(folic acid,FA)偶联,MTT法检测偶联物AuNC@SiO2-FA对MCG-803细胞的毒性作用,激光共聚焦显微镜观察其靶向胃癌细胞荧光成像的可能性;以MG-803细胞皮下接种BALB/c裸鼠建立移植瘤模型,采用CT成像系统采集胃癌移植瘤内注射AuNC@SiO2前后的CT信号,探讨AuNC@SiO2在移植瘤模型中CT成像的可行性。结果:成功制备了形貌均一、分散性良好、具有良好荧光光学特性的AuNC@SiO2,AuNC@SiO2和AuNC@SiO2-FA在500 mg/ml时对胃癌MGC-803细胞和正常胃黏膜GES-1细胞的毒性均较低。在细胞学实验中,AuNC@SiO2-FA能够有效地靶向胃癌MGC-803细胞而非正常GES-1细胞,从而清晰地荧光成像;在裸鼠胃癌移植瘤模型中,肿瘤部位注射AuNC@SiO2后CT信号明显增强,HU值由注射前的129.16上升到383.32。结论:AuNC@SiO2能够用于荧光和CT双模式成像,AuNC@SiO2-FA能靶向胃癌细胞荧光成像。

基于术前MRI征象对微血管转移模式阴性孤立性肝细胞癌的预后价值研究

目的 :评估术前MRI征象对微血管侵犯(microvascular invasion, MVI)和血管包绕肿瘤细胞簇(vessels encapsulating tumor clusters, VETC)阴性的孤立性肝细胞癌(hepatocellular carcinoma, HCC)患者行根治性切除术后无复发生存率(recurrence-free survival rate, RFS)的价值。方法:对99例术前行钆塞酸二钠增强和根治性切除术后经组织病理学证实MVI和VETC均为阴性的HCC患者进行回顾性分析。评估患者的术前MRI征象、术前临床参数及术后病理特征,通过Cox回归分析确定与患者RFS相关的独立危险因素。基于最大选择秩统计法确定最佳截断值,将患者分为高、低风险亚组,采用Kaplan-Meier法和对数秩检验比较两组患者的RFS。结果:在中位随访时间为29.73个月的随访期内,99例MVI和VETC阴性的孤立性HCC患者中,复发35例(35.35%)。多因素Cox回归分析显示,动脉期环状高强化[HR2.405(1.062~5.448), P=0.035]和动脉期瘤周强化[HR 2.672(1.230~5.806), P=0.013]是RFS的独立危险因素。最佳截断值为-0.310,高、低风险亚组之间RFS差异有统计学意义(P=0.002)。结论:术前MRI征象有助于预测微血管转移模式阴性孤立性HCC患者根治性切除术后的RFS,并可实现术后复发风险分层。

肝细胞癌血管包绕肿瘤细胞簇阳性的危险因素分析及其风险评分模型的应用价值

目的:探讨影响肝细胞癌血管包绕肿瘤细胞簇(VETC)阳性的危险因素及VETC风险评分模型的应用价值。方法:采用回顾性横断面研究方法。收集2017年1月至2020年4月国内2家医学中心收治的149例(江南大学附属中心医院97例和河北医科大学附属邢台市人民医院52例)肝细胞癌患者的临床病理资料;男116例,女33例;年龄为(58±12)岁;VETC阳性74例,VETC阴性75例。观察指标:(1)VETC阳性与阴性患者的临床特征。(2)VETC阳性与阴性患者的影像学检查特征。(3)影响肝细胞癌患者VETC阳性的多因素分析。(4)VETC风险评分模型构建和效能评估。(5)模型预测和组织病理学检查确定的VETC阳性和阴性患者术后早期肿瘤复发情况。正态分布的计量资料以x±s表示,组间比较采用t检验;计数资料以绝对数表示,组间比较采用χ^(2)检验或连续校正χ^(2)检验。将临床特征和影像学特征有统计学意义的变量纳入多因素分析,多因素分析采用Logistic回归模型向后逐步回归法。根据Logistic回归模型结果构建VETC风险评分模型。绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC)、灵敏度、特异度和准确度及其95%可信区间(CI)。约登指数最大值为预测VETC阳性最佳截断值。VETC风险评分模型的预测值与真实值一致性采用Hosmer-Lemeshow拟合优度检验。采用Kaplan-Meier法计算生存率和绘制生存曲线,Log-rank检验进行生存分析。结果:(1)VETC阳性与阴性患者的临床特征。术前白蛋白<36 g/L的VETC阳性患者为57例,VETC阴性患者为68例,两者比较,差异有统计学意义(χ^(2)=5.13,P<0.05)。(2)VETC阳性与阴性患者的影像学检查特征。VETC阳性患者影像学检查特征中非周边廓清,马赛克结构,病灶内出血,晕环状强化,不光滑的肿瘤边缘,动脉期瘤周强化,瘤内动脉,肝胆期瘤周低信号,强化类型(均匀低强化、均匀高强化、不均匀强化伴裂隙、不均匀强化伴不规则环状结构),肿瘤坏死或缺血及肿瘤长径>5 cm分别为73,35,33,15,39,28,42,27,(4、5、27、38),45,46例,VETC阴性患者上述指标分别为64,16,13,3,19,15,9,13,(9、35、5、26),10,10例,两者上述指标比较,差异均有统计学意义(χ^(2)=8.92,11.15,12.97,9.28,11.74,5.77,33.14,6.96,41.79,36.05,37.86,P<0.05)。(3)影响患者VETC阳性的多因素分析。多因素分析结果示:强化类型为不均匀强化伴裂隙、强化类型为不均匀强化伴不规则环状结构、肿瘤坏死或缺血、肿瘤长径>5 cm是影响患者VETC阳性的独立危险因素(风险比=4.18、7.62、4.23、4.08,95%CI为1.60~11.60、2.00~31.70、1.71~10.90、1.60~10.80,P<0.05)。(4)VETC风险评分模型构建和效能评估。构建VETC风险评分模型:VETC风险评分=(不均匀强化伴裂隙,有:1.0,无:0)+(不均匀强化伴不规则环状结构,有:1.5,无:0)+(肿瘤坏死或缺血,有:1.0,无:0)+(肿瘤长径>5 cm,有:1.0,无:0)。VETC风险评分模型AUC为0.86(95%CI为0.80~0.92),灵敏度、特异度和准确度分别为79.7%(95%CI为69.2%~87.3%)、80.0%(95%CI为69.6%~87.5%)和79.9%(95%CI为72.7%~85.5%)。Hosmer-Lemeshow拟合优度检验结果显示:模型预测的VETC结果与术后组织病理学诊断结果一致性良好(P>0.05)。(5)模型预测和组织病理学检查确定的VETC阳性和阴性患者术后早期肿瘤复发情况。149例患者均获得随访,随访时间为29(26~35)个月,肿瘤复发时间为29(24~33)个月,2年肿瘤累积复发率为43.0%。模型预测的VETC阳性和阴性患者术后2年肿瘤累积复发率分别为47.8%和37.9%,两者比较,差异有统计学意义(χ^(2)=3.90,P<0.05)。术后组织病理学检查确定的VETC阳性和阴性患者2年肿瘤累积复发率分别为47.4%和38.1%,两者比较,差异有统计学意义(χ^(2)=4.20,P<0.05)。结论:影像学特征的强化类型中不均匀强化伴裂隙或不规则环状结构、肿瘤坏死或缺血、肿瘤长径>5 cm是影响肝细胞癌患者VETC阳性的独立危险因素;以此构建的VETC风险评分模型具有良好的术前诊断效能。

Gd-EOB-DTPA增强MRI评估肝细胞癌微血管转移模式的研究进展

微血管侵犯(microvascular invasion,MVI)和血管包绕肿瘤团簇(vessels encapsulating tumor clusters,VETC)是肝细胞癌(hepatocellular carcinoma,HCC)组织内基于不同的微血管结构和不同分子机制形成的两种血源性转移模式,与患者的术后复发及治疗方式密切相关。由于目前主要通过术后的组织病理学检查进行确诊,因此寻求一种无创的术前评估MVI和VETC的方法至关重要。目前已经提出较多基于钆塞酸二钠(gadolinium ethoxybenzyl diethyle netriamine pentaacetic acid,Gd-EOB-DTPA)增强MRI的影像征象用于预测MVI和VETC,在此基础上发展起来的影像组学及人工智能更是提高了预测的准确性,成为近年来的研究热点,人们尝试建立各种影像组学模型来预测HCC的微血管转移模式。本文将从Gd-EOB-DTPA增强MRI影像征象及相关影像组学和人工智能技术评价MVI和VETC的研究现状展开综述,并尝试探讨各项技术在临床实践中面临的主要限制及未来的改进研究方向,以期促进相关研究的发展,帮助临床医生选择合适的治疗方式,提高患者生存率。

面向云数据中心资源均衡分配需求的聚类调度算法研究

针对云数据中心资源利用率较低、能源消耗较高的问题,提出了基于资源需求差异的资源均衡调度策略。在包簇框架模型基础上,利用与资源需求相关的距离度量因子,将资源需求差异大的包通过改进的k-means算法进行聚类;利用资源之间的相关性作为包与簇之间的距离,在资源分配的过程中使包能够集中映射到簇中,从而减少簇的使用个数。实验结果表明,在包簇框架的概念下,基于资源需求差异的改进后的k-means聚类算法能够优化包聚类步骤,资源调度算法能够提高云数据中心各类资源利用率、降低资源分配过程中产生的能耗,具有有效性和可扩展性。

基于萤火虫优化算法的资源再分配方法研究

为解决数据中心能耗高以及资源利用率低等问题,在包簇框架下提出一种基于萤火虫优化算法的资源再分配方案。该方案采用首次适应算法对虚拟机进行初始分配,然后利用包簇映射框架分层思想降解问题规模,结合萤火虫优化算法将资源利用率低于预设阈值的簇上的包以尽可能低的动态漂移能耗进行漂移,并通过关闭这些簇来降低数据中心能耗并提高资源利用率。在cloudsim仿真平台对文中构建的资源再分配方案进行实验仿真,结果表明该方案在降低能耗和提高资源利用率方面均有不错表现。