绿色云计算环境下基于资源整合的任务调度算法研究

为降低绿色数据中心的能耗,实现绿色通信的目标,在详细分析了绿色云计算的任务调度过程基础上,结合遗传算法具有较好的鲁棒性和分布性等特征,本文利用资源整合策略,设计一种新的遗传并行任务调度算法.该算法从资源整合和资源配置角度,充分考虑到绿色云计算平台的分布性和异构性等特征.仿真测试的实验结果充分显示出该算法在响应时间和能耗优化等方面,都明显优于其他算法.

面向绿色云计算的虚拟机迁移推荐

在以节约能源和提高能源利用率为目的的绿色云计算背景下,提出一种基于层次分析法的虚拟机迁移评估模型。该模型通过基于属性聚类的协同过滤方法,针对虚拟机的属性空间进行评分,给出了最佳绿色虚拟机迁移策略的决策方法。通过建立虚拟机任务资源使用率指标体系及两两比较矩阵,采纳五级评分制对虚拟机迁移及任务资源占用进行了评估。实验结果表明,提出的模型和方法能够显著提高云计算集群的能源利用率、节约能源的消耗。该方法对绿色云计算的研究具有重要意义。

一种面向绿色云计算的任务调度算法

任务调度时的服务器能耗是云计算系统动态能耗的重要组成部分。目前云计算带来的巨大能耗已经成为制约云计算发展的技术瓶颈,因此节约能源和提高能源利用率是实现绿色云计算系统的重要基础。为实现减少能耗和缩短任务执行时间的绿色云计算目标,将遗传算法和蚁群算法相结合,提出了一种动态融合的任务调度算法。该算法利用遗传算法全局搜索查找能力强的优点寻找任务调度的较优解,并将该较优解转化为蚁群的初始信息素值,再通过蚁群算法的蚁群信息交流和正反馈机制寻找任务调度问题的最优解,以有效降低云计算数据中心和计算中心的能耗。仿真实验结果表明,所提出的任务调度算法显著降低了云计算系统计算的运行时间和总能耗。

绿色云计算数据中心能耗资源调度优化关键技术研究

云计算要想顺利实现其主要功能,离不开两大基础技术,分别是资源的分配和任务调度,其中,资源的分配效果将直接影响到云计算的运行效果和处理能力。基于此,有必要针对云计算数据中心的资源调度进行优化,从而降低云计算的能耗,同时有效提高云计算的运行效率。文章分析了基于传统Map Reduce调度模型,设计并行的Map Reduce资源分配算法,进而达到良好的能耗控制效果和运行效果,取得良好的实践运行效果。

动态数据聚集算法的绿色云计算数据中心分析

动态数据聚集计算方法主要包括节点聚集、数据聚集两个方面的内容,实现了绿色云计算数据中心系统的统筹管理,结合不同时段节点和数据的使用情况,将数据集聚起来,重新部署各数据节点,逐步实现了有序化聚集,保证了计算储存节点可持续正常运转。本文通过仿真实验,详细的分析了该算法的各项性能,总结与探讨了面向绿色云计算数据中心的动态数据聚集算法的重要意义。

基于绿色云计算的能耗优化与资源分配研究

任务调度和资源分配是云计算的两大关键技术,资源分配决定着资源使用规则,关系到云计算的执行效率和并发处理能力。针对绿色云计算中的资源管理与调度过程,在Map Reduce调度模型基础上,设计一种并行Map Reduce资源分配算法。实验结果表明,该算法在能耗优化和执行时间方面都优于Map Reduce算法。

绿色云计算的任务调度与能耗优化机制研究

云计算技术的日益更新,使得云计算服务的用户规模也不断增大,但其中存在许多不合理的任务调度策略,从而导致了大量的能源浪费。绿色云计算根据用户需求,针对任务调度模块提出一种行之有效的实施方案,从而降低云计算系统能耗。基于负载均衡机制和动态任务调度策略,设计了一种绿色云计算体系结构和能耗优化模型。实验结果证明了该方法的可行性和有效性。

基于绿色云计算平台的等价黄金分割资源分配优化算法研究

针对绿色云计算环境下的资源分配问题,本文提出了一种等价黄金分割资源分配优化算法(Equivalent Gold Partition Resource Allocation Optimization,EGPRAO).该算法充分利用了黄金分割策略和等价区间划分优化模型的优点,在资源分配中实现了全局和局部搜索的平衡.在构建合理的资源分配环境和高效的任务执行环境方面,该算法比目前已有的资源分配策略具有更低能耗、更高效率的优点.在CloudSim测试平台中,该算法取得了比较理想的实验结果.

基于蚁群优化算法的绿色云计算虚拟机迁移策略

为了提高绿色云计算的能源利用率并降低其能耗,提出了一种基于蚁群优化算法的虚拟机迁移策略,该策略的目标是最小化云计算中心能耗的同时保证服务质量.首先,通过预设资源利用率阈值,找出低负载和过载的物理机;然后通过迁出低负载和过载服务器节点上的虚拟机,达到节能的目的;最后,根据虚拟机迁移列表,采用蚁群优化算法快速寻找虚拟机迁移最佳物理机.仿真结果表明,与其他算法相比,本文提出的迁移策略的执行时间和能耗最小.

基于绿色云计算的数据中心动态数据聚集算法研究

在当前的社会环境当中,电子计算机技术以及信息网络技术的快速发展,让人们领略到了世界的广阔,以及数据信息的繁杂特性。现阶段,云计算等先进的科学技术在各行业领域普及应用开来,给人们的生活与工作带来了诸多便利。通过分析目前云数据中心设备能耗以及数据访问规律,得出了绿色云计算影响下的数据中心动态数据聚集算法,并以此创建了云计算数据模型。本文就基于绿色云计算的数据中心动态数据聚集算法进行探究,以期为该项目的研究注入更有益的资料内容,并为相关领域的实践带来启示。

随机任务在云计算平台中能耗的优化管理方法

针对云计算系统在运行过程中由于计算节点空闲而产生大量空闲能耗,以及由于不匹配任务调度而产生大量"奢侈"能耗的能耗浪费问题,提出一种通过任务调度方式的能耗优化管理方法.首先,用排队模型对云计算系统进行建模,分析云计算系统的平均响应时间和平均功率,建立云计算系统的能耗模型.然后提出基于大服务强度和小执行能耗的任务调度策略,分别针对空闲能耗和"奢侈"能耗进行优化控制.基于该调度策略,设计满足性能约束的最小期望执行能耗调度算法ME3PC(minimum expectation execution energy with performance constraints).实验结果表明,该算法在保证执行性能的前提下,可大幅度降低云计算系统的能耗开销.

云环境下绿色任务调度策略

针对云计算数据中心的能耗问题,提出了绿色云计算体系理论,设计了绿色云系统架构;基于该架构,将能量作为一种系统资源进行分配,提出了三种绿色任务调度算法分别是STF-OS、LTF-OS和RT-OS算法;对三种绿色任务调度算法可行性做了相关的理论分析,三种算法可以有效地减少能源消耗;通过扩展云计算仿真平台CloudSim实现了模拟实验,结果表明STF-OS算法降低数据中心能耗的能力最优。

一种基于云计算环境下的降低能耗RECMSA算法

各种研究表明云计算中心的能耗问题已经成为研究云计算的一个新领域。云计算中心在运行过程中存在空闲的服务器节点,这些服务器节点会产生不必要的空闲能耗,以及由于任务调度不科学而产生大量能量浪费问题。针对这些问题,提出一种基于云计算环境下的降低能耗RECMSA算法。首先,建立云计算环境的能耗模型。然后,利用云计算中心的平均资源利用率将服务器节点分为两类,使用RECMSA(ReduceEnergy-Consumption-MigrationScheduling-Algorithm)算法对两类服务器节点进行匹配和调度,目的是通过迁移和调度后既要让云计算中心的资源利用率提高,又要让云计算中心的整体耗能降低。实验结果表明,该算法在能够完成任务的情况下,达到提高资源利用率和降低整体能耗的目的。

中国联通信息化云计算工作探讨

在云计算时代,运营商需要将自身网络智能和控制能力与云服务有机结合,提出集成、高效、可靠的云平台信息化发展战略。文章以中国联通云平台试验工作为依托,分析目前运营商信息化云计算发展思路和标准化工作,并根据实际情况介绍桌面云和绿色数据中心的建设情况,为电信级的云服务运营提供参考依据。

绿色云环境下的大数据管理模型

致力于调查和研究节能和绿色云基础设施领域的开放挑战,提供实施和评估云环境可能性的软件是CloudSim,使用CloudSim来演示和提出的模型。研究并提出了一个基于云联合网络的系统框架,便于更好地利用大数据管理。实验结果表明,提出的模型具有巨大的潜力,因为它在节省成本和增大工作负载情况下,在数据管理方面有显著的性能提升。

基于主动队列管理算法的绿色云模型

针对5G网络低能耗和低延迟的要求,提出一种基于主动队列管理(Active Queue Management,AQM)算法的绿色云模型,该模型利用增强的随机早期检测算法并结合链接虚拟列表来实现数据包的智能优先排序,通过降低重传次数和减少排队延迟来减轻聚合层队列中的拥塞,在无需修改现有基础设施的基础上实现系统的低延迟和低能耗,达到节能环保的目的。研究结果表明:提出的模型与传统的Cloud模型、Femtolet模型相比,在吞吐量、延迟以及能耗等三个方面效果更好,本文的方法是有效的。

云数据中心基于负载预测的物理主机状态检测策略

针对云数据中心现有物理主机状态检测算法对提高云数据中心物理资源的利用率效果不明显问题,提出了基于负载预测的物理主机状态检测策略(load prediction based physical host status detection,LP-PHSD),LP-PHSD利用时间序列和二次指数平滑法预测出物理主机在未来一段时间内的资源利用率情况,同时结合绝对中位差方法,确定资源利用率动态阈值边界,选择适当的时刻进行迁移,提高物理资源的利用效率,降低能量消耗。LP-PHSD包括源物理主机状态检测和目标物理主机状态检测2个部分,可以很好地判断出虚拟机迁移的时刻。实验表明,经LP-PHSD策略优化后的新虚拟机迁移方法与近几年的BenchMark迁移模型比较起来,云数据中心的总体能量消耗降低,虚拟机迁移次数减少,云服务质量明显提高。

基于休眠模式与信息可视的云用户接入阈值策略的研究

休眠模式广泛应用于绿色云计算环境下的虚拟机(VM)集群中。为了揭示云用户的纳什均衡行为,最大化云系统的社会收益,针对周期性休眠机制,面向云用户触发的网络业务,研究接入阈值策略。在完全可视条件下,求解新到达云用户的预期逗留时间,并建立基于线性收支结构的个人收益函数,得出云用户个人最优接入阈值。面向唤醒状态和休眠状态设置不同的缓存容量,构建多重同步休假模型。运用高斯赛德尔方法,给出排队模型的稳态解,得出云用户社会最优接入阈值。数值实验揭示出在不同虚拟机状态下云用户社会最优接入阈值均小于个人最优接入阈值,为优化云计算环境下的用户接入控制提供了理论依据。

基于代价感知的云任务处理策略

绿色云计算旨在保证服务质量的前提下,最大限度地降低云服务成本.针对这一问题,提出一种兼顾云数据中心高性能和低成本的策略,通过虚拟机动态迁移等技术进行云任务聚合,关闭空闲的节点以最小化能量消耗,同时考虑虚拟机迁移性能,以此保证任务的服务质量.实验结果表明,代价感知的策略可以减少打开节点的个数,兼顾迁移能耗和迁移延迟,在节能的前提下使服务质量得到保证.

云数据中心基于组的多虚拟机迁移策略

提出了基于组的多虚拟机迁移策略GBM-VMM(Group Based Multi-Virtual Machine Migration Model).GBM-VMM在虚拟机组选择的过程中,考虑了虚拟机迁移的时间代价和额外的能量消耗对主机响应时间的影响,根据资源的运行状态及组内剩余虚拟机的连接度(Degree of Connection,DoC)来完成候选迁移虚拟机组的形成.仿真结果表明:与常见的单虚拟机和多虚拟机迁移策略比较起来,GBM-VMM使得云数据中心的各类性能指标都可以改善,该实验结果对于其他企业构造节能云数据中心有很好的参考价值.