基于负载特征的虚拟机迁移调度策略

为提高虚拟机迁移时的资源利用率及服务可用性,提出一种基于负载特征的虚拟机迁移调度策略。针对节点的触发类型和虚拟机的负载特征,采用多阈值方式触发迁移,完成对拟迁移的虚拟机以及迁移目标节点的选择。实验结果表明,该策略能够实现虚拟机迁移的自主管理,并能提升资源的使用效率,具有较好的自适应性。

助力外骨骼负载特征与驱动特征耦合效应

针对助力外骨骼在蹲起姿态中由不同负载特征所引起的驱动失效问题,为了研究负载特征对关节驱动的影响,建立考虑负载特征的助力外骨骼蹲起姿态动力学模型,研究负载特征与关节驱动特征的耦合关系.基于Lagrange动力学理论及矩阵理论,推导出多刚体系统动力学建模矩阵法,得到助力外骨骼关节驱动力矩及驱动功率方程.通过人体机器多视觉运动捕捉测量实验及非线性拟合,得到各关节的角位移、角速度及角加速度.研究结果表明:负载质量与踝关节及膝关节驱动特征为线性强耦合,与髋关节驱动特征为分段线性弱耦合;负载位置与髋关节驱动特征为分段线性强耦合,负载姿态与髋关节驱动特征为分段非线性耦合,负载位置及负载姿态与踝关节及膝关节驱动特征无耦合效应.

一种适应负载特征的入侵检测方法

针对网络环境不断变化和规则分类的不均匀问题,提出一种既考虑规则特点又考虑负载特征的高效检测方法,该方法能动态生成适应负载特征的规则匹配树,并在Snort上实现.实验结果表明,该方法不仅可解决网络入侵检测系统(NIDS)丢包率高的问题,而且能极大减少每个包或事件要检测的规则集,从而提高了检测效率.

云计算环境下基于负载特征的数字图书馆虚拟机迁移调度策略

虚拟机动态迁移技术是虚拟化领域最重要的技术之一。为了有效降低图书馆大规模云数据中心的能量消耗,保证用户的服务等级协议(S L A),提高虚拟机迁移时的资源利用率和服务可用性,提出了一种云计算环境下基于负载特征的数字图书馆虚拟机迁移调度策略。该策略可实现虚拟机迁移的自主管理,并能够提升资源的使用效率,具有较好的自适应性。

基于CUPTI接口的典型GPU程序负载特征分析

基于图形处理器(graphics processing unit,GPU)加速设备的高性能计算机已经成为目前高性能计算领域的一个重要发展趋势.然而,在当前的GPU设备上开发高效的并行程序仍然是一件非常复杂的事情.针对这一问题,1)总结了影响GPU程序性能的5类关键性能指标;2)采用NVIDIA公司提供的CUPTI底层接口,设计并实现了一套GPU程序性能分析工具集,该工具集可以有效地分析GPU程序的性能行为;3)采用该工具集对著名的GPU评测程序集Rodinia中的17个程序和一个真实应用程序进行了负载特征分析.总结出常见性能瓶颈的典型原因,并给出一些开发高效GPU程序的建议.

分布式存储系统中的日志分析与负载特征提取

对运行在文件系统上的工作负载进行分析有助于优化分布式文件系统的性能,且对构建新型存储系统至关重要。由于工作负载的复杂性和规模多样性的增加,使用基于直觉的分析来显式地捕获工作负载踪迹的特征是不完备的。针对这一问题,提出了一个分布式日志分析与负载特征提取模型。首先,从分布式文件系统日志中根据关键字抽取出与读写相关的信息;其次,从统计与时序两方面对负载特征进行描述;最后,分析基于负载特征进行系统优化的可能。实验结果表明,提出的模型具有一定的可行性与准确性,且可以较为详细地给出负载统计与时序特征,具有低开销、高时效、易于分析等优点,可以用来指导具有相同特征的工作负载的合成、热点数据监测、系统的缓存预取优化。

平台和负载特征感知的在线图分割算法

分布式图计算在许多领域有着广泛的应用,图分割是分布式图计算的基础.已有分割算法大多只考虑图的简单拓扑特性,它们将图计算系统视为同构系统,或最多考虑CPU计算能力及通信带宽的不同.然而,目前包含GPU的异构计算系统已经越来越普遍,由于GPU独特的并行计算架构和并行计算模式,不考虑GPU计算特点的图分割算法不能获得异构环境下最优的分割方案.本文通过分析及实验发现,计算负载特性对于估算处理节点的图计算时间有很大的帮助.在此基础上,本文提出度变异系数和分片通达度两个负载特征参数,给出了通过数据集采样和离线测试获取负载特征参数到处理器负载计算时间的映射关系的实用方法,并结合以上工作实现了一个平台特性和负载特征感知的在线图分割算法.在真实图数据集上的测试表明,相比于工业界和学术界领先的图分割算法,本文提出的方法可获得最优的图分割方案,可令图计算系统的整体执行时间减少50%~70%.

一种基于负载特征预测的容器云弹性伸缩策略

当前主流的容器云平台Kubernetes,利用基于阈值的弹性伸缩策略提供弹性伸缩服务时存在2个问题:一是不区分应用类型,采用单一指标不能准确衡量复合型应用负载情况;二是在应用遭遇暂时的负载增减时容易造成伸缩抖动,导致额外的系统耗费和资源浪费.针对上述问题,提出一种基于负载特征预测的容器云弹性伸缩策略,该策略利用不同的负载特征区分应用类型,对复合型应用类型采取多个指标衡量负载情况;为减少无谓的伸缩抖动,该策略同时利用应用的负载预测值和当前负载值共同进行伸缩决策.实验结果表明,与Kubernetes基于阈值的弹性伸缩策略相比较,该策略能更准确衡量CPU?MEM复合型应用负载情况,在应用遭遇暂时性负载增减时能减少无谓的伸缩抖动.

云负载特征分析综述

从负载特征分析的基本方法入手,总结了统计、聚类、拟合、随机过程等数据分析技术在云负载特征分析中的应用;从虚拟机、任务、应用程序三个层面,综述了云计算分析方法和负载特点;以典型云负载数据Google Trace相关研究为例,针对谷歌集群负载的异构性和动态性特点,研究谷歌集群中作业和任务的负载特征。

基于应用层负载特征的EVDO流量分析

文章整合、比较分析了几种数据网业务分析的技术思路和方法,重点对应用层负载特征签名的技术思路进行了EVDO数据业务实例分析和研究,验证了该技术思路的有效性并对应用场景作出了描述。

结合报文负载与流指纹特征的恶意流量检测

SSL/TLS协议的恶意流量检测数据集来源单一,而传统检测方法通常将网络流量的五元组特征作为主要分类特征,但其在复杂网络环境下对于恶意流量的检测准确率较低。为此,提出一种改进的加密恶意流量检测方法。采用数据预处理方式将加密恶意流量划分为报文负载和流指纹两个特征维度,在规避五元组信息的情况下根据报文负载和流指纹特征描述网络流量的位置分布,并通过逻辑回归模型实现加密恶意流量检测。实验结果表明,在不依赖五元组特征的条件下,该方法对复杂网络环境下SSL/TLS协议加密恶意流量的检测准确率达到97.60%,相比使用五元组与报文负载特征的传统检测方法约提升36.05%。

云计算环境下负载—功耗特征测试与分析

为了实现云计算数据中心的高效节能的工作负载调度,必须首先研究虚拟机层面不同的工作负载和功率消耗之间的关系。在现有研究的基础上,通过对服务器虚拟机层面的功耗度量与分析,研究多种硬件、软件、负载条件下,虚拟机中不同类型的工作负载对功耗的影响特性,这对于能耗的度量、建模、管理、优化等都具有重要的意义。

应用层负载特征定义及自动提取方法

针对现有网络流量识别中应用层负载特征提取方法对训练数据中字节值变化较为敏感的问题,首先定义了一种新的以位为最小特征单位的网络流量应用层负载特征,然后设计了相应的自动提取方法。通过3种常用标准协议的实验表明,自动提取方法可以快速获得负载特征,特征识别结果准确性高。对QQ私有应用协议的实验表明,使用获取到的负载特征进行网络流量识别,可以满足实际网络中对QQ网络流量识别的要求。

基于负载特征的虚拟机动态迁移决策算法

虚拟机动态迁移算法要求在不中断对外实时服务的条件下迁移虚拟机资源,同时要求宕机时间非常短、迁移操作对用户透明。要达到迁移算法的目标,在不同的应用场景下选择合适的迁移算法至关重要。本文提出一种虚拟机动态迁移决策算法,通过分析不同虚拟机动态迁移算法的性能,基于虚拟机负载特征,决策出最优迁移性能的算法。实验结果表明,该算法能够针对不同的负载类型准确地选择最优的迁移算法,相对主流的预拷贝迁移算法能够有效减少迁移时间和停机时间。

负载相关的虚拟机放置策略

虚拟化技术抽象了物理计算资源层,将系统资源以资源池的方式进行集中管理,不仅提高了硬件资源利用率,而且可以提供按需服务,因此在企业服务器整合、数据中心、云计算平台中得到了广泛应用.为了满足峰值性能,传统多虚拟机系统常采用过量分配策略,因此造成系统资源的浪费.本文通过分析不同虚拟机的负载特征,提出并实现了一个基于负载特征的虚拟机放置策略.本文利用各种虚拟机负载的互补度,进行多次迭代配对,得到由多台虚拟机组成的配对组,对配对组进行统一分配资源.实验表明,本文提出的方法可将资源利用率较传统方法提高37.5%,较非迭代配对方法提高12.5%.在使用更少的物理机的同时,保持虚拟机性能基本不变.

混合部署数据中心失效负载分析

数据中心工作负载混合部署在显著提升云数据中心的资源利用率的同时,也增加了调度的复杂性和作业的失效率。以阿里云发布的数据中心日志数据集cluster-trace-v2018为例,从离线批处理工作负载角度出发,详细地分析了不同类型工作负载在成功率和资源利用上的特征。主要发现如下:1)少量类型作业的失效会影响集群整体作业成功率并造成集群资源的浪费;2)伏羲分布式调度系统在任务故障切换执行时间上满足高斯分布,在任务调度延迟方面满足齐夫分布;3)通过分析失败实例在集群节点上的分布,发现集群作业发生失败在空间上具有随机性,且失败的实例很容易再次发生失败,而在时间上集群整体失败率则存在不平衡性;4)以任务实例的失效为基准,计算了集群节点的平均无故障时间,大部分节点的平均无故障时间在1000 s左右,小部分节点的任务实例失效率低,其平均无故障时间可达10000 s以上。

大数据负载特性及基于内存技术的优化

涌现于社交网络、电子商务中的超大规模非结构化数据标志着大数据时代的到来。大数据的多样性、超大规模和可扩展性等特征对运行平台产生新的要求。随着大数据的产生和发展,形成了具有代表性的信息体系结构,包括编程模型、虚拟化和分布式文件系统等。随着对大数据研究的深入,通过对大数据负载特性的分析,发现制约大数据的并不是计算能力,而是I/O延迟,采用基于内存的分布式文件系统,用于存储和处理大规模分布式文件系统查询的索引,可以有效降低I/O延迟,提高应用性能。

谈负载伏安特性曲线在电除尘器检修中的应用

本文主要介绍如何利用负载伏安特性曲线对电除尘器进行检修。

基于SOM神经网络的电网谐波源检测与定位研究

谐波对电网及其中正在运行的设备都会产生较大影响,且电网中谐波源的位置和所注入谐波大小具有较大的随机性和非线性,为了准确确定电网中谐波的产生位置,提出了一种基于SOM神经网络的电网谐波源检测与定位方法。该方法主要将电网中与公共连接点（PCC）连接的各母线及各类型负载单独运行时的负载特征为训练样本建立判断网络,并以此为标准对谐波源位置进行判断,最终确定谐波源所在位置。通过基于Matlab2014a仿真平台实验证明,将实时运行过程中在PCC点所测得的负载特征加入判断网络中,即可完成对于谐波源位置的判断,经过多组待测负载检测结果表明此判断网络具有较高的判断准确率。因此,该方法对于电网中谐波源的检测及定位可取得较好效果,具有一定的工程应用价值。

基于支持向量机的移动Web浏览性能优化研究

随着网页内容和功能的丰富以及用户体验需求的提升,移动Web浏览中的计算能耗与日俱增.DVFS(Dynamic Voltage and Frequency Scaling)技术在同构多核架构中取得较好的节能效果,但在异构多核架构中,由于系统默认的调度策略没有充分利用低功耗核心,导致高性能核心的工作频率和时间往往高于实际需求,浪费大量电能.而面向异构平台的Linux HMP(Heterogeneous Multi-Processing)技术也没有充分利用异构平台的特性,无法对能效进行有效的提升.针对上述问题,该文面向移动异构平台,提出了一种基于支持向量机的CPU配置预测模型.首先选取500个热门网站主页,分析其主页面的架构(HTML)及样式(CSS)信息,进行特征选择;遍历不同CPU配置渲染网页,记录获得最优加载时间、能耗及EDP对应CPU配置;最后在线下利用支持向量机自主挖掘网页特征同最优配置的内在关系,以此构建移动异构平台的CPU资源调度预测模型.该模型通过分析网页特征,根据不同的优化目标,为渲染引擎分配合适的处理器资源.实验结果显示,同目前最先进的一种线性回归预测模型相比,该文提出的CPU资源调度模型在加载时间、能耗和EDP上的性能得到显著提升.