无线城域网综合资源调度策略设计与实现

宽带无线城域网是当今无线通信领域中的一个热点,而其中的资源调度策略直接关系到系统性能的优劣。本文针对IEEE802.16标准下的宽带无线接入系统设计了一套能够保证用户QoS的资源调度和分配方案,该方案由接纳控制方案、请求机会分配方案及带宽分配方案三部分组成,它的双层调度机制能够针对不同QoS等级的业务提供不同的调度方案,满足用户的QoS要求。

业务网络资源调度策略探讨

资源的智能调度是智能管道的基础,不同用户和不同业务的差异化服务保障最终都是要通过对资源的灵活调度实现的。在深刻分析业务网络现状的基础上,结合PCC架构体系,提出了中国电信业务网络资源智能调度的目标架构、演进步骤、关键技术及解决方案等,为中国电信业务网络的智能化资源调配提供了技术参考。

云计算环境中优化遗传算法的资源调度策略

资源调度是云计算的核心问题,传统的遗传算法虽然可以用于云计算环境中的资源调度,但是由于传统遗传算法存在收敛慢、易早熟等特点,所以这种算法并不适应于多聚类环境下的密集型任务调度。基于此,我们提出了云计算环境中优化遗传算法的资源调度策略以弥补传统遗传算法的不足。本文主要通过对云计算概念的介绍以及如何优化遗传算法的资源调度策略来展开讨论。

基于多级队列算法的ITS资源调度策略

资源调度是公交智能交通系统(ITS)建设中亟待解决的一类重要问题。文章抽象了公交资源调度问题的一般特征和要求，以多级队列算法为基础并将其加以改进，给出了一种适用于ITS的资源调度策略，并成功地应用于北京市公交抢修调度系统中。还对该策略应用中的具体的资源子集划分、多级队列建立、优先级动态调整机制及自动分配等关键技术进行了阐述。

基于虚拟机智能动态资源调度策略技术的研究

现有软硬件资源池中,各类业务系统分配的资源（CPU、内存和硬盘等）均通过人工分配,随意性较大,往往许多真实资源需求估算错误,造成资源服务能力不足,需要一种通过实际数据综合分析得出的各类软硬件资源的分配算法来提升各类资源的分配的科学性。重点研究了虚拟机智能动态资源调度策略技术,对软硬件资源池智能分析调控技术的研究对于提高资源利用率、节约能源和降低运营成本具有较为重要的意义。

容器云资源调度策略的改进

为了均衡利用容器云集群的资源,对Mesos的资源调度策略做了改进。改进的资源调度策略是在原有调度策略的基础上,把Mesos-Slave节点的CPU使用率、内存的占有率以及运行的容器个数考虑进去,并对三者加权来做为接下来资源调度的依据。最后通过改进前后集群资源利用率的对比,验证了改进后资源调度策略能够使集群资源利用率趋于均衡。

视频网格资源调度策略优化研究

针对传统的以服务器为调度主体的视频网格资源调度策略存在服务器间负载不均衡、没有考虑用户请求等问题,提出一种以用户请求为调度主体的资源调度策略。此资源调度策略以用户请求和各服务器的动态负载信息为决策依据来调度各区域的用户请求,依据该调度策略建立相应的调度模型,并利用运筹学软件Xpress-MP对该调度策略进行仿真验证及优化。实验结果表明,以用户请求为主体的资源调度策略能够有效地避免服务器间的负载失衡,加强了服务器间的协作能力,提高了资源利用率,从而保障了视频服务的质量。

基于层次分析与主成分分析的云存储资源调度策略

如何使数据调度到合理的存储节点,是提高云存储运行效率,解决其性能瓶颈所需考虑的关键问题。基于对现有云存储资源调度策略进行研究,针对其中判定因素不全面的问题,提出了一种新的资源调度策略,该策略结合了层次分析法与主成分分析法的各自优势,利用定性与定量的分析,综合考虑云存储环境中的各类指标,得到更加完善的资源调度判定因素及其权值分布,最后与OpenStack中的Cinder块存储资源调度策略进行对比分析。实验结果验证了该策略的有效性、稳定性,实现了更加高效的云存储资源调度。

视频通信的MCU资源调度方法综述

多点控制单元(MCU)资源调度方法正广泛应用于视频通信系统的实际应用场景,对视频通信整体性能和系统运营具有重要影响。对现有的MCU资源调度方法进行梳理,首先介绍视频通信中MCU资源调度过程,归纳MCU资源调度的目标与特点;然后,对现有MCU调度算法进行分类和讨论,比较各类调度方法的优势与不足;最后,讨论了现有MCU资源调度研究中取得的成效及存在的问题,并在此基础上对未来研究进行了展望。实现MCU设备云服务化等方式使得视频通信的MCU资源调度更高效,也有利于视频通信性能提升及长久稳定发展。

基于分配优先级的虚拟资源调度模型

分析虚拟资源调度策略在降低共享物理资源用户发起侧信道攻击可能性的同时,忽视了网络资源收益与用户安全需求的问题,提出一种基于分配优先级的虚拟资源调度模型。建立三层资源调度结构;量化用户安全与资源需求,综合排序生成虚拟资源分配优先级;以移动虚拟运营商收益建立模型。实验结果表明,相较当前资源调度模型,该模型能够提高虚拟运营商收益,兼顾用户安全需求和优质用户资源需要,增加恶意用户侧信道攻击的成本。

云计算资源调度算法比较研究

云计算系统的资源调度策略是影响云计算平台性能和效率的最主要因素,目前云计算关键技术与应用的快速发展促使资源调度成为业界研究的重点。本文首先介绍云环境下的资源调度模型及形式化描述;然后根据其不同的优化目标,对现有的调度算法进行详细的分析比较;最后,对云环境下资源调度的未来研究趋势进行了总结和展望。

云计算下的蚁群优化算法资源调度研究

针对云计算时代节点规模大、单个节点资源配置效率低等问题,基于Map/Reduce框架上提出利用蚁群优化算法对资源调度进行优化的算法,即:ACO1和ACO2,并在上述策略中引入双向蚂蚁机制.采用仿真实验检验所用算法有效性,实验结果证实,这两个使用双向蚂蚁机制的资源调度策略执行找寻任务所用时间更少,促使用户可以迅速获得虚拟机,确保用户开展作业可以按时完成。

面向虚拟资源的云计算资源管理机制

云计算为能够为用户提供基础作为服务(IaaS,Infrastructure as a Service)的计算能力,使得用户能够在使用高效、可靠、经济的计算资源的同时,不用增加额外的购置、维护资源的开销,这在很大程度上要依赖对虚拟资源的使用。因此如何有效地管理虚拟资源,使其使用率最大化并保证用户对资源使用的有效性,已成了眼下的攻关难题。针对这一问题,文章提出了一种面向虚拟资源的云计算资源管理机制,通过对虚拟资源的划分、预留及调度策略,为用户提供有效的IaaS服务。通过仿真实验结果表明,该方法能够提高虚拟资源的使用率及保证用户对资源使用的有效性。

无线Mesh网络中基于协同调度的流媒体传输控制的研究

在分析了无线Mesh网络(WMN)结构特点和传统动态源路由算法(DSR)的基础上,针对流媒体传输特点提出了视频子流的质量评估模型,通过此模型确立一种新型协同资源调度策略.大量仿真结果表明,基于该策略的DSR路由比DSR路由算法具有更好的平均传输速率和网络吞吐量.

基于层次结构化P2P的教育资源整合平台研究与设计

文章针对教育资源整合平台研发过程中遇到的关键技术问题,提出了基于层次结构化P2P架构设计的解决思路,并设计了相应的存储模式和基于动态自适应的资源调度策略。以适应高校用户对数字资源需求重复率高的特点,优化资源存放与传送效率。

网格化WEB集群思想及其后端节点的按需管理策略

WEB集群使用一组作为后端节点的系统资源,能够有效地解决传统WEB服务器的负载均衡及故障恢复问题,但是到目前为止,如何使WEB集群更有效地利用系统资源还没有解决方案。针对这一问题,文章提出了一种网格化WEB集群的思想,并针对WEB集群的后端节点提出了一种按需管理策略,仿真实验的结果表明,该方法能够有效地提高WEB集群对资源的使用效率。

基于移动代理的网格计算环境下的资源管理的研究

根据网格计算环境的各种特点 ,分析比较了网格计算环境下各种资源调度模型 ,得出采用分布式资源调度的体系结构和基于移动代理的资源管理策略的可行性和必要性。论述了在网格计算环境下引入移动代理技术对于解决网格计算问题的作用和优点 ,提出了基于移动代理的资源管理模型 ,并分析了在此系统中采用的资源发现算法及资源调度策略。

云计算资源优化问题求解的萤火虫算法

为了提高云计算资源利用率,结合云计算资源优化问题的特点,设计一种云计算资源优化问题求解的萤火虫算法.首先建立云计算资源负载调度问题的约束条件,以用户任务完成时间最少作为云计算资源负载调度优化的目标函数;然后通过萤火虫算法找到目标函数值最优的资源调度策略;最后在CloudSim平台上实现云计算资源负载调度仿真实验.实验结果表明,萤火虫算法减少了云计算任务完成的时间,均衡了云计算资源的负载,使云计算资源得到合理分配,且比其他算法优势明显.

算力网络和东数西算专题导读

随着中国“东数西算”工程的不断发展,由中国的电信运营商提出的算力网络技术逐渐成熟,其行业标准也持续成为产业界和学术界的研究热点。算力网络有哪些规划和实践?算力度量的研究进展如何?算力网络资源调度策略如何实施?算力网络路由策略应该如何考量和实践?算力网络的云边端协同调度技术研究进展如何?算力网络智能计算中心的关键技术有什么主要挑战?本期专题邀请了算力网络领域的专家进行撰稿,从不同的角度论述该领域的研究进展及相关成果。

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.