基于遗传算法的集群虚拟机资源调度研究

针对集群虚拟机的调度问题,提出了一种基于遗传算法的调度方法.此方法根据虚拟机调度问题的具体情况构造染色体和初始种群,进而根据选择、交叉、变异操作衍生种群.在适应度函数构建过程中,充分考虑了虚拟机调度中对CPU、内存、带宽的资源利用率要求、调度时间需求和服务费用需求.实验结果表明,本文调度方法获得的调度结果在资源利用率和执行时间方面都具有明显的优势.

关于集群虚拟机资源调度专利申请分析

随着互联网的快速发展和大数据的来临,基于数据密集型应用的集群计算框架不断涌现,计算框架都只面向某一类特定领域的应用.基于这一特点,互联网公司往往需要部署和运行多个计算框架,从而为每个应用选择最优的计算框架.集群资源统一管理和调度系统需要同时支持多种不同计算框架,如何管理集群计算资源和不同计算框架间的资源公平分配成为关键技术难点.本文从专利角度出发,对集群虚拟机资源调度领域专利申请状况进行了梳理.

云计算环境下基于负载平衡的数字图书馆虚拟机集群资源调度策略

为了解决云计算环境下,数字图书馆云数据中心虚拟机集群资源负载不平衡的问题,本文提出了一种云计算环境下,基于负载平衡的数字图书馆虚拟机集群资源调度策略。该策略可减少云计算环境下数字图书馆虚拟机的迁移数量,并改善云数字图书馆的用户服务质量。

FlatVC:云环境下虚拟机集群的扁平化版本控制

IaaS的发展使得云服务能够快速地部署虚拟机集群。然而,在部署过程中虚拟机群的版本控制效率不高。目前的版本控制方法存在网络负载大、操作速度慢的问题。提出一种新颖的虚拟机集群版本控制方法,叫做FlatVC。FlatVC在计算节点增量地生成虚拟机版本,以避免将版本数据传输至存储节点,并在虚拟机版本恢复时按需传输版本数据,因此减小了网络传输负载并加速了版本控制过程。通过使用缓存树结构来共享网络传输数据,FlatVC减小了根节点数据传输压力。此外,我们针对增量版本所构成的版本链进行了I/O优化,避免了版本链导致的性能下降。实验结果显示,FlatVC能有效地实施虚拟机集群版本控制,加速版本生成以及恢复过程。

虚拟机无人值守自动监护系统研究

为改善计算机网络的安全可靠性,本文研究了虚拟化计算环境下的无人值守自动监护系统,命名为Phoenix系统。Phoenix系统采用双层网络架构,其业务层具有虚拟机集群,其中的结点可以互相监护。当Phoenix系统中的虚拟机结点出现故障时,能够自动还原、重启,这是通过支撑层的真实设备来实现的。实践结果证明,Phoenix系统能有效减轻网络维护人员的工作量,提高系统的可靠性。

一种数据挖掘算法在Hadoop集群上的研究与实现

近年来,采集和处理大容量数据,从大量数据中提取出有价值数据的技术在不断提升。用户对庞大的数据迅速获取、发掘和分析处理,洞察有价值的数据、获得商业价值、帮助用户识别、实时决策、预测趋势并做出响应是数据挖掘的本质。根据用户的网络行为确定用户的品位与爱好,推荐给用户可能感兴趣的物品、新闻或好友,向企业提供实时状态更新的依据等,是数据挖掘的目标。协同过滤算法是数据挖掘的案例,也是最为热门的机器学习算法。阐述了基于物品的协同过滤算法在虚拟机Hadoop集群上的实现,探讨大数据挖掘技术的实现过程。