基于Ceph集群的能耗管理策略研究

数据中心能耗高是云计算发展过程中一个亟待解决的关键问题。建立了一个集群能耗优化模型,并在此基础上提出了一种基于Ceph集群的数据副本放置策略。该策略在考虑集群可用性和容错性的同时,采用了顺序存储和随机存储相结合的存储方法,使得Ceph集群在满足用户SLA需求和保证集群性能的前提下,达到节能的目的。实验结果表明,与原始Ceph集群相比,该数据副本放置策略在保证集群服务质量的同时,使得数据中心耗电量降低了14.3%。

基于人工智能技术的天气现象视频监测系统

为获得更加清晰的天气现象视频,实现对极端天气的精准监控,设计基于人工智能技术的天气现象视频监测系统。按需配置监测主机,并将视频显示模块、信息处理模块接入既定模块单元之中。利用人工智能技术,优化已被占用的Ceph集群,通过分析天气信息需求的方式,确定完整的视频处理流程,完成监测系统的软件执行环境搭建,结合相关硬件设备结构,实现基于人工智能技术的天气现象视频监测系统的设计与应用。对比实验结果表明,与基于深度学习网络的预报系统相比,在人工智能技术作用下,天气现象视频的平均清晰度水平超过了5.0 pi,对监控极端天气提供技术支持。

基于Docker的云资源弹性调度策略

针对云资源弹性调度问题,结合Ceph数据存储的特点,提出一种基于Docker容器的云资源弹性调度策略。首先,指出Docker容器数据卷不能跨主机的特性给应用在线迁移带来了困难,并对Ceph集群的数据存储方法进行改进;然后,建立了一个基于节点综合负载的资源调度优化模型;最后,将Ceph集群和Docker容器的特点相结合,利用Docker Swarm实现了既考虑数据存储、又考虑集群负载的应用容器部署算法和应用在线迁移算法。实验结果表明,与一些调度策略相比,该调度策略对集群资源进行了更细粒度的划分,实现了云平台资源的弹性调度,并在保证应用性能的同时,达到了合理利用云平台资源和降低数据中心运营成本的目的。