海量数据云存储优化模式的设计与仿真

在对海量数据云存储优化过程中,由于海量数据具有数据量大,伸缩性强的数据节点特征,使得海量数据客户端和云存储服务器之间网络带宽存在干扰。传统的海量数据云存储模式由于受到干扰对网络节点数据包的影响,导致无法实现海量数据的有效云存储,降低云存储的存储效率。提出采用分布式计算的海量数据云存储优化模式,首先从海量数据的管理人手,对空间数据和非空间数据的不同特点进行分析,塑造一种分布式的存储模式,在通过分布式数据虚拟化管理和面向信息汇聚的数据调度机制,完成对海量数据的云存储,并给出云存储结构图及分布式元数据集的基本结构。然后采用定向随机游走规则传输网络中各源数据包,在源数据包抵达所要访问的网络节点后,从全部邻居节中选择一个节点继续进行访问。仿真结果表明,所提方法提高存储效率提供了依据。

网络通信能量资源优化调度仿真研究

对网络通信能量资源进行调度优化的过程中,由于资源的多样性,异构性,自治性的特点,使得执行所需能量与时间容易出现关联性低的情况,传统的资源调度算法,能量消耗与时间消耗值由于低关联性的干扰,取值不明确,导致资源利用率低,无法有效实现资源调度。提出一种基于时间尺度分析的网络通信能量资源调度算法,分析网络通信能量资源调度问题描述,给出了时间消耗子模型。引入一个代价函数,用于描述任务由资源执行所需的能量消耗与时间消耗的总和。通过MQoS向量可对一个服务资源的物质属性与社会属性进行描述,实现云计算网络空间资源的描述。对资源向量矩阵进行归一化处理,获取规范化矩阵。对各维QoS指标设置权值,依据云计算用户服务需求的异构性,进一步细分成欧氏距离算法。仿真结果表明,所提算法具有很高的调度优越性。