基于云计算的虚拟机在线迁移算法

构建了在线迁移算法模型和虚拟机负载评估向量,并依据各物理节点的带宽占用率、内存占用率和CPU占用率,确定迁移时机和需要迁移的源物理节点,依据CPU在各节点的占有率、ROM的使用效率、带宽的利用率来确定目标物理节点。通过仿真模拟环境试验证明,文中算法在虚拟机在线迁移中能够大幅度地提高物理节点的负载均衡,同时SLA违反率最小和云计算数据中心能耗最小。     

云计算中虚拟机放置多目标优化

提高云计算系统资源利用率一直是云计算研究的重点内容之一。基于此,将传统的多目标蚁群算法进行改进,并结合排除法解决虚拟机放置的多目标优化的问题,该算法可以通过信息素的不断更新,最终收敛得到最优解。主要考虑了服务级合约违背率（S）、资源损耗（W）、电源消耗（P）3个因素。实验结果表明,与传统的启发式方法和遗传算法相比,该算法有利于并行计算,能够在多个相互冲突的目标间实现最优权衡和折衷,在服务级合约违背率较少的情况下,系统资源浪费和电源消耗最少,具有可行性。     

云计算数据中心能耗优化研究综述

针对云计算数据中心能源消耗过高问题,分析了当前数据中心节能的相关研究成果,将数据中心计算节点的能耗优化方式分为基于动态电压频率调整、基于关闭空闲服务器和基于虚拟化技术的能耗优化3类,分别以综述方式进行总结。讨论了数据中心其它设备的能耗优化策略,预测了未来研究方向,可为数据中心能耗优化相关研究提供参考。     

绿色云计算的任务调度与能耗优化机制研究

云计算技术的日益更新,使得云计算服务的用户规模也不断增大,但其中存在许多不合理的任务调度策略,从而导致了大量的能源浪费。绿色云计算根据用户需求,针对任务调度模块提出一种行之有效的实施方案,从而降低云计算系统能耗。基于负载均衡机制和动态任务调度策略,设计了一种绿色云计算体系结构和能耗优化模型。实验结果证明了该方法的可行性和有效性。     

基于绿色云计算的能耗优化与资源分配研究

任务调度和资源分配是云计算的两大关键技术,资源分配决定着资源使用规则,关系到云计算的执行效率和并发处理能力。针对绿色云计算中的资源管理与调度过程,在Map Reduce调度模型基础上,设计一种并行Map Reduce资源分配算法。实验结果表明,该算法在能耗优化和执行时间方面都优于Map Reduce算法。     

一种基于能量感知的云计算环境下虚拟机部署策略

高能耗已经成为云计算数据中心的一个重要课题。[1]本文提出了一个基于CPU和内存的二维贪婪型启发式算法,在部署虚拟机的过程中有效地实现了CPU和内存两种密集型服务的组合,同时考虑了虚拟机的服务时间单元,减少了虚拟机的迁移;采用的双阈值策略保障了服务质量并进一步减少了能耗。实验表明该算法具有较好的性能。     

快速部署虚拟机的新方法

在vSphere虚拟化环境下,利用虚拟机模板的增量备份可以实现虚拟机的数据保护,更重要的是实现虚拟机的快速部署,这种方法不仅适用于vSphere虚拟化环境,而且可以推广到其他任何虚拟化环境或云环境下,为整体信息服务质量的提升提供有力的支持。     

基于虚拟机的云计算管理平台

作品介绍 采用虚拟化技术构建一个云计算平台方案,同时采用SpringSource中的软件工具,开发一套面向虚拟Hadoop集群的管理平台：vCirrus。通过该平台配合虚拟机,可以方便的搭建一个Hadoop集群,对该集群进行监测和管理,还可以收集大量的系统运行信息,为整个云计算系统的维护和优化提供较好的依据。     

基于虚拟机的云计算管理平台

作品介绍采用虚拟化技术构建一个云计算平台方案,同时采用SpringSource中的软件工具,开发一套面向虚拟Hadoop集群的管理平台:vCirrus。通过该平台配合虚拟机,可以方便的搭建一个Hadoop集群,对该集群进行监测和管理,还可以收集大量的系统运行信息,为整个云计算系统的维护和优化提供较好的依据。     

高性能计算平台中基于云计算的虚拟机优化调度研究

虚拟机资源在云计算环境的分配是云计算的重要技术环节,虚拟资源是否能被高效调用是制约是云计算效率的重要指标.本文提出一种引入蚂蚁相遇机制的改进蚁群算法,并将其应用到云计算虚拟机资源调度中.     

基于KVM的虚拟机网络性能优化研究

随着服务器虚拟化及桌面虚拟化技术的普及,越来越多的高校选择将传统PC操作系统迁移到虚拟化环境,从而有效提高了硬件和软件利用率。而虚拟机的网络性能直接影响着用户体验,从网络性能评测指标出发,介绍了基于KVM+QEMU的虚拟机网络优化的一般方法,进一步分析探究了一种以SR-IOV模式为基础的虚拟机网络性能优化方案。实验结果表明,该方案提高了虚拟机系统的网络带宽,减少了网络延迟,整体性能提高了25%以上,有效提升了用户体验。     

云计算:Xen虚拟机与VMwareESX虚拟机性能及稳定性对比研究

通过对Xen虚拟机和VMware虚拟机在性能及稳定性方面的对比测试研究,分析了两者在性能及稳定性方面的差异。测试采用对照实验法,即在相同的物理条件下,分别测试Xen虚拟机内部应用性能、Xen虚拟机稳定性与VMwareESX虚拟机内部应用性能、VMwareESX虚拟机稳定性。测试结果表明,无论是虚拟机内部应用的性能还是虚拟机稳定性,Xen虚拟机均与VMware虚拟机有一定差距。     

云计算实验平台虚拟机镜像的管理与维护

针对云平台在实验教学应用中出现的一些问题,设计实现了虚拟机镜像管理与维护系统。通过在云平台的持续集成环境中部署脚本,实现对镜像的缓存、回收、更新升级等维护功能,给出了维护模块的具体实现方法和维护管理流程。镜像的管理和维护有利于虚拟机保持良好运行,使云平台可以快速创建实验环境和及时回收实验资源,为实验教学提供有效的环境支撑。     

基于分簇能耗聚集的云计算多目标任务调度算法

在云计算环境下的多分簇目标的任务调度是提高软件嵌入式系统稳定性的关键,由于云计算中能耗扩散,在多处理器集群多目标任务调度中出现任务调度优先级列表混乱,调度性能不好的问题.传统方法采用节点行为信息流特征分析方法进行任务调度,随着分簇能耗扩散,收敛性不好.提出一种基于分簇能耗聚集的云计算多目标任务调度算法.待分析任务调度信息流的分层能耗聚集轨迹峰值往往含有重要的信息,提取待分析任务调度信息的能耗特征,构建云计算多目标任务调度模型,实现对云计算多目标任务调度算法的改进.仿真结果表明:采用该算法能有效提高云计算多目标任务调度效率,任务执行时间较短,系统稳定性高.     

云计算环境下的一种并行任务调度负载均衡算法

云计算是在其虚拟化技术之下提供动态可扩展性资源,通过互联网提供服务的一种并行计算技术。本文提出了一种基于云计算环境下的一种并行任务调度负载均衡算法(Parallel Task Scheduling Balancing Algorithm)。实验结果表明,该算法在负载相对均衡的前提下,在响应时间和执行时间方面有较好的表现,能有效地满足用户需求的服务水平。     

基于云计算的数据中心虚拟机管理平台的设计

随着数字化校园和绿色校园的深入开展,校园网各项业务逐渐自动化和集成化。大连理工大学基于VMware虚拟化技术构建了安全高效的数据中心,并对校内各部门提供虚拟机服务。然而在虚拟机申请和管理维护过程中涉及大量人工操作,这构成了数据中心管理瓶颈。基于云计算思想设计了虚拟机管理平台,并以Web服务虚拟机申请为例介绍了该平台的功能。该管理平台对提高虚拟机管理效率有重要意义。     

分布式Web服务的负载均衡优化算法

负载均衡是实现集群中多台服务器协同工作的重要方法.但现有办法较多关注的是如何更好的实现均衡的问题,而没有注意到当集群中服务器变化时,会发生缓存存储发生变化的问题,给服务器造成很大的负担.对负载均衡算法进行优化,提出一种一致性哈希算法,实现负载均衡和提高集群整体性能的目的.     

基于能量分块均衡算法的网络多基站路由能耗调整

针对现有方法处理下网络生命周期较短、路由能耗速率较大以及数据包接收量较低的问题,提出基于能量分块均衡算法的网络多基站路由能耗调整方法.将EEUC路由协议与多基站下路由管理DSP设计相结合,使簇头能够承担更多数据传输任务.通过统计分析特征提取结果结合线性预测方法实现对路由能耗的准确预测,得到网络多基站路由能耗数据过载的概率密度函数.根据预测结果输出能量消耗数据,依据能量分块均衡算法,通过均衡簇头能耗实现对网络多基站路由能耗的均衡.实验结果表明,该方法有效减缓了路由能耗速率,提高了网络生命周期与数据包接收量,使能量得到了充分利用.     

基于虚拟机迁移的云计算资源动态调度策略

随着各大数据中心的建立,数据中心达到成千上万台服务器的规模。计算节点之间存在差异性,传统调度算法很难满足计算中心资源调度,主机之间难免出现负载不均衡,直接影响了云平台提供服务的能力,造成资源浪费。根据数据中心的实际情况,基于现有环境下各种主流资源调度策略,针对资源分配与主机运行时动态调度两方面提出完整的资源调度策略方案,提高数据中心计算能力,避免不必要的资源浪费,显著改善数据中心服务质量,实现各种资源负载均衡。