突发浪涌数据下差异云平台的弱关联数据调度

突发浪涌数据下差异云平台数据间的关联性破坏概率逐渐增加,降低了数据在冗余环境下查询效率。按照突发浪涌数据下云平台的弱关联数据调度特征,通过基于Apriori的弱关联数据挖掘方法,采集突发浪涌数据下差异云平台的弱关联数据,通过改进离散粒子群算法优化任务节点数字串的编码形式,实现数据调度任务,对粒子位置更新公式进行优化,采用优化离散粒子群算法进行节点寻优,获取最佳调度节点集,实现突发浪涌数据下差异云平台的弱关联数据调度。实验结果表明,该调度方案能够优化云平台资源的使用效率和服务响应时间,提高了总执行效率,节省了云资源,具有较高的节能开销比和用户满意度。     

基于任务信息流特征尺度谱分析开销折减算法

云平台多处理器的任务调度是解决庞大用户群中庞大任务量和数据量的关键,云平台中任务调度的计算性能影响整个系统的运行效率。提出一种基于任务信息流特征尺度谱分析的开销折减算法,采用可分解特征下的云平台任务同步开销折减算法,通过构建复杂通道下多处理器运行环境下的云平台任务调度整合基础模型,进行任务节点信息表征,使用GSM、TD-SCDMA、TD-LTE和WLAN,实现多处理器和多通道任务调度,计算各任务匹配资源的效率,得到资源相似度,基于任务信息流特征尺度谱分析方法计算每个任务的特征尺度,得到尺度优化的开销折减目标函数。仿真结果表明,采用该算法进行任务调度,具有较高的执行效率,CPU利用率高,网络开销折减幅度较高,提高了数据通信效率。     

基于量化特征的云资源平台自适应调度方法

通过对云资源平台的自适应调度设计,优化整合云存储空间资源,提高系统的运行效率和资源利用率。在云资源平台任务执行中收到用户行为特征干扰因素较多,调度响应出现时滞,传统方法采用基于时间尺度分析的云资源调度方法,当资源出现随机性干扰时受到网络延迟的影响较大,性能不好。提出一种基于量化特征提取的云资源平台自适应调度方法。构建资源调度平台的总体框架结构,进行资源信息特征提取,采用云资源量化特征提取结果作为调度系统的输入函数,对多源资源信息系统访问特征进行最小方差估计,整个调度过程是一个严平稳的随机过程,通过量化特征提取,能保证对云资源各个调度节点的遍历历经性,提高调度准确性。仿真结果表明,采用个算法能有效实现对云资源平台的自适应调度,抗干扰能力强,资源利用率较高。     

改进的云资源调度自相关匹配数据融合算法

提出一种基于自相关匹配滤波和云间相似程度特征提取的云资源调度数据融合算法。设计了基于云资源调度的云计算海量数据处理平台,构建数据融合预处理模型,在云资源调度系统中,设计自相关匹配滤波器,得到融合特征分簇重构空间,对特征进行模式匹配,得到后置处理滤波器的系统函数,实现了对云资源调度自相关匹配数据融合算法的改进。仿真实验表明,该算法能高精度、高平稳地实现云资源调度数据的融合,对云滴数的要求极低,数据处理效果较好,云资源调度执行任务数、云资源调度总任务完成时间、用户满意度等指标优于传统方法,展示了较好的应用价值。     

基于半带滤波分块采样的计算任务排序算法

在计算机信息管理中,需要对计算任务按优先级或复杂度进行优化排序,实现计算效益优化。研究云计算信息系统中的计算任务优化排序算法,提高数据管理和调度的效率。传统方法采用子带合成滤波方法进行任务排序,计算开销和执行时效性方面性能不好,提出一种基于带滤波分块采样的计算任务排序算法。计算在整个计算机信息管理基站的每个站点的合计成本,根据信息匹配相关度进行资源搜索,计算任务分配时半滤波分块采样的收敛函数,得到基于半滤波分块采样的任务排序二元假设检验分配模型,实现任务优先级排序优化。仿真结果表明,采用该算法对云计算信息系统中的计算任务进行排序,能有效准确地确定计算任务的优先级,减少任务冲突,提高任务执行效率,在计算机信息管理和任务分配中具有较高应用价值。     

基于时间和成本的自适应云计算调度算法

资源使用一直都是研究的重点,由于云计算中需要处理的任务量与数据量都十分巨大,为了能够更好地合理分配云计算资源,有效地调度任务执行,使得用户能够在短时间和低成本中完成目标,本文提出了一种基于时间和成本的遗传算法,通过对任务完成的总时间、总成本以及任务平均时间和任务平均成本四个主要因素进行分析,构建了相应的适应度函数,改进后的算法能够有效的解决云计算的时间和成本的因素,仿真实验中通过与近年来几个较新的其他改进云计算算法相比,本文算法具有更高的调度效率。     

基于异构集群环境下Hadoop作业调度优化的研究

随着计算机技术的发展与信息化的普及,大规模数据处理已经成为计算机产业界的焦点问题和学术界的研究热点。Hadoop是云计算的分布式开源的实现平台,在大规模数据处理方面有着高容量、低成本等优势,也是一个运行在大型集群之上的并行处理系统。Hadoop云平台上的调度算法是对用户作业进行资源分配和调度执行的程序,它的选择合适与否直接关系到用户作业的执行效率。因此,对Hadoop上作业调度算法的研究和改进优化就显得极为重要。本文通过实验验证作业重调度具有更好的响应时间和吞吐量,具有良好的负载均衡,并且大大提高了Hadoop系统在异构平台上的性能。     

一种求解云计算资源优化的改进蝙蝠算法

为了最大限度优化云计算资源分配中的执行速度,平均响应时间和系统利用率,提出一种基于高斯差分变异蝙蝠算法(GDMBA)的云计算资源调度优化方法。首先引入高斯差分变异改进蝙蝠算法,避免蝙蝠个体陷入局部最优,改进后的算法加快了收敛速度,提高了收敛精度,然后采用GDMBA对资源调度进行寻优。仿真实验表明,GDMBA有效提高了算法性能,在云计算的资源调度中有效优化了云计算系统中的资源调度能力,提高了云计算资源的利用率。     

云模糊循环堆栈应急调度耦合态势优化模型

在特大地震灾害等突发事件救援力量和资源应急智能调度中,需要构建调度网络,应急调度网络的耦合态势的优化设计,对提高调度网络的活力和效率至关重要。提出一种基于云模糊循环堆栈的应急调度耦合态势优化模型,基于基本交汇点疏散特征与可控疏散网络的构建原则,构建网络模型,网络配置中涵盖了紧急疏散的规划和政策制定、路径选择、救灾物资发放和资源的合理配置、以及灾后重建等。设立工作区、装备区、指挥部等,进行正确的区域、场所的划分和设定。对突发事件应急调度网络的能量节点进行模糊循环堆栈控制设计,得到救援力量最优配置,增强突发事件应急调度网络系统的稳定性,实现对网模型的耦合态势优化控制。仿真结果表明,该模型能有效提高应急救援的吞吐性能,突发事件的应急救援和资源调度的响应时间缩短,性能提高。     

基于云计算循环加密的服务器响应效率优化

研究在云平台环境下的网络交互数据优化加密技术以提高云计算服务器的响应效率,降低服务器响应时间。传统方法采用行为子网络动态密钥构造模型实现云计算循环加密,无法有效满足用户在Possion分布下服务器响应效率。提出一种基于云计算循环加密的服务器响应效率优化算法。构建云平台环境下的网络数据交互模型,采用云计算速度调节动态优化技术提高服务器的响应效率,采用码元频数检测的加密和解密方案,构建云平台环境下的数据交互节点拓扑模型,根据节点剩余度规则,得到后代节点失效过载比,通过部分链路失效多路径加密方法使得数据聚集具有很高的容错功能,进而提高服务器响应效率。仿真实验表明,算法具有较好的数据加密准确性,该方法能有效缩短云计算服务器响应时间。     

云平台下基于量子度分配的算法协同实现

大运算量算法的分布式协同实现是解决该算法实现问题的重要途径。提出一种云平台下基于量子度分配的算法协同实现方法,首先将所有的调度任务等效为量子态,采用量子动态来衡量任务的实时调度执行情况,然后通过统一的管理节点实现系统最优化调度。最后采用实际算法进行系统调度测试实验,结果显示,采用云平台下基于量子度分配的算法,相对于传统调度方法,系统整体效率提高了32%,具有很好的应用价值。     

基于任务聚类策略的云计算资源调度研究

云计算是信息时代的新型的计算模式,代表着下一代的互联网技术。资源调度和管理是云计算的关键技术之一,资源调度的目标包括满足用户服务质量、提高资源利用率、节点负载均衡等,为此有必要借助各种调度策略与各优化算法对资源调度方案进行优化,以提高任务和资源的匹配效率。聚类是将物理或者抽象的对象集合依据相似程度划分为若干类群,源于数学、统计和经济等领域,并广泛应用于很多领域。在云计算资源调度中,用户任务的资源需求特征异同,本文基于相似分治的思想,对用户任务进行聚类处理后优化调度是云计算资源调度研究的一个有效思路。实验仿真表明,任务聚类策略有效地提高了后续任务资源调度优化的效率。     

模糊云计算环境下特定数据目标资源识别定位

在模糊云计算环境下,需要对特定数据进行识别定位,实现目标数据信号的准确检测和访问。传统方法采用先分层后分支的数据目标资源识别定位算法,定位识别性能计算复杂度较大,准确度不高,提出一种基于通信开销缩减和冗余任务删除的特定数据目标资源识别定位技术。首先对DAG图中的任务进行任务归并,然后将DAG图分层,从整个任务图的全局出发考虑任务的优先级,构建模糊云计算模型,设计模糊云计算核函数,创建多个线程的信息流特征编码,考虑对整个任务图调度时间起决定作用的关键任务,设计通信开销缩减算子,将调度列表头结点分配到使其具有最小最早完成时间的处理器内核上,提高对特定数据的目标资源定位识别性能。仿真实验得出,该算法定位精度较高,对目标资源的冗余任务进行有效删除,明显提高了任务调度效率,收敛性能较好。     

网格市场中服务质量驱动下的任务调度算法

针对资源提供方不能完成用户所有任务的情况,提出一种服务质量驱动下的任务调度算法,即预算和截止时间限制下的最大任务完成数调度算法(DBCN).这种批调度算法结合了Min-min算法吞吐量较高和线性规划全局优化的优点,不仅考虑了用户的所有任务,同时还考虑了优先级较高的任务.实验结果表明,该算法在任务完成总数方面比经典算法Min-min和DBCT分别提高了约10.6%和22.0%,在优先级高的任务完成总数方面也有大幅度提高,分别约为20%和40%.     

基于Docker集群的公文管理信息研究及实践

在烟草公文管理信息系统应用中,传统的主从模式的分布式数据库资源运用已经存在较多的瓶颈问题。Docker容器作为底层云平台虚拟化技术,对集群性能进行实时监控和资源实时合理调度,构建弹性集群,保证各种云服务平台低成本、高效、稳定的运营,大大提高云平台的资源利用率,更加有效的应对网络峰值,提供高吞吐率和低延迟的服务。我们致力于研究以Docker技术的云技术在我国烟草行业内使用。     

改进的云平台数据中心资源调度算法研究

针对现阶段提出的虚拟机资源迁移算法大多只考虑物理服务器的电能消耗,过于注重减小电能消耗,大多把重点放到如何减小数据处理量而忽略了云计算平台的使用性能以及过于注重平台性能而对能量消耗方面考虑欠佳等问题,本文提出一种改进的云平台数据中心虚拟机资源迁移算法,该算法在虚拟机迁移阶段综合考虑多种因素,并建立合适的数学模型加以优化分析,最终得到最优的虚拟机资源迁移方案。仿真实验结果表明,本本文提出的改进的云平台数据中心资源调度算法能够有效减小服务器电能消耗,提高了稳定性以及时间效率。     

基于量子群聚类的云存储调度执行开销建模

传统方法使用量子群遗传进化方法进行云存储系统任务调度的执行开销建模,在数据汇聚和协议传输中没有考虑量子态的相干性和感知节点的方向性,不能全局搜索最优量子位,执行开销不能实现最小化。提出一种基于量子群聚类的云存储调度最小执行开销建模算法,首先进行量子群聚类进化策略和云存储系统任务调度模型总体设计,设计基于量子群聚类的云存储系统任务调度分配协议,进行有效的资源调度设计,整合云计算中心资源,提高资源利用率,减少任务执行时间。仿真结果得出,该算法能使云存储系统任务调度执行开销与任务规模的匹配性能最佳,性能优于传统算法,在云存储信息管理系统等领域具有较好的应用价值。     

基于融合特征空间的云数据离散调度逼近算法

基于融合基础架构的新一代数据中心,提出一种基于融合特征空间构架的云数据离散调度逼近算法,在对系统节点进行数据采集任务分配的基础上,研究基于云计算的IAAS层基础设施自动化快速供应的技术方案,对云数据离散分配任务进行评价和估计,描述了云数据采集和特征空间融合架构方法,构建云数据采集和特征空间融合机制,进行融合特征空间构架下的数据离散调度逼近算法改进设计。研究结果表明,该方法实现云数据离散调度的压缩性能很稳定,有效节约了任务执行时间,云数据离散调度逼近的收敛步数较少,收敛性好,展示了较强的实用性和优越性,为云计算的顶层设计PAAS与SAAS提供技术平台支持。     

引入任务安全性函数分形维的资源均衡算法

资源负载均衡是提高云计算资源调度效率的重要因素,为提高云计算中任务调度的效率,减少执行时间,针对传统的资源均衡算法在没有考虑到云计算环境下的资源节点安全性因素,复杂度高,效果不好的问题,提出一种引入安全性函数分形维特征重组的资源均衡算法。建立任务调度策略及资源均衡模型,构造任务调度所需要时间、费用、可靠性等方面的因素进行特征描述,对负载资源信息流的分形维信息特征提取,通过分层化状态重组,实现对资源负载的均衡处理,得到负载目标函数,提高任务处理效率。实验结果表明,该算法进行Cloud Sim平台下的负载云计算任务调度和负载资源均衡,能有效节省任务执行时间,降低计算开销,执行效率优越于其它算法。     

一种交通调度平台大规模拥堵优化调控算法

传统车辆调度模型针对复杂的路况和复杂的车辆流动信息,存在调度时间长、难以提供实时调度时间的缺点,从而造成模型中前后级调度信号失联、调度算法冲突,效率不高的问题.本文提出一种改进遗传算法交通调度平台大规模拥堵优化调度方案.通过对算法编码过程进行合理的优化,加入针对多调度中心的约束条件防止算法陷入早熟,通过不同的分析角度,分别建立的回路形式和时间优化控制形式对车辆进行合理的调度.仿真结果显示,改进后的算法有效地降低了车辆平均延误时间,提高了交通运行效率.