云计算环境下基于休眠唤醒的网络流调度方法

来源 :内蒙古大学 | 被引量 : 0次 | 上传用户:nan13519927
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
作为云计算的基础设施,数据中心通常运行着大量多种类型的服务,在不间断工作下存在不同程度的资源空闲,直接或间接造成了一定的资源浪费和能耗开销。论文从数据中心网络角度出发,以保障云用户的需求为前提,设计一种基于休眠唤醒的网络流调度方法,提高资源利用率,降低能耗。该方法有以下创新之处:1.提出解决数据中心网络能耗优化问题的通用框架。该框架针对现有能耗优化方案在优化过程中可能降低用户服务质量的问题,引入服务满足度加强网络底层调度和上层用户应用状态的联系,依据网络流承载服务的不同类型提出网络流分类的方法,最后设置惩罚机制降低能耗优化框架对数据中心网络过多的优化频次;2.提出基于服务满足度的网络流避让方法。该方法针对因云用户的请求骤增导致网络资源短时间内无法满足用户服务需要的问题,依据数据中心网络能耗优化框架给出的网络流分类结果,通过一定的策略靶向调度分类后的网络流,提高支撑用户服务网络流的优先级,保证用户服务质量,提高网络资源的利用率;3.提出基于服务满足度的节点动态休眠方法。该方法针对因网络节点休眠产生的网络波动对用户服务质量产生干扰的问题,首先检测数据中心各网络节点的负载情况,将利用率最低的网络节点视为待休眠对象,一个调度间隔内若当前网络能持续满足用户服务需要,则休眠当前待休眠对象,直至用户服务无法得到满足时唤醒休眠节点,在降低网络能耗开销的同时尽力保证用户服务质量。在通用框架基础上,针对网络资源不足和网络资源空闲两种状态,分别提出对应的能耗优化方法,两种方法既可独立使用实现一种状态下的优化,也可并行联调实现粒度不同的多目标优化。通过实验验证,论文提出的云计算环境下基于休眠唤醒的网络流调度方法可以有效提高资源利用率,降低数据中心网络能耗。
其他文献
数据采集卡作为测试测量设备的一种重要仪器,在航空航天、工业控制等领域中得到了广泛应用。当前国内市场上的数据采集产品所用的集成电路芯片长期依赖国外供应商,而且大部分受制于美国公司。随着中美贸易战的不断升级,关键芯片被“卡脖子”的风险越来越高,因此研制一款基于国产芯片的数据采集卡愈发重要。本论文旨在研制一款基于CPCI总线的国产化扫描AD模块。该模块具有32路差分通道,采样分辨率为16位,单通道最高采
近年来随着人工智能时代的来临,机器学习作为人工智能的核心及实现方式也得到了全面的发展.机器学习通过使用各种算法对大量的数据进行训练,从而学习如何完成任务,使得机器变得更加智能.聚类分析和半监督分类分析作为机器学习的重要学习任务之一,更是得到了研究者们的广泛关注.本文分别提出了一种新的平面聚类和半监督分类算法,以解决目前聚类分析和半监督分类分析中存在的问题.具体的研究工作如下:(1)在聚类方面,传统
在人类基因组中,基因的表达水平和表达模式表现出巨大的多样性。尽管已经发现基因表达可以由转录因子(Transcription factor,TF)和其他调控因子共同控制,但解密其复杂性仍然是一项艰巨的任务。在真核生物中,多种转录因子可以协同结合不同种顺式调控元件来调控靶基因的表达水平。为了系统的分析转录因子组合与基因的表达水平之间存在的关联,本文基于GM12878和K562两种细胞系的表达谱RNA-
当今时代,以信息技术为核心的数字化工作模式日益盛行,各企业单位也紧随潮流不断创新,而传统资源管理方式具有不便共享、不便查阅、不便管理及易丢失等问题,所以线上智能知识资源管理需求应运而生。本文设计的基于云服务平台的数据知识资源管理系统,不仅解决了传统方式存在的问题,而且保障了企业知识的内部共享,提供了一个便捷、有效的资源管理平台。本文主要研究内容分为资源推荐、搜索引擎实现、手写笔记识别以及同步消息反
卷积神经网络在许多图像处理问题中应用广泛.它针对图像中每一个像素点进行计算,经过多层卷积后得到的高层次特征,这些特征对于图像语义分割至关重要.计算机利用这些特征可以自动从图像中分割出目标和背景,并识别出图像的目标物体的位置.由于经典的全卷积神经网络FCN和U-Net经常会在细胞核分割过程中错误地识别模糊的目标.因此在这篇论文中,本文将使用改进的U-Net网络结构解决细胞核语义分割中产生的问题,并做
针对传统工作流系统不能有效处理海量数据的问题,将工作流引擎与云计算相结合是行之有效的解决方案。然而,目前的云工作流引擎系统还存在着云资源利用率低、可移植性和可重用性差以及系统开发运营成本高等问题。为了解决这些问题,论文对IC-Flow Engine(Inner Mongolia University Cloud Workflow Engine)2.0系统的集成架构和底层云资源利用率进行改进和优化,
随着网络技术和计算机视觉技术的飞速发展,在许多实际应用中如机器人、自动驾驶汽车增强现实和物联网,视频分类已成为这些任务的核心问题。同时,视频分类任务常常需要在有限的内存资源和计算能力的设备上实时执行,以满足用户需求。而传统视频分类方法中的特征提取较为繁琐,且需要根据任务的特性尝试各种方式来决定最适合描述不同类别的特征,这是一个相当耗时的过程。另一方面,目前主流的视频分类方法是将视频完全解码成RGB
随着移动互联网信息技术的普及和蓬勃发展,网络用户及其业务需求在数量和规模上呈现急剧上升的趋势,进而导致云平台中的组合服务也变得越来越复杂化和多样化,这对云平台中组合服务的调度方法提出了更高的要求。传统的云应用供应商以虚拟机为基础来部署应用程序的方式,愈发地不能满足企业和用户对服务的迫切需求。而容器作为一种新型虚拟化服务技术,相较于虚拟机而言,具有响应速度快、资源利用率高以及更易于部署和维护等诸多优
移动群智感知网络(Mobile Crowdsensing Network,MCSN)是一种新的数据获取模式,致力于为人们提供普适的物联网服务。合理的任务定价机制不仅能够激励更多的用户参与感知任务,还有助于平台的良性发展,因而,逐渐成为群智感知领域的研究热点。现有的研究大多是根据历史交易情况或者MCSN中的某种主体交互进行定价,均未考虑两者协同定价。此外,还普遍存在未充分分析任务定价规律、定价预测模
近几年的研究表明长链非编码RNA(Long non-coding RNA,lncRNA)具有丰富强大的生物学功能,在真核生物的基因表达调控过程中发挥重要的核心作用。相对于lncRNA在哺乳动物上的研究,其在植物上的研究起步相对较晚,目前如何从大量的转录本中准确地识别出lncRNA仍然是植物lncRNA研究领域的重要问题之一。本文新建了两个数据集,一个是植物lncRNA和mRNA的数据集,另一个是单