CN103067524A - 一种基于云计算环境的蚁群优化计算资源分配方法 - Google Patents
一种基于云计算环境的蚁群优化计算资源分配方法 Download PDFInfo
- Publication number
- CN103067524A CN103067524A CN2013100179549A CN201310017954A CN103067524A CN 103067524 A CN103067524 A CN 103067524A CN 2013100179549 A CN2013100179549 A CN 2013100179549A CN 201310017954 A CN201310017954 A CN 201310017954A CN 103067524 A CN103067524 A CN 103067524A
- Authority
- CN
- China
- Prior art keywords
- node
- resource
- ant
- network
- cloud computing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
本发明提供一种基于云计算环境的蚁群优化计算资源分配方法,是基于云计算环境的特点,提出一种基于蚁群优化的计算资源分配算法。分配云计算资源时,首先预测潜在可用节点的计算质量,然后根据云计算服务模式特点,通过分析诸如网络带宽占用、线路质量、响应时间、任务费用、可靠性等因素对资源分配的影响,利用蚁群算法得到一组最优化的计算资源。这种算法能够在满足云计算环境要求的前提下,获得比其他一些针对网络的分配算法更短的响应时间和更好的运行质量,因而更加适合于云环境。
Description
技术领域
本发明涉及云计算技术领域,具体地说是一种基于云计算环境的蚁群优化计算资源分配方法。
背景技术
云计算(cloud computing)是指通过互联网连接的超级计算模式,包含了分布式处理(distributed computing)、并行处理(parallel computing)和网格计算(grid computing)的相关技术,或者说是这些计算机科学概念的商业实现。
云计算是一种新型的共享基础架构,可以将巨大的系统池连接在一起,以运营商和客户的方式,通过互联网为用户提供各种存储和计算资源。在云计算环境中,用户将自己的个人电脑,PDA或移动电话等终端设备上的大量信息和处理器资源集中在一起,协调工作,这是一个大规模的分布式计算模式,该模式由运营商的经济规模决定,并且是抽象的,虚拟化的以及规模动态可变的。云计算的主要内容为受管理的计算能力、存储、平台和服务。这些内容通过互联网,按需分配给外部用户,其重要意义在于将计算能力作为一种商品在互联网上进行流通。云计算的主要优势:迅速地降低硬件成本和提升计算能力以及存储容量,用户可以以极低的成本投入获得极高的计算品质,而不用再投资购买昂贵的硬件设备,进行频繁的保养和升级。
计算资源分配是云计算技术的一个重要组成部分,其效率直接影响整个云计算环境的工作性能,由于云计算由很多独特的性质,使得原有的针对网络计算的资源分配和调度算法已无法在该环境中有效工作。本发明提出蚁群优化分配算法,综合考虑了云计算的一系列特点,以期在这种环境中能够高效地为用户作业分配合适的计算资源。
发明内容
本发明的技术任务是解决现有技术的不足,提供一种基于云计算环境的蚁群优化计算资源分配方法。
本发明的技术方案是按以下方式实现的,根据云环境的特点以及服务模式,将云环境所有单元中的节点分为两大社团结构,主节点和从节点,主节点负责调度构成一个作业的所有任务,这些任务的数据资源分布在不同的用户镜像分片中,而用户镜像分片处在从节点存储资源上,主节点监控任务执行,重新执行失败的任务或做错误处理,从节点负责执行由主节点分派的任务,从节点接到主节点的分派后,从节点开始寻找合适的计算节点为其下属的存储节点准备,首先,该从节点开始检测自己的计算资源用量,如果其剩下的计算资源能够满足用户提交作业使用量,则分配自身的计算资源,如果剩余的资源不足以满足需求给用户的最小计算资源量,则开始搜索云环境中其他合适的计算资源,搜索工作在一定范围内进行,目的是为了防止增加所带来的网络开销,若仍旧找不到合适资源,则从节点向主作业调度节点提出请求移走该节点集群中的用户数据镜像分片;
在云环境中,资源的具体情况不可知,且网络没有一个固定的拓扑结构,所以整个云环境的结构和资源分布及其实际情况不可预知,在这种情况下,计算资源的位置和质量对数据节点来说是不可知的,利用蚁群算法,能够在未知的网络拓扑中查找出计算资源,并选择最合适的一个或者几个分配给用户作业,知道满足用户需求,当查找开始时,由slave节点发出查询消息,这些消息扮演着蚁群算法中蚂蚁的角色,所有的蚂蚁都遵从信息素多的节点概率大,信息素少的节点概率少的原则选择下一跳的节点,并在经过的路径节点上留下信息素。具体算法如下:
(1)模型及其考虑参数
将slave将节点域作为一个无向图G(V,E),其中V的区域Area中所有slave节点的集合,E是连接各slave节点的网络集合。在云计算网络中均匀地划分成若干个子区域,然后给每个区域分配相同个数的蚂蚁,每个组的蚂蚁只在各自的区域进行搜索,其度量标准要考虑的有如下参数:
预计执行时间:time_cost(e),指路径e尽头的计算资源处理这样作业要消耗的时间;
网络延迟:delay(e),指路径e产生的最大网络延迟;
网络带宽:bandwidth(e),指路径e所提供的网络最大带宽;
用户对云计算资源需求的多样性与偏好性,如何作Qos保证;
假设某虚拟机资源的特征集合:
任务的QoS描述通常可以采用任务完成时间、网络带宽、费用、可靠性等参数指标来量化QoS,如任务完成时间的QoS描述包括开始时间、全部完成时间、结束时间等,使用时可选取任务全部完成时间作为评判指标。
通常第i类任务的一般期待向量可描述为:
(2)蚁群算法寻找最优计算资源描述
由于在云计算环境中,资源的具体情况不可知,且网络没有一个固定的拓扑结构,所以整个云环境的结构和资源分布及其实际情况不可预知,在这种情况下,计算资源的位置和质量对数据节点来说是不可知的,利用蚁群算法,能够在未知的网络拓扑中查找出计算资源,并选择最适合的一个或几个分配给用户作业,知道满足用户需求,当查找开始时,由slave节点发出查询消息,这些消息扮演着蚁群算法中蚂蚁的角色, 所有的蚂蚁都遵从信息素多的节点概率大,信息素少的节点概率少的原则选择下一跳的节点,并经过的路径节点上留下信息素;
为从节点i到节点j的线路质量,,和为信息素、线路质量和计算能力预测值的相对权重,为防止结果过快地收敛在局部最优解上,设定随机系数,常数,为QoS标准,选择资源和路径的过程就是在不满足QoS的情况下寻找满足限定条件(3)的尽量大的j值或者在满足QoS的情况下寻找满足条件(3)的P值,这两个值的公式(1)用来控制蚂蚁直接选择信息素一线路质量比最大相邻节点的概率。
本发明的方法具有以下突出的有益效果:基于云计算环境的特点,提出一种基于蚁群优化的计算资源分配算法。分配云计算资源时,首先预测潜在可用节点的计算质量,然后根据云计算服务模式特点,通过分析诸如网络带宽占用、线路质量、响应时间、任务费用、可靠性等因素对资源分配的影响,利用蚁群算法得到一组最优化的计算资源。这种算法能够在满足云计算环境要求的前提下,获得比其他一些针对网络的分配算法更短的响应时间和更好的运行质量,因而更加适合于云环境。
附图说明
图1是算法调度工作流程图。
具体实施方式
下面参照附图,对本发明的内容以一个具体实例来描述实现这一体系结构的过程。
(1)模型及其考虑参数
将slave将节点域作为一个无向图G(V,E),其中V的区域Area中所有slave节点的集合,E是连接各slave节点的网络集合。在云计算网络中均匀地划分成若干个子区域,然后给每个区域分配相同个数的蚂蚁,每个组的蚂蚁只在各自的区域进行搜索。其度量标准要考虑的有如下参数:
预计执行时间:time_cost(e),指路径e尽头的计算资源处理这样作业要消耗的时间。
网络延迟:delay(e),指路径e产生的最大网络延迟。
网络带宽:bandwidth(e),指路径e所提供的网络最大带宽。
用户对云计算资源需求的多样性与偏好性,如何作Qos保证。
任务的QoS描述通常可以采用任务完成时间、网络带宽、费用、可靠性等参数指标来量化QoS,如任务完成时间的QoS描述包括开始时间、全部完成时间、结束时间等,使用时可选取任务全部完成时间作为评判指标。
通常第i类任务的一般期待向量可描述为:
(2)蚁群算法寻找最优计算资源描述
由于在云计算环境中,资源的具体情况不可知,且网络没有一个固定的拓扑结构,所以整个云环境的结构和资源分布及其实际情况不可预知。在这种情况下,计算资源的位置和质量对数据节点来说是不可知的。利用蚁群算法,能够在未知的网络拓扑中查找出计算资源,并选择最适合的一个或几个分配给用户作业,知道满足用户需求。当查找开始时,由slave节点发出查询消息,这些消息扮演着蚁群算法中蚂蚁的角色, 所有的蚂蚁都遵从信息素多的节点概率大,信息素少的节点概率少的原则选择下一跳的节点,并经过的路径节点上留下信息素。
,
为从节点i到节点j的线路质量,,和为信息素、线路质量和计算能力预测值的相对权重。为防止结果过快地收敛在局部最优解上,设定随机系数,常数,为QoS标准,选择资源和路径的过程就是在不满足QoS的情况下寻找满足限定条件(3)的尽量大的j值或者在满足QoS的情况下寻找满足条件(3)的P值。这两个值的公式(1)用来控制蚂蚁直接选择信息素一线路质量比最大相邻节点的概率。
除本发明的说明书公开的技术特征外均为本专业技术人员的公职技术。
Claims (1)
1.一种基于云计算环境的蚁群优化计算资源分配方法,其特征在于,根据云环境的特点以及服务模式,将云环境所有单元中的节点分为两大社团结构,主节点和从节点,主节点负责调度构成一个作业的所有任务,这些任务的数据资源分布在不同的用户镜像分片中,而用户镜像分片处在从节点存储资源上,主节点监控任务执行,重新执行失败的任务或做错误处理,从节点负责执行由主节点分派的任务,从节点接到主节点的分派后,从节点开始寻找合适的计算节点为其下属的存储节点准备,首先,该从节点开始检测自己的计算资源用量,如果其剩下的计算资源能够满足用户提交作业使用量,则分配自身的计算资源,如果剩余的资源不足以满足需求给用户的最小计算资源量,则开始搜索云环境中其他合适的计算资源,搜索工作在一定范围内进行,目的是为了防止增加所带来的网络开销,若仍旧找不到合适资源,则从节点向主作业调度节点提出请求移走该节点集群中的用户数据镜像分片;
在云环境中,资源的具体情况不可知,且网络没有一个固定的拓扑结构,所以整个云环境的结构和资源分布及其实际情况不可预知,在这种情况下,计算资源的位置和质量对数据节点来说是不可知的,利用蚁群算法,能够在未知的网络拓扑中查找出计算资源,并选择最合适的一个或者几个分配给用户作业,知道满足用户需求,当查找开始时,由slave节点发出查询消息,这些消息扮演着蚁群算法中蚂蚁的角色,所有的蚂蚁都遵从信息素多的节点概率大,信息素少的节点概率少的原则选择下一跳的节点,并在经过的路径节点上留下信息素,具体算法如下:
(1)模型及其考虑参数
将slave将节点域作为一个无向图G(V,E),其中V的区域Area中所有slave节点的集合,E是连接各slave节点的网络集合,在云计算网络中均匀地划分成若干个子区域,然后给每个区域分配相同个数的蚂蚁,每个组的蚂蚁只在各自的区域进行搜索,其度量标准要考虑的有如下参数:
预计执行时间:time_cost(e),指路径e尽头的计算资源处理这样作业要消耗的时间;
网络延迟:delay(e),指路径e产生的最大网络延迟;
网络带宽:bandwidth(e),指路径e所提供的网络最大带宽;
用户对云计算资源需求的多样性与偏好性,如何作Qos保证;
任务的QoS描述通常可以采用任务完成时间、网络带宽、费用、可靠性等参数指标来量化QoS,如任务完成时间的QoS描述包括开始时间、全部完成时间、结束时间等,使用时可选取任务全部完成时间作为评判指标;
通常第i类任务的一般期待向量可描述为:
(2)蚁群算法寻找最优计算资源描述
由于在云计算环境中,资源的具体情况不可知,且网络没有一个固定的拓扑结构,所以整个云环境的结构和资源分布及其实际情况不可预知,在这种情况下,计算资源的位置和质量对数据节点来说是不可知的,利用蚁群算法,能够在未知的网络拓扑中查找出计算资源,并选择最适合的一个或几个分配给用户作业,知道满足用户需求,当查找开始时,由slave节点发出查询消息,这些消息扮演着蚁群算法中蚂蚁的角色, 所有的蚂蚁都遵从信息素多的节点概率大,信息素少的节点概率少的原则选择下一跳的节点,并经过的路径节点上留下信息素;
,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100179549A CN103067524A (zh) | 2013-01-18 | 2013-01-18 | 一种基于云计算环境的蚁群优化计算资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100179549A CN103067524A (zh) | 2013-01-18 | 2013-01-18 | 一种基于云计算环境的蚁群优化计算资源分配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103067524A true CN103067524A (zh) | 2013-04-24 |
Family
ID=48109978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013100179549A Pending CN103067524A (zh) | 2013-01-18 | 2013-01-18 | 一种基于云计算环境的蚁群优化计算资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103067524A (zh) |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103997515A (zh) * | 2014-04-25 | 2014-08-20 | 西安电子科技大学昆山创新研究院 | 一种分布式云中计算中心选择方法及其应用 |
CN104063261A (zh) * | 2014-04-01 | 2014-09-24 | 杭州电子科技大学 | 一种基于云环境下的多目标优化虚拟机放置方法 |
CN104360908A (zh) * | 2014-10-31 | 2015-02-18 | 东北大学 | 基于蚁群优化算法的云环境下sbs资源配置方法 |
CN104461739A (zh) * | 2014-12-15 | 2015-03-25 | 中山大学 | 一种基于cloudsim平台的虚拟机批量部署方法 |
CN104765667A (zh) * | 2015-04-17 | 2015-07-08 | 西安电子科技大学 | 一种基于蚁群算法的fpga程序脆弱支路求取方法 |
WO2015131470A1 (zh) * | 2014-03-07 | 2015-09-11 | 中国科学院声学研究所 | 一种现场服务提供系统及方法 |
CN105138391A (zh) * | 2015-07-30 | 2015-12-09 | 中山大学 | 面向广域分布云系统公平的多任务虚拟机分配方法 |
CN105159780A (zh) * | 2015-08-21 | 2015-12-16 | 北京理工大学 | 面向多层次云应用的高可用性虚拟网络映射方法及装置 |
CN105991667A (zh) * | 2015-01-27 | 2016-10-05 | 华为软件技术有限公司 | 修正资源预测误差的方法和装置 |
CN106131890A (zh) * | 2016-08-11 | 2016-11-16 | 北京邮电大学 | 光与无线融合组网中多维资源调度方法 |
CN106933669A (zh) * | 2015-12-29 | 2017-07-07 | 伊姆西公司 | 用于数据处理的装置和方法 |
CN107748693A (zh) * | 2017-11-30 | 2018-03-02 | 成都启力慧源科技有限公司 | 云计算环境下的群组虚拟机调度策略 |
CN108173958A (zh) * | 2018-01-05 | 2018-06-15 | 东华大学 | 一种多云环境下基于蚁群算法的数据优化存储方法 |
CN108204821A (zh) * | 2017-12-22 | 2018-06-26 | 浙江网仓科技有限公司 | 一种路径规划方法及装置 |
CN108712307A (zh) * | 2018-05-11 | 2018-10-26 | 北京奇虎科技有限公司 | 一种基于区块链的带宽能力计算方法及装置 |
CN109062682A (zh) * | 2018-06-29 | 2018-12-21 | 广东工业大学 | 一种云计算平台的资源调度方法和系统 |
CN109120523A (zh) * | 2017-06-23 | 2019-01-01 | 阿里巴巴集团控股有限公司 | 多节点路径选择方法、装置、云平台资源调度方法及装置 |
CN109164826A (zh) * | 2018-08-15 | 2019-01-08 | 中国电子科技集团公司第二十研究所 | 一种基于改进蚁群算法的大规模无人集群控制方法 |
CN109324906A (zh) * | 2018-10-22 | 2019-02-12 | 王瑞明 | 云计算平台中选择处理节点的方法 |
CN109388429A (zh) * | 2018-09-29 | 2019-02-26 | 古进 | Mhp异构多流水线处理器的任务分发方法 |
CN109408118A (zh) * | 2018-09-29 | 2019-03-01 | 古进 | Mhp异构多流水线处理器 |
CN109617939A (zh) * | 2018-10-15 | 2019-04-12 | 西安理工大学 | 一种基于任务预调度的WebIDE云服务器资源分配方法 |
CN109710372A (zh) * | 2018-11-12 | 2019-05-03 | 北京理工大学 | 一种基于猫头鹰搜索算法的计算密集型云工作流调度方法 |
CN109947619A (zh) * | 2019-03-05 | 2019-06-28 | 上海交通大学 | 基于服务质量感知提高吞吐量的多资源管理系统及服务器 |
CN110086855A (zh) * | 2019-03-29 | 2019-08-02 | 江苏开拓信息与系统有限公司 | 基于蚁群算法的Spark任务智能感知调度方法 |
CN110691041A (zh) * | 2019-09-29 | 2020-01-14 | 西北大学 | 一种多边缘协同的资源部署方法 |
CN111245717A (zh) * | 2018-11-28 | 2020-06-05 | 中国移动通信集团浙江有限公司 | 一种云端服务路由分配方法及装置 |
CN111343012A (zh) * | 2020-02-17 | 2020-06-26 | 平安科技(深圳)有限公司 | 云平台的缓存服务器部署方法、装置和计算机设备 |
CN111935748A (zh) * | 2020-08-18 | 2020-11-13 | 国网河南省电力公司信息通信公司 | 一种可靠性高和负载均衡的虚拟网资源分配方法 |
CN112003660A (zh) * | 2020-07-17 | 2020-11-27 | 北京大学深圳研究生院 | 一种网内资源的量纲测量方法、算力调度方法及存储介质 |
CN112187670A (zh) * | 2020-08-21 | 2021-01-05 | 西安电子科技大学 | 一种基于群体智能的网络化软件共享资源分配方法及装置 |
CN112311525A (zh) * | 2020-10-26 | 2021-02-02 | 深圳供电局有限公司 | 一种电网中分布式终端的资源匹配方法 |
CN112559135A (zh) * | 2020-12-24 | 2021-03-26 | 重庆邮电大学 | 一种基于QoS的容器云资源的调度方法 |
CN113204421A (zh) * | 2020-01-31 | 2021-08-03 | 红帽公司 | 无服务器功能与存储池的同分布 |
WO2021227999A1 (zh) * | 2020-05-11 | 2021-11-18 | 中兴通讯股份有限公司 | 云计算服务系统和方法 |
CN115794418A (zh) * | 2023-02-03 | 2023-03-14 | 蒲惠智造科技股份有限公司 | 一种计算资源的分配方法 |
CN116627663A (zh) * | 2023-07-25 | 2023-08-22 | 山东万博科技股份有限公司 | 一种数据中心运维管理方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101895421A (zh) * | 2010-07-02 | 2010-11-24 | 北京邮电大学 | 通信资源调配方法 |
-
2013
- 2013-01-18 CN CN2013100179549A patent/CN103067524A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101895421A (zh) * | 2010-07-02 | 2010-11-24 | 北京邮电大学 | 通信资源调配方法 |
Non-Patent Citations (2)
Title |
---|
华夏渝,郑骏,胡文心: "《基于云计算环境的蚁群优化计算资源分配算法》", 《华东师范大学学报(自然科学版)》 * |
陈真: "《基于蚁群优化算法的云计算资源分配》", 《青岛科技大学学报(自然科学版)》 * |
Cited By (63)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015131470A1 (zh) * | 2014-03-07 | 2015-09-11 | 中国科学院声学研究所 | 一种现场服务提供系统及方法 |
US9825871B2 (en) | 2014-03-07 | 2017-11-21 | Institute Of Acoustics, Chinese Academy Of Sciences | System and method for providing an on-site service |
CN104063261A (zh) * | 2014-04-01 | 2014-09-24 | 杭州电子科技大学 | 一种基于云环境下的多目标优化虚拟机放置方法 |
CN103997515A (zh) * | 2014-04-25 | 2014-08-20 | 西安电子科技大学昆山创新研究院 | 一种分布式云中计算中心选择方法及其应用 |
CN103997515B (zh) * | 2014-04-25 | 2018-02-02 | 西安电子科技大学昆山创新研究院 | 一种分布式云中计算中心选择方法及其应用 |
CN104360908B (zh) * | 2014-10-31 | 2017-06-16 | 东北大学 | 基于蚁群优化算法的云环境下sbs资源配置方法 |
CN104360908A (zh) * | 2014-10-31 | 2015-02-18 | 东北大学 | 基于蚁群优化算法的云环境下sbs资源配置方法 |
CN104461739A (zh) * | 2014-12-15 | 2015-03-25 | 中山大学 | 一种基于cloudsim平台的虚拟机批量部署方法 |
CN104461739B (zh) * | 2014-12-15 | 2017-12-05 | 中山大学 | 一种基于cloudsim平台的虚拟机批量部署方法 |
CN105991667A (zh) * | 2015-01-27 | 2016-10-05 | 华为软件技术有限公司 | 修正资源预测误差的方法和装置 |
CN105991667B (zh) * | 2015-01-27 | 2019-05-28 | 华为软件技术有限公司 | 修正资源预测误差的方法和装置 |
CN104765667B (zh) * | 2015-04-17 | 2018-09-28 | 西安电子科技大学 | 一种基于蚁群算法的fpga程序脆弱支路求取方法 |
CN104765667A (zh) * | 2015-04-17 | 2015-07-08 | 西安电子科技大学 | 一种基于蚁群算法的fpga程序脆弱支路求取方法 |
CN105138391A (zh) * | 2015-07-30 | 2015-12-09 | 中山大学 | 面向广域分布云系统公平的多任务虚拟机分配方法 |
CN105138391B (zh) * | 2015-07-30 | 2018-07-31 | 中山大学 | 面向广域分布云系统公平的多任务虚拟机分配方法 |
CN105159780A (zh) * | 2015-08-21 | 2015-12-16 | 北京理工大学 | 面向多层次云应用的高可用性虚拟网络映射方法及装置 |
US10733019B2 (en) | 2015-12-29 | 2020-08-04 | EMC IP Holding Company LLC | Apparatus and method for data processing |
CN106933669B (zh) * | 2015-12-29 | 2021-01-08 | 伊姆西Ip控股有限责任公司 | 用于数据处理的装置和方法 |
CN106933669A (zh) * | 2015-12-29 | 2017-07-07 | 伊姆西公司 | 用于数据处理的装置和方法 |
CN106131890B (zh) * | 2016-08-11 | 2019-08-20 | 北京邮电大学 | 光与无线融合组网中多维资源调度方法 |
CN106131890A (zh) * | 2016-08-11 | 2016-11-16 | 北京邮电大学 | 光与无线融合组网中多维资源调度方法 |
CN109120523A (zh) * | 2017-06-23 | 2019-01-01 | 阿里巴巴集团控股有限公司 | 多节点路径选择方法、装置、云平台资源调度方法及装置 |
CN107748693A (zh) * | 2017-11-30 | 2018-03-02 | 成都启力慧源科技有限公司 | 云计算环境下的群组虚拟机调度策略 |
CN108204821A (zh) * | 2017-12-22 | 2018-06-26 | 浙江网仓科技有限公司 | 一种路径规划方法及装置 |
CN108173958A (zh) * | 2018-01-05 | 2018-06-15 | 东华大学 | 一种多云环境下基于蚁群算法的数据优化存储方法 |
CN108712307B (zh) * | 2018-05-11 | 2021-01-29 | 北京奇虎科技有限公司 | 一种基于区块链的带宽能力计算方法及装置 |
CN108712307A (zh) * | 2018-05-11 | 2018-10-26 | 北京奇虎科技有限公司 | 一种基于区块链的带宽能力计算方法及装置 |
CN109062682B (zh) * | 2018-06-29 | 2021-07-06 | 广东工业大学 | 一种云计算平台的资源调度方法和系统 |
CN109062682A (zh) * | 2018-06-29 | 2018-12-21 | 广东工业大学 | 一种云计算平台的资源调度方法和系统 |
CN109164826B (zh) * | 2018-08-15 | 2021-07-16 | 中国电子科技集团公司第二十研究所 | 一种基于改进蚁群算法的大规模无人集群控制方法 |
CN109164826A (zh) * | 2018-08-15 | 2019-01-08 | 中国电子科技集团公司第二十研究所 | 一种基于改进蚁群算法的大规模无人集群控制方法 |
CN109388429A (zh) * | 2018-09-29 | 2019-02-26 | 古进 | Mhp异构多流水线处理器的任务分发方法 |
CN109408118A (zh) * | 2018-09-29 | 2019-03-01 | 古进 | Mhp异构多流水线处理器 |
CN109388429B (zh) * | 2018-09-29 | 2024-01-02 | 古进 | Mhp异构多流水线处理器的任务分发方法 |
CN109408118B (zh) * | 2018-09-29 | 2024-01-02 | 古进 | Mhp异构多流水线处理器 |
CN109617939B (zh) * | 2018-10-15 | 2021-10-26 | 西安理工大学 | 一种基于任务预调度的WebIDE云服务器资源分配方法 |
CN109617939A (zh) * | 2018-10-15 | 2019-04-12 | 西安理工大学 | 一种基于任务预调度的WebIDE云服务器资源分配方法 |
CN109324906A (zh) * | 2018-10-22 | 2019-02-12 | 王瑞明 | 云计算平台中选择处理节点的方法 |
CN109710372B (zh) * | 2018-11-12 | 2020-10-13 | 北京理工大学 | 一种基于猫头鹰搜索算法的计算密集型云工作流调度方法 |
CN109710372A (zh) * | 2018-11-12 | 2019-05-03 | 北京理工大学 | 一种基于猫头鹰搜索算法的计算密集型云工作流调度方法 |
CN111245717A (zh) * | 2018-11-28 | 2020-06-05 | 中国移动通信集团浙江有限公司 | 一种云端服务路由分配方法及装置 |
CN109947619A (zh) * | 2019-03-05 | 2019-06-28 | 上海交通大学 | 基于服务质量感知提高吞吐量的多资源管理系统及服务器 |
CN109947619B (zh) * | 2019-03-05 | 2021-07-13 | 上海交通大学 | 基于服务质量感知提高吞吐量的多资源管理系统及服务器 |
CN110086855A (zh) * | 2019-03-29 | 2019-08-02 | 江苏开拓信息与系统有限公司 | 基于蚁群算法的Spark任务智能感知调度方法 |
CN110086855B (zh) * | 2019-03-29 | 2021-11-05 | 江苏开拓信息与系统有限公司 | 基于蚁群算法的Spark任务智能感知调度方法 |
CN110691041A (zh) * | 2019-09-29 | 2020-01-14 | 西北大学 | 一种多边缘协同的资源部署方法 |
CN110691041B (zh) * | 2019-09-29 | 2022-11-25 | 西北大学 | 一种多边缘协同的资源部署方法 |
CN113204421A (zh) * | 2020-01-31 | 2021-08-03 | 红帽公司 | 无服务器功能与存储池的同分布 |
CN111343012B (zh) * | 2020-02-17 | 2022-08-02 | 平安科技(深圳)有限公司 | 云平台的缓存服务器部署方法、装置和计算机设备 |
CN111343012A (zh) * | 2020-02-17 | 2020-06-26 | 平安科技(深圳)有限公司 | 云平台的缓存服务器部署方法、装置和计算机设备 |
WO2021227999A1 (zh) * | 2020-05-11 | 2021-11-18 | 中兴通讯股份有限公司 | 云计算服务系统和方法 |
CN112003660A (zh) * | 2020-07-17 | 2020-11-27 | 北京大学深圳研究生院 | 一种网内资源的量纲测量方法、算力调度方法及存储介质 |
CN111935748A (zh) * | 2020-08-18 | 2020-11-13 | 国网河南省电力公司信息通信公司 | 一种可靠性高和负载均衡的虚拟网资源分配方法 |
CN111935748B (zh) * | 2020-08-18 | 2023-06-23 | 国网河南省电力公司信息通信公司 | 一种可靠性高和负载均衡的虚拟网资源分配方法 |
CN112187670A (zh) * | 2020-08-21 | 2021-01-05 | 西安电子科技大学 | 一种基于群体智能的网络化软件共享资源分配方法及装置 |
CN112311525A (zh) * | 2020-10-26 | 2021-02-02 | 深圳供电局有限公司 | 一种电网中分布式终端的资源匹配方法 |
CN112311525B (zh) * | 2020-10-26 | 2024-03-12 | 深圳供电局有限公司 | 一种电网中分布式终端的资源匹配方法 |
CN112559135B (zh) * | 2020-12-24 | 2023-09-26 | 重庆邮电大学 | 一种基于QoS的容器云资源的调度方法 |
CN112559135A (zh) * | 2020-12-24 | 2021-03-26 | 重庆邮电大学 | 一种基于QoS的容器云资源的调度方法 |
CN115794418A (zh) * | 2023-02-03 | 2023-03-14 | 蒲惠智造科技股份有限公司 | 一种计算资源的分配方法 |
CN115794418B (zh) * | 2023-02-03 | 2023-04-28 | 蒲惠智造科技股份有限公司 | 一种计算资源的分配方法 |
CN116627663A (zh) * | 2023-07-25 | 2023-08-22 | 山东万博科技股份有限公司 | 一种数据中心运维管理方法及系统 |
CN116627663B (zh) * | 2023-07-25 | 2023-11-10 | 山东万博科技股份有限公司 | 一种数据中心运维管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103067524A (zh) | 一种基于云计算环境的蚁群优化计算资源分配方法 | |
Zhu et al. | A three-dimensional virtual resource scheduling method for energy saving in cloud computing | |
Fan et al. | Deadline-aware task scheduling in a tiered IoT infrastructure | |
CN108182105B (zh) | 基于Docker容器技术的局部动态迁移方法及控制系统 | |
Wang et al. | Load balancing task scheduling based on genetic algorithm in cloud computing | |
Cao et al. | Agent-based grid load balancing using performance-driven task scheduling | |
US8843929B1 (en) | Scheduling in computer clusters | |
Zhang et al. | An integrated top-down and bottom-up task allocation approach in social sensing based edge computing systems | |
Hieu et al. | A virtual machine placement algorithm for balanced resource utilization in cloud data centers | |
Al-Dulaimy et al. | Type-aware virtual machine management for energy efficient cloud data centers | |
Memari et al. | A latency-aware task scheduling algorithm for allocating virtual machines in a cost-effective and time-sensitive fog-cloud architecture | |
Jayanetti et al. | Deep reinforcement learning for energy and time optimized scheduling of precedence-constrained tasks in edge–cloud computing environments | |
Ma et al. | Real-time virtual machine scheduling in industry IoT network: A reinforcement learning method | |
Zhang et al. | Edgebatch: Towards ai-empowered optimal task batching in intelligent edge systems | |
Chang et al. | Selecting the most fitting resource for task execution | |
Long et al. | Agent scheduling model for adaptive dynamic load balancing in agent-based distributed simulations | |
Li et al. | Energy-efficient and QoS-aware model based resource consolidation in cloud data centers | |
Monil et al. | Implementation of modified overload detection technique with VM selection strategies based on heuristics and migration control | |
US20130166751A1 (en) | Distributed resource management systems and methods for resource management thereof | |
Pandya et al. | Dynamic resource allocation techniques in cloud computing | |
Kumar et al. | A Hybrid Eagle’s Web Swarm Optimization (EWSO) technique for effective cloud resource management | |
CN103617083A (zh) | 存储调度方法和系统、作业调度方法和系统及管理节点 | |
Guo | Ant colony optimization computing resource allocation algorithm based on cloud computing environment | |
Devagnanam et al. | Design and development of exponential lion algorithm for optimal allocation of cluster resources in cloud | |
Garg et al. | Optimal virtual machine scheduling in virtualized cloud environment using VIKOR method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130424 |