CN103780640B - 一种多媒体云计算仿真方法 - Google Patents
一种多媒体云计算仿真方法 Download PDFInfo
- Publication number
- CN103780640B CN103780640B CN201210397892.4A CN201210397892A CN103780640B CN 103780640 B CN103780640 B CN 103780640B CN 201210397892 A CN201210397892 A CN 201210397892A CN 103780640 B CN103780640 B CN 103780640B
- Authority
- CN
- China
- Prior art keywords
- task
- resource
- cloud
- multimedia cloud
- multimedia
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000004088 simulation Methods 0.000 claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 3
- 230000006870 function Effects 0.000 claims description 22
- 230000007704 transition Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 239000002245 particle Substances 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000013468 resource allocation Methods 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 230000000712 assembly Effects 0.000 description 4
- 238000000429 assembly Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000011800 void material Substances 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Abstract
本发明涉及一种多媒体云计算仿真方法,包括:根据所要仿真的多媒体云的结构,为其建立对应的资源模型;根据所要仿真的多媒体云的网络结构,为其建立对应的网络模型;根据所要模拟的场景,建立用户行为模型;根据用户提交的多媒体云任务的特征,为所建立的用户行为模型中的每一个多媒体云任务建立对应的任务模型;用户根据输出数据的需求,定制数据采集方法,设置监听事件,在事件发生时将关心的数据输出;开始仿真,所述用户行为模型产生的事件推动仿真运行,直到仿真完成。本发明的仿真方法适用于多媒体云计算的仿真。
Description
技术领域
本发明涉及计算机网络仿真领域,特别涉及一种多媒体云计算仿真方法。
背景技术
云计算是一种新兴技术,其目标是通过互联网提供各种计算服务和存储服务,包括基础设施即服务(IaaS)、平台即服务(PaaS)和软件即服务(SaaS)等服务模式。云服务提供商主要提供数据中心硬件和软件,利用互联网实现存储服务和计算服务。通过使用云计算,用户可以像使用超级计算机那样从云中获取服务。用户把数据存储在云中,而不是存储在自己的设备上,从而可以随时随地访问数据。通过在更强大的云计算平台上运行应用程序并在云中配置软件,可有效减轻用户在本地设备中进行软件安装和频繁升级的负担。
在Web2.0时代,网络多媒体是以服务的形式兴起的。通过提供多元化的媒体服务,多媒体计算已经成为一项受人瞩目的技术,它可以生成、编辑、处理、搜索各种媒体内容,如图像、视频、音频、图形。对于基于互联网和移动无线网络的多媒体应用和服务而言,由于同时服务于数百万网民和移动用户,需要大量的计算资源,因此对多媒体云计算的需求也非常大。在这种基于云的新型多媒体计算模式中,用户可以在云中分布式地存储和处理多媒体应用数据,不需要在计算机或终端设备上安装媒体应用软件,进而减轻了用户对多媒体软件维护和升级的负担,避免了在用户设备上进行计算,延长了移动终端的续航时间。
多媒体云与传统云相比,存在以下几个区别:
1)、云结构的异构性。传统云的数据中心之间是一种弱耦合关系,彼此管理独立、功能独立,而多媒体云的不同部分会进行功能分工,必要时相互协作,以某种覆盖网结构建立强耦合关系。
2)、云设备的异构性。传统云的数据中心的设备都是功能类似的同构设备,功能以计算、网络、存储为主,而多媒体云的设备种类繁多,功能多样。
3)、云任务的异构性。传统云的每个数据中心能够胜任任务的所有需求,而多媒体云任务根据任务的类型,任务的QoS需求往往需要不同地点、不同功能、不同数量的设备配合完成。
为了检测云计算相关技术的可行性,常用仿真器来进行实验和分析,因此,云计算仿真器是研究和测试云平台的重要工具。目前,云计算专用仿真器有MDCSim、GreenCloud、iCanCloud、CloudSim,和NetworkCloudSim。
MDCSim实现了一个可扩展的3层数据中心模型,在不影响其他层次的功能的前提下,可以随意替换仿真器的任意层次的实现,主要用来分析真实负载情况下的性能和能耗。GreenCloud是基于ns-2扩展的能耗敏感型云平台仿真器,建立了服务器、交换机、链路等组件的能耗模型,能够对云平台的负载分布进行详尽的观察,但该系统由于内存占用问题而不能仿真较大规模的数据中心。iCanCloud的目标在于尽可能地还原真实的云,默认的云模型基于Amazon EC2,适用于在部署应用前,对应用进行成本和性能的仿真,这也导致了仿真软件相对复杂,灵活性较差。CloudSim实现了一个结构松散的仿真库,允许用户定制各个层次的资源使用策略,适合用来对云计算进行算法研究。NetworkCloudSim是对CloudSim的进一步扩展,解决了CloudSim任务模型过于简单的问题,增加了对数据中心内部链路层结构的模拟。
现有技术中的云计算仿真器虽然已有多种,但这些仿真器都着重于对数据中心的仿真,较为适合传统云仿真,不能满足多媒体云仿真中对于云结构、云设备、云任务的异构性的仿真需求。
发明内容
本发明的目的在于克服现有的云计算仿真器不能满足多媒体云仿真的需求,从而提供一种适用于多媒体云计算的仿真方法。
为了实现上述目的,本发明提供了一种多媒体云计算仿真方法,包括:
步骤1)、根据所要仿真的多媒体云的结构,为其建立对应的资源模型;
所述资源模型描述了多媒体云在每个部署点部署的设备集群的功能,以及集群内设备的数量、功能、执行任务在内的信息;
步骤2)、根据所要仿真的多媒体云的网络结构,为其建立对应的网络模型;
所述网络模型包括物理网络的属性和多媒体云中各个部署点之间的覆盖网络逻辑关系;
步骤3)、根据所要模拟的场景,建立用户行为模型;
所述用户行为模型描述了用户的数量、用户的物理位置、用户加入和退出时间,以及用户提交每个多媒体云任务的时间;
步骤4)、根据用户提交的多媒体云任务的特征,为所要模拟的场景中的每一种多媒体云任务建立对应的任务模型;
所述任务模型描述了多媒体云任务中各个子任务之间的执行顺序,每个子任务声明所需要的资源信息,包括资源的数量和种类;
步骤5)、用户根据输出数据的需求,定制数据采集方法,在仿真器相关事件发生时,将关心的数据输出;
步骤6)、开始仿真,所述用户行为模型产生的事件推动仿真运行,直到仿真完成。
上述技术方案中,在所述步骤1)中,所述资源模型是一个三层资源模型,将多媒体云中不同粒度的资源拥有者抽象为组件、设备、执行者3种模型,其中,
所述组件代表多媒体云中的设备按照位置、功能、规模形成的设备集群,所述设备代表一切在多媒体云中能提供资源、物理上存在的个体,所述执行者代表从设备实际分配资源并执行任务的对象;
所述组件、设备与执行者利用标签声明自身所能提供的能力,在仿真运行过程中,配合资源调度策略,模拟多媒体云响应多媒体云任务的资源请求并分配资源的过程;
所述设备包括3种,其中,
主机模拟支持虚拟化技术的服务器,以虚拟机为单位进行资源分配,每个虚拟机就是一个执行者;
专用设备模拟不支持虚拟化的专业设备或具有特殊用途、资源共享的服务器,所有资源由专有设备执行者进行托管,专有设备执行者是一个逻辑实体,在现实中并没有相关的对应实体;
空设备模拟多媒体云计算中常见的中转资源请求的代理,本身没有任何资源,没有执行者。
上述技术方案中,在所述的步骤2)中,所述多媒体云中各个部署点之间的覆盖网络逻辑关系表示为一种不对称的邻居关系的集合,所述邻居关系包括:
如果节点α,存在这样一种关系,节点a能够主动向节点b发起通信,而节点b不能主动向节点a发起通信,则称节点b是节点a的邻居,记做a→b或者(a,b)。
上述技术方案中,在所述的步骤3)中,所述用户模型由真实系统的日志文件分析处理而成,或根据所要模拟的场景人为构造而成。
上述技术方案中,在所述的步骤4)中,所述任务模型中采用基于Petri网理论的工作流模型来模拟多媒体云任务,得到任务流,其中每一个子任务都是最小粒度的任务,拥有自己的标签集合,由资源模型中的执行者来完成;其中,
Petri网的定义如下:
三元组N=(S,T;F)称之为有向网的充分必要条件是:
(1)
(2)
(3)其中的“×”为笛卡儿积
(4)dom(F)∪cod(F)=S∪T
其中,
S和T分别称为N的库所集和变迁集,F为流关系,为F的定义域,为F的值域。
输入库所和输出库所的定义如下:
对于一个变迁t∈T,·t={p∈P:(p,t)∈F}称之为输入库所节点集合,t·={p∈P:(t,p)∈F}称之为输出库所集合;
以Petri网表示任务流,以变迁表示任务,库所表示任务的条件,令牌表示条件的满足情况,并定义4种流关系:
AND-join:多个输入条件虚同时满足才能执行任务,完成后产生一个输出条件;
AND-split:单个输入条件,任务完成后产生多个输出条件;
OR-join:不同分支的任务只要有一个完成就可以产生输出条件;
OR-split:表明某一个条件有多个分支任务,但只能选择其中的一个运行。
本发明的优点在于:
1、本发明的仿真方法适用于多媒体云计算的仿真,而以往的云计算仿真方法只能用于对同质数据中心的仿真;
2、本发明提供的仿真方法不但可以有效地模拟物理网络的属性,还可以模拟复杂多变的覆盖网络结构,而以往的仿真方法缺少对覆盖网络进行仿真;
3、本发明提供的仿真方法通过标签机制和细化的资源模型简化了为不同性质、不同目的、不同位置的任务提供不同的任务处理方式的流程,使得使用者可以专注于资源算法的仿真;
4、本发明提供的仿真方法使用Petri网工作流模型实现对复杂多媒体任务的模拟,使得使用者可以轻易地模拟流程复杂的任务。
附图说明
图1是本发明的多媒体云计算仿真方法中所涉及的仿真模型的示意图;
图2是资源模型的示意图;
图3是在一个实施例中所要仿真的多媒体云的场景示意图;
图4是本发明的多媒体云计算仿真方法的流程图。
具体实施方式
现结合附图对本发明作进一步的描述。
在对本发明的仿真方法做详细说明之前,首先对该仿真方法中所采用的仿真模型做统一的描述。
如图1所示,本发明中所采用的仿真模型分为三个层次,分别为网络层、资源层与用户层,下面分别加以描述。
1、网络层
在网络层实现了通用的网络模型。该模型在结构上又可以细分为两层,分别对云的物理网络和覆盖网络进行建模。通过自定义更新策略,物理网络属性(如延时、带宽等)和覆盖网络结构可以实现动态变化。
为了模拟复杂多变的覆盖网络结构,提出一种不对称的邻居关系,而整个覆盖网络可以表示为邻居关系的集合:
如果节点α,存在这样一种关系,节点a可以主动向节点b发起通信,而节点b不能主动向节点a发起通信,则称节点b是节点a的邻居,记做a→b或者(a,b)。a、b可以互为邻居。
不对称的邻居关系保证了节点间信息传递的有序性,一个节点能且只能向它的邻居转发资源请求。例如,以分布式哈希表(Distributed Hash Table,DHT)组织的多媒体云,节点的路由表中的节点就是它的全部邻居,当资源不够时,它可以向这些邻居求援,而采用分级组织的多媒体云,子孙节点是父亲节点的邻居,父亲节点不是子孙节点的邻居,那么资源请求的过程只能由父亲节点向子孙节点传递。
2、资源层
资源层实现了资源模型。
首先介绍标签的概念:
如果某个对象o具备某种功能f,则称o被贴上标签t(f)。对象o所拥有的全部标签就代表了它所能提供的全部功能,记做T(o)={t(f)|f∈F},其中F是o的功能集合。
如图2所示,资源模型将资源按照粒度由大到小分为3个级别,分别为组件(Component)、设备(Device)、执行者(Executor)。组件代表云中设备按照位置、功能、规模形成的设备集群。设备包括支持虚拟化技术的一般主机(Host)和资源共享的专用设备(Equipment),这两种设备都可以分配资源执行任务。此外,还有一种特别的空设备(NullDevice),拥有功能但本身不分配资源,适用于模拟中转资源请求的服务器,例如代理服务器和前端Web服务器。实际运行任务的是执行者,不同的设备因为任务执行方式的不同,拥有不同类型的执行者,对于主机来说,执行者是虚拟机(VM),而对于专用设备,有特别的专用设备执行者(Equipment Executor),这种执行者资源属性与所属设备完全一致,只是将任务执行功能抽象出来,从而与虚拟机可以共享同样的调度策略。
无论是组件、设备,还是执行者,只要是拥有实际资源的对象,都拥有自己的标签集合,用来声明可以提供的能力。同时,每一个任务也会声明自己需要的标签集合。这样,通过匹配标签,任务就会被引导到合适的组件、设备、执行者。
当然,标签只能为对象进行功能分类,在任务运行中实际选择哪个对象处理任务,还需要每个对象定义的调度策略进行选择。
3、用户层
用户层模拟多媒体云的用户行为,采用基于Petri网理论的工作流模型来模拟多媒体云任务,称为任务流(taskflow),其中每一个子任务都是最小粒度的任务,拥有自己的标签集合,由资源模型中的执行者来完成。如无特殊说明,下文所指任务均为任务流的子任务。
Petri网的定义如下:
三元组N=(S,T;F)称之为有向网(简称网)的充分必要条件是:
(1)
(2)
(3)(“×”为笛卡儿积)
(4)dom(F)∪cod(F)=S∪T
其中,S和T分别称为N的库所(place)集和变迁(transition)集;
F为流关系(flow relation);
为F的定义域;
为F的值域。
输入库所和输出库所的定义如下:
对于一个变迁t∈T,·t={p∈P:(p,t)∈F}称之为输入库所节点集合,t·={p∈P:(t,p)∈F}称之为输出库所集合。
简单的说,·t就是发生变迁所需要的条件,t·是变迁发生后产生的条件。变迁需要令牌(token)来触发,每个库所至多拥有一个令牌,只有当·t所需要的令牌数量得到满足时,变迁t才会发生并消耗令牌,t完成后又会在t·产生新的令牌。
以Petri网表示任务流,以变迁表示任务,库所表示任务的条件,令牌表示条件的满足情况,并定义4种流关系:
AND-join:多个输入条件虚同时满足才能执行任务,完成后产生一个输出条件;
AND-split:单个输入条件,任务完成后产生多个输出条件;
OR-join:不同分支的任务只要有一个完成就可以产生输出条件;
OR-split:表明某一个条件有多个分支任务,但只能选择其中的一个运行。
当只有一个输入条件,一个任务,一个输出条件时,4种流关系是等价的。
通过组合这4种流关系,就可以满足多媒体云任务的模拟需求。
以上是对本发明的仿真方法中的仿真模型的描述,下面结合实例对本发明的仿真方法进行说明。
在一个实施例中,如图3所示,要进行仿真计算的多媒体云的结构如下:
云运行商在6个地点部署了数据中心,分别用Cloud-1~6表示。每个数据中心拥有2000台主机,其中一半具有“转码”功能,能够从指定的网络位置获取媒体文件并进行转码,另外一半具有“媒体分割和媒体合并”功能,即能够将一个媒体文件分割成几个部分,或者将几个媒体文件合并成一个大文件。数据中心中,每一个任务都通过一个单独的虚拟机来执行。同一个用户申请的虚拟机可以复用。
云运行商部署中心云对所有的数据中心进行管理,中心云负责接收用户提交的任务,并随机分配到各个数据中心进行处理。
假设用户和任务加入规则如下:
1000个用户从第0秒开始,按照10秒一个的速度均匀加入到网络中,加入后,每个用户提交10个任务流,相邻任务流的提交间隔为10秒。用户随机分布在100个地点。每个任务流完成相同的工作,将指定的媒体文件转码成另外一种格式的文件,假设文件比较大,需要对媒体文件进行切割,分成3个小文件分别进行处理,最后再进行合并。因此,每个任务流分为3个阶段,第1个阶段利用“媒体分割和媒体合并”对媒体文件进行分割,分成3部分,第2阶段是3个“转码”子任务,对分割后的媒体文件进行转码,第3阶段对转码后的结果进行合并。
对上述多媒体云进行仿真的操作步骤如下:
步骤1)、根据所要仿真的多媒体云的结构,为其建立对应的资源模型,包括每个部署点所拥有的资源和所具备的功能。
以本实施例中所要模拟的多媒体云为例,在为其建立资源模型时,建立7个组件,其中6个组件代表数据中心Cloud-1~6,1个组件代表中心云。然后为代表中心云的组件添加一个空设备,该空设备贴上标签“媒体分割和媒体合并”和“转码”,这样组件就能够响应用户的“媒体分割和媒体合并”、“转码”任务请求,而由于组件没有实际的资源,那么实际的任务处理工作将被分配到它的邻居们即数据中心Cloud-1~6执行。为代表数据中心的6个组件分别添加设备,总共2000个主机,其中1000个主机贴上标签“媒体分割和媒体合并”,表示具有媒体分割和媒体合并功能,1000个主机贴上标签“转码”,表示具有转码功能。实际的流化、转码功能由这些主机生成的虚拟机完成,因此虚拟机就是资源模型中的执行者。
步骤2)、根据所要仿真的多媒体云的网络结构,为其建立对应的网络模型,包括物理网络的属性和多媒体云中各个部署点之间的覆盖网络逻辑关系。
在本实施例中,使用现有的拓扑生成器(如BRITE)生成一个100物理位置的拓扑文件,从中选择7个位置作为组件的物理位置。然后,为所述的7个组件建立邻居关系:(中心云,Cloud-1)、(中心云,Cloud-2)、(中心云,Cloud-3)、(中心云,Cloud-4)、(中心云,Cloud-5)、(中心云,Cloud-6)。这些邻居关系反映了各个部署点之间的覆盖网络的逻辑关系,形成了一个以中心云为中心的集中式覆盖网络结构。
步骤3)、根据模拟的场景,建立用户行为模型。用户行为模型描述了用户的数量、用户的物理位置、用户加入和退出时间,以及用户提交每个多媒体云任务的时间。
在本实施例中,首先,将用户随机分布在步骤2)生成的100个物理位置上。然后,使用一个用户加入定时器作为用户加入事件的驱动引擎,每10s触发一次该定时器,每次触发时加入一个新的用户,同时启动一个新的用户任务流提交定时器,10s触发一次,总共触发10次,用于提交用户的10个任务流。用户加入定时器总共触发1000次。用户在提交的10个任务流都完成后自动退出。何时触发用户加入定时器以及如何触发用户加入定时器并不限于本实施例所提到的内容,在其他实施例中可根据实际情况加以调整。
步骤4)、根据用户提交的多媒体任务的特征,为所要模拟的场景中的每一种多媒体云任务建立对应的任务模型。
在本实施例中,为任务流建立Petri网工作流模型,包含5个子任务,分别是媒体分割子任务a,转码子任务b1、b2、b3,以及媒体合并子任务c,在a与b1、b2、b3之间建立AND-split关系,在b1、b2、b3与c建立AND-join关系。
步骤5)、用户根据输出数据的需求,定制数据采集方法,设置监听事件,在事件发生时将关心的数据输出。用户也可以在用户添加的代码的任何位置将数据输出。
步骤6)、开始仿真,用户行为模型产生的事件将会推动仿真自动运行,直到仿真完成。
以上是对本发明的多媒体云仿真方法在一个实施例中的实现的描述。上述步骤中的步骤1)、步骤2)、步骤3)、步骤4)、步骤5)之间的顺序并不要求严格按照上述描述,本领域技术人员可根据实际需要自我调整。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种多媒体云计算仿真方法,包括:
步骤1)、根据所要仿真的多媒体云的结构,为其建立对应的资源模型;
所述资源模型描述了多媒体云在每个部署点部署的设备集群的功能,以及集群内设备的数量、功能、执行任务在内的信息;所述资源模型是一个三层资源模型,将多媒体云中不同粒度的资源拥有者抽象为组件、设备、执行者3种模型,其中,
所述组件代表多媒体云中的设备按照位置、功能、规模形成的设备集群,所述设备代表一切在多媒体云中能提供资源、物理上存在的个体,所述执行者代表从设备实际分配资源并执行任务的对象;
所述组件、设备与执行者利用标签声明自身所能提供的能力,在仿真运行过程中,配合资源调度策略,模拟多媒体云响应多媒体云任务的资源请求并分配资源的过程;
所述设备包括3种,其中,
主机模拟支持虚拟化技术的服务器,以虚拟机为单位进行资源分配,每个虚拟机就是一个执行者;
专用设备模拟不支持虚拟化的专业设备或具有特殊用途、资源共享的服务器,所有资源由专有设备执行者进行托管,专有设备执行者是一个逻辑实体,在现实中并没有相关的对应实体;
空设备模拟多媒体云计算中常见的中转资源请求的代理,本身没有任何资源,没有执行者;
步骤2)、根据所要仿真的多媒体云的网络结构,为其建立对应的网络模型;
所述网络模型包括物理网络的属性和多媒体云中各个部署点之间的覆盖网络逻辑关系;
步骤3)、根据所要模拟的场景,建立用户行为模型;
所述用户行为模型描述了用户的数量、用户的物理位置、用户加入和退出时间,以及用户提交每个多媒体云任务的时间;
步骤4)、根据用户提交的多媒体云任务的特征,为所要模拟的场景中的每一种多媒体云任务建立对应的任务模型;
所述任务模型描述了多媒体云任务中各个子任务之间的执行顺序,每个子任务声明所需要的资源信息,包括资源的数量和种类;
步骤5)、用户根据输出数据的需求,定制数据采集方法,设置监听事件,在事件发生时将关心的数据输出;
步骤6)、开始仿真,所述用户行为模型产生的事件推动仿真运行,直到仿真完成;
其中,步骤1)、步骤2)、步骤3)、步骤4)、步骤5)的执行顺序能够根据需要加以调整。
2.根据权利要求1所述的多媒体云计算仿真方法,其特征在于,在所述的步骤2)中,所述多媒体云中各个部署点之间的覆盖网络逻辑关系表示为一种不对称的邻居关系的集合,所述邻居关系包括:
如果节点a,存在这样一种关系,节点a能够主动向节点b发起通信,而节点b不能主动向节点a发起通信,则称节点b是节点a的邻居,记做a→b或者(a,b)。
3.根据权利要求1所述的多媒体云计算仿真方法,其特征在于,在所述的步骤3)中,所述用户模型由真实系统的日志文件分析处理而成,或根据所要模拟的场景人为构造而成。
4.根据权利要求1所述的多媒体云计算仿真方法,其特征在于,在所述的步骤4)中,所述任务模型中采用基于Petri网理论的工作流模型来模拟多媒体云任务,得到任务流,其中每一个子任务都是最小粒度的任务,拥有自己的标签集合,由资源模型中的执行者来完成;其中,
Petri网的定义如下:
三元组N=(S,T;F)称之为有向网的充分必要条件是:
(1)
(2)
(3)其中的“×”为笛卡儿积
(4)dom(F)∪cod(F)=S∪T
其中,
S和T分别称为N的库所集和变迁集,F为流关系,为F的定义域,为F的值域;
输入库所和输出库所的定义如下:
对于一个变迁t∈T,·t={p∈P:(p,t)∈F}称之为输入库所节点集合,t·={p∈P:(t,p)∈F}称之为输出库所集合;
以Petri网表示任务流,以变迁表示任务,库所表示任务的条件,令牌表示条件的满足情况,并定义4种流关系:
AND-join:多个输入条件需同时满足才能执行任务,完成后产生一个输出条件;
AND-split:单个输入条件,任务完成后产生多个输出条件;
OR-join:不同分支的任务只要有一个完成就可以产生输出条件;
OR-split:表明某一个条件有多个分支任务,但只能选择其中的一个运行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210397892.4A CN103780640B (zh) | 2012-10-18 | 2012-10-18 | 一种多媒体云计算仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210397892.4A CN103780640B (zh) | 2012-10-18 | 2012-10-18 | 一种多媒体云计算仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103780640A CN103780640A (zh) | 2014-05-07 |
CN103780640B true CN103780640B (zh) | 2017-03-08 |
Family
ID=50572466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210397892.4A Expired - Fee Related CN103780640B (zh) | 2012-10-18 | 2012-10-18 | 一种多媒体云计算仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103780640B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105933131B (zh) * | 2016-06-30 | 2019-03-15 | 北京奇艺世纪科技有限公司 | 多媒体任务处理方法及装置 |
CN108123819B (zh) * | 2016-11-30 | 2020-10-16 | 江南大学 | 一种虚实网络无缝融合的仿真方法 |
CN107918293A (zh) * | 2017-12-15 | 2018-04-17 | 四川汉科计算机信息技术有限公司 | 通用型仿真系统 |
CN109885699B (zh) * | 2019-02-15 | 2020-12-25 | 中国人民解放军国防科技大学 | 基于知识图谱的云仿真模型资源描述信息存储方法及装置 |
CN111026500B (zh) * | 2019-11-14 | 2021-03-30 | 网联清算有限公司 | 云计算模拟平台及其创建方法、装置和存储介质 |
CN114564299A (zh) * | 2020-11-27 | 2022-05-31 | 华为云计算技术有限公司 | 资源调度方法、装置及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102281290A (zh) * | 2011-07-18 | 2011-12-14 | 北京邮电大学 | 一种PaaS云平台的仿真系统及方法 |
-
2012
- 2012-10-18 CN CN201210397892.4A patent/CN103780640B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102281290A (zh) * | 2011-07-18 | 2011-12-14 | 北京邮电大学 | 一种PaaS云平台的仿真系统及方法 |
Non-Patent Citations (2)
Title |
---|
一种基于云计算理念的网络化建模与仿真平台——"云仿真平台";李伯虎,等;《系统仿真学报》;20090930;第21卷(第17期);5292-5299 * |
基于虚拟化技术的云仿真运行环境动态构建技术;张雅彬,等;《系统工程与电子技术》;20120331;第34卷(第3期);619-624 * |
Also Published As
Publication number | Publication date |
---|---|
CN103780640A (zh) | 2014-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103780640B (zh) | 一种多媒体云计算仿真方法 | |
WO2022110446A1 (zh) | 异构集群调度的模拟方法、装置、计算机设备及存储介质 | |
CN106649085A (zh) | 一种基于云计算的软件测试系统 | |
Liu et al. | Cloud-based computer simulation: Towards planting existing simulation software into the cloud | |
Castiglione et al. | Modeling performances of concurrent big data applications | |
CN104503832B (zh) | 一种公平和效率均衡的虚拟机调度系统及方法 | |
CN103093034B (zh) | 基于云计算的产品协同设计方法 | |
Suryateja | A Comparative Analysis of Cloud Simulators. | |
CN108920153A (zh) | 一种基于负载预测的Docker容器动态调度方法 | |
CN103955373A (zh) | 一种sdn应用集成开发环境的设计方法 | |
Jia et al. | A systematic review of scheduling approaches on multi-tenancy cloud platforms | |
Brown | Hadoop at home: large-scale computing at a small college | |
CN114996018A (zh) | 面向异构计算的资源调度方法、节点、系统、设备及介质 | |
CN112905297A (zh) | 容器集群资源调度方法和装置 | |
Li et al. | New advances of the research on cloud simulation | |
Narayanan et al. | Interactive simulations: History, features, and trends | |
Amoretti et al. | Efficient autonomic cloud computing using online discrete event simulation | |
Jrad et al. | STRATFram: A framework for describing and evaluating elasticity strategies for service-based business processes in the cloud | |
Naskos et al. | Probabilistic model checking at runtime for the provisioning of cloud resources | |
Pop et al. | A simulation model for grid scheduling analysis and optimization | |
Gribaudo et al. | Analysis of the influence of application deployment on energy consumption | |
Gherari et al. | MC-Sim: a mobile cloud simulation toolkit based on CloudSim | |
Mao et al. | Design and Optimization of Cloud-Oriented Workflow System. | |
Chen et al. | Resource management framework for collaborative computing systems over multiple virtual machines | |
Ramisetty et al. | Ontology integration for advanced manufacturing collaboration in cloud platforms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170308 |
|
CF01 | Termination of patent right due to non-payment of annual fee |