CN110149341B - 基于休眠模式的云系统用户接入控制方法 - Google Patents
基于休眠模式的云系统用户接入控制方法 Download PDFInfo
- Publication number
- CN110149341B CN110149341B CN201910455886.1A CN201910455886A CN110149341B CN 110149341 B CN110149341 B CN 110149341B CN 201910455886 A CN201910455886 A CN 201910455886A CN 110149341 B CN110149341 B CN 110149341B
- Authority
- CN
- China
- Prior art keywords
- cloud
- user
- state
- users
- access control
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Security & Cryptography (AREA)
- Computing Systems (AREA)
- Power Sources (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供了一种基于休眠模式的云系统用户接入控制方法,云系统包括云用户、虚拟机和云供应装置,方法包括:根据新到达云用户在进入云系统前检测出的已在云系统的云用户数量、虚拟机的唤醒状态和休眠状态,求解新到达云用户的预期延迟,并针对单个云用户建立个体目标函数;并设置差异化的系统缓存容量,建立多重同步休眠模型;构造一步转移率矩阵,并根据云系统状态的转移过程建立稳态方程,得出云系统模型的稳态解;针对云系统中的所有云用户,建立总体目标函数,给出云用户集成组件优化接入控制模型;确定出云用户的单组件优化接入阈值与集成组件优化接入阈值的关系。本发明实现绿色云环境下用户接入控制的优化,提高系统的能量效率。
Description
技术领域
本发明属于云计算技术领域,特别是一种基于休眠模式的云系统用户接入控制方法。
背景技术
全球正在进入云计算的时代。云计算是一种新的商业计算模型和服务模式,其核心的概念是不再依赖本地计算机来做计算,而是依赖由第三方运营的集中的计算和存储资源。它将计算任务分布在大量物理计算机服务器或虚拟服务器构成的不同数据中心,使各种应用能够根据需要获取计算能力、存储空间和信息服务。
云计算普遍为人们所接受,在于它提供集中统一的管理和维护,资源可以在多用户之间共享,总体上提高资源的利用率。在传统的IT架构和集群管理模式下,各企业和机构需要购置维护自己的硬件软件资源,要么由于估算不足造成资源达不到企业进行大规模存储和计算的需求,要么由于要满足最大可能的容量,而造成资源在正常状况下闲置浪费。统计数据显示,大多数企业的数据中心和集群平均资源利用率不到30%。
云计算的发展已经遍布在通讯、教育、政府、医疗、电力等各行业。随着云数据中心规模和云用户数量的不断扩大,云用户对系统的服务质量提出了更高的要求,同时,能源消耗也成为日益严峻并备受关注的问题。针对以上问题,国内外学者进行了相关研究,通常运用的是虚拟机资源调度一类的方法,这些专注于节能的研究并没有考虑到系统的能量效率问题。
基于博弈思想的排队理论已开始应用于云计算环境中。为满足能量效率最大化的需求,同时保证云用户的最佳服务体验,运用博弈论的思想建立的云请求接入控制模型、多目标优化模型和基于效用函数的优化分配策略方法等,但这些研究都专注于整体系统效率的最大化问题,忽略了系统的节能问题。
因此,针对上述不足,迫切需要开发一种全新的基于休眠模式与信息可视的云用户接入阈值策略方法,以满足绿色云环境下提高系统能量效率的需要。
发明内容
本发明针对上述现有技术中的缺陷,提出了如下技术方案。
一种基于休眠模式的云系统用户接入控制方法,所述云系统包括云用户、虚拟机和云供应装置,所述方法包括以下步骤:
S1、根据新到达云用户在进入云系统前检测出的已在云系统的云用户数量、虚拟机的唤醒状态和休眠状态,求解新到达云用户的预期延迟,并针对单个云用户建立个体目标函数;
S2、根据所述虚拟机的唤醒状态和休眠状态,分别确定云用户单组件优化接入控制模型;
S3、基于所述虚拟机不同状态下的所述云用户单组件优化接入控制模型,设置差异化的系统缓存容量,建立多重同步休眠模型;
S4、构造一步转移率矩阵,并根据云系统状态的转移过程建立方程组,得出云系统模型的稳态解;
S5、针对所述云系统中的所有云用户,建立总体目标函数,给出云用户集成组件优化接入控制模型,所述总体目标函数为:
其中,Bs为集成组件优化接入控制的总体资源效率参数,R为与云用户传输效率相关的参数,C为云用户的预期延迟对目标函数的影响因子,云用户的到达服从参数为λ的泊松过程,l为系统中云用户的数量,πl,i为系统模型的稳态解,n(0)+1与n(1)+1分别为虚拟机处于休眠状态与唤醒状态下的接入阈值,n(0)和n(1)为面向虚拟机的休眠状态和唤醒状态分别设置的不同的缓存容量;
(n*(0),n*(1))=argmax{Bs},
其中,n*(0)与n*(1)分别为虚拟机处于休眠状态与唤醒状态下的云用户集成组件优化接入阈值;
S6,确定出云用户的单组件优化接入阈值与集成组件优化接入阈值的关系:
ne(0)>n*(0),ne(1)>n*(1);
其中,ne(0)和ne(1)分别为虚拟机处于休眠状态与唤醒状态下的单组件优化接入阈值。
更进一步地,在所述步骤S1中,在所述云系统中云用户的数量n小于集群内云虚拟机的数量k的条件下,计算所述新到达云用户的预期延迟为:
其中,Ss(0)和Ss(1)分别为云系统中云用户的数量n小于集群内云虚拟机的数量k的条件下休眠状态和唤醒状态的云用户预期延迟,虚拟机休眠周期的长度由休眠定时器控制,θ为虚拟机的休眠参数,服务一个云用户的时间服从参数为μ的指数分布,针对单个云用户建立个体目标函数为:
其中,bs(0)和bs(1)分别为云系统中云用户的数量n小于集群内云虚拟机的数量k的条件下休眠状态和唤醒状态的单组件优化接入控制的资源效率参数,R为与云用户传输效率相关的参数,C为云用户的预期延迟对目标函数的影响因子;
在系统中所述云用户的数量l不小于集群内云虚拟机的数量k的条件下,计算所述新到达云用户的预期延迟为:
其中Sm(0)和Sm(1)分别为云用户的数量l不小于集群内云虚拟机的数量k的条件下休眠状态和唤醒状态下的云用户预期延迟,l为系统中云用户的数量,k为集群内云虚拟机的数量;
针对单个云用户建立的个体目标函数为:
更进一步地,在所述步骤S2中,假设单个云用户的个体目标函数bm(0)=0,bm(1)=0,则云用户的单组件优化接入控制模型为:
其中bm(0)和bm(1)分别为云用户的数量l不小于集群内云虚拟机的数量k的条件下休眠状态和唤醒状态的单组件优化接入控制的资源效率参数。
更进一步地,在所述步骤S4中,根据状态转移过程建立方程组为:
结合正规化条件,可得云系统模型的稳态解πl,i。
更进一步地,在所述步骤S6中,运用三维图形和等高线图给出总体目标函数的变化趋势,并对比集成组件优化接入控制模型与单组件优化接入接入控制模型,确定出云用户在唤醒状态下的优化接入阈值高于休眠状态下的优化接入阈值,且虚拟机处于唤醒状态和休眠状态时的集成组件优化接入阈值均低于单组件优化接入阈值,使得云供应装置选择最佳的云用户接入阈值设置硬件环境和运行规则。
与现有技术相比,本发明的技术效果为:
本发明综合考虑云系统的能耗节省和系统的能量效率,在周期性休眠机制的基础之上,研究云用户的接入阈值控制模型。在完全可视情况下,即云用户到达时可观察到系统中云用户的数量和虚拟机的状态,然后自己决定进不进去接受服务,所以叫信息完全可视,云用户搜集当前云系统中的云用户数量信息和云虚拟机状态信息,求解新到达云用户的预期延迟,建立个体目标函数,得出单组件优化接入阈值,建立多重同步休眠模型,结合正规化条件,得出系统模型的稳态解,针对所有云用户建立总体目标函数,给出集成组件优化接入阈值,揭示出集成组件优化接入阈值小于单组件优化接入阈值的规律,基于该规律,云供应装置可制定相应的云用户接入规则,实现绿色云环境下用户接入控制的优化,提高系统的能量效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显。
图1是本发明的一种基于休眠模式的云系统用户接入控制方法的流程图;
图2云系统的状态转移过程示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了本发明的一种基于休眠模式的云系统用户接入控制方法,云系统包括云用户、虚拟机和云供应装置,方法包括以下步骤:
S1、根据新到达云用户在进入云系统前检测出的已在云系统的云用户数量、虚拟机的唤醒状态和休眠状态,求解新到达云用户的预期延迟,并针对单个云用户建立个体目标函数;本发明中建立目标函数的目的就是通过目标函数求解最优接入阈值;
S2、根据虚拟机的唤醒状态和休眠状态,分别确定云用户单组件优化接入控制模型;
S3、基于虚拟机不同状态下的云用户单组件优化接入控制模型,设置差异化的系统缓存容量,建立多重同步休眠模型;
S4、构造一步转移率矩阵,并根据云系统状态的转移过程建立方程组,得出云系统模型的稳态解;
S5、针对云系统中的所有云用户,建立总体目标函数,给出云用户集成组件优化接入控制模型,本发明中通过总体目标函数最大求出资源使用最合理时的接入控制方案,总体目标函数为:
Bs为集成组件优化接入控制的总体资源效率参数,R为与云用户传输效率相关的参数,C为云用户的预期延迟对目标函数的影响因子,云用户的到达服从参数为λ的泊松过程,l为系统中云用户的数量,πl,i为系统模型的稳态解,n(0)+1与n(1)+1分别为虚拟机处于休眠状态与唤醒状态下的接入阈值,n(0)和n(1)为面向虚拟机的休眠状态和唤醒状态分别设置的不同的缓存容量;
(n*(0),n*(1))=argmax{Bs};
其中,n*(0)与n*(1)分别为虚拟机处于休眠状态与唤醒状态下的云用户集成组件优化接入阈值。
S6、确定出云用户的单组件优化接入阈值与集成组件优化接入阈值的关系:
ne(0)>n*(0),ne(1)>n*(1);
其中,ne(0)和ne(1)分别为虚拟机处于休眠状态与唤醒状态下的单组件优化接入阈值。
图2为云系统的状态转移过程,在云系统的运行过程中结合了周期性休眠机制,在一个集群内的虚拟机可以同步工作在周期性休眠机制下。当所有云用户都完成服务时,集群内的全部云虚拟机同时进入休眠状态,开始一个休眠周期,该休眠周期的长度由休眠定时器控制。当定时器超时后,若缓存仍为空,集群内所有云虚拟机进入下一个休眠周期;否则同时进入唤醒状态。当云系统中的云用户数量l(l=1,2,…)小于集群内云虚拟机数量k(k=1,2,…),即l<k时,随机选择l个云虚拟机服务全部云用户,其余k-l个云虚拟机则处于空闲状态;否则依到达顺序服务云系统中的前k个云用户,另外l-k个云用户继续在云系统中等待。
其中,当云系统水平经过一步转移之后由l减少到l-1时,云系统状态i保持为1,即虚拟机保持唤醒状态。此时,若l<k,转移率为lμ,否则转移率为kμ。
当云系统水平经过一步转移之后没有变化时,若云系统状态i保持为0,即虚拟机保持为休眠状态,需考虑三种情况:第一,如果l=0,转移率为-λ;第二,如果0<l≤ne(0),转移率为-λ-θ;第三,如果l=ne(0)+1,转移率为-θ。若云系统状态i由0转换为1,即云虚拟机由休眠状态转换为唤醒状态,此时转移率为θ。若云系统状态i保持为1,即虚拟机保持为唤醒状态,需考虑三种情况:第一,如果0<l≤k,转移率为-λ-lμ;第二,如果k<l≤ne(1),转移率为-λ-kμ;如果,转移率为-kμ。
当云系统水平经过一步转移之后由l增加到l+1时,此时无论云系统状态为0还是1,转移率都为λ。
基于图2及上述描述,在步骤S1中,在云系统中云用户的数量n小于集群内云虚拟机的数量k的条件下,计算新到达云用户的预期延迟为:
其中,Ss(0)和Ss(1)分别为云系统中云用户的数量n小于集群内云虚拟机的数量k的条件下休眠状态和唤醒状态的云用户预期延迟,虚拟机休眠周期的长度由休眠定时器控制,θ为虚拟机的休眠参数,服务一个云用户的时间服从参数为μ的指数分布,针对单个云用户建立个体目标函数为:
其中,bs(0)和bs(1)分别为云系统中云用户的数量n小于集群内云虚拟机的数量k的条件下休眠状态和唤醒状态的单组件优化接入控制的资源效率参数,R为与云用户传输效率相关的参数,C为云用户的预期延迟对目标函数的影响因子;
在系统中云用户的数量l不小于集群内云虚拟机的数量k的条件下,计算新到达云用户的预期延迟为:
其中Sm(0)和Sm(1)分别为云用户的数量l不小于集群内云虚拟机的数量k的条件下休眠状态和唤醒状态下的云用户预期延迟,l为系统中云用户的数量,k为集群内云虚拟机的数量;
针对单个云用户建立的个体目标函数为:
其中bm(0)和bm(1)分别为云用户的数量l不小于集群内云虚拟机的数量k的条件下休眠状态和唤醒状态的单组件优化接入控制的资源效率参数;
这是本发明的重要发明点之一。
在一个实施例中,在步骤S2中,假设单个云用户的个体目标函数bm(0)=0,bm(1)=0,则云用户的单组件优化接入控制模型为:
在一个实施例中,在步骤S4中,根据状态转移过程建立方程组为:
结合正规化条件,可得系统模型的稳态解πl,i,这是本发明的重要发明点之一。
在一个实施例中,在步骤S6中,运用三维图形和等高线图给出总体目标函数的变化趋势,并对比集成组件优化接入控制模型与单组件优化接入接入控制模型,确定出云用户在唤醒状态下的优化接入阈值高于休眠状态下的优化接入阈值,且虚拟机处于唤醒状态和休眠状态时的集成组件优化接入阈值均低于单组件优化接入阈值,使得云供应装置选择最佳的云用户接入阈值设置硬件环境和运行规则。
本发明的控制方法可应用于云计算环境下的云资源调度方面,云中可提供资源的弹性伸缩能力,以降低虚拟机所产生的能量消耗,根据周期性休眠机制,虚拟机在休眠定时器的控制下,进行唤醒与休眠状态的切换,若系统中的云用户全部服务完成,虚拟机从唤醒状态切换为休眠状态,直到系统中再次有云用户到达,虚拟机从休眠状态切换为唤醒状态。在采用此机制的基础之上,根据控制方法中的求解阈值,若系统中到达的云用户数量触发了设置的接入阈值,云供应装置将自动阻止云用户的进入。本发明中,新用户在完全可视情况下,即云用户到达时可观察到系统中云用户的数量和虚拟机的状态,然后自己决定进不进去接受服务,提高了系统的安全性及执行效率。
通过仿真实验结果表明:当休眠状态下的云用户接入阈值n(0)一定时,随着唤醒状态下云用户接入阈值n(1)的增大,单位时间的社会收益Bs显现出先增大再减小的变化规律。在云虚拟机服务能力的范围内,随着接入阈值的增大,接入云系统的云用户增多,单位时间的社会收益增大。当接入阈值增大到一定程度时,系统中的云用户数量过多,造成云用户的平均等待费用增大,所以单位时间的社会收益将逐渐减小。同理,当唤醒状态下云用户接入阈值n(1)一定时,随着休眠状态下云用户接入阈值n(0)的增大单位时间的社会收益也显现出先增大后减小的变化规律。当单位时间的社会收益取得最大值Bs*=61.07时,云用户的社会最优接入阈值为(n*(0),n*(1))=(7,11)。在资源分配合理,能量效率最高的条件下找出了云用户的优化接入控制方案。
本发明综合考虑系统的能源节省和系统的能量效率,在周期性休眠机制的基础之上,研究云用户的接入控制方法。通过在上述实例中的应用,系统中无云用户时,虚拟机切换为休眠状态,此时节约了一大部分的能量消耗,同时,根据云供应装置的接入阈值优化控制,提高了系统的能源效率。
最后所应说明的是:以上实施例仅以说明而非限制本发明的技术方案,尽管参照上述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:依然可以对本发明进行修改或者等同替换,而不脱离本发明的精神和范围的任何修改或局部替换,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种基于休眠模式的云系统用户接入控制方法,所述云系统包括云用户、虚拟机和云供应装置,其特征在于:所述方法包括以下步骤:
S1、根据新到达云用户在进入云系统前检测出的已在云系统的云用户数量、虚拟机的唤醒状态和休眠状态,求解新到达云用户的预期延迟,并针对单个云用户建立个体目标函数;
S2、根据所述虚拟机的唤醒状态和休眠状态,分别确定云用户单组件优化接入控制模型;
S3、基于所述虚拟机不同状态下的所述云用户单组件优化接入控制模型,设置差异化的系统缓存容量,建立多重同步休眠模型;
S4、构造一步转移率矩阵,并根据云系统状态的转移过程建立方程组,得出云系统模型的稳态解;
S5、针对所述云系统中的所有云用户,建立总体目标函数,给出云用户集成组件优化接入控制模型,所述总体目标函数为:
其中,Bs为集成组件优化接入控制的总体资源效率参数,R为与云用户传输效率相关的参数,C为云用户的预期延迟对目标函数的影响因子,云用户的到达服从参数为λ的泊松过程,l为系统中云用户的数量,πl,i为系统模型的稳态解,n(0)+1与n(1)+1分别为虚拟机处于休眠状态与唤醒状态下的接入阈值,n(0)和n(1)为面向虚拟机的休眠状态和唤醒状态分别设置的不同的缓存容量;
(n*(0),n*(1))=argmax{Bs};
其中,n*(0)与n*(1)分别为虚拟机处于休眠状态与唤醒状态下的云用户集成组件优化接入阈值;
S6、确定所述云用户的单组件优化接入阈值与集成组件优化接入阈值的关系:
ne(0)>n*(0),ne(1)>n*(1);
其中,ne(0)和ne(1)分别为虚拟机处于休眠状态与唤醒状态下的单组件优化接入阈值。
2.根据权利要求1所述的基于休眠模式的云系统用户接入控制方法,其特征在于:
在所述步骤S1中,在所述云系统中云用户的数量n小于集群内云虚拟机的数量k的条件下,计算所述新到达云用户的预期延迟为:
其中,Ss(0)和Ss(1)分别为云系统中云用户的数量n小于集群内云虚拟机的数量k的条件下休眠状态和唤醒状态的云用户预期延迟,虚拟机休眠周期的长度由休眠定时器控制,θ为虚拟机的休眠参数,服务一个云用户的时间服从参数为μ的指数分布,针对单个云用户建立个体目标函数为:
其中,bs(0)和bs(1)分别为云系统中云用户的数量n小于集群内云虚拟机的数量k的条件下休眠状态和唤醒状态的单组件优化接入控制的资源效率参数,R为与云用户传输效率相关的参数,C为云用户的预期延迟对目标函数的影响因子;
在系统中所述云用户的数量l不小于集群内云虚拟机的数量k的条件下,计算所述新到达云用户的预期延迟为:
其中Sm(0)和Sm(1)分别为云用户的数量l不小于集群内云虚拟机的数量k的条件下休眠状态和唤醒状态下的云用户预期延迟,l为系统中云用户的数量,k为集群内云虚拟机的数量;
针对单个云用户建立的个体目标函数为:
其中bm(0)和bm(1)分别为云用户的数量l不小于集群内云虚拟机的数量k的条件下休眠状态和唤醒状态的单组件优化接入控制的资源效率参数。
5.根据权利要求1或者2所述的基于休眠模式的云系统用户接入控制方法,其特征在于:在所述步骤S6中,运用三维图形和等高线图给出总体目标函数的变化趋势,并对比集成组件优化接入控制模型与单组件优化接入接入控制模型,确定出云用户在唤醒状态下的优化接入阈值高于休眠状态下的优化接入阈值,且虚拟机处于唤醒状态和休眠状态时的集成组件优化接入阈值均低于单组件优化接入阈值,使得云供应装置选择最佳的云用户接入阈值设置硬件环境和运行规则。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910455886.1A CN110149341B (zh) | 2019-05-29 | 2019-05-29 | 基于休眠模式的云系统用户接入控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910455886.1A CN110149341B (zh) | 2019-05-29 | 2019-05-29 | 基于休眠模式的云系统用户接入控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110149341A CN110149341A (zh) | 2019-08-20 |
CN110149341B true CN110149341B (zh) | 2020-06-16 |
Family
ID=67593433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910455886.1A Active CN110149341B (zh) | 2019-05-29 | 2019-05-29 | 基于休眠模式的云系统用户接入控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110149341B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113342462B (zh) * | 2021-06-02 | 2022-03-15 | 燕山大学 | 融合限制周期性拟休眠的云计算优化方法、系统及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103823545A (zh) * | 2014-03-05 | 2014-05-28 | 南京邮电大学 | 一种云计算系统的服务器唤醒方法 |
CN107197013A (zh) * | 2017-05-19 | 2017-09-22 | 成都鼎智汇科技有限公司 | 一种增强云计算环境节能系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10492102B2 (en) * | 2009-01-28 | 2019-11-26 | Headwater Research Llc | Intermediate networking devices |
US9195294B2 (en) * | 2012-11-13 | 2015-11-24 | International Business Machines Corporation | Cooperatively managing enforcement of energy related policies between virtual machine and application runtime |
CN103701889A (zh) * | 2013-12-20 | 2014-04-02 | 国云科技股份有限公司 | 一种基于云计算的数据中心节能方法 |
CN104468212B (zh) * | 2014-12-03 | 2017-08-08 | 中国科学院计算技术研究所 | 一种云计算数据中心网络智能联动配置方法及系统 |
CN107729070B (zh) * | 2017-10-16 | 2020-11-06 | 燕山大学 | 基于双速率和工作休眠的虚拟机调度系统及方法 |
CN109542206A (zh) * | 2018-10-19 | 2019-03-29 | 天津易华录信息技术有限公司 | 一种低能耗数据中心 |
-
2019
- 2019-05-29 CN CN201910455886.1A patent/CN110149341B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103823545A (zh) * | 2014-03-05 | 2014-05-28 | 南京邮电大学 | 一种云计算系统的服务器唤醒方法 |
CN107197013A (zh) * | 2017-05-19 | 2017-09-22 | 成都鼎智汇科技有限公司 | 一种增强云计算环境节能系统 |
Non-Patent Citations (2)
Title |
---|
Longxiang Fan;Chonglin Gu;Lining Qiao;Wenbin Wu;Hejiao H.GreenSleep: A Multi-sleep Modes Based Scheduling of Servers for Cloud Data Center.《2017 3rd International Conference on Big Data Computing and Communications (BIGCOM)》.2017, * |
基于备用虚拟机同步休眠的云数据中心节能策略及性能;金顺福、王宝帅、郝闪闪等;《吉林大学学报(工学版)》;20170920(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110149341A (zh) | 2019-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ding et al. | Q-learning based dynamic task scheduling for energy-efficient cloud computing | |
Liu et al. | A new service mechanism for profit optimizations of a cloud provider and its users | |
Yang et al. | Stackelberg game approach for energy-aware resource allocation in data centers | |
Liu et al. | Job scheduling model for cloud computing based on multi-objective genetic algorithm | |
CN103220337B (zh) | 基于自适应弹性控制的云计算资源优化配置方法 | |
CN103338241B (zh) | 一种新的公有云架构及其虚拟化资源自适应配置方法 | |
CN110888714B (zh) | 容器的调度方法、装置和计算机可读存储介质 | |
CN110308967B (zh) | 一种基于混合云的工作流成本-延迟最优化任务分配方法 | |
CN103823545B (zh) | 一种云计算系统的服务器唤醒方法 | |
CN103927225A (zh) | 一种多核心架构的互联网信息处理优化方法 | |
CN105847385B (zh) | 一种基于运行时长的云计算平台虚拟机调度方法 | |
CN106095581B (zh) | 一种私有云条件下的网络存储虚拟化调度方法 | |
CN107122235B (zh) | 基于应用优先级的公共基础设施资源调度方法 | |
Terzopoulos et al. | Bag-of-task scheduling on power-aware clusters using a dvfs-based mechanism | |
CN108984286A (zh) | 一种云计算平台的资源调度方法和系统 | |
CN110149341B (zh) | 基于休眠模式的云系统用户接入控制方法 | |
Li et al. | Load prediction-based automatic scaling cloud computing | |
CN114721818A (zh) | 一种基于Kubernetes集群的GPU分时共享方法和系统 | |
Singh et al. | Value and energy optimizing dynamic resource allocation in many-core HPC systems | |
Kuo et al. | Task assignment with energy efficiency considerations for non-DVS heterogeneous multiprocessor systems | |
Liu et al. | Energy‐aware virtual machine consolidation based on evolutionary game theory | |
WO2023066035A1 (zh) | 资源分配方法以及资源分配装置 | |
Kella et al. | VM Live Migration Algorithm Based on Stable Matching Model to Improve Energy Consumption and Quality of Service. | |
SM et al. | Priority based resource allocation and demand based pricing model in peer-to-peer clouds | |
Cao et al. | A QoS-guaranteed energy-efficient VM dynamic migration strategy in cloud data centers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210419 Address after: 066199 No.72 Lianfeng Road, Beidaihe District, Qinhuangdao City, Hebei Province Patentee after: Qinhuangdao Zhongyi Information Technology Co.,Ltd. Address before: Hebei Street West Harbor area, 066004 Hebei city of Qinhuangdao province No. 438 Patentee before: Yanshan University |