CN112749008A - 一种基于OpenStack的云资源分配系统及其搭建方法 - Google Patents
一种基于OpenStack的云资源分配系统及其搭建方法 Download PDFInfo
- Publication number
- CN112749008A CN112749008A CN202011593599.6A CN202011593599A CN112749008A CN 112749008 A CN112749008 A CN 112749008A CN 202011593599 A CN202011593599 A CN 202011593599A CN 112749008 A CN112749008 A CN 112749008A
- Authority
- CN
- China
- Prior art keywords
- cloud
- resource
- ecs
- resources
- layer
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于OpenStack的云资源分配系统及其搭建方法,分配系统包括依次相连的资源池虚拟化层、后台适配层和云资源管理平台层,分配系统搭建方法包括通过资源池虚拟化层对资源池进行虚拟化以获得虚拟化云资源;通过后台适配层对虚拟化的云资源进行采集监控,并根据染色时间片以及可调用云资源机基于用户需求对云资源进行按需分配;通过云资源管理平台层为用户提供云服务。与现有技术相比,本发明具有分配速度快、对云资源实时监控、具有非实时任务意识等优点。
Description
技术领域
本发明涉及云资源分配技术领域,尤其是涉及一种基于OpenStack的云资源分配系统及其搭建方法。
背景技术
随着云计算技术的发展和应用,将应用程序和基础网络资源通过互联网以服务的方式交付给用户逐渐成为一种主流的方式。特别是针对中小企业而言,云服务更是成为了企业应用部署的一种主要的渠道。而云平台虽然给我们带来了全新的资源整合和使用模式,但是如何合理分配及调度底层资源,达到改善云平台低层资源利用率及提高云平台服务质量的目的,已经成为业界的一个挑战。
云计算有三个本质特征,一是理论上可为用户提供不受限的计算资源,二是技术上和经济上可灵活响应用户变化的需求,三是让用户可以在短期内获得和释放云资源。这三条本质特征是在资源池整体虚拟化的基础上达到的,正是这样也导致了在用户数巨大的情况下,云平台也要快速响应用户的动作,因此,对资源分配策略的优化是非常重要的一个方面。目前云平台使用较多的是启发式分配算法,例如,粒子群优化算法、蚁群算法、遗传算法等。也要考虑市场经济模型里的策略,如博弈论、基于拍卖的各种策略等。此外,还有对云计算平台分配资源颗粒度的细化,以及对硬件资源分配时的公平性考虑而给出的分配策略。
如中国专利CN104601585A中公开了一种基于用户体验的多媒体云数据中心高能效资源分配方法,包括用户向多媒体云数据中心发起应用请求;时隙t开始时,数据中心将用户请求排队,初始化实际队列,计算虚拟队列;用户根据自身设备及网络条件确定相应的应用期望响应时间;数据中心通过观察用户请求队列,请求到达率,计算实际队列与用户体验的最大化函数;数据中心根据用户体验的度量,调整相应的参数,使得队列与系统能耗函数最小化,从而确定系统需要的资源提供数量;更新实际队列与虚拟队列,进入下一时隙。该方法虽然将用户体验引入云计算资源分配策略当中,完善了用户体验,但是该方法的分配速度依然较慢,操作较为复杂。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种分配速度快、对云资源实时监控、具有非实时任务意识的基于OpenStack的云资源分配系统及其搭建方法。
本发明的目的可以通过以下技术方案来实现:
一种基于OpenStack的云资源分配系统,所述的分配系统包括依次相连的资源池虚拟化层、后台适配层和云资源管理平台层;
资源池虚拟化层,通过OpenStack对资源池进行虚拟化;
后台适配层,设有ECS云服务器后台,用于对云资源进行负载性能数据实时采集、计算每一个资源的平均可用度以及基于用户行为特征对服务时间片进行染色,然后根据云资源管理平台层传输的用户需求对云资源进行按需分配;
云资源管理平台层,设有ECS云服务控制台,用于为用户按需提供云资源。
优选地,所述的资源池包括x86资源池、机架资源池和小型机资源池。
优选地,所述的云资源管理平台层包括ECS云服务控制台和话单服务器;所述的ECS云服务控制台和话单服务器分别与后台适配层相连;
ECS云服务控制台,用于对云服务进行操作;
话单服务器,用于接收后台适配层发送的话单数据。
更加优选地,所述的话单服务器具体为设有加密安全协议的话单SFTP服务器。
更加优选地,所述的云资源管理平台层还包括第三方资源池接入模块,用于将第三方资源池接入云资源管理平台层;所述的第三方资源池接入模块与后台适配层相连。
更加优选地,所述的后台适配层包括ECS云服务后台、资源池采集监控模块、和计量模块;所述的ECS云服务后台与ECS云服务控制台相连;所述的计量模块与话单服务器相连;所述的资源池采集监控模块分别与第三方资源池接入模块和资源池虚拟化层相连;
ECS云服务后台,与云资源管理平台层的ECS云服务控制台相连,用于对云资源进行分配;
资源池采集监控模块,用于采集虚拟化后的云资源并对其进行监控;
计量模块,用于获取每个云资源的计量数据并将其发送给后台适配层的话单服务器。
更加优选地,所述的ECS云服务后台设有配额计算单元,所述的配额计算单元具体为:
基于用户行为特征数据将云计算的时间划分成不同的服务时间片,通过对用户行为特征进行统计和数据挖掘获得同类用户的任务分布和要求在时间轴上的离散分布规律,从而将服务时间片进行染色;
同时根据资源池采集监控模块采集监控的云资源数据计算所有云资源的总可用度以及每一个云资源的可用度。
更加优选地,所述的ECS云服务后台对云资源进行按需分配的具体方法为:
首先,根据用户需求选取对应的服务时间片;
然后,在对应的服务时间片内选取可调用云资源。
更加优选地,所述的可调用云资源的获取方法为:
首先,根据所有云资源的总可用度计算每个云资源的平均可用度;
然后,若当前云资源的可用度大于每个云资源的平均可用度,则将该云资源视为可调用云资源。
一种用于上述云资源分配系统的云资源分配系统搭建方法,所述的搭建方法包括:
通过资源池虚拟化层对资源池进行虚拟化以获得虚拟化云资源;
通过后台适配层对虚拟化的云资源进行采集监控,并根据染色时间片以及可调用云资源机基于用户需求对云资源进行按需分配;
通过云资源管理平台层为用户提供云服务。
与现有技术相比,本发明具有以下有益效果:
一、分配速度快:本发明中的云资源分配系统在满足客户心理预期的情况下,从成本、时间、节能等方面对资源的调度和分配进行了最大化的利用;同时,系统内部拥有丰富的资源分配策略,通过不断地机器学习,补充最优分配策略映射,最终能为云平台提供不同颗粒度的资源分配策略,有效缩短了云资源的分配速度,还能保证成本、节能、用户满意度等方面保持均衡。
二、实现对云资源的实时监控:本发明中的云资源分配系统引入监控检测机制,通过对资源分配时间的监控,让管理员能更好地把握全局。
三、具有非实时任务意识:本发明中的云资源分配系统内嵌的分配策略虽然大部分都是基于实时任务,但是也有一部分任务对时效性要求不高,这种任务拥有单独的分配策略来获得最优化的结果。
附图说明
图1为本发明中云资源分配系统的结构示意图。
图中标号所示:
1、资源池虚拟化层;
2、后台适配层,201、ECS云服务后台,202、资源池采集监控模块,203、计量模块;
3、云资源管理平台层,301、ECS云服务控制台,302、第三方资源池接入模块,303、话单服务器。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
实施例1
一种基于OpenStack的云资源分配系统,其结构如图1所示,包括依次相连的资源池虚拟化层1、后台适配层2和云资源管理平台层3。
下面对各个层进行详细描述:
(1)资源池虚拟化层1
资源池虚拟化层1通过OpenStack对资源池进行虚拟化,资源池包括x86资源池、机架资源池和小型机资源池。
Openstack是由Rackspace和NASA共同开发的云计算平台,帮助服务商和企业内部实现类似于Amazon ec2和S3的云基础架构服务。Openstack包两个主要模块:Nova和Swift。前者是NASA开发的虚拟服务器部署和业务计算模块,后者是Backpack开发的分布式云存储模块。两个模块可以单独使用,也可以结合使用,更加增添了openstack的灵活性。
(2)云资源管理平台层3
云资源管理平台层3包括ECS云服务控制台301、第三方资源池接入模块302和话单服务器303,所述的ECS云服务控制台301、第三方资源池接入模块302和话单服务器303分别与后台适配层相连。
ECS云服务控制台301,用于对云服务进行操作;
第三方资源池接入模块302,用于将第三方资源池接入云资源管理平台层;
话单服务器303,用于接收后台适配层发送的话单数据。
(3)后台适配层2
后台适配层包括ECS云服务后台201、资源池采集监控模块202、和计量模块203,ECS云服务后台301与ECS云服务控制台301相连,计量模块203与话单服务器303相连,资源池采集监控模块202分别与第三方资源池接入模块302和资源池虚拟化层1相连。
ECS云服务后台201,与云资源管理平台层3的ECS云服务控制台301相连,用于对云资源进行分配;
资源池采集监控模块202,用于采集虚拟化后的云资源并对其进行监控;
计量模块203,用于获取每个云资源的计量数据并将其发送给后台适配层的话单服务器。
其中,ECS云服务后台201设有配额计算单元,配额计算单元具体为:
基于用户行为特征数据将云计算的时间划分成不同的服务时间片,通过对用户行为特征进行统计和数据挖掘获得同类用户的任务分布和要求在时间轴上的离散分布规律,从而将服务时间片进行染色,并对染色不同的服务时间片赋予不同的资源分配策略,使云计算系统在用户满意度和时间成本上达到均衡。
同时根据资源池采集监控模块202采集监控的云资源数据计算所有云资源的总可用度以及每一个云资源的可用度。
ECS云服务后台201对云资源进行按需分配的具体方法为:
首先,根据用户需求选取对应的服务时间片;
然后,在对应的服务时间片内选取可调用云资源。
可调用云资源的获取方法为:
首先,根据所有云资源的总可用度计算每个云资源的平均可用度;
然后,若当前云资源的可用度大于每个云资源的平均可用度,则将该云资源视为可调用云资源。
下面提供一种具体应用案例:
比如两个用户先后下发申请服务器、硬盘的请求,本实施例中的云资源分配系统预设了优先级和用户的忍耐程度,假设用户对服务器的期望是在2分钟内建好,对硬盘的期望是在5分钟内建好,而真实建立服务器和硬盘的时间分别为1分钟和2分钟。在单线程的情况下,第二位申请服务器的用户所需要的时间就会超过他的预期,引发客户的不满,此时本实施例中的云资源分配系统可以将服务器插队,建立完第一个服务器后先行建立第二个服务器再去创建第一位的硬盘,使得两个用户都在满意的区间内。当然本实施例中云资源分配系统也是采用多线程与这种算法结合来处理,在满足用户预期的前提下实现任务并非最大化,提升整体的资源利用率,实现单位资源对用户满意度贡献率的最大化。
实施例2
一种用于上述云资源分配系统的云资源分配系统搭建方法,包括:
通过资源池虚拟化层1对资源池进行虚拟化以获得虚拟化云资源;
通过后台适配层2对虚拟化的云资源进行采集监控,并根据染色时间片以及可调用云资源机基于用户需求对云资源进行按需分配;
通过云资源管理平台层3为用户提供云服务。
上述云资源分配系统以openstack为基础平台,也是因为它是开放源代码的软件,广受业界好评,并且利于进行二次开发。openstack对绝大多数的系统架构的服务器也都可以进行支持,并且能同时管理数十万量级的服务器集群。本发明也是基于openstack,在对其虚拟化资源进行建模的基础上,提出了一种云资源分配系统,在云环境下进行面相计算资源实时监测反馈负载均衡的调度,相比于通常资源调度往往只是对其中一类资源进行分析,本发明不仅仅是对计算资源进行分析,还有内存、存储和网络带宽等等,多种资源进行立体分析,通过对服务器的负载性能数据的实时采集和监控,然后对资源进行动态调度。也就是云平台会根据采集的数据,算出一个资源的平均可用度,当一台主机上资源超过平均值,就会进行动态调度,保证平台的平稳运行。
并且云计算将服务的提供和资源的提供完全隔离开来,服务提供商聚焦于解决终端用户的实际计算需求,它从用户的视角来设计服务并提供业务上的端到端的解决方案。对于云计算环境下的资源动态分配策略,本实施例中的云资源分配系统分别从不同的角度进行了理论和实践的探讨,从资源可靠性的角度展开研究,考虑了资源失效规律在时间和空间上的分部特性,并以此规律进行资源分配,有效屏蔽了大量失效的资源节点,但是该策略并未考虑资源消耗最小化的问题,即分配出去的资源丰富的节点可能分给一个资源需求量非常小的任务,使得资源有效利用率低。而本实施例中的云资源分配系统就解决了这一问题,通过对资源的监控和更有效率的分配,节约了大量的成本。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于OpenStack的云资源分配系统,其特征在于,所述的分配系统包括依次相连的资源池虚拟化层(1)、后台适配层(2)和云资源管理平台层(3);
资源池虚拟化层(1),通过OpenStack对资源池进行虚拟化;
后台适配层(2),设有ECS云服务器后台(201),用于对云资源进行负载性能数据实时采集、计算每一个资源的平均可用度以及基于用户行为特征对服务时间片进行染色,然后根据云资源管理平台层传输的用户需求对云资源进行按需分配;
云资源管理平台层(3),设有ECS云服务控制台(301),用于为用户按需提供云资源。
2.根据权利要求1所述的一种基于OpenStack的云资源分配系统,其特征在于,所述的资源池包括x86资源池、机架资源池和小型机资源池。
3.根据权利要求1所述的一种基于OpenStack的云资源分配系统,其特征在于,所述的云资源管理平台层(3)包括ECS云服务控制台(301)和话单服务器(303);所述的ECS云服务控制台(301)和话单服务器(303)分别与后台适配层相连;
ECS云服务控制台(301),用于对云服务进行操作;
话单服务器(303),用于接收后台适配层发送的话单数据。
4.根据权利要求3所述的一种基于OpenStack的云资源分配系统,其特征在于,所述的话单服务器(301)具体为设有加密安全协议的话单SFTP服务器。
5.根据权利要求3所述的一种基于OpenStack的云资源分配系统,其特征在于,所述的云资源管理平台层(3)还包括第三方资源池接入模块(302),用于将第三方资源池接入云资源管理平台层;所述的第三方资源池接入模块(302)与后台适配层相连。
6.根据权利要求5所述的一种基于OpenStack的云资源分配系统,其特征在于,所述的后台适配层包括ECS云服务后台(201)、资源池采集监控模块(202)、和计量模块(203);所述的ECS云服务后台(301)与ECS云服务控制台(301)相连;所述的计量模块(203)与话单服务器(303)相连;所述的资源池采集监控模块(202)分别与第三方资源池接入模块(302)和资源池虚拟化层(1)相连;
ECS云服务后台(201),与云资源管理平台层(3)的ECS云服务控制台(301)相连,用于对云资源进行分配;
资源池采集监控模块(202),用于采集虚拟化后的云资源并对其进行监控;
计量模块(203),用于获取每个云资源的计量数据并将其发送给后台适配层的话单服务器。
7.根据权利要求6所述的一种基于OpenStack的云资源分配系统,其特征在于,所述的ECS云服务后台(201)设有配额计算单元,所述的配额计算单元具体为:
基于用户行为特征数据将云计算的时间划分成不同的服务时间片,通过对用户行为特征进行统计和数据挖掘获得同类用户的任务分布和要求在时间轴上的离散分布规律,从而将服务时间片进行染色;
同时根据资源池采集监控模块(202)采集监控的云资源数据计算所有云资源的总可用度以及每一个云资源的可用度。
8.根据权利要求7所述的一种基于OpenStack的云资源分配系统,其特征在于,所述的ECS云服务后台(201)对云资源进行按需分配的具体方法为:
首先,根据用户需求选取对应的服务时间片;
然后,在对应的服务时间片内选取可调用云资源。
9.根据权利要求8所述的一种基于OpenStack的云资源分配系统,其特征在于,所述的可调用云资源的获取方法为:
首先,根据所有云资源的总可用度计算每个云资源的平均可用度;
然后,若当前云资源的可用度大于每个云资源的平均可用度,则将该云资源视为可调用云资源。
10.一种用于如权利要求1所述云资源分配系统的云资源分配系统搭建方法,其特征在于,所述的搭建方法包括:
通过资源池虚拟化层(1)对资源池进行虚拟化以获得虚拟化云资源;
通过后台适配层(2)对虚拟化的云资源进行采集监控,并根据染色时间片以及可调用云资源机基于用户需求对云资源进行按需分配;
通过云资源管理平台层(3)为用户提供云服务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011593599.6A CN112749008A (zh) | 2020-12-29 | 2020-12-29 | 一种基于OpenStack的云资源分配系统及其搭建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011593599.6A CN112749008A (zh) | 2020-12-29 | 2020-12-29 | 一种基于OpenStack的云资源分配系统及其搭建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112749008A true CN112749008A (zh) | 2021-05-04 |
Family
ID=75647641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011593599.6A Pending CN112749008A (zh) | 2020-12-29 | 2020-12-29 | 一种基于OpenStack的云资源分配系统及其搭建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112749008A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115225535A (zh) * | 2022-07-27 | 2022-10-21 | 济南浪潮数据技术有限公司 | 一种云平台的一致性检测方法及相关组件 |
WO2024082861A1 (zh) * | 2022-10-20 | 2024-04-25 | 天翼数字生活科技有限公司 | 一种应用于视频监控中的云存储调度系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103281306A (zh) * | 2013-05-03 | 2013-09-04 | 四川省电力公司信息通信公司 | 云数据中心虚拟化基础架构平台 |
CN103605567A (zh) * | 2013-10-29 | 2014-02-26 | 河海大学 | 面向实时性需求变化的云计算任务调度方法 |
WO2014116702A1 (en) * | 2013-01-26 | 2014-07-31 | Lyatiss, Inc. | Methods and systems for estimating and analyzing flow activity and path performance data in cloud or distributed systems |
CN105516267A (zh) * | 2015-11-27 | 2016-04-20 | 成都微讯云通科技有限公司 | 云平台高效运行方法 |
CN107193658A (zh) * | 2017-05-25 | 2017-09-22 | 重庆工程学院 | 基于博弈论的云计算资源调度方法 |
CN111767139A (zh) * | 2020-06-19 | 2020-10-13 | 四川九洲电器集团有限责任公司 | 一种跨地域多数据中心资源云服务建模方法及系统 |
CN111813558A (zh) * | 2020-07-23 | 2020-10-23 | 莫毓昌 | 一种面向混合云的资源调度方法 |
-
2020
- 2020-12-29 CN CN202011593599.6A patent/CN112749008A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014116702A1 (en) * | 2013-01-26 | 2014-07-31 | Lyatiss, Inc. | Methods and systems for estimating and analyzing flow activity and path performance data in cloud or distributed systems |
CN103281306A (zh) * | 2013-05-03 | 2013-09-04 | 四川省电力公司信息通信公司 | 云数据中心虚拟化基础架构平台 |
CN103605567A (zh) * | 2013-10-29 | 2014-02-26 | 河海大学 | 面向实时性需求变化的云计算任务调度方法 |
CN105516267A (zh) * | 2015-11-27 | 2016-04-20 | 成都微讯云通科技有限公司 | 云平台高效运行方法 |
CN107193658A (zh) * | 2017-05-25 | 2017-09-22 | 重庆工程学院 | 基于博弈论的云计算资源调度方法 |
CN111767139A (zh) * | 2020-06-19 | 2020-10-13 | 四川九洲电器集团有限责任公司 | 一种跨地域多数据中心资源云服务建模方法及系统 |
CN111813558A (zh) * | 2020-07-23 | 2020-10-23 | 莫毓昌 | 一种面向混合云的资源调度方法 |
Non-Patent Citations (1)
Title |
---|
曹宇: ""自主容器云下微服务部署调度的研究与实现"", 《中国优秀硕士学位论文全文数据库(电子期刊)信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115225535A (zh) * | 2022-07-27 | 2022-10-21 | 济南浪潮数据技术有限公司 | 一种云平台的一致性检测方法及相关组件 |
WO2024082861A1 (zh) * | 2022-10-20 | 2024-04-25 | 天翼数字生活科技有限公司 | 一种应用于视频监控中的云存储调度系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhani et al. | Vdc planner: Dynamic migration-aware virtual data center embedding for clouds | |
US9442769B2 (en) | Generating cloud deployment targets based on predictive workload estimation | |
Dakshayini et al. | An optimal model for priority based service scheduling policy for cloud computing environment | |
Vignesh et al. | Resource management and scheduling in cloud environment | |
Parikh | A survey on cloud computing resource allocation techniques | |
Guazzone et al. | Exploiting VM migration for the automated power and performance management of green cloud computing systems | |
Bhatia et al. | Htv dynamic load balancing algorithm for virtual machine instances in cloud | |
Guo et al. | Online VM auto-scaling algorithms for application hosting in a cloud | |
CN106790636A (zh) | 一种云计算服务器集群的均衡负载系统及方法 | |
Zhang et al. | Minimizing communication traffic in data centers with power-aware VM placement | |
Kaur et al. | Optimization techniques for resource provisioning and load balancing in cloud environment: a review | |
Liu et al. | A survey on virtual machine scheduling in cloud computing | |
CN112749008A (zh) | 一种基于OpenStack的云资源分配系统及其搭建方法 | |
Shahapure et al. | Load balancing with optimal cost scheduling algorithm | |
Shifrin et al. | Optimal control of VNF deployment and scheduling | |
Wang et al. | Network-aware placement of virtual machine ensembles using effective bandwidth estimation | |
Chaudhary et al. | An analysis of the load scheduling algorithms in the cloud computing environment: A survey | |
Parakh et al. | SLA-aware virtual machine scheduling in openstack-based private cloud | |
Vijayalakshmi et al. | Investigations on job scheduling algorithms in cloud computing | |
CN109960565A (zh) | 云平台、基于云平台的虚拟机调度方法及装置 | |
Shi et al. | Developing an optimized application hosting framework in clouds | |
Jeong et al. | An energy-efficient service scheduling algorithm in federated edge cloud | |
WO2022177455A1 (en) | Method and system for optimizing resource and traffic management of a computer execution environment in a vran | |
Rahman et al. | Group based resource management and pricing model in cloud computing | |
Rajeshwari et al. | Efficient task scheduling and fair load distribution among federated clouds |
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 |