RU2609076C2 - Способ и система интеллектуального управления распределением ресурсов в облачных вычислительных средах - Google Patents

Способ и система интеллектуального управления распределением ресурсов в облачных вычислительных средах Download PDF

Info

Publication number
RU2609076C2
RU2609076C2 RU2015109182A RU2015109182A RU2609076C2 RU 2609076 C2 RU2609076 C2 RU 2609076C2 RU 2015109182 A RU2015109182 A RU 2015109182A RU 2015109182 A RU2015109182 A RU 2015109182A RU 2609076 C2 RU2609076 C2 RU 2609076C2
Authority
RU
Russia
Prior art keywords
resources
redistribution
unit
dynamic
model
Prior art date
Application number
RU2015109182A
Other languages
English (en)
Other versions
RU2015109182A (ru
Inventor
Рамиль Ильдарович Хантимиров
Original Assignee
Рамиль Ильдарович Хантимиров
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Рамиль Ильдарович Хантимиров filed Critical Рамиль Ильдарович Хантимиров
Priority to RU2015109182A priority Critical patent/RU2609076C2/ru
Publication of RU2015109182A publication Critical patent/RU2015109182A/ru
Application granted granted Critical
Publication of RU2609076C2 publication Critical patent/RU2609076C2/ru

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/70—Admission control; Resource allocation
    • H04L47/83—Admission control; Resource allocation based on usage prediction
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/50—Testing arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/70—Admission control; Resource allocation
    • H04L47/82—Miscellaneous aspects
    • H04L47/823—Prediction of resource usage
    • 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
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/1023—Server selection for load balancing based on a hash applied to IP addresses or costs

Abstract

Изобретение относится к вычислительной технике, обработке данных для специальных применений и может быть использовано в процессах управления распределением ресурсов в облачных вычислительных средах. Технический результат заключается в повышении эффективности использования и перераспределения информационных ресурсов. Указанный результат достигается за счет применения системы управления распределением информационных ресурсов. Система включает вычислительные средства для формирования модели использования и перераспределения ресурсов в облачных вычислительных средах - в вычислительном облаке (ВО). Система включает последовательно соединенные блок первоначального выделения ресурсов, блок прогнозирования динамических параметров функционирования хостов ВО и блок динамического перераспределения ресурсов между экземплярами ВО, при этом блок первоначального выделения ресурсов запускаемому экземпляру выполнен в виде вычислителя, реализующего алгоритм выбора наилучшего адекватного хоста для размещения экземпляра в ВО на основе анализа иерархий, блок прогнозирования динамических параметров функционирования хостов ВО выполнен в виде вычислителя, реализующего алгоритм анализа и прогноза нагрузки. 2 н.п. ф-лы, 8 ил.

Description

Изобретение относится к вычислительной технике, к обработке данных для специальных применений и может быть использовано в процессах управления распределением ресурсов в облачных вычислительных средах.
В последнее время все большее распространение в развитии информационных технологий получают так называемые «облачные вычисления» (Cloud computing) [12-14] в вычислительной облачной среде (Cloud computing environment) - вычислительное облако (ВО). Определения и параметры ВО зафиксированы Национальным институтом стандартов и технологий США [13].
Внутри ВО могут размещаться различные системы [11]: малонагруженные вебсайты, высоконагруженные базы данных (БД), ERP - системы (Enterprise Resource Planning - системы корпоративного планирования ресурсов) и др. Как правило, эти системы предъявляют специфические требования каждому типу вычислительных ресурсов, поэтому размещать их на одних и тех же хостах (серверах), хранилищах и участках сети неадекватно: это может привести к нерациональному использованию ресурсов, усложнению процесса управления их распределением, снижению производительности и дополнительным операционным затратам.
Таким образом, задача интеллектуального управления ресурсами ВО является весьма актуальной для достижения оптимального комплексного критерия процесса распределения ресурсов «сложность - стоимость - эффективность», т.е. для достижения максимально возможной эффективности и производительности при приемлемых сложности и стоимости.
При предоставлении поставщиком вычислительных мощностей потребителю может быть использована известная [14] модель IaaS Infrastructure as a Service - Инфраструктура как сервис), которая позволяет свести к минимуму взаимодействия поставщика и потребителя вычислительных ресурсов по техническим вопросам, сократить число инцидентов и время их обработки, обеспечить возможности адаптировать работу под свои нужды, а также сократить капитальные и операционные затраты.
Инфраструктура как сервис IaaS предоставляется как возможность использования облачной инфраструктуры для самостоятельного управления ресурсами обработки, хранения, сетями и другими вычислительными ресурсами, например, потребитель может устанавливать и запускать произвольное программное обеспечение, которое может включать в себя операционные системы, платформенное и прикладное программное обеспечение [11, 14]. Потребитель может контролировать операционные системы, виртуальные системы хранения данных и установленные приложения, а также набор доступных сервисов. Контроль и управление основной физической и виртуальной инфраструктурой ВО, в том числе сети, серверов, типов используемых операционных систем, систем хранения осуществляется облачным провайдером [13].
Используемые в настоящее время методы [11-14] в ряде случаев не удовлетворяют реальным потребностям владельцев и подписчиков облачной услуги «Инфраструктура как сервис» по целому ряду параметров и не позволяют оптимально использовать имеющиеся ресурсы для разнородных приложений, существующих внутри экземпляров.
В предложенном техническом решении технология управления распределением информационных ресурсов в облачных средах строится на базе модели IaaS с использованием концепции интеллектуальных алгоритмов, которые позволяют организовать управление ресурсами ВО, обеспечивая их динамическое перераспределение в процессе функционирования, учитывая как характер и интенсивность создаваемой приложениями нагрузки, так и аппаратные возможности хостов (серверов) виртуализации и текущую нагрузку на них.
В известных патентах [1-8 и др.] последних лет в области действий с ресурсами (в основном, зарубежных патентообладателей и авторов) модель IaaS для управления распределением ресурсов в ВО не рассматривается.
Так, способ и система [2] управления хранением, передачей и обменом информацией в вычислительной сети обеспечивает технический результат в виде интерактивного программирования в сети за счет обмена программными модулями для выборки одного программного модуля из множества взаимодействующих отдельных независимых выполняемых машиной программных модулей и пересылки его в удаленную вычислительную машину в ответ на ее запрос. Система и способ [2] не предназначены для работы в облачных вычислительных средах.
Способ и система [1] Корпорации «Самсунг Электроникс», KR (автор: Смирнов Д.Е., RU) по патенту RU 2303809 С2, 27.07.2007, принятые за прототип и выполняющие справочно-информационную поддержку пользователя ЭВМ, предназначены для решения ряда задач распределения ресурсов и посредством компьютера формируют модель использования и перераспределения ресурсов. Однако, модель, используемая в [1], не включает ряд моделей (например, модель анализа иерархий, модель искусственной нейросети и др.) необходимых для формирования модели IaaS, а аппаратура (вычислительная система) [1] не предназначена для целей реализации модели IaaS. При этом способ и система [1] не позволяют оптимально использовать имеющиеся ресурсы для разнородных (специальных) приложений.
Сущность предложенного технического решения заключается в создании способа и системы интеллектуального управления на основе модели IaaS распределением ресурсов в облачных вычислительных средах для обеспечения равномерного распределения нагрузки на все серверы облачной среды разной производительности, предоставив при этом наилучшие условия для функционирования различных приложений и максимальную эффективность использования вычислительных ресурсов.
Основной технический результат - повышение эффективности использования и перераспределения информационных ресурсов путем интеллектуального управления распределением ресурсов в облачных средах, своевременное удовлетворение потребителей ресурсов, простота использования, скорость выполнения операций. При этом достигается равномерное и оптимальное распределение нагрузки с минимальной потерей производительности, сокращение капитальных и операционных затрат при предоставлении вычислительных мощностей с использованием модели IaaS.
Технический результат при выполнении способа интеллектуального управления распределением ресурсов в облачных вычислительных средах достигается следующим образом.
Способ управления распределением информационных ресурсов заключается в том, что посредством компьютера формируют модель использования и перераспределения ресурсов в облачных вычислительных средах.
Отличительной особенностью способа является то, что модель использования и перераспределения ресурсов в облачных вычислительных средах (Cloud computing environment) - в вычислительном облаке (ВО) формируют с использованием концепции интеллектуальных алгоритмов, последовательно выполняя совокупность операций, включающую три основных этапа: на первом этапе в ВО выделяют ресурсы запускаемому экземпляру, на втором этапе проводят прогноз динамических параметров функционирования хостов (серверов) ВО, на третьем этапе осуществляют динамическое перераспределение ресурсов между экземплярами ВО. При этом модель формируют для максимализации показателя ЕВО эффективности функционирования ВО в соответствии с выражением (1) и учетом ограничения (2):
Figure 00000001
Figure 00000002
где ЕВО - комплексный показатель эффективности ВО, отражающий совокупную синергетическую эффективность выполнения экземпляров в рамках каждого типа ресурсов ВО;
ЕЦП, ЕОЗУ, ЕД, ЕС - совокупность частных показателей, равных числу экземпляров с удовлетворенной потребностью в ресурсах, соответственно центрального процессора (ЦП), оперативной памяти (ОЗУ), в дисковых (Д) ресурсах, в сетевых (С) ресурсах;
Т - время функционирования ВО (процессорное время);
RИСП - общий объем использующихся экземплярами ресурсов ВО;
RИМ - общий объем имеющихся ресурсов ВО.
При этом на первом этапе формирования модели выбирают наилучший адекватный хост для размещения экземпляра в ВО на основе анализа иерархий, на втором этапе прогноз динамических параметров функционирования хостов ВО проводят путем анализа и прогноза нагрузки ВО посредством модифицированной модели искусственных нейронных сетей Элмана с вейвлет-функцией активации и обучением при помощи искусственных иммунных систем на основе исторических данных, сформированных при кластеризации методом нечетких c-средних, на третьем этапе динамическое перераспределение ресурсов между экземплярами ВО выполняют путем минимизации неравномерности использования нагрузки на основе ситуационного поиска решений.
Технический результат при использовании системы управления распределением информационных ресурсов в облачных вычислительных средах достигается следующим образом.
Система управления распределением информационных ресурсов включает вычислительные средства для формирования модели использования и перераспределения ресурсов в облачных вычислительных средах.
Отличительной особенностью системы является то, что она включает последовательно соединенные блок первоначального выделения ресурсов, блок прогнозирования динамических параметров функционирования хостов (серверов) ВО и блок динамического перераспределения ресурсов между экземплярами ВО.
Блок первоначального выделения ресурсов запускаемому экземпляру выполнен в виде вычислителя, реализующего алгоритм выбора наилучшего адекватного хоста для размещения экземпляра в ВО на основе анализа иерархий.
Блок прогнозирования динамических параметров функционирования хостов (серверов) ВО выполнен в виде вычислителя, реализующего алгоритм анализа и прогноза нагрузки ВО посредством модифицированной модели искусственных нейронных сетей Элмана с вейвлет-функцией активации и обучением при помощи искусственных иммунных систем на основе исторических данных, сформированных при кластеризации методом нечетких c-средних. При этом блок прогнозирования содержит последовательно соединенные блок нечеткой кластеризации, вход которого соединен с выходом блока первоначального выделения ресурсов, блок нейросетевого прогноза, выход которого соединен с входом блока динамического перераспределения ресурсов, и блок обучения нейросети, соединенный с блоком нейросетевого прогноза.
Блок динамического перераспределения ресурсов между экземплярами ВО выполнен в виде вычислителя, реализующего алгоритм минимизации неравномерности использования нагрузки на основе ситуационного поиска решений.
Изобретение поясняется фиг. 1 - фиг. 8:
- на фиг. 1 дана концептуальная схема управления динамическим перераспределением ресурсов в ВО;
- на фиг. 2 приведена обобщенная схема управления ресурсами;
- фиг. 3 - граф выполнения операций первоначального выделения ресурсов экземпляру ВО при использовании метода анализа иерархий (первый этап формирования модели);
- фиг. 4 - граф выполнения операции прогноза динамических параметров хостов ВО путем анализа и прогноза нагрузки ВО посредством модифицированной модели искусственных нейронных сетей Элмана с вейвлет-функцией активации и обучением при помощи искусственных иммунных систем на основе исторических данных, сформированных при кластеризации методом нечетких c-средних (второй этап формирования модели);
- фиг. 5 - граф выполнения операций при минимизации неравномерности использования нагрузки на основе ситуационного поиска решений (третий этап формирования модели);
- фиг. 6 - обобщенная схема динамического перераспределения ресурсов;
- фиг. 7 - обобщенная блок-схема системы прогнозирования параметров функционирования облачной среды;
- фиг. 8 - иллюстрация практического технического результата изобретения.
Способ интеллектуального управления распределением ресурсов в облачных вычислительных средах осуществляется следующим образом.
Модель использования и перераспределения ресурсов в облачных вычислительных средах (Cloud computing environment) - в вычислительном облаке (ВО) формируют (фиг. 1) в виде модели IaaS (Infrastructure as a Service - Инфраструктура как сервис) с использованием концепции интеллектуальных алгоритмов, последовательно выполняя совокупность операций, включающую три основных этапа (фиг. 2).
Модель формируют для максимализации показателя ЕВО эффективности функционирования ВО в соответствии с выражением (1) и учетом ограничения (2).
На первом этапе в ВО выделяют ресурсы запускаемому экземпляру. При этом на первом этапе формирования модели IaaS выбирают (фиг. 3) наилучший адекватный хост для размещения экземпляра в ВО на основе анализа иерархий, для чего могут быть использованы основные положения Метода анализа иерархий [9, 15].
На втором этапе прогноз динамических параметров функционирования хостов ВО проводят путем анализа и прогноза нагрузки ВО посредством модифицированной модели искусственных нейронных сетей Элмана с вейвлет-функцией активации и обучением при помощи искусственных иммунных систем на основе исторических данных, сформированных при кластеризации методом нечетких c-средних. При этом могут быть использованы модифицированные искусственные нейронные сети Элмана (Elman), аналогичные искусственным нейронным сетям, рассмотренным в [7, 8, 10], с вейвлет-функцией активации и обучением (настройкой) [7, 8] при помощи искусственных иммунных систем (например, посредством алгоритма AIS-WELman) на основе исторических данных, сформированных при кластеризации (группировании) методом нечетких c-средних (fuzzy с-means - FCM), рассмотренных, например, в Трудах 4-й Международной конференции по Облачным вычислениям в 2013 г. (CLOUD COMPUTING 2013: The Fourth International Conference on Cloud Computing, GRIDS, and Virtualization // Fuzzy Subtractive Clustering Based Prediction Approach for CPU).
На третьем этапе (фиг. 5) динамическое перераспределение ресурсов между экземплярами ВО выполняют путем минимизации неравномерности использования нагрузки на основе моделей ситуационного поиска решений, описанных в [9, 12].
Система (фиг. 7) управления распределением информационных ресурсов представляет апаратурно-программную реализацию способа, включает вычислительные средства для формирования модели использования и перераспределения ресурсов, выполняющие последовательность операций и алгоритмов способа, рассмотренных выше (фиг. 3-5).
Таким образом, при выполнении предложенного нового способа посредством реализующей его системы получают технический результат - динамическое перераспределение ресурсов (фиг. 6) с равномерным распределением нагрузки, достигая преимуществ в эффективности и производительности по сравнению с известными технологиями (например [12], фиг. 8). Способ и система реализованы в ООО «СТОРМ СИСТЕМС» в 2014-15 г.г. при построении публичного ВО "Storm Cloud" и позволили снизить расходы на оборудование инфраструктуры и его техническое сопровождение в среднем на 30-35%.
ИСТОЧНИКИ ПО УРОВНЮ ТЕХНИКИ
I. Прототип и аналог:
1. RU 2303809 C2, 27.07.2007 (прототип).
2. RU 2226711 C2, 10.04.2004 (аналог).
II. Дополнительные источники по уровню техники:
3. RU 2142158 C1, 27.11.1999.
4. RU 2103731 C1, 27.01.1998.
5. US 5129083, 07.07.1992.
6. US 610967, 15.08.2000.
7. US 5444619, 22.08.1995.
8. US 2009119018 A1, 07.05.2009.
9. Саати Т. Принятие решений. Метод анализа иерархий. - М.: Радио и связь, 1993. - 320 с.
10. Назаров А.В., Лоскутов А.И. Нейросетевые алгоритмы прогнозирования и оптимизации систем. - СПб.: Наука и техника, 2003. - 384 с.
11. Sugang Ma. A Review on Cloud Computing Development. - Journal of Networks, 2012, 7 (2), pp. 305-310.
12. http://docs.openstack.org/trunk/openstack-compute/admin/ ch_schedulmg.html (OpenStack Compute Administration Guid).
13. http://csrc.nist.gov/publications/nistpubs/800 - 145/sp 800 - 145.pdf (NIST Difinition of Cloud Computing).
14. http://redmonk.com/jgovernor/2008/03/13/15/Ways to Tell Its Not Cloud Computing).
15. http://citforum.ru/consulting/bi/resolution (Технология принятия решений: метод анализа иерархий.

Claims (10)

1. Способ управления распределением информационных ресурсов, заключающийся в том, что посредством компьютера формируют модель использования и перераспределения ресурсов в облачных вычислительных средах (Cloud computing environment) - в вычислительном облаке (ВО), отличающийся тем, что модель использования и перераспределения ресурсов формируют с использованием концепции интеллектуальных алгоритмов, последовательно выполняя совокупность операций, включающую три основных этапа: на первом этапе в ВО выделяют ресурсы запускаемому экземпляру, на втором этапе проводят прогноз динамических параметров функционирования хостов (серверов) ВО, на третьем этапе осуществляют динамическое перераспределение ресурсов между экземплярами ВО, при этом модель формируют для максимализации показателя ЕВО эффективности функционирования ВО в соответствии с выражением (1) и учетом ограничения (2):
Figure 00000003
Figure 00000004
где ЕВО - комплексный показатель эффективности ВО, отражающий совокупную синергетическую эффективность выполнения экземпляров в рамках каждого типа ресурсов ВО;
ЕЦП, ЕОЗУ, ЕД, ЕС - совокупность частных показателей, равных числу экземпляров с удовлетворенной потребностью в ресурсах, соответственно центрального процессора (ЦП), оперативной памяти (ОЗУ), в дисковых (Д) ресурсах, в сетевых (С) ресурсах;
Т - время функционирования ВО (процессорное время);
RИСП - общий объем использующихся экземплярами ресурсов ВО;
RИМ - общий объем имеющихся ресурсов ВО,
при этом на первом этапе формирования модели выбирают наилучший адекватный хост для размещения экземпляра в ВО на основе анализа иерархий, на втором этапе прогноз динамических параметров функционирования хостов ВО проводят путем анализа и прогноза нагрузки ВО посредством модифицированной модели искусственных нейронных сетей Элмана с вейвлет-функцией активации и обучением при помощи искусственных иммунных систем на основе исторических данных, сформированных при кластеризации методом нечетких c-средних, на третьем этапе динамическое перераспределение ресурсов между экземплярами ВО выполняют путем минимизации неравномерности использования нагрузки на основе ситуационного поиска решений.
2. Система управления распределением информационных ресурсов, включающая вычислительные средства для формирования модели использования и перераспределения ресурсов в облачных вычислительных средах (Cloud computing environment) - в вычислительном облаке (ВО), отличающаяся тем, что включает последовательно соединенные блок первоначального выделения ресурсов, блок прогнозирования динамических параметров функционирования хостов (серверов) ВО и блок динамического перераспределения ресурсов между экземплярами ВО, при этом блок первоначального выделения ресурсов запускаемому экземпляру выполнен в виде вычислителя, реализующего алгоритм выбора наилучшего адекватного хоста для размещения экземпляра в ВО на основе анализа иерархий, блок прогнозирования динамических параметров функционирования хостов (серверов) ВО выполнен в виде вычислителя, реализующего алгоритм анализа и прогноза нагрузки ВО посредством модифицированной модели искусственных нейронных сетей Элмана с вейвлет-функцией активации и обучением при помощи искусственных иммунных систем на основе исторических данных, сформированных при кластеризации методом нечетких c-средних, при этом блок прогнозирования содержит последовательно соединенные блок нечеткой кластеризации, вход которого соединен с выходом блока первоначального выделения ресурсов, блок нейросетевого прогноза, выход которого соединен с входом блока динамического перераспределения ресурсов, и блок обучения нейросети, соединенный с блоком нейросетевого прогноза, а блок динамического перераспределения ресурсов между экземплярами ВО выполнен в виде вычислителя, реализующего алгоритм минимизации неравномерности использования нагрузки на основе ситуационного поиска решений.
RU2015109182A 2015-03-16 2015-03-16 Способ и система интеллектуального управления распределением ресурсов в облачных вычислительных средах RU2609076C2 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2015109182A RU2609076C2 (ru) 2015-03-16 2015-03-16 Способ и система интеллектуального управления распределением ресурсов в облачных вычислительных средах

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2015109182A RU2609076C2 (ru) 2015-03-16 2015-03-16 Способ и система интеллектуального управления распределением ресурсов в облачных вычислительных средах

Publications (2)

Publication Number Publication Date
RU2015109182A RU2015109182A (ru) 2015-07-20
RU2609076C2 true RU2609076C2 (ru) 2017-01-30

Family

ID=53611505

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2015109182A RU2609076C2 (ru) 2015-03-16 2015-03-16 Способ и система интеллектуального управления распределением ресурсов в облачных вычислительных средах

Country Status (1)

Country Link
RU (1) RU2609076C2 (ru)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2729228C1 (ru) * 2019-12-25 2020-08-05 Федеральное государственное казенное военное образовательное учреждение высшего образования Академия Федеральной службы охраны Российской Федерации Способ управления распределением ресурсов в распределенных информационно-вычислительных средах
RU2800968C2 (ru) * 2018-12-13 2023-08-01 Драйвнетс Лтд. Способ координации действий объектов, функционирующих в сетевом облаке

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2665246C1 (ru) * 2017-11-09 2018-08-28 Российская Федерация, от имени которой выступает Государственная корпорация по космической деятельности "РОСКОСМОС" Аппаратно-вычислительный комплекс виртуализации и управления ресурсами в среде облачных вычислений

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5129083A (en) * 1989-06-29 1992-07-07 Digital Equipment Corporation Conditional object creating system having different object pointers for accessing a set of data structure objects
US5444619A (en) * 1993-09-27 1995-08-22 Schlumberger Technology Corporation System and method of predicting reservoir properties
RU2226711C2 (ru) * 1997-07-29 2004-04-10 Катарон Продакшнз, Инк. Вычислительная система и способ оптимального управления хранением и передачей компьютерных программ в вычислительной сети
RU2286711C2 (ru) * 2000-02-14 2006-11-10 Фёрст Опинион Корпорэйшн Система и способ автоматической диагностики
RU2303809C2 (ru) * 2004-02-24 2007-07-27 Корпорация "Самсунг Электроникс" Система справочно-информационной поддержки пользователя эвм, способ ее формирования и применения
US20090119018A1 (en) * 2007-11-07 2009-05-07 Schlumberger Technology Corporation Subterranean formation properties prediction
RU2519058C2 (ru) * 2009-10-26 2014-06-10 Сони Компьютер Энтертэйнмент Инк. Устройство формирования файлов изображения, устройство обработки изображения, способ формирования файлов изображения, способ обработки изображения и структура данных файлов изображения

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5129083A (en) * 1989-06-29 1992-07-07 Digital Equipment Corporation Conditional object creating system having different object pointers for accessing a set of data structure objects
US5444619A (en) * 1993-09-27 1995-08-22 Schlumberger Technology Corporation System and method of predicting reservoir properties
RU2226711C2 (ru) * 1997-07-29 2004-04-10 Катарон Продакшнз, Инк. Вычислительная система и способ оптимального управления хранением и передачей компьютерных программ в вычислительной сети
RU2286711C2 (ru) * 2000-02-14 2006-11-10 Фёрст Опинион Корпорэйшн Система и способ автоматической диагностики
RU2303809C2 (ru) * 2004-02-24 2007-07-27 Корпорация "Самсунг Электроникс" Система справочно-информационной поддержки пользователя эвм, способ ее формирования и применения
US20090119018A1 (en) * 2007-11-07 2009-05-07 Schlumberger Technology Corporation Subterranean formation properties prediction
RU2519058C2 (ru) * 2009-10-26 2014-06-10 Сони Компьютер Энтертэйнмент Инк. Устройство формирования файлов изображения, устройство обработки изображения, способ формирования файлов изображения, способ обработки изображения и структура данных файлов изображения

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2800968C2 (ru) * 2018-12-13 2023-08-01 Драйвнетс Лтд. Способ координации действий объектов, функционирующих в сетевом облаке
RU2729228C1 (ru) * 2019-12-25 2020-08-05 Федеральное государственное казенное военное образовательное учреждение высшего образования Академия Федеральной службы охраны Российской Федерации Способ управления распределением ресурсов в распределенных информационно-вычислительных средах

Also Published As

Publication number Publication date
RU2015109182A (ru) 2015-07-20

Similar Documents

Publication Publication Date Title
US10474504B2 (en) Distributed node intra-group task scheduling method and system
Wang et al. Load balancing task scheduling based on genetic algorithm in cloud computing
Naqvi et al. Metaheuristic optimization technique for load balancing in cloud-fog environment integrated with smart grid
US20110225017A1 (en) Analytic-based scaling of information technology resources
CN103092683A (zh) 用于数据分析的基于启发式的调度
CN104050042A (zh) Etl作业的资源分配方法及装置
Rashmi et al. Resource optimised workflow scheduling in Hadoop using stochastic hill climbing technique
RU2609076C2 (ru) Способ и система интеллектуального управления распределением ресурсов в облачных вычислительных средах
CN113014649B (zh) 一种基于深度学习的云物联负载均衡方法、装置及设备
US11829799B2 (en) Distributed resource-aware training of machine learning pipelines
Guo Ant colony optimization computing resource allocation algorithm based on cloud computing environment
Oliveira et al. Optimizing query prices for data-as-a-service
Konovalov et al. Job control in heterogeneous computing systems
Talei et al. An end to end real time architecture for analyzing and clustering time series data: case of an energy management system
Butt et al. Optimization of response and processing time for smart societies using particle swarm optimization and levy walk
Leite et al. Power‐aware server consolidation for federated clouds
Alsaryrah et al. A fast iot service composition scheme for energy efficient qos services
Du et al. OctopusKing: A TCT-aware task scheduling on spark platform
Shylaja et al. Rough‐set and machine learning‐based approach for optimised virtual machine utilisation in cloud computing
Middha et al. PEFT-Based Hybrid PSO for Scheduling Complex Applications in IoT
Kumar et al. A review on performance evaluation techniques in cloud
Son et al. Multi-objective optimization method for resource scaling in cloud computing
Karthikeyan et al. Novel power reduction framework for enhancing cloud computing by integrated GSNN scheduling method
Biran et al. Coordinating green clouds as data-intensive computing
RU2729228C1 (ru) Способ управления распределением ресурсов в распределенных информационно-вычислительных средах

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20190317