TWI426383B - 雲端計算網路的系統可靠度之估計方法 - Google Patents
雲端計算網路的系統可靠度之估計方法 Download PDFInfo
- Publication number
- TWI426383B TWI426383B TW099123748A TW99123748A TWI426383B TW I426383 B TWI426383 B TW I426383B TW 099123748 A TW099123748 A TW 099123748A TW 99123748 A TW99123748 A TW 99123748A TW I426383 B TWI426383 B TW I426383B
- Authority
- TW
- Taiwan
- Prior art keywords
- capacity
- transmission
- vector
- system reliability
- cloud computing
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/008—Reliability or availability analysis
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本發明係與一種系統可靠度之估計方法有關，特別是與一種考量雲端計算網路的維護成本之系統可靠度的估計方法有關。
雲端計算網路(cloud computing network,CCN)是目前十分熱門的技術，因此評估其效能有其必要性。所謂的「雲端」指的是能提供大量計算能力、儲存空間及網路頻寬的伺服器。客戶端(client)可透過網際網路在任何地方存取或執行雲端的資料。
為了維持好的服務品質(quality of service，QOS)，雲端計算網路必須要能提供足夠的負載容量(capacity)，以滿足客戶端對資料傳輸的需求量(demand)。並且，整個雲端計算網路的傳輸時間能夠越短越好。換句話說，當資料通過雲端計算網路而進行傳輸時，最好可以選擇一傳輸時間或一延遲時間最短的路徑。
因此，在估計雲端計算網路的效能時，傳輸路徑的選擇、負載容量、傳輸時間及資料傳輸所需的費用等皆是需考量的要素。此外，維護動作對於保證雲端計算網路能維持好的服務品質是重要的，所以網路由一異常狀態(failed state)修復至正常狀態(original state)所需的維護成本亦應被考慮。然而，目前的文獻較少提供運用維護成本來估計雲端計算網路之效能的具體方法。
本發明之目的在於提供一種系統可靠度的估計方法，其考量在給定維護預算與時間限制之下，估計雲端計算網路能夠負載一特定需求量的機率，此機率稱為系統可靠度。
本發明的其他目的和優點可以從本發明所揭露的技術特徵中得到進一步的了解。
為達上述之一或部份或全部目的或是其他目的，本發明之一實施例的系統可靠度估計方法，係於一連線於一雲端計算網路的電腦上提供一網路模型，並用以估計雲端計算網路之一系統可靠度，其中網路模型包括複數傳輸線，這些傳輸線排列出至少兩傳輸路徑。
系統可靠度估計方法如下：於雲端計算網路上的一儲存媒體中，儲存每一傳輸線之一單位維護成本；於網路模型中輸入一總需求量、一時間上限值及一維護預算上限值；將總需求量分配至兩傳輸路徑，以求得兩傳輸路徑對應之兩分配量；提供一時間限制式，以包括分配量、每一傳輸路徑的一負載容量及時間上限值之間的運算關係；根據兩分配量及時間限制式，計算每一傳輸路徑的一負載容量，再將每一傳輸路徑的負載容量轉換成每一傳輸線之現時容量；以這些現時容量排列出複數容量向量；從這些容量向量中選出一第一向量群，使第一向量群中的容量向量滿足時間限制式；提供一成本限制式，以包括現時容量、單位維護成本及維護預算上限值之間的運算關係；從第一向量群中選出一第二向量群，使第二向量群中的容量向量滿足成本限制式；最後藉由一運算單元依據第一向量群執行一機率運算，以求得一第一機率，並且依據第二向量群執行機率運算來求得一第二機率，最後以一電子報表顯示介於第一機率與第二機率之間的系統可靠度之一精確值。
上述選出第一向量群之步驟更包括：比較第一向量群之中的每兩容量向量的大小，並且刪除其中較大者。選出第二向量群之步驟更包括：比較第二向量群之中的每兩容量向量的大小，並且刪除其中較大者。
上述提供成本限制式的步驟更包括：定義每一傳輸線之一最大容量；對每一傳輸線計算其最大容量與現時容量的一差值；利用運算單元計算從儲存媒體中讀取每一傳輸線所需的單位維護成本，並以單位維護成本乘以此差值而求得每一傳輸線的一維護成本；將所有傳輸線的維護成本相加而得到雲端計算網路的總維護成本；並且定義總維護成本係小於或等於維護預算上限值。
上述提供時間限制式的步驟更包括：定義兩傳輸路徑之每一傳輸線具有一前置時間，前置時間係與傳輸線的長度有關；以每一分配量除以其相對應的傳輸路徑上的負載容量的結果，加上此傳輸路徑之所有傳輸線的前置時間之總和，以求得一傳輸時間；並且定義傳輸時間係小於或等於時間上限值。
本發明與先前技術不同的部分在於：1.考量雲端計算網路之維護預算；2.考量資料透過多條傳輸路徑傳送；3.以邊界法估計系統可靠度之上下限。
有關本發明之前述及其他技術內容、特點與功效，在以下配合參考圖式之一實施例的詳細說明中，將可清楚的呈現。除了特別定義的運算符號或代號之外，以下實施例中所提到的邏輯、集合或算術運算符號及其運算法則係與數學上之定義相同，並且僅是用來說明並非用來限制本發明。
圖1為一實體的雲端計算網路示意圖。雲端計算網路100包括一雲端S d
及一客戶端S t
。雲端S d
包括一運算單元120及一儲存媒體140。客戶端S t
包括一電腦，電腦可通過網際網路而與運算單元120及儲存媒體140連線。
圖2為實體的雲端計算網路100的網路模型示意圖。網路模型G
可設置於圖1中之客戶端S t
的電腦或網路的任一節點S i
(node)上，以估計雲端計算網路100之一系統可靠度(system reliability)，系統可靠度可作為一效能指標(performance index)。
網路模型G
具有複數節點S i
及複數傳輸線e i
(edge)。此處所稱的節點S i
可以例如是伺服器或轉換器，而傳輸線e i
可以例如是實體線路(physical lines)、光纖(fiber optics)或同軸電纜(coaxial cables)。這些節點S i
包括雲端S d
及客戶端S t
，雲端S d
可視為雲端計算網路中之起點(source node)；而客戶端S t
則視為終點(sink node)。每一傳輸線e i
係連接於兩節點S i
之間，這些傳輸線e i
可以排列出至少兩傳輸路徑P j
，例如傳輸線e 1
,e 2
,e 3
可以排列出第一條傳輸路徑，而傳輸線e 9
,e 12
,e 13
則可以排列出第二條傳輸路徑。在本實施例中，每一傳輸路徑P j
係為一最小路徑(minimal path,MP)，記號P j
代表第j
條最小路徑，j
=1,2,...,m
其中m
是最小路徑的數目。最小路徑係為起點至終點之間的所有傳輸線e i
之一有序集合，並且沒有任何迴圈。
運算上可定義網路模型G
=(S
,E
,W
,C
,L
)為S,E,W,C,L
五個參數構成的群組，其中S
={S i
|i
=1,2,...,n
}代表所有節點構成的群組，E
={e i
|i
=1,2,...,n
}代表所有傳輸線構成的群組，W
={W i
|i
=1,2,...,n
}代表傳輸線e i
的最大容量(maximal capacity)構成的群組，代表雲端計算網路100的最佳狀態，C
={c i
|i
=1,2,...,n
}代表傳輸線e i
的每單位維護成本(unit maintenance cost)構成的群組，L
={l i
|i
=1,2,...,n
}代表傳輸線e i
的前置時間(lead time)構成的群組，亦即資料通過傳輸線e i
的處理時間或傳輸時間，可能因傳輸線e i
的長度而異。
對於實體雲端計算網路100，每一傳輸線e i
的容量應是隨機的(stochastic)變化的。因此，每一傳輸線e i
係具有數個可能的容量或狀態。本文所稱「容量」係指網路100的流量(Gb/秒)，可定義一容量向量(capacity vector)X
=(x 1
,x 2
,...,x n
)來表示網路模型G
的流量狀態，其中x i
代表傳輸線e i
的現時容量(current capacity)。本文所稱「單位維護成本」係為使每一傳輸線e i
提升一單位的容量所需之成本。
容量向量Y
與X
之大小的比較係定義如下：
Y X
(y 1
,y 2
,...,y n
)(x 1
,x 2
,...,x n
):y i x i
,針對所有i
=1,2,...,n
;
Y
>X
(y 1
,y 2
,...,y n
)>(x 1
,x 2
,...,x n
):Y X
且至少存在一個i
使得y i
>x i
為了使整個雲端計算網路100保持著一定的服務品質(QOS)，所以雲端計算網路100必須維持在滿足需求量d
的狀態，亦即在雲端計算網路100剛好只能滿足需求量d
時，即必須修復至一最佳狀態，此時的雲端計算網路100的每一傳輸線e i
係具有一最大容量(maximal capacity)。因此，總維護成本(total maintenance cost)係定義為將一網路由剛好滿足需求量d
的狀態，修復至最佳狀態的全部成本。
每條傳輸線e i
的維護成本(maintenance cost)係以其需被修復的容量的量來計算。在雲端計算網路100中，維持這些傳輸線e i
處於X
狀態的總維護成本如下式(1)：
其中c i
(W i
-x i
)是最小路徑P j
上每條傳輸線e i
的維護成本，為了從現時容量x i
恢復到其最大容量W i
。例如，現時容量向量(current capacity vector)X
=(1,0,1,1,0,0,1,1)，最大向量(maximal capacity vector)W
=(3,3,3,1,2,4,5,4)，每單位維護成本C
=(25,15,25,40,20,15,40,30)。若x 1
,x 3
,x 4
,x 7
及x 8
皆位於最小路徑上，則從狀態X
恢復至最佳狀態W
的總維護成本為TC
(X
)=c 1
(W 1
-x 1
)+c 3
(W 3
-x 3
)+c 4
(W 4
-x 4
)+c 7
(W 7
-x 7
)+c 8
(W 8
-x 8
)=25(3-1)+25(3-1)+40(1-1)+40(5-1)+30(4-1)=350。
在本實施例中，只有出現在最小路徑上的傳輸線e i
才需要被維護。下式(2)表示總維護成本不能超過維護預算(budget)B：
如下式(3)，對每條最小路徑P j
={e j 1
,e j 2
,...,},j
=1,2,...,m
,其最大容量為,其中n j
係P j
上傳輸線的數目。相似地，在容量向量X
的狀態下，最小路徑P j
的容量為，而通過P j
傳送d
單位資料的傳輸時間λ
(d
,X
)為：
其中 x 是最小整數，所以 x
。
圖3為雲端計算網路之系統可靠度估計方法的流程示意圖。執行此估計方法所需之每一傳輸線e i
的單位維護成本c i
係儲存於儲存媒體140中。系統可靠度的估計方法包括以下步驟：
步驟(S1)：選擇數條傳輸路徑P j
，用以同步傳送資料；
步驟(S2)：輸入一總需求量d
於網路模型G
中；
步驟(S3)：將總需求量d
分配至至少兩傳輸路徑P 1
及P 2
，以求得兩傳輸路徑P 1
及P 2
對應之兩分配量d 1
及d 2
，即d 1
+d 2
=d
；
步驟(S4)：輸入一時間上限值T，並且提供一時間限制式λ
(d
,X
)T於網路模型G
中，以包括分配量d 1
(或d 2
)、每一傳輸路徑P 1
(或P 2
)之負載容量v 1
(或v 2
)及時間上限值T之間的運算關係；
根據前述方程式(3)，提供時間限制式λ
(d
,X
)T的步驟更包括：定義兩傳輸路徑P 1
及P 2
之每一傳輸線e j 1
及e j 2
具有一前置時間l i 1
及l i 2
；以每一分配量d 1
(或d 2
)除以其相對應的傳輸路徑P 1
(或P 2
)之負載容量v 1
(或v 2
)的結果，加上前置時間l i 1
(及l i 2
)之總和，可求得一傳輸時間λ
(d
,X
)；並且定義傳輸時間λ
(d
,X
)小於或等於時間上限值T；
步驟(S5)：根據時間限制式λ
(d
,X
)T及兩分配量d 1
及d 2
，分別計算兩傳輸路徑P 1
及P 2
相對應的負載容量v 1
及v 2
，在本實施例中，應求得最小的負載容量v 1
及v 2
(minimal capacity)；
步驟(S6)：將容量v 1
及v 2
轉換成每一傳輸線e j 1
及e j 2
之一現時容量x i
；以這些現時容量x i
來排列出多個容量向量X
={X 1
,X 2
,...,X u
}，這些容量的向量X
係對應於網路模型G
的不同容量狀態；
步驟(S7)：比較每兩容量向量X
的大小，從這些容量向量X
中將較大容量向量刪除，剩餘者稱為上界向量UB-MPs，這些上界向量UB-MPs會形成一第一向量群Θ UB
，其中第一向量群Θ UB
中的上界向量UB-MPs係滿足時間限制式λ
(d
,X
)T，換句話說，第一向量群Θ UB
是能夠在T時間內完成傳輸總需求量d
的最小容量向量所構成的群組(the set of the minimal capacity vectors)；
步驟(S8)：輸入一維護預算上限值B於網路模型G
中，並提供一成本限制式TC
(X
)B，以包括現時容量x i
、單位維護成本c i
及維護預算上限值B之運算關係；
根據前述方程式(1)及(2)，提供成本限制式TC
(X
)B的步驟更包括：定義每一傳輸線e j 1
(或e j 2
)之一最大容量W i
，對每一傳輸線e j 1
(或e j 2
)計算現時容量x i
與最大容量W i
的一差值；將差值與單位維護成本c i
相乘以求得每一傳輸線e j 1
(或e j 2
)的一維護成本TC
(X
)，並將所有傳輸線e j 1
及e j 2
的維護成本C
(X
)相加而求得一總維護成本TC
(X
)；以及定義總維護成本TC
(X
)小於或等於維護預算上限值B；
步驟(S9)：從第一向量群Θ UB
中刪除不滿足成本限制式TC
(X
)B者，以選出多個容量向量Y
={Y 1
,Y 2
,...,Y v
}；
步驟(S10)：比較每兩容量向量Y
的大小，從這些容量向量Y
中將較大容量向量刪除，剩餘者稱為下界向量LB-MPs，這些下界向量LB-MPs形成一第二向量群Θ LB
；
步驟(S11)：以運算單元120依據第一向量群Θ UB
執行一機率運算，以求得一第一機率R UB
，因為在上界向量UB-MPs的狀態下，雲端計算網路100可在T時間內從雲端S d
傳輸d
單位的資料到客戶端S t
，由於此時尚未考慮維護成本，所求得的機率R UB
係為系統可靠度的上限。
步驟(S12)：以運算單元120依據第二向量群Θ LB
執行機率運算，以求得一第二機率R LB
，因為第二向量群Θ LB
中的下界向量LB-MPs係同時滿足時間限制式λ
(d
,X
)T及成本限制式TC
(X
)B，所以求得的機率R LB
係為系統可靠度的下限。
步驟(S13)：以雲端計算網路100上之一輸出單元輸出一電子報表，顯示系統可靠度的精確值R EX
介於第一機率R UB
與第二機率R LB
之間。
以上係在考量維護預算為B的情況下，要求資料的總需求量d
必須在T時間內由雲端S d
傳送至客戶端S t
。為了在時間T的限制內完成傳輸要求，採用多條傳輸路徑P j
同時運送資料。若系統管理者要計算系統可靠度的值R EX
，必須先找出系統可靠度的估計值之上界向量UB-MPs及下界向量LB-MPs，也就是滿足λ
(d
,X
)T與TC
(X
)B，由上界向量UB-MPs及下界向量LB-MPs再分別計算出系統可靠度之上限(upper boundary)R UB
與下限(lower boundary)R LB
，則系統可靠度的精確值R EX
會落在此兩邊界R UB
與R LB
之間。
附帶一提的是，在雲端計算網路中，要求解系統可靠度的精確值R EX
並不容易，為了求解系統可靠度的精確值R EX
，一般來說，會從第一向量群Θ UB
中去除不滿足維護預算上限值B的向量X j
，以便求得能同時滿足時間上限值T及維護預算上限值B的最小容量向量(minimal capacity vectors)EX-MPs。然而，這代表必須刪除所有大於或等於X j
的向量X
所構成的群組D j
={X
|X X j
}，導致這些向量X
中可能包括一些同時滿足時間上限值T及維護預算上限值B的向量亦一併被刪除。
舉例來說，若給定兩滿足時間上限值T的上界向量UB-MPs，X 1
=(1,1,0,0)及X 2
=(0,0,2,1)，並假設最大向量W
=(2,3,2,1)以及單位維護成本C
=(5,3,2,6)，則可利用式(1)計算總維護成本TC
(X 1
)=21以及TC
(X 2
)=19。若維護預算上限值B設定為20，則刪除總維護成本超過預算B的X 1
及所有大於或等於X 1
的向量所構成的群組D 1
={X
|X X 1
}，如此，有可能一併去除一些能同時滿足時間上限值T及維護預算上限值B的向量，例如X 3
=(2,1,0,0)，其總維護成本TC
(X 3
)=16，以及X 4
=(1,2,0,0)其總維護成本TC
(X 4
)=18。需注意的是，向量X 3
與X 4
並不包含在所有大於或等於X 2
之向量所構成的群組D 2
={X
|X X 2
}中，所以向量X 3
與X 4
有可能是最小容量向量EX-MPs。因此，要列舉出所有同時滿足時間上限值T及維護預算上限值B的最小容量向量EX-MPs是有困難的，所以本發明才以上界向量UB-MPs及下界向量LB-MPs定義出系統可靠度之精確值R EX
的可能範圍。
在一實施例中，雲端運算網路100的每條傳輸線e i
係由數條光纖網路線(optical carrier)組成，其中每條光纖網路線提供二種容量，1Gbps(giga bits per second)及0 bps。這些光纖網路線是由不同的供應者提供的，所以不同傳輸線e i
的容量具有不同的機率分佈。容量x i
、前置時間l i
及每條傳輸線e i
的每單位維護成本c i
係顯示於表一。
於維護成本620下，雲端S d
必須通過P 1
={e 1
,e 2
,e 3
}及P 2
={e 9
,e 12
,e 13
}兩條不相交(disjoint)的路徑，在8秒內傳送5GB的資料到客戶端S t
。此表示當雲端計算網路100不能滿足5 Gb的需求量時，即落入一異常狀態(failed state)，結果顯示於表2中。
所求得的四個UB-MPs，X 1
=(3,3,3,0,0,0,0,0,0,0,0,0,0),X 2
=(2,2,2,0,0,0,0,0,1,0,0,1,1),X 4
=(1,1,1,0,0,0,0,0,2,0,0,2,2),及X 6
=(0,0,0,0,0,0,0,0,3,0,0,3,3)。找出所有大於X 1
的向量群D 1
={X
|X X 1
},大於X 2
的容量向量群D 2
={X
|X X 2
},大於X 4
的容量向量群D 4
={X
|X X 4
}及大於X 6
的容量向量群D 6
={X
|X X 6
}，藉由RSDP演算法可得，系統可靠度的上限R UB
為Pr{D 1
∪D 2
∪D 4
∪D 6
}=0.99582313。此外，Θ LB
={X 2
,X 4
,X 6
}因為超出預算B的TC
(X 1
)=635不能列入Θ LB
。因此，系統可靠度的下限R LB
係為Pr{D 2
∪D 4
∪D 6
}=0.99342953。
表2中，(v 1
,v 2
)的計算可見方程式(4)，式(4)中假設P 1
={e 1
,e 2
,...,e q
}及P 2
={e q +1
,e q +2
,...,e q + r
}，則
舉例來說，分配量(d 1
,d 2
)=(5,0)，對第一條路徑P 1
而言，要在8單位時間內傳送d 1
=5單位的資料，而前置時間l k
加總為2+1+3=6；根據方程式(4)，列出6+(5/v 1
)<T=8，取整數v 1
=3，亦即，路徑P 1
上每條網路線(edge)至少要有能傳送3單位的能力。同理，因為d 2
=0，對第二條路徑P 2
而言不用傳送任何資料，所以路徑P 2
傳送能力設為0即可。
在另一實施例中，預算B係緊縮至600，此結果整理於表3。顯示第一向量群Θ UB
={X 1
,X 2
,X 4
,X 6
}以及第二向量群Θ LB
={X 4
,X 6
}。而系統可靠度的上限及下限分別為R UB
=0.99582313及R LB
=0.95075108。
以上的實施例提出的估計方法，利用邊界法(bounding approach)產生上界向量UB-MPs及下界向量LB-MPs。其中上界向量UB-MP是滿足總需求量d
及時間上限值T的最小容量向量，而下界向量LB-MP是滿足總需求量d
、維護預算上限值B及時間上限值T的最小容量向量。接著，系統可靠度的上限及下限可根據上界向量UB-MP及下界向量LB-MP，且藉由RSDP(recursive sum of disjoint products)演算法而被算出。
本發明之系統可靠度估計方法考量維護預算與時間限制，符合產業評估雲端計算網路的效能之需求，所有應用雲端計算網路之電子產品、系統、網站皆可藉由本發明之方法附加效能估計功能。特別地，由於Θ UB
包含Θ LB
，所以可以藉由估計上限R UB
的部分步驟決定下限R LB
。如此，可減少一些計算下限R LB
的步驟。系統管理者(supervisors)可據以實施敏感性分析(sensitive analysis)，以改善大型雲端計算網路之效能。
惟以上所述者，僅為本發明之實施例而已，當不能以此限定本發明實施之範圍，即大凡依本發明申請專利範圍及發明說明內容所作之簡單的等效變化與修飾，皆仍屬本發明專利涵蓋之範圍內。另外本發明的任一實施例或申請專利範圍不須達成本發明所揭露之全部目的或優點或特點。此外，摘要部分和標題僅是用來輔助專利文件搜尋之用，並非用來限制本發明之權利範圍。
100．．．實體的雲端計算網路
120．．．運算單元
140．．．儲存媒體
G．．．網路模型
S d
．．．雲端
S t
．．．客戶端
S i ,S 1 ,S 2 ,S 3 ,S 4 ,S 5 ,S 6
．．．節點
e i ,e 1 ,e 2 ,e 3 ,e 4 ,e 5 ,e 6 ,e 7 ,e 8 ,e 9 ,e 10 ,e 11 ,e 12 ,e 13
．．．傳輸線
圖1為一實體的雲端計算網路示意圖。
圖2為實體的雲端計算網路的網路模型示意圖。
圖3為雲端計算網路之系統可靠度估計方法的流程示意圖。
Claims (7)
- 一種系統可靠度估計方法，其係於一電腦上提供一網路模型，以估計一雲端計算網路之系統可靠度，其中該電腦係通過該雲端計算網路以與一儲存媒體及一運算單元進行連線，該網路模型包括複數傳輸線，該等傳輸線排列出至少兩傳輸路徑，該方法包括：於該儲存媒體中儲存每一該傳輸線之一單位維護成本，其中該單位維護成本係定義為使每一該傳輸線提升一單位的容量所需之成本；於該網路模型中輸入一總需求量、一時間上限值及一維護預算上限值；將該總需求量分配至該等兩傳輸路徑，以求得該等兩傳輸路徑所對應之兩分配量；於該網路模型中提供一時間限制式，以包括該分配量、每一該傳輸路徑之一負載容量及該時間上限值之間的運算關係；根據每一該傳輸路徑之該負載容量，來轉換成每一該傳輸線之一現時容量；以該些現時容量排列出複數容量向量，該些容量向量係對應於該雲端計算網路的不同流量狀態；從該些容量向量中選出一第一向量群，其中該第一向量群中的該些容量向量係滿足該時間限制式；於該網路模型中提供一成本限制式，以包括該現時容量、該單位維護成本及該維護預算上限值之間的運算關係；從該第一向量群中選出一第二向量群，其中該第二向量群中的該些容量向量係滿足該成本限制式；該運算單元會依據該第一向量群來執行一機率運算，以求得一第一機率，並且依據該第二向量群來執行該機率運算，以求得一第二機率；以及輸出一電子報表，其會顯示一介於該第一機率與該第二機率之間的數值範圍，且該數值範圍內包括一未知數，其中該未知數代表該系統可靠度之一精確值。
- 如申請專利範圍第1項所述之系統可靠度估計方法，其中該電腦、該儲存媒體及該運算單元皆位於該雲端計算網路上。
- 如申請專利範圍第1項所述之系統可靠度估計方法，其中選出該第一向量群之步驟更包括：比較該第一向量群之中的每兩該容量向量的大小，並且刪除其中較大者。
- 如申請專利範圍第1項所述之系統可靠度估計方法，其中選出該第二向量群之步驟更包括：比較該第二向量群之中的每兩該容量向量的大小，並且刪除其中較大者。
- 如申請專利範圍第1項所述之系統可靠度估計方法，其中上述提供該成本限制式的步驟更包括：定義每一該傳輸線之一最大容量；針對每一該傳輸線計算該現時容量與該最大容量的一差 值；利用該運算單元從該儲存媒體中讀取每一該傳輸線的該單位維護成本，並以該單位維護成本乘以該差值，以求得每一該傳輸線之一維護成本；將該些傳輸線之該些維護成本相加，以求得該雲端計算網路之一總維護成本；以及定義該總維護成本小於或等於該維護預算上限值。
- 如申請專利範圍第1項所述之系統可靠度估計方法，其中上述提供該時間限制式的步驟更包括：定義該兩傳輸路徑之每一該傳輸線均具有一前置時間，該前置時間係與該傳輸線的長度有關；以每一該分配量除以其相對應的該傳輸路徑之該負載容量的結果，加上傳輸路徑之該些傳輸線的該些前置時間之總和，以求得一傳輸時間；以及定義該傳輸時間小於或等於該時間上限值。
- 如申請專利範圍第1項所述之系統可靠度估計方法，其中該網路模型包括複數節點，每一該傳輸線係連接於兩該節點之間，該些節點包括一起點及一終點，每一該傳輸路徑係為該起點至該終點之間的該些傳輸線之一有序集合，並且其中沒有任何迴圈。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW099123748A TWI426383B (zh) | 2010-07-20 | 2010-07-20 | 雲端計算網路的系統可靠度之估計方法 |
| US12/926,468 US8660024B2 (en) | 2010-07-20 | 2010-11-19 | Estimation method to evaluate a system reliability of a cloud computing network |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW099123748A TWI426383B (zh) | 2010-07-20 | 2010-07-20 | 雲端計算網路的系統可靠度之估計方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201205282A TW201205282A (en) | 2012-02-01 |
| TWI426383B true TWI426383B (zh) | 2014-02-11 |
Family
ID=45494542
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW099123748A TWI426383B (zh) | 2010-07-20 | 2010-07-20 | 雲端計算網路的系統可靠度之估計方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US8660024B2 (zh) |
| TW (1) | TWI426383B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8930542B2 (en) | 2012-01-23 | 2015-01-06 | International Business Machines Corporation | Dynamically building a set of compute nodes to host the user's workload |
| US9092307B2 (en) * | 2012-10-09 | 2015-07-28 | Oracle International Corporation | Adaptive preventive maintenance for computing systems |
| US9021307B1 (en) * | 2013-03-14 | 2015-04-28 | Emc Corporation | Verifying application data protection |
| GB2517717A (en) | 2013-08-29 | 2015-03-04 | Ibm | Testing of combined code changesets in a software product |
| RU2713849C1 (ru) * | 2019-04-24 | 2020-02-07 | Федеральное государственное казенное военное образовательное учреждение высшего образования Академия Федеральной службы охраны Российской Федерации | Способ регулирования надежности сложно разветвленных систем |
| CN110245409B (zh) * | 2019-06-05 | 2020-02-21 | 北京航空航天大学 | 一种基于虚拟现实与复杂网络的软件可靠性仿真分析方法 |
| CN112184041A (zh) * | 2020-10-09 | 2021-01-05 | 重庆邮电大学 | 一种带成本约束的配送网络容量可靠性评估方法 |
| US12021680B1 (en) | 2021-04-12 | 2024-06-25 | Criticality Sciences, Inc. | Detecting and mitigating cascading errors in a network to improve network resilience |
| CN117479049B (zh) | 2023-12-27 | 2024-03-15 | 成都秦川物联网科技股份有限公司 | 用于智慧燃气的数据传输管控方法、物联网系统及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5798939A (en) * | 1995-03-31 | 1998-08-25 | Abb Power T&D Company, Inc. | System for optimizing power network design reliability |
| TW200412805A (en) * | 2002-08-08 | 2004-07-16 | Harris Corp | Multiple path reactive routing in a mobile ad hoc network |
| US20090323539A1 (en) * | 2008-06-30 | 2009-12-31 | Dazhi Wang | Reliability estimation methods for large networked systems |
| TW201023558A (en) * | 2008-12-08 | 2010-06-16 | Univ Nat Taiwan Science Tech | System reliability evaluation method for transmission by a single minimal path in time restriction |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102035667B (zh) * | 2009-09-27 | 2012-08-29 | 华为技术有限公司 | 网络可靠性评估方法、装置和系统 |
-
2010
- 2010-07-20 TW TW099123748A patent/TWI426383B/zh not_active IP Right Cessation
- 2010-11-19 US US12/926,468 patent/US8660024B2/en not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5798939A (en) * | 1995-03-31 | 1998-08-25 | Abb Power T&D Company, Inc. | System for optimizing power network design reliability |
| TW200412805A (en) * | 2002-08-08 | 2004-07-16 | Harris Corp | Multiple path reactive routing in a mobile ad hoc network |
| US20090323539A1 (en) * | 2008-06-30 | 2009-12-31 | Dazhi Wang | Reliability estimation methods for large networked systems |
| TW201023558A (en) * | 2008-12-08 | 2010-06-16 | Univ Nat Taiwan Science Tech | System reliability evaluation method for transmission by a single minimal path in time restriction |
Also Published As
| Publication number | Publication date |
|---|---|
| US8660024B2 (en) | 2014-02-25 |
| TW201205282A (en) | 2012-02-01 |
| US20120023372A1 (en) | 2012-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI426383B (zh) | 雲端計算網路的系統可靠度之估計方法 | |
| TWI432977B (zh) | 雲端計算網路的精確系統可靠度之評估方法 | |
| Cohen et al. | Almost optimal virtual machine placement for traffic intense data centers | |
| US8687498B2 (en) | Routing device, method, and program | |
| TWI435224B (zh) | 路由政策之系統可靠度評估方法 | |
| CN109032499B (zh) | 一种分布式数据存储的数据存取方法、信息数据处理终端 | |
| Lin et al. | Evaluation of system reliability for a cloud computing system with imperfect nodes | |
| Cao et al. | Collaborative attributes and resources for single-stage virtual network mapping in network virtualization | |
| Kang et al. | A security-aware data placement mechanism for big data cloud storage systems | |
| TWI398782B (zh) | 時間限制下雙最小路徑輸送之系統可靠度評估方法 | |
| Bharathan et al. | Penalty based mathematical models for web service composition in a geo-distributed cloud environment | |
| CN108347377A (zh) | 数据转发方法及装置 | |
| CN104242993B (zh) | 中低压电力通信接入网带宽预测方法 | |
| CN117236453B (zh) | 量子纠缠资源调度方法、装置及电子设备 | |
| CN117236450A (zh) | 量子纠缠资源调度方法、装置及电子设备 | |
| JP4279291B2 (ja) | 網トポロジ設計装置 | |
| CN114035906B (zh) | 虚拟机迁移方法、装置、电子设备及存储介质 | |
| EP3241307A1 (en) | A method and system for assigning performance indicators to objects of a network | |
| US9124496B2 (en) | System and method for end- or service-node placement optimization | |
| Alenazi et al. | Cost-Constrained and Centrality-Balanced network design improvement | |
| JP5651217B1 (ja) | パス復旧制御装置 | |
| Lin et al. | Performance indicator evaluation for a cloud computing system from QoS viewpoint | |
| JP6368624B2 (ja) | 非同期メッセージングサーバ連携方式の評価装置及び評価方法 | |
| CN113438173A (zh) | 路由和频谱分配方法、装置、存储介质以及电子设备 | |
| Godar et al. | Optimization of QKD Networks with Classical and Quantum Annealing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | Annulment or lapse of patent due to non-payment of fees |