CN107404523A - 云平台自适应资源调度***和方法 - Google Patents

云平台自适应资源调度***和方法 Download PDF

Info

Publication number
CN107404523A
CN107404523A CN201710600363.2A CN201710600363A CN107404523A CN 107404523 A CN107404523 A CN 107404523A CN 201710600363 A CN201710600363 A CN 201710600363A CN 107404523 A CN107404523 A CN 107404523A
Authority
CN
China
Prior art keywords
resource
cloud
component
virtual machine
cloud platform
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
Application number
CN201710600363.2A
Other languages
English (en)
Inventor
梁鸿
孔言
孙晓
魏倩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Petroleum East China
Original Assignee
China University of Petroleum East China
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 China University of Petroleum East China filed Critical China University of Petroleum East China
Priority to CN201710600363.2A priority Critical patent/CN107404523A/zh
Publication of CN107404523A publication Critical patent/CN107404523A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • H04L67/50—Network services
    • H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
    • 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
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • 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
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
    • H04L67/61—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources taking into account QoS or priority requirements
    • 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
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明公开了一种云平台自适应资源调度***，包括：注册组件，用于云集群管理，存储物理资源信息；交互组件，用于接收用户任务请求，分析并判断所述用户请求相应的虚拟机类型、QoS参数和数量需求；以及分析任务的资源请求是否合理；监控组件，用于监控平台***负载和云集群负载，包括虚拟机的类型、状态和资源使用率，物理节点的状态和资源使用率，以及集群的网络宽带和任务响应时间；决策组件，用于根据集群负载变化情况，采用自适应资源调度算法预测资源需求，并发送资源调度请求；基础设施组件，用于根据资源调度请求对基础设施进行调整。本发明实现了云平台的自适应部署，解决了云资源的占用和浪费问题，提高了资源利用率。

Description

云平台自适应资源调度***和方法
技术领域
本发明涉及云计算领域，尤其涉及一种云平台自适应资源调度***和方法。
背景技术
云计算依托于互联网，依据个人的爱好和需要，可分为两种模式，分别是计算模式和服务模式。当然，云计算的服务方式具有两个特性，就是动态和弹性。其创新的基础设施部署模式、资源使用模式、信息处理和服务模式，为有效降低信息化建设门槛，调整经济结构，提高资源利用率和信息服务能力提供重要基础。尤其在当今信息社会数据日益成为战略资源的情况下，云计算可以更经济、更高效、更容易挖掘数据的价值，获取知识和决策信息，对人类经济和社会的发展产生革命性的影响。国家在“坚持科技创新与实现产业化相结合”的基本原则下，提出了推动云计算研究和应用的模式，明确重点的发展方向和首要任务。
随着人们对可移植性和兼容性需求的增加，虚拟机逐渐成为这个整个IT界的“宠儿”，其发展及应用备受关注。1965年，IBM研发工作成员把机器分割成各个较小组件，这些组件都能够独立的管理分属于自己的机器资源，至此，虚拟机的概念诞生。随着研究人员的反复试验、实践，虚拟机技术逐步完善。直到今天，虚拟机技术已形成其独特的体系结构。根据虚拟机工作体系的不同，虚拟机大体可以有以下三种类型：基于运行库的虚拟机、基于操作***的虚拟机和基于硬件的虚拟机。云计算的核心是资源管理，目的是充分利用资源，提高资源利用率，保证业务稳定执行。由于具体任务不同，需要调度的资源特征不同，资源的调度需考虑业务特点，调度虚拟机资源，工作非常繁琐。因此，如何基于任务请求自适应动态调整云资源部署，目前需要本领域技术人员迫切解决的一个技术问题。
发明内容
为了解决上述问题，本发明提供一种基于云平台的软件自适应部署架构，可以根据运行在平台上的***的访问量负载变化时，自适应调整和分配资源，有效解决了云平台资源闲置和浪费问题，提高了资源利用率。
为了实现上述目的，本发明采用如下技术方案：
一种云平台自适应资源调度***，包括：
注册组件，用于云集群管理，记录并管理物理资源信息；
交互组件，用于接收用户任务请求，分析并判断所述用户请求相应的虚拟机类型、QoS参数和数量需求；以及分析任务的资源请求是否合理；
监控组件，用于监控云集群中各个资源的使用情况，包括虚拟机的类型、状态和资源使用率，物理节点的状态和资源使用率，以及集群的网络宽带和任务响应时间；
决策组件，用于根据决策组件发送的集群负载变化情况，采用自适应资源调度算法预测资源需求，并发送资源调度请求；
基础设施组件，用于根据资源调度请求对基础设施进行调整。
所述物理资源信息包括IP地址、网络宽带、主机、MAC地址。
所述交互组件还对监控组件获取的数据进行分析，判断所述请求是否符合QoS约束，确定符合约束的任务的调度优先级。
所述自适应资源调度算法是是基于***历史请求记录分析对不同请求任务的资源需求进行预测。
所述对基础设施进行调整包括虚拟机动态管理、物理机的开关操作、修改配置信息。
所述自适应资源调度算法是基于马尔可夫模型的云资源特征聚类算法。
基于上述***，本发明还提供了一种云平台自适应资源调度方法，包括以下步骤：
步骤1：接收用户任务请求，对所述用户任务请求进行分析，判断相应的虚拟机类型、QoS需求和数量需求，将所述任务分配到合适的虚拟机上执行；
步骤2：监控组件监测平台***的负载是否发生变化，若发生变化，则将所述负载的变化发送至决策组件；
步骤3：决策组件根据所述负载的变化，采用自适应资源调度算法计算***服务所需的云资源；
步骤4：基于所述资源预测，判断物理节点性能是否超过预测的指标，若超过，检测所述节点虚拟机是否闲置，若闲置，将所述虚拟机销毁并释放资源；若所述物理节点性能未达到预测的指标，通过决策方法寻找最优迁移物理节点进行虚拟机创建；如果未能找到最优物理节点，提醒管理员硬件资源短缺。
所述平台***的负载为物理服务器的资源使用量。
所述自适应资源调度算法是基于马尔可夫模型的云资源特征聚类算法。
所述自适应资源调度算法是基于平台***历史请求记录动态分析对不同请求任务的资源需求进行预测。
本发明的有益效果：
1、本发明根据实时监测的负载变化执行资源部署调整，根据***并发数的不同为其分配符合该负载的资源支持，有效的解决的了云平台资源的闲置和浪费问题，大大提高了资源利用率，间接的为平台能耗的节约提供可能性支持。
2、本发明是基于HadoopJava框架技术，把***应用部署在云平台。既能体现云服务的高效可扩展性，又实现了云平台资源自适应调度的改进，方便随时服务，提高资源利用率。
附图说明
图1为集群资源管理的基础架构；
图2为QoS需求与云资源之间的映射关系；
图3为本发明云平台自适应资源调度***图；
图4为本发明云平台自适应资源调度流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
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。
如图1所示，资源管理架构：该架构分为四层它们分别是：物理层、调度层、连接层、应用层。物理层也就是云平台的资源池，即部署了虚拟机资源的物理节点，它包括了集群中的处理器、硬盘、内存、网络带宽等资源，为调度提供基础。应用层代表的是我们的应用软件程序，连接层是通过专业设备为软件程序提供连接到云平台的接口。调度层则就是根据用户提交的任务不同来分配相应的虚拟机资源，具体策略是通过历史数据的分析而设计的对不同任务分配相应资源的预测算法。
QoS指标是衡量Web服务提供商所提供的服务质量的标准，包括响应时间、费用、可靠性、可用性和可信度。QoS指标对网络带宽、网络延迟等都有一定的规范，来确保服务的质量。用户的QoS需求与云资源之间有多样的映射关系，如图2所示。
实施例一
云平台的资源调度就是根据用户提交任务请求，为用户分配所需的虚拟资源的过程。本实施例提供了一种基于云平台的自适应调度***，如图3所示，包括：
(1)注册组件，用于云集群管理，记录并存储物理资源信息；
可选地，注册组件具体负责记录并管理包括IP地址、网络宽带、主机、MAC地址等集群中的物理资源信息。以上信息均记录在数据库中，当有物理机加入或去除时，负责修改数据库信息。
(2)交互组件，用于接收用户任务请求，分析并判断所述用户请求相应的虚拟机类型、QoS参数和数量需求；以及分析任务的资源请求是否合理，以及对监控组件获取的数据进行分析，判断所述任务请求是否符合QoS约束。
可选地，所述交互组件从监控组件获取的数据包括硬盘、CPU、内存等各资源的使用情况，以及任务响应时间和网络流量等，根据上述数据判断。
判断所述任务请求是否符合QoS约束，并确定符合约束的任务的调度优先级。基于QoS优先级分组的资源调度算法——Sufferage算法确定任务的优先级，即后续调度顺序，所述Sufferage算法的原理是，一个任务将被分配给这样一个资源，如果该任务不分配给该资源，将会在完成时间上蒙受最大的损失，该算法为每个任务指定一个Sufferage值，该值定义为任务的次小完成时间与最小完成时间之差，差值大的任务具有高的调度优先级。
该算法是基于任务执行所需的计算资源的个数进行优先级分组，优选地，将资源需求量大的作为较高的优先级，用QosLevel向量表示，向量中的每一个分量作为一个Qos优先级分组，由于QosLevel向量是一个n维向量，将所有的网格任务分为n组，按照Qos优先级进行调度。
算法执行步骤如下：获得所有任务在所有主机上的执行时间并且将其保存在矩阵E中；根据任务的可执行情况将m个任务分成n个QoS优先级分组；划分矩阵E得到子矩阵Ei,m，i表示第i个优先级分组；对于每个分组，执行Sufferage算法，确定各分组的调度优先级。
(3)监控组件，用于监测集群负载，包括虚拟机的类型、状态和资源使用率，物理节点的状态和资源使用率，以及集群的网络宽带和任务响应时间。
监控组件是基础模块。监测平台***负载(物理服务器的资源使用量)；以及监测云集群中硬盘、CPU、内存等各资源的使用情况，以及任务响应时间和网络流量等。这里监控的集群包括虚拟机、物理节点和/或集群整体。对于虚拟机主要监控其状态(空虚和启动)，资源使用率和虚拟机类型。对于物理节点主要监控其状态(关闭/开启/休眠)，CPU，内存等资源使用率。对于集群状态则包括网络带宽、任务请求速率、任务完成各类参数等。
(4)决策组件，用于根据平台***集群负载变化情况，采用自适应资源调度算法预测资源需求，并发送资源调度请求。
决策组件是核心模块，决策组件可以接收监控组件的各类数据，根据监控中心发送的负载变化(物理服务器的资源使用量)情况，借助自适应资源调度算法来实现资源需求预测，并发送资源调度请求，以实现平台工作性能最佳水平。本模块的调度算的是根据软件***不同请求的大量历史记录分析来对未来不同请求任务的资源需求进行合理预测的结果，是以预期的目标为驱动行为，将虚拟资源自适应分配给不同请求任务的。
本实施例中采用的自适应资源调度算法为基于马尔可夫模型的云资源特征聚类算法。云平台***中的资源需求与动态的负载变化之间具有强非线性，为了能够对其资源的需求变化进行准确的预测，只能采用多模型相互结合的预测方式来实现，这是因为简单预测模型方法更有利于具有线性关系，使用多模型结合的方法可以更加精确的捕获这种非线性关系数据中隐藏的行为规律，进而根据这种规律来实现对不同情况下资源需求的预测。本实施通过基于马尔可夫模型的云资源特征聚类算法对云平台软件未来状况的资源需求进行预测。
马尔可夫预测模型的基本思想是：根据事件的最近状态预测某个事件的近期走向或者变化的指标，而不是根据前期状态，该性质称为事物的无后效性。多个具有无后效性的连续变化的事物集合就组成了马尔可夫链,它们的演变过程称为马尔可夫过程。基于马尔可夫模型的云资源预测算法介绍如下：
获取历史资源使用信息作为训练数据，对获得的训练数据集合进行聚类分析，获得不同负载时***对资源的需求预测模型。所述历史资源使用信息实时更新，从而获得实时更新的需求预测模型。
所谓聚类分析就是把数据集合划分成多个由类似特征数据组成的小集合的过程，这样每个小集合中的数据都具有高度的相似特征。本发明选择模糊聚类算法FCM(模糊C均值聚类算法)，来实现对测试结果数据集进行聚类分析，进而获取软件在不同负载下对云资源的需求模型。
定义F＝{f1,f2,...,fn}代表***的负载序列集，这里n取大于0小于10万的整数，每个fn都是一个数据点，它们都在x维向量空间中，并且有k个分割(聚类簇)：Cluster＝(Cluster1，Cluster2，...，ClusterK)，和每个聚类对应的马尔科夫模型：λ1，λ2，...，λK。
聚类算法就通过将高维特征空间中的距离作为优化目标来将数据点分类到K个聚类簇中。在此选用超正切函数作为把输入空间数据映射到高维特征空间的映射函数。超正切函数的表达式如下：
K(fi,fj)＝1-tanh(-||fi-fj||2/α2),α>0
具体的，所述FCM聚类算法步骤如下：
Step 1：用[0，1]区间去随机初始化隶属度矩阵U，并使其满足约束条件
Step 2：对***负载序列集F做归一化处理，将其作为数据输入到聚类算法中；
Step 3：计算k个聚类中心Ci，i＝1,2……,k，其次，通过超正切函数把F映射高维空间中计算F中各个数据点与K个聚类中心距离来进行数据聚类，形成K个聚类簇；
Step 4：把K个聚类簇重新循环迭代计算，再得一组新的k个聚类中心Ci’，比较判断聚类中心数值有无发生改变，若无变化，即:Ci＝Ci’,结束迭代，否则，返回Step3；
Step 5：输出聚类中心Ci以及K组聚类簇。
通过FCM算法的计算后获得相应数据的聚类簇，并且每个聚类簇都对应马尔科夫模型，通过对数据和模型进行一系列的加权优化训练出我们想获得的资源需求预测模型。当有新的任务请求提交时，根据所述需求预测模型，为其计算所需资源需求，从而合理的对该任务请求进行资源部署。
其中，所涉及的资源包括：内存、网络带宽、CPU等，与之匹配的用户QoS需求描述主要表现在计算速度、吞吐量、延迟等方面(如图2所示)。云数据中心资源管理***中主要包含两级调度模式：物理节点中虚拟资源的调度和虚拟资源上任务的分配。在任务-虚拟资源的任务分配过程中，***首先根据用户任务的QoS需求对负载任务进行分类，优选地，按照优先级进行分组，将任务分配到合适的虚拟机上执行。然后在虚拟机-主机的资源调度过程中，物理节点需要充分考虑虚拟资源的资源需求，从而优化虚拟机的部署，提高资源利用率。
(5)基础设施组件，用于根据资源调度请求对基础设施进行调整。
基础设施组件：该组件主要负责基础设施的人为调整操作，包括对集群、物理机、虚拟机等进行管理，具体操作有虚拟机的创建和释放、物理机的开关操作、修改配置信息等。该模块属于执行阶段，它会接收决策中心发送的资源调度请求方案，并根据方案完成相应操作。
实施例二
基于上述云平台自适应资源调度***，本实施例提供了一种云平台自适应资源调度方法，其特征在于，包括以下步骤：
步骤1：接收用户任务请求，对所述用户任务请求进行分析，判断相应的虚拟机类型、QoS需求和数量需求，将所述任务分配到合适的虚拟机上执行；
步骤2：监控组件监测平台***的负载是否发生变化，若发生变化，则将所述负载的变化发送至决策组件；
步骤3：决策组件根据所述负载的变化，通过自适应资源调度算法，计算***服务所需的云资源；
步骤4：基于所述资源预测，判断物理节点性能是否超过预测的指标，若超过，检测所述节点虚拟机是否闲置，若闲置，将所述虚拟机销毁并释放资源；若所述物理节点性能未达到预测的指标，通过决策方法寻找最优迁移物理节点进行虚拟机创建；如果未能找到最优物理节点，提醒管理员硬件资源短缺。
优选地，所述平台***的负载为物理服务器的资源使用量。
优选地，所述预测算法是基于***历史请求记录分析对不同请求任务的资源需求进行预测。
优选地，所述预测算法是基于马尔可夫模型的云资源特征聚类算法。
马尔可夫预测模型的基本思想是：根据事件的最近状态预测某个事件的近期走向或者变化的指标，而不是根据前期状态，该性质称为事物的无后效性。多个具有无后效性的连续变化的事物集合就组成了马尔可夫链,它们的演变过程称为马尔可夫过程。基于马尔可夫模型的云资源预测算法介绍如下：
获取历史资源使用信息作为训练数据，对获得的训练数据集合进行聚类分析，获得不同负载时***对资源的需求预测模型。所述历史资源使用信息实时更新，从而获得实时更新的需求预测模型。
所谓聚类分析就是把数据集合划分成多个由类似特征数据组成的小集合的过程，这样每个小集合中的数据都具有高度的相似特征。本发明选择模糊聚类算法FCM(模糊C均值聚类算法)，来实现对测试结果数据集进行聚类分析，进而获取软件在不同负载下对云资源的需求模型。
本发明对***运行时状态进行监控，并根据监控数据设计不同负载下***对资源需求的预测，最后结合资源调度策略，实现对现有软件在云平台的自适应部署，解决了***空闲时，云资源的占用和浪费问题，并且大大地提高了资源利用率。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种云平台自适应资源调度***，其特征在于，包括：
注册组件，用于云集群管理，记录并管理物理资源信息；
交互组件，用于接收用户任务请求，分析并判断所述用户请求相应的虚拟机类型、QoS参数和数量需求；以及分析任务的资源请求是否合理；
监控组件，用于监控云集群中各个资源的使用情况，包括虚拟机的类型、状态和资源使用率，物理节点的状态和资源使用率，以及集群的网络宽带和任务响应时间；
决策组件，用于根据决策组件发送的集群负载变化情况，采用自适应资源调度算法预测资源需求，并发送资源调度请求；
基础设施组件，用于根据资源调度请求对基础设施进行调整。
2.如权利要求1所述的一种云平台自适应资源调度***，其特征在于，所述物理资源信息包括IP地址、网络宽带、主机、MAC地址。
3.如权利要求1所述的一种云平台自适应资源调度***，其特征在于，所述交互组件还对监控组件获取的数据进行分析，判断所述请求是否符合QoS约束，确定符合约束的任务的调度优先级。
4.如权利要求1所述的一种云平台自适应资源调度***，其特征在于，所述自适应资源调度算法是是基于***历史请求记录分析对不同请求任务的资源需求进行预测。
5.如权利要求1所述的一种云平台自适应资源调度***，其特征在于，所述对基础设施进行调整包括虚拟机动态管理、物理机的开关操作、修改配置信息。
6.如权利要求1所述的一种云平台自适应资源调度***，其特征在于，所述自适应资源调度算法是基于马尔可夫模型的云资源特征聚类算法。
7.一种基于权利要求1-6任一项所述***的云平台自适应资源调度方法，其特征在于，包括以下步骤：
步骤1：接收用户任务请求，对所述用户任务请求进行分析，判断相应的虚拟机类型、QoS需求和数量需求，将所述任务分配到合适的虚拟机上执行；
步骤2：监控组件监测平台***的负载是否发生变化，若发生变化，则将所述负载的变化发送至决策组件；
步骤3：决策组件根据所述负载的变化，采用自适应资源调度算法计算***服务所需的云资源；
步骤4：基于所述资源预测，判断物理节点性能是否超过预测的指标，若超过，检测所述节点虚拟机是否闲置，若闲置，将所述虚拟机销毁并释放资源；若所述物理节点性能未达到预测的指标，通过决策方法寻找最优迁移物理节点进行虚拟机创建；如果未能找到最优物理节点，提醒管理员硬件资源短缺。
8.如权利要求7所述的一种云平台自适应资源调度***，其特征在于，所述平台***的负载为物理服务器的资源使用量。
9.如权利要求7所述的一种云平台自适应资源调度***，其特征在于，所述自适应资源调度算法是基于马尔可夫模型的云资源特征聚类算法。
10.如权利要求7所述的一种云平台自适应资源调度***，其特征在于，所述自适应资源调度算法是基于平台***历史请求记录动态分析对不同请求任务的资源需求进行预测。
CN201710600363.2A 2017-07-21 2017-07-21 云平台自适应资源调度***和方法 Pending CN107404523A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710600363.2A CN107404523A (zh) 2017-07-21 2017-07-21 云平台自适应资源调度***和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710600363.2A CN107404523A (zh) 2017-07-21 2017-07-21 云平台自适应资源调度***和方法

Publications (1)

Publication Number Publication Date
CN107404523A true CN107404523A (zh) 2017-11-28

Family

ID=60401222

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710600363.2A Pending CN107404523A (zh) 2017-07-21 2017-07-21 云平台自适应资源调度***和方法

Country Status (1)

Country Link
CN (1) CN107404523A (zh)

Cited By (56)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108733490A (zh) * 2018-05-14 2018-11-02 上海交通大学 一种基于资源共享自适应配置的GPU虚拟化QoS控制***及方法
CN108833519A (zh) * 2018-06-05 2018-11-16 福建十方融汇科技有限公司 一种存储集群方法及***
CN108984301A (zh) * 2018-07-04 2018-12-11 中国人民解放军国防科技大学 自适应云资源调配方法和装置
CN109144724A (zh) * 2018-07-27 2019-01-04 众安信息技术服务有限公司 一种微服务资源调度***及方法
CN109189563A (zh) * 2018-07-25 2019-01-11 腾讯科技（深圳）有限公司 资源调度方法、装置、计算设备及存储介质
CN109586971A (zh) * 2018-12-14 2019-04-05 广东外语外贸大学 一种基于线性关系的负载资源需求量评估方法
CN109587217A (zh) * 2018-11-06 2019-04-05 华中科技大学 一种大规模分布式***的智能监控与管理方法及***
CN109617738A (zh) * 2018-12-28 2019-04-12 优刻得科技股份有限公司 用户服务扩缩容的方法、***和非易失性存储介质
CN109783216A (zh) * 2019-01-17 2019-05-21 广东石油化工学院 一种混合云环境下多工作流负载均衡方法及***
CN109800060A (zh) * 2019-01-31 2019-05-24 携程旅游信息技术（上海）有限公司 云平台***、管理方法、设备及存储介质
CN109857518A (zh) * 2019-01-08 2019-06-07 平安科技（深圳）有限公司 一种网络资源的分配方法及设备
CN109976880A (zh) * 2019-04-10 2019-07-05 北京隆普智能科技有限公司 一种虚拟机资源使用的方法及其***
CN109976901A (zh) * 2017-12-28 2019-07-05 航天信息股份有限公司 一种资源调度方法、装置、服务器及可读存储介质
CN109976916A (zh) * 2019-04-04 2019-07-05 中国联合网络通信集团有限公司 一种云资源需求判定方法及***
CN110162406A (zh) * 2019-05-31 2019-08-23 东北大学 一种支持性能保障的操作模式虚拟机数量评估方法
CN110213358A (zh) * 2019-05-23 2019-09-06 深圳壹账通智能科技有限公司 集群资源调度的方法、节点、设备及存储介质
CN110287017A (zh) * 2019-07-01 2019-09-27 北京首都在线科技股份有限公司 一种任务调度方法及任务调度装置
CN110308995A (zh) * 2019-07-08 2019-10-08 童晓雯 一种边缘云计算服务***边缘云节点部署装置
CN110417686A (zh) * 2019-06-12 2019-11-05 北京因特睿软件有限公司 云资源动态调度***
CN110677274A (zh) * 2019-08-26 2020-01-10 国信电子票据平台信息服务有限公司 一种基于事件的云网络服务调度方法及装置
CN110908795A (zh) * 2019-11-04 2020-03-24 深圳先进技术研究院 云计算集群混部作业调度方法、装置、服务器及存储装置
CN111104226A (zh) * 2019-12-25 2020-05-05 东北大学 一种多租户服务资源的智能管理***及方法
CN111143055A (zh) * 2019-12-16 2020-05-12 上海达龙信息科技有限公司 虚拟云主机预分配方法、装置、可读存储介质与电子设备
CN111381970A (zh) * 2020-03-16 2020-07-07 第四范式（北京）技术有限公司 集群任务的资源分配方法及装置、计算机装置及存储介质
CN111427678A (zh) * 2020-03-23 2020-07-17 深圳市道通科技股份有限公司 汽车诊断云平台中的虚拟化资源调度***、方法
CN111459617A (zh) * 2020-04-03 2020-07-28 南方电网科学研究院有限责任公司 基于云平台的容器化应用自动分配优化***及其方法
CN111523565A (zh) * 2020-03-30 2020-08-11 中南大学 一种大数据的流式处理方法、***及存储介质
WO2020176041A1 (en) * 2019-02-27 2020-09-03 Singapore Telecommunications Limited System for optimising data communication
CN111858040A (zh) * 2020-07-07 2020-10-30 中国建设银行股份有限公司 一种资源调度方法和装置
CN112330229A (zh) * 2020-12-02 2021-02-05 北京元心科技有限公司 资源调度方法、装置、电子设备及计算机可读存储介质
WO2021024076A1 (en) * 2019-08-05 2021-02-11 International Business Machines Corporation Automated operational data management dictated by quality-of-service criteria
CN112667166A (zh) * 2020-12-30 2021-04-16 浪潮云信息技术股份公司 一种基于云平台的云硬盘动态QoS设置方法及工具
CN112905343A (zh) * 2021-02-09 2021-06-04 重庆大学 一种工业云环境下基于负载特性的资源调度***
CN113037786A (zh) * 2019-12-09 2021-06-25 中国电信股份有限公司 智能算力调度方法、装置和***
CN113296870A (zh) * 2020-04-07 2021-08-24 阿里巴巴集团控股有限公司 预测Kubernetes集群配置的方法以及装置
CN113377525A (zh) * 2021-03-22 2021-09-10 天地信息网络有限公司 一种面向在轨空间资源的虚拟云管理平台
WO2021228103A1 (zh) * 2020-05-15 2021-11-18 北京金山云网络技术有限公司 云主机集群的负载均衡方法、装置及服务器
CN113703962A (zh) * 2021-07-22 2021-11-26 北京华胜天成科技股份有限公司 云资源分配方法、装置、电子设备及存储介质
CN113792971A (zh) * 2021-08-11 2021-12-14 邹平市供电有限公司 一种区域电力调度组网方法及***
CN113867865A (zh) * 2021-09-28 2021-12-31 江苏赞奇科技股份有限公司 一种面向云桌面***的ad策略制定和应用方法
CN113923229A (zh) * 2021-10-14 2022-01-11 京东科技信息技术有限公司 云计算资源弹性调度方法、装置及相关设备
US11277317B2 (en) 2019-08-05 2022-03-15 International Business Machines Corporation Machine learning to predict quality-of-service needs in an operational data management system
CN114268477A (zh) * 2021-12-14 2022-04-01 国网河南省电力公司电力科学研究院 基于多模式负载均衡的安全资源动态调度***及方法
CN114490089A (zh) * 2022-04-01 2022-05-13 广东睿江云计算股份有限公司 云计算资源自动调节方法、装置、计算机设备及存储介质
CN115086331A (zh) * 2022-07-20 2022-09-20 阿里巴巴（中国）有限公司 云设备调度方法、装置及***、电子设备及存储介质
US11469943B2 (en) 2019-12-06 2022-10-11 Red Hat, Inc. Pre-scheduling for cloud resource provisioning
CN115225506A (zh) * 2022-06-02 2022-10-21 慧壹科技(上海)有限公司 基于云平台的数据处理方法、***、电子设备及存储介质
CN115277693A (zh) * 2022-06-21 2022-11-01 中国电信股份有限公司 云资源调度方法及其***、计算机可读存储介质
CN115297018A (zh) * 2022-10-10 2022-11-04 北京广通优云科技股份有限公司 一种基于主动探测的运维***负载预测方法
CN115686803A (zh) * 2023-01-05 2023-02-03 北京华恒盛世科技有限公司 一种调度策略动态加载的计算任务管理***、方法和装置
CN116028193A (zh) * 2023-03-29 2023-04-28 南京大学 一种混部集群的大数据任务动态高能效调度方法和***
CN116702121A (zh) * 2023-08-01 2023-09-05 南京云玑信息科技有限公司 一种云桌面场景下增强访问控制安全性的方法
WO2023226963A1 (zh) * 2022-05-27 2023-11-30 华为技术有限公司 一种云资源推荐方法及相关设备
CN117195316A (zh) * 2023-08-21 2023-12-08 深圳市云存宝技术有限公司 一种基于云技术的云硬盘管理方法、装置、服务器及介质
CN117435298A (zh) * 2023-10-16 2024-01-23 常州大数据有限公司 一种基于大语言模型的数据中心能效智能调优云平台
CN117492934A (zh) * 2024-01-02 2024-02-02 深圳市伊登软件有限公司 一种基于云服务智能部署的数据处理方法及***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102662750A (zh) * 2012-03-23 2012-09-12 上海交通大学 基于弹性虚拟机池的虚拟机资源优化控制方法及其***
US20130250828A1 (en) * 2012-03-23 2013-09-26 Mediatek, Inc. Method and Apparatus of Allocating Scheduling Request Resources In Mobile Communication Networks
CN103945548A (zh) * 2014-04-29 2014-07-23 西安电子科技大学 一种c-ran网络中的资源分配***及任务/业务调度方法
EP2869487A1 (en) * 2013-10-30 2015-05-06 Telefonaktiebolaget L M Ericsson (publ) Link adaptation with load-dependent BLER target value
CN105491079A (zh) * 2014-09-16 2016-04-13 华为技术有限公司 云计算环境中调整应用所需资源的方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102662750A (zh) * 2012-03-23 2012-09-12 上海交通大学 基于弹性虚拟机池的虚拟机资源优化控制方法及其***
US20130250828A1 (en) * 2012-03-23 2013-09-26 Mediatek, Inc. Method and Apparatus of Allocating Scheduling Request Resources In Mobile Communication Networks
EP2869487A1 (en) * 2013-10-30 2015-05-06 Telefonaktiebolaget L M Ericsson (publ) Link adaptation with load-dependent BLER target value
CN103945548A (zh) * 2014-04-29 2014-07-23 西安电子科技大学 一种c-ran网络中的资源分配***及任务/业务调度方法
CN105491079A (zh) * 2014-09-16 2016-04-13 华为技术有限公司 云计算环境中调整应用所需资源的方法及装置

Cited By (83)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109976901A (zh) * 2017-12-28 2019-07-05 航天信息股份有限公司 一种资源调度方法、装置、服务器及可读存储介质
CN109976901B (zh) * 2017-12-28 2021-04-16 航天信息股份有限公司 一种资源调度方法、装置、服务器及可读存储介质
CN108733490A (zh) * 2018-05-14 2018-11-02 上海交通大学 一种基于资源共享自适应配置的GPU虚拟化QoS控制***及方法
CN108833519A (zh) * 2018-06-05 2018-11-16 福建十方融汇科技有限公司 一种存储集群方法及***
CN108984301A (zh) * 2018-07-04 2018-12-11 中国人民解放军国防科技大学 自适应云资源调配方法和装置
CN108984301B (zh) * 2018-07-04 2020-12-25 中国人民解放军国防科技大学 自适应云资源调配方法和装置
CN109189563B (zh) * 2018-07-25 2020-01-24 腾讯科技（深圳）有限公司 资源调度方法、装置、计算设备及存储介质
CN109189563A (zh) * 2018-07-25 2019-01-11 腾讯科技（深圳）有限公司 资源调度方法、装置、计算设备及存储介质
CN109144724A (zh) * 2018-07-27 2019-01-04 众安信息技术服务有限公司 一种微服务资源调度***及方法
CN109587217A (zh) * 2018-11-06 2019-04-05 华中科技大学 一种大规模分布式***的智能监控与管理方法及***
CN109586971A (zh) * 2018-12-14 2019-04-05 广东外语外贸大学 一种基于线性关系的负载资源需求量评估方法
CN109586971B (zh) * 2018-12-14 2021-06-15 广东外语外贸大学 一种基于线性关系的负载资源需求量评估方法
CN109617738B (zh) * 2018-12-28 2022-05-31 优刻得科技股份有限公司 用户服务扩缩容的方法、***和非易失性存储介质
CN109617738A (zh) * 2018-12-28 2019-04-12 优刻得科技股份有限公司 用户服务扩缩容的方法、***和非易失性存储介质
CN109857518A (zh) * 2019-01-08 2019-06-07 平安科技（深圳）有限公司 一种网络资源的分配方法及设备
CN109783216A (zh) * 2019-01-17 2019-05-21 广东石油化工学院 一种混合云环境下多工作流负载均衡方法及***
CN109800060A (zh) * 2019-01-31 2019-05-24 携程旅游信息技术（上海）有限公司 云平台***、管理方法、设备及存储介质
WO2020176041A1 (en) * 2019-02-27 2020-09-03 Singapore Telecommunications Limited System for optimising data communication
US11750473B2 (en) 2019-02-27 2023-09-05 Singapore Telecommunications Limited System for optimising data communication
CN109976916A (zh) * 2019-04-04 2019-07-05 中国联合网络通信集团有限公司 一种云资源需求判定方法及***
CN109976880B (zh) * 2019-04-10 2021-08-31 上海东方财富证券投资咨询有限公司 一种虚拟机资源使用的方法及其***
CN109976880A (zh) * 2019-04-10 2019-07-05 北京隆普智能科技有限公司 一种虚拟机资源使用的方法及其***
CN110213358A (zh) * 2019-05-23 2019-09-06 深圳壹账通智能科技有限公司 集群资源调度的方法、节点、设备及存储介质
CN110162406A (zh) * 2019-05-31 2019-08-23 东北大学 一种支持性能保障的操作模式虚拟机数量评估方法
CN110162406B (zh) * 2019-05-31 2023-01-17 东北大学 一种支持性能保障的操作模式虚拟机数量评估方法
CN110417686B (zh) * 2019-06-12 2021-12-14 因特睿科技有限公司 云资源动态调度***
CN110417686A (zh) * 2019-06-12 2019-11-05 北京因特睿软件有限公司 云资源动态调度***
CN110287017A (zh) * 2019-07-01 2019-09-27 北京首都在线科技股份有限公司 一种任务调度方法及任务调度装置
CN110308995A (zh) * 2019-07-08 2019-10-08 童晓雯 一种边缘云计算服务***边缘云节点部署装置
GB2602213B (en) * 2019-08-05 2023-03-29 Ibm Automated operational data management dictated by quality-of-service criteria
US11277317B2 (en) 2019-08-05 2022-03-15 International Business Machines Corporation Machine learning to predict quality-of-service needs in an operational data management system
WO2021024076A1 (en) * 2019-08-05 2021-02-11 International Business Machines Corporation Automated operational data management dictated by quality-of-service criteria
US11310126B2 (en) 2019-08-05 2022-04-19 International Business Machines Corporation Automated operational data management dictated by quality of service criteria
GB2602213A (en) * 2019-08-05 2022-06-22 Ibm Automated operational data management dictated by quality-of-service criteria
CN110677274A (zh) * 2019-08-26 2020-01-10 国信电子票据平台信息服务有限公司 一种基于事件的云网络服务调度方法及装置
CN110908795A (zh) * 2019-11-04 2020-03-24 深圳先进技术研究院 云计算集群混部作业调度方法、装置、服务器及存储装置
US11469943B2 (en) 2019-12-06 2022-10-11 Red Hat, Inc. Pre-scheduling for cloud resource provisioning
CN113037786A (zh) * 2019-12-09 2021-06-25 中国电信股份有限公司 智能算力调度方法、装置和***
CN113037786B (zh) * 2019-12-09 2022-09-16 中国电信股份有限公司 智能算力调度方法、装置和***
CN111143055A (zh) * 2019-12-16 2020-05-12 上海达龙信息科技有限公司 虚拟云主机预分配方法、装置、可读存储介质与电子设备
CN111104226A (zh) * 2019-12-25 2020-05-05 东北大学 一种多租户服务资源的智能管理***及方法
CN111104226B (zh) * 2019-12-25 2024-01-26 东北大学 一种多租户服务资源的智能管理***及方法
CN111381970A (zh) * 2020-03-16 2020-07-07 第四范式（北京）技术有限公司 集群任务的资源分配方法及装置、计算机装置及存储介质
WO2021190360A1 (zh) * 2020-03-23 2021-09-30 深圳市道通科技股份有限公司 汽车诊断云平台中的虚拟化资源调度***、方法
CN111427678A (zh) * 2020-03-23 2020-07-17 深圳市道通科技股份有限公司 汽车诊断云平台中的虚拟化资源调度***、方法
CN111523565B (zh) * 2020-03-30 2023-06-20 中南大学 一种大数据的流式处理方法、***及存储介质
CN111523565A (zh) * 2020-03-30 2020-08-11 中南大学 一种大数据的流式处理方法、***及存储介质
CN111459617A (zh) * 2020-04-03 2020-07-28 南方电网科学研究院有限责任公司 基于云平台的容器化应用自动分配优化***及其方法
CN113296870B (zh) * 2020-04-07 2024-03-08 阿里巴巴集团控股有限公司 预测Kubernetes集群配置的方法以及装置
CN113296870A (zh) * 2020-04-07 2021-08-24 阿里巴巴集团控股有限公司 预测Kubernetes集群配置的方法以及装置
WO2021228103A1 (zh) * 2020-05-15 2021-11-18 北京金山云网络技术有限公司 云主机集群的负载均衡方法、装置及服务器
CN111858040A (zh) * 2020-07-07 2020-10-30 中国建设银行股份有限公司 一种资源调度方法和装置
CN112330229A (zh) * 2020-12-02 2021-02-05 北京元心科技有限公司 资源调度方法、装置、电子设备及计算机可读存储介质
CN112330229B (zh) * 2020-12-02 2023-09-22 北京元心科技有限公司 资源调度方法、装置、电子设备及计算机可读存储介质
CN112667166A (zh) * 2020-12-30 2021-04-16 浪潮云信息技术股份公司 一种基于云平台的云硬盘动态QoS设置方法及工具
CN112905343A (zh) * 2021-02-09 2021-06-04 重庆大学 一种工业云环境下基于负载特性的资源调度***
CN112905343B (zh) * 2021-02-09 2023-09-26 重庆大学 一种工业云环境下基于负载特性的资源调度***
CN113377525A (zh) * 2021-03-22 2021-09-10 天地信息网络有限公司 一种面向在轨空间资源的虚拟云管理平台
CN113703962B (zh) * 2021-07-22 2023-08-22 北京华胜天成科技股份有限公司 云资源分配方法、装置、电子设备及存储介质
CN113703962A (zh) * 2021-07-22 2021-11-26 北京华胜天成科技股份有限公司 云资源分配方法、装置、电子设备及存储介质
CN113792971B (zh) * 2021-08-11 2023-12-29 邹平市供电有限公司 一种区域电力调度组网方法及***
CN113792971A (zh) * 2021-08-11 2021-12-14 邹平市供电有限公司 一种区域电力调度组网方法及***
CN113867865B (zh) * 2021-09-28 2024-01-16 江苏赞奇科技股份有限公司 一种面向云桌面***的ad策略制定和应用方法
CN113867865A (zh) * 2021-09-28 2021-12-31 江苏赞奇科技股份有限公司 一种面向云桌面***的ad策略制定和应用方法
CN113923229A (zh) * 2021-10-14 2022-01-11 京东科技信息技术有限公司 云计算资源弹性调度方法、装置及相关设备
CN114268477A (zh) * 2021-12-14 2022-04-01 国网河南省电力公司电力科学研究院 基于多模式负载均衡的安全资源动态调度***及方法
CN114490089A (zh) * 2022-04-01 2022-05-13 广东睿江云计算股份有限公司 云计算资源自动调节方法、装置、计算机设备及存储介质
WO2023226963A1 (zh) * 2022-05-27 2023-11-30 华为技术有限公司 一种云资源推荐方法及相关设备
CN115225506A (zh) * 2022-06-02 2022-10-21 慧壹科技(上海)有限公司 基于云平台的数据处理方法、***、电子设备及存储介质
CN115277693A (zh) * 2022-06-21 2022-11-01 中国电信股份有限公司 云资源调度方法及其***、计算机可读存储介质
CN115086331B (zh) * 2022-07-20 2024-06-07 阿里巴巴（中国）有限公司 云设备调度方法、装置及***、电子设备及存储介质
CN115086331A (zh) * 2022-07-20 2022-09-20 阿里巴巴（中国）有限公司 云设备调度方法、装置及***、电子设备及存储介质
CN115297018B (zh) * 2022-10-10 2022-12-20 北京广通优云科技股份有限公司 一种基于主动探测的运维***负载预测方法
CN115297018A (zh) * 2022-10-10 2022-11-04 北京广通优云科技股份有限公司 一种基于主动探测的运维***负载预测方法
CN115686803A (zh) * 2023-01-05 2023-02-03 北京华恒盛世科技有限公司 一种调度策略动态加载的计算任务管理***、方法和装置
CN116028193A (zh) * 2023-03-29 2023-04-28 南京大学 一种混部集群的大数据任务动态高能效调度方法和***
CN116702121B (zh) * 2023-08-01 2023-10-03 南京云玑信息科技有限公司 一种云桌面场景下增强访问控制安全性的方法
CN116702121A (zh) * 2023-08-01 2023-09-05 南京云玑信息科技有限公司 一种云桌面场景下增强访问控制安全性的方法
CN117195316A (zh) * 2023-08-21 2023-12-08 深圳市云存宝技术有限公司 一种基于云技术的云硬盘管理方法、装置、服务器及介质
CN117435298A (zh) * 2023-10-16 2024-01-23 常州大数据有限公司 一种基于大语言模型的数据中心能效智能调优云平台
CN117435298B (zh) * 2023-10-16 2024-05-28 常州大数据有限公司 一种基于大语言模型的数据中心能效智能调优云平台
CN117492934A (zh) * 2024-01-02 2024-02-02 深圳市伊登软件有限公司 一种基于云服务智能部署的数据处理方法及***
CN117492934B (zh) * 2024-01-02 2024-04-16 深圳市伊登软件有限公司 一种基于云服务智能部署的数据处理方法及***

Similar Documents

Publication Publication Date Title
CN107404523A (zh) 云平台自适应资源调度***和方法
Ghobaei-Arani et al. A cost-efficient IoT service placement approach using whale optimization algorithm in fog computing environment
Ben Alla et al. A novel task scheduling approach based on dynamic queues and hybrid meta-heuristic algorithms for cloud computing environment
Guo et al. Cloud resource scheduling with deep reinforcement learning and imitation learning
CN103729248B (zh) 一种基于缓存感知的确定待迁移任务的方法和装置
CN110096349A (zh) 一种基于集群节点负载状态预测的作业调度方法
Tao et al. Dynamic resource allocation algorithm for container-based service computing
Ayoubi et al. An autonomous IoT service placement methodology in fog computing
Rajabzadeh et al. Energy-aware framework with Markov chain-based parallel simulated annealing algorithm for dynamic management of virtual machines in cloud data centers
CN105373432B (zh) 一种基于虚拟资源状态预测的云计算资源调度方法
CN113037800B (zh) 作业调度方法以及作业调度装置
Asghari et al. Combined use of coral reefs optimization and reinforcement learning for improving resource utilization and load balancing in cloud environments
Cardellini et al. Self-adaptive container deployment in the fog: A survey
Zhu et al. A priority-aware scheduling framework for heterogeneous workloads in container-based cloud
Saif et al. Multi-agent QoS-aware autonomic resource provisioning framework for elastic BPM in containerized multi-cloud environment
CN113190342B (zh) 用于云-边协同网络的多应用细粒度卸载的方法与***架构
Ghazali et al. A classification of Hadoop job schedulers based on performance optimization approaches
Dandachi et al. A robust monte-carlo-based deep learning strategy for virtual network embedding
Devagnanam et al. Design and development of exponential lion algorithm for optimal allocation of cluster resources in cloud
Malathy et al. Performance improvement in cloud computing using resource clustering
CN114978913B (zh) 一种基于切链的服务功能链跨域部署方法及***
CN116389591A (zh) 一种基于跨域分布式处理***及调度优化方法
Prado et al. On providing quality of service in grid computing through multi-objective swarm-based knowledge acquisition in fuzzy schedulers
Du et al. OctopusKing: A TCT-aware task scheduling on spark platform
Li et al. An improved container scheduling algorithm based on PSO for big data applications

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171128