导读:本文包含了计算资源部署论文开题报告文献综述、选题提纲参考文献，主要关键词:虚拟机,资源,数字图书馆,最小,分配,时延,构件。
计算资源部署论文文献综述写法
赵磊[1]（2018）在《面向移动边缘计算的边缘服务器部署及资源分配研究》一文中研究指出移动边缘计算(Mobile Edge Computing,MEC)技术作为云计算服务模式在边缘网络中的扩展,能够在边缘网络中支持资源密集型应用,并为用户提供实时服务,解决了传统云计算中心提供服务时的高时延障碍,是一种应用前景非常广泛的新型技术。本文详细研究了通过移动边缘计算技术向用户提供实时应用服务的架构,分析了该服务模式面临的挑战,并提出了有效的解决方案。不同的边缘服务器部署方案会导致差异巨大的边缘服务器接入时延及网络可靠性,从而影响应用服务质量。如何在大量异构基础设施组成的边缘网络中高效部署数量有限的边缘服务器,以及在边缘服务器已被优化部署的基础上,如何进一步在众多边缘服务器之间有效分配虚拟服务器副本(Virtual-machine Replica Copies,VRC),以达到边缘网络中计算资源优化分配的目的具有非常重大的研究意义。基于软件定义网络(Software Defined Networking,SDN)技术支持的移动边缘计算服务架构,基于枚举的最优边缘服务器部署算法(Enumeration-based Optimal Edge Server Placement Algorithm,EOESPA)和基于Ranking的近似最优边缘服务器部署算法(Ranking-based Near-Optimal Edge Server Placement Algorithm,RNOESPA)分别被提出,最大限度地减少边缘服务器接入时延,同时保证较高的网络可靠性。实验结果表示,RNOESPA的计算复杂度远远低于EOESPA,甚至比经典的K-中值聚类算法(K-medians clustering algorithm,KMCA)还低很多,而且RNOESPA在服务器部署方面的性能要优于KMCA,更接近最优解。在边缘服务器得到优化部署之后,多种服务配置优化算法被相继提出,不仅最小化了服务请求的平均响应时延,同时保证了相对较小的服务配置总成本。作为衡量其它算法性能的基准,基于枚举的最优服务配置算法(Optimal Enumeration Service Deployment Algorithm,OESDA)可以取得最优服务配置方案。通过降低计算复杂度,基于时延的启发式服务配置算法(Latency Aware Heuristic Service Deployment Algorithm,LAHSDA)可以取得近似最优解。基于聚类增强的启发式服务配置算法(Clustering Enhanced Heuristic Service Deployment Algorithm,CEHSDA)进一步提高了LAHSDA在服务配置方面的性能。以部分计算复杂度为代价,基于替代增强的启发式服务配置算法(Substitution Enhanced Heuristic Service Deployment Algorithm,SEHSDA)可以避免CEHSDA陷入局部最优解。模拟实验结果表明,与LAHSDA和CEHSDA相比,SEHSDA在服务配置方面的性能更接近最优解。此外,CEHSDA的性能要优于LAHSDA,而且两者都优于基于贪心的服务配置算法(Greedy Service Deployment Algorithm,GSDA)。(本文来源于《西安电子科技大学》期刊2018-04-01）
李辉[2]（2017）在《大数据平台分布式计算资源自动部署研究》一文中研究指出21世纪我们迎来了全新时代——大数据时代,数据被人们誉为了“金矿”。大数据推动了云计算的蓬勃发展,云计算已成为了一种新的商业模式,在工业界,学术界和社会中受到越来越多人的关注与重视。“云”为全球用户提供固定或移动的新的维度,以基础设施即服务(IaaS),平台即服务(PaaS)和软件即服务(SaaS)的形式提供计算资源,这些类型的资源在基于因特网的环境中按使用量付费或者以订阅方式按需提供。由于使用资源的不确定性,对于搭建在云平台上集群和应用来说,决定它的资源容量大小是一把双刃剑,这可能会导致供应不足或者过度供应。针对云资源租户而言,资源的需求过多,将会导致其资源的浪费、花费过高;而针对云服务商而言,过多的提供资源给租户,将会导致自己整体资源使用率偏低。因此,云计算中的资源调度问题被认为与非确定性多项式(NP)优化问题一样困难。为了提高资源的利用率,本文从集群内部和集群规模两个层次展开研究工作。(1)首先对Hadoop原理架构及MapReduce计算框架和HDFS文件系统两个核心模块进行了详细的研究,然后分析了 Hadoop系统中支持的叁种调度算法,发现目前的算法存在不足。本文采用自学习的方式去调度资源,提出特征加权朴素贝叶斯调度算法,实验结果表明在运行WordCount作业时,使用特征加权的朴素贝叶斯调度算法比使用Hadoop默认的调度算法所需时间少,资源的利用率更高。(2) Hadoop集群整体资源供应不足和过度供应分别会导致资源的饱和和资源的浪费。结合云平台OpenStack和大数据工具Hadoop设计了一个动态调整集群规模的系统,整个系统将由监控、调度、虚拟机管理叁个模块组成。在调度部分定时器调整只能应对一些比较周期性和稳定的工作负载情况,而阈值调整虽然可以处理几乎所有的情况,但存在资源提供延迟问题,本文提出基于SVM的时间序列工作负载预测算法,而预测结果的准确度对决策有着至关重要的影响。因此,使用SVM算法和ARMA算法对工作负载的时间序列进行建模预测,实验结果显示在增长型和无规则型两种工作负载的模型下,SVM模型的预测结果都比ARMA模型结果更加准确。(本文来源于《电子科技大学》期刊2017-03-28）
刘秀,李烨[3]（2016）在《云计算环境下资源评级的虚拟机部署算法》一文中研究指出针对虚拟机(VM)大范围集群部署时容易引发数据中心(DC)总体负载不均衡、VM部署拒绝率居高不下等问题。提出一种基于资源评级的VM部署算法,根据构建VNF的VM之间的亲和关系、物理机之间的拓扑关系及链路的带宽,选择出最适合部署VNF的一台或多台物理机(PM)。仿真结果表明,在资源相同的情况下,该算法较已有算法具有更高的资源均衡度和更低的部署拒绝率。(本文来源于《电子科技》期刊2016年07期）
姜丽丽[4]（2016）在《云计算下的图书馆虚拟机资源管理机制和安全部署》一文中研究指出云计算环境下,数字图书馆虚拟机面临的安全威胁日益严重.本文分析了云计算环境下数字图书馆虚拟机存在的安全漏洞和威胁,提出了全面的虚拟机安全管理方案.该方案能有效提高云计算环境下数字图书馆虚拟机及整个虚拟化系统的安全性.(本文来源于《吉林建筑大学学报》期刊2016年03期）
丁国军,顾炯,吕鹏,姚捷灵[5]（2015）在《云计算资源池Server San的引入及部署初探》一文中研究指出中国电信浙江公司业务云资源池继实现跨域双活组网、软件定义网络(SDN)技术之后,为进一步加强资源池存储自动化交付能力,通过引入软件定义存储(SDS)技术,从而提高存储SLA交付能力、简化存储维护运营。本文从需求分析入手,分析云资源池存储的主要问题以及未来面临的存储需求,结合SDS技术主要采用的分布式块存储—Server San的主要技术特点,分析Server San在资源池中的部署方法以及关注点,从而达到资源池中存储的快速部署、灵活交付、降本增效。(本文来源于《网络安全技术与应用》期刊2015年06期）
郭力争[6]（2015）在《云计算环境下资源部署与任务调度研究》一文中研究指出云计算作为下一代信息技术的载体，其数据的存储、处理、分析、决策、任务的调度、资源的管理都在云中进行，而且其任务繁多、数据量巨大、用户需求不一、资源类型各异，因而对其资源部署与任务调度提出了新的更高的要求：既要满足用户对获取高质量服务的需求，又要尽可能地提高系统的资源利用率、保证服务提供商获得最大收益，从可持续发展和绿色环保的角度出发，还要保持高效节能；所以资源部署与任务调度是云计算研究和实现中亟待解决的关键问题。本文针对云计算环境下的数据部署、任务调度问题，从资源的类型、特点、用户获取高性能体验和任务调度的需求等出发，对数据密集型应用、用户对性能和费用敏感、数据中心性能能耗兼顾等情况下的数据部署和任务调度问题进行了研究，其主要内容包括以下几个方面：（1）云计算环境下基于关联量的数据部署与任务调度方法针对数据密集型应用在数据传输方面存在的数据传输量大、数据传输次数多、网络带宽有限，因而数据传输效率低的问题，本文提出了基于数据间最大关联量的数据依赖模型，利用原始数据形成关联矩阵，对该关联矩阵做有限次的矩阵初等变换即可将其转换成聚类矩阵；设计了基于该模型的键能聚类算法，从而将关联量最大的数据聚集在一起；同时设计了K分割算法将聚类矩阵分割为K个部分，根据该分割结果即可将任务调度到相应的数据中心。仿真结果表明该模型和算法能有效地减少数据的传输次数和传输量，从而提高系统的性能。（2）基于粒子群算法的任务调度优化方法由于不同数据中心的收费标准、通信带宽和处理能力通常存在差异，所以任务调度上的差异会显着地影响用户的使用费用和性能体验。本文研究了多数据中心环境下的任务调度问题，以优化用户的性能体验和使用费用。具体地是将任务调度映射为处理交互图，基于处理交互图提出了任务调度优化的数学模型，进而设计了采用基于最小位置规则的粒子位置矢量离散化映射方法、用于优化数据部署和任务调度的粒子群算法，以优化用户的性能体验；鉴于粒子群算法后期探索能力较弱，为了提高粒子群算法的求解精度，设计了嵌入可变邻域搜索的粒子群优化算法，并且通过大量的实验和分析，找到了其最优的基准值、基准度、步长。仿真结果显示，提出的模型和算法能够显着优化处理时间、传输时间、传输费用和处理费用，提高处理性能和相应的用户体验。（3）云计算环境下能耗性能感知的优化方法针对数据中心普遍存在的资源利用率低、资源和能耗浪费严重的问题，本文研究了虚拟化数据中心环境下的虚拟机动态整合问题，以优化性能和能耗，提高数据中心的综合性能，满足用户的服务质量要求。本文首先研究和改进了主机的能耗模型，提出了指数能耗模型；其次采用了基于局部回归分析的CPU利用率预测方法，以确定主机是否过载和是否需要迁移虚拟机；然后针对轻载检测，提出了基于可变均值、最小利用率和第一四分位数的轻载检查方法，以确定是否需要迁移虚拟机；对于虚拟机的迁移问题，提出了最小迁移时间方法、最大CPU利用率方法和最小CPU利用率方法，以确定应该迁移那个虚拟机；最后设计了能耗性能感知的最佳适应算法，对虚拟机进行部署，以优化性能与能耗。仿真结果表明，可变均值的轻载检查方法、局部回归分析的过载检查方法、最大利用率的虚拟机选择方法和能耗性能感知的最佳适应算法不但提高了用户的性能感受，而且优化了系统的能耗。（4）基于排队论的性能指标动态优化方法顾客的服务质量需求和到达率不同，云计算数据中心所需提供的服务器数量也不同。为了研究最佳的服务器数量随顾客的服务质量需求和到达率等的变化规律，本文研究了多到达、两服务窗能力不等的条件下基于排队论的解决方法，通过分析证明了稳态解的存在条件，理论推导和实验验证了参数Lq、Ls和Wq、Ws的具体表达式。在此基础上研究了多到达、多服务窗能力不等的条件下的排队论模型，并设计了相应的综合优化策略、模型和算法，仿真结果表明其性能明显优于经典的先到先服务方法和短服务优先排队方法，能显着地降低顾客排队等待服务的时间均值和队列长度均值，且在相同时间内能为更多的顾客提供服务。(本文来源于《东华大学》期刊2015-05-01）
赵天麒[7]（2014）在《云计算环境下WEB应用的自动部署与资源分配》一文中研究指出在云计算环境下云服务提供商管理着大量的Web应用，又以购买或租用的方式获取基础设施，通过静态部署与动态资源分配以Web应用的形式为租户提供软件服务。通过合理的对Web应用进行部署，云服务提供商可以有针对性的提高资源的有效利用率，或降低基础设施的运行成本；根据Web应用的负载与节点负载动态的为租户的Web应用请求进行资源分配，可以实现基础设施的负载均衡，保证租户服务请求的服务质量，达到资源的合理利用。然而，在云计算环境下，Web应用的组织方式更加灵活，调度与管理的粒度更加精细。许多耦合度低，功能划分明确的Web应用被划分为多个应用构件，其部署与资源分配的单位由原来的应用实例变为构件实例。Web应用的服务模型与架构发生了变化，使传统的Web应用部署与资源分配方式对Web应用管理效率产生了制约，需要新的部署与资源分配方式。针对以上问题，本文主要进行以下工作：（1）针对云计算环境下Web应用的描述问题，提出云计算环境下多Web应用的服务架构，又在此架构基础上给出构件化Web应用服务模型，对模型中的元素与元素的映射关系进行描述，将云计算环境下Web应用的部署与资源分配问题归结为构件化Web应用的部署与资源分配问题，并从概念、资源需求、资源计算方法等方面对Web应用构件进行详细描述。（2）针对构件化Web应用的部署问题，对构件化Web应用部署问题进行形式化描述，设计并实现基于混合遗传模拟退火算法的构件化Web应用部署算法，通过实验对影响部署效率的算法参数进行优化，并设计模拟实验，通过与其他启发式算法进行实验对比，验证算法的正确性与有效性。（3）针对构件化Web应用的资源分配问题，将构件化Web应用的资源分配归结为负载均衡问题，对构件化Web应用负载均衡问题进行分析，定义构件化Web应用负载均衡参数，设计并实现SLA驱动的构件化Web应用动态负载算法，设计对比模拟实验，对实验结果进行分析。（4）针对Web应用的自动部署问题，本文分析云计算架构，给出云计算环境下云服务提供商对Web应用的管理需求，设计现构件化Web应用自动部署工具，实现对构件化Web应用的自动部署。(本文来源于《哈尔滨工业大学》期刊2014-06-01）
陈臣,马晓亭[8]（2013）在《云计算环境下数字图书馆虚拟机资源分配及部署策略研究》一文中研究指出本文首先对云计算环境下数字图书馆虚拟机部署的体系结构和部署流程进行了阐述,然后针对虚拟机资源的分配、部署、迁移以及物理服务器的整合等问题,提出一种云计算平台虚拟机部署机制。该机制能够获得较好的系统负载均衡效果和较高的资源利用率,并且提高了任务的分发部署速度、系统吞叶量和资源利用率,增强了任务的加速比和系统运行效率。(本文来源于《图书馆工作与研究》期刊2013年06期）
魏振钢,孙维成,杨洁,陈超[9]（2013）在《云计算在医疗机构部署中的云资源管理的一种方式》一文中研究指出将云计算应用到医疗机构信息化建设,可以为医疗机构信息化管理带来激动人心的成果。从云计算在医疗机构中的部署出发,介绍了一种采用云资源数据库管理云资源的方式,并描述了云资源数据库的设计与使用。(本文来源于《计算机科学》期刊2013年S1期）
马晓亭,樊馨蔓[10]（2013）在《云计算环境下一种基于资源可用分析的数字图书馆虚拟机部署模型》一文中研究指出云计算环境下,数字图书馆存在着虚拟机资源分配、虚拟机部署、虚拟机迁移等诸多挑战。文章在分析云计算环境下数字图书馆虚拟机资源利用率和服务可用性的基础上,建立了一种虚拟机部署模型。该虚拟机部署模型改善了云资源的利用率和部署效率,可实现云计算资源的负载均衡和获得较高的资源利用率。(本文来源于《图书馆学研究》期刊2013年05期）
计算资源部署论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
21世纪我们迎来了全新时代——大数据时代,数据被人们誉为了“金矿”。大数据推动了云计算的蓬勃发展,云计算已成为了一种新的商业模式,在工业界,学术界和社会中受到越来越多人的关注与重视。“云”为全球用户提供固定或移动的新的维度,以基础设施即服务(IaaS),平台即服务(PaaS)和软件即服务(SaaS)的形式提供计算资源,这些类型的资源在基于因特网的环境中按使用量付费或者以订阅方式按需提供。由于使用资源的不确定性,对于搭建在云平台上集群和应用来说,决定它的资源容量大小是一把双刃剑,这可能会导致供应不足或者过度供应。针对云资源租户而言,资源的需求过多,将会导致其资源的浪费、花费过高;而针对云服务商而言,过多的提供资源给租户,将会导致自己整体资源使用率偏低。因此,云计算中的资源调度问题被认为与非确定性多项式(NP)优化问题一样困难。为了提高资源的利用率,本文从集群内部和集群规模两个层次展开研究工作。(1)首先对Hadoop原理架构及MapReduce计算框架和HDFS文件系统两个核心模块进行了详细的研究,然后分析了 Hadoop系统中支持的叁种调度算法,发现目前的算法存在不足。本文采用自学习的方式去调度资源,提出特征加权朴素贝叶斯调度算法,实验结果表明在运行WordCount作业时,使用特征加权的朴素贝叶斯调度算法比使用Hadoop默认的调度算法所需时间少,资源的利用率更高。(2) Hadoop集群整体资源供应不足和过度供应分别会导致资源的饱和和资源的浪费。结合云平台OpenStack和大数据工具Hadoop设计了一个动态调整集群规模的系统,整个系统将由监控、调度、虚拟机管理叁个模块组成。在调度部分定时器调整只能应对一些比较周期性和稳定的工作负载情况,而阈值调整虽然可以处理几乎所有的情况,但存在资源提供延迟问题,本文提出基于SVM的时间序列工作负载预测算法,而预测结果的准确度对决策有着至关重要的影响。因此,使用SVM算法和ARMA算法对工作负载的时间序列进行建模预测,实验结果显示在增长型和无规则型两种工作负载的模型下,SVM模型的预测结果都比ARMA模型结果更加准确。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
计算资源部署论文参考文献
[1].赵磊.面向移动边缘计算的边缘服务器部署及资源分配研究[D].西安电子科技大学.2018
[2].李辉.大数据平台分布式计算资源自动部署研究[D].电子科技大学.2017
[3].刘秀,李烨.云计算环境下资源评级的虚拟机部署算法[J].电子科技.2016
[4].姜丽丽.云计算下的图书馆虚拟机资源管理机制和安全部署[J].吉林建筑大学学报.2016
[5].丁国军,顾炯,吕鹏,姚捷灵.云计算资源池ServerSan的引入及部署初探[J].网络安全技术与应用.2015
[6].郭力争.云计算环境下资源部署与任务调度研究[D].东华大学.2015
[7].赵天麒.云计算环境下WEB应用的自动部署与资源分配[D].哈尔滨工业大学.2014
[8].陈臣,马晓亭.云计算环境下数字图书馆虚拟机资源分配及部署策略研究[J].图书馆工作与研究.2013
[9].魏振钢,孙维成,杨洁,陈超.云计算在医疗机构部署中的云资源管理的一种方式[J].计算机科学.2013
[10].马晓亭,樊馨蔓.云计算环境下一种基于资源可用分析的数字图书馆虚拟机部署模型[J].图书馆学研究.2013