云计算环境下能耗感知模型与方法进展研究 曲海平 著 2018年版
- 资料名称：云计算环境下能耗感知模型与方法进展研究 曲海平 著 2018年版
- 英文名称：
- 文件大小：22.45 MB
- 标准类型：行业图书
- 标准语言：中文版
- 授权形式：免费
- 文件类型：PDF文档
- 下载次数：3 加入收藏
- 标签：
资料介绍
云计算环境下能耗感知模型与方法进展研究
作 者： 曲海平 著
出版时间： 2018
内容简介
本书基于服务的负载与性能模型的研究完成服务能耗感知决策。在此基础上研究虑及能耗的全局资源优化布局算法，实现整个平台系统的高能低耗。 全书共分7章： 第1章介绍在云计算中心开展能耗感知研究的背景和意义，进而阐述本书的研究内容和贡献；第2章从技术手段、模型构建和能耗管理三个方面介绍国内外研究现状；第3章提出能耗感知的云计算平台管理框架EADC，该框架以大数据集成应用平台为基础，构建了包括VEMS（服务集群内部）与DCMS（平台系统）两级的能耗优化管理；第4章研究统计回归分析方法，解决大范围变动下的负载特征提取，研究高阶MAP拟合的策略与机制，解决长时间相关负载性能分析中复杂度与时间开销过高的问题；第5章研究在性能分析基础上服务节点的按时定量切换的能耗感知决策机制，解决负载的有效整合与节点状态的按需切换；第6章研究兼顾性能与能耗的虑及服务迁移的全局资源优化调度算法，解决服务请求突发时因负载整合而造成服务质量严重下降的问题；第7章对本书的工作进行了总结，并阐述下一步的工作方向。本书的研究成果有助于提高云计算平台能耗有效性，具有重要的理论意义和实际应用价值。 本书的读者对象是云计算中心的信息主管、云计算平台的系统设计开发人员，以及对云计算平台有所了解或感兴趣的广大科技工作者和研究人员。本书也可以作为高等院校研究生与本科生云计算相关课程的参考教材。
目录
第1章绪论1 1.1研究意义1
1.2研究动机3
1.3研究内容5
1.4本书贡献11第2章相关研究与现状16
2.1绿色云计算中心的相关技术手段16
2.1.1低功耗处理器17
2.1.2服务器虚拟化19
2.1.3刀片服务器21
2.1.4高效率电源23
2.1.5部件级节能技术25
2.2相关模型的研究综述26
2.2.1负载模型28
2.2.2性能模型32
2.2.3优化模型33
2.2.4模型总结34
2.3云计算能耗的相关研究综述35
2.3.1传统的能耗管理36
2.3.2虚拟化云计算平台的能耗管理38
2.3.3兼顾性能与能耗的能耗感知管理39/云计算环境下能耗感知模型与方法进展研究目录/2.4本章小结41第3章能耗感知的云计算平台框架42
3.1能耗感知的云计算平台管理框架EADC42
3.1.1EADC框架的生命周期管理44
3.1.2基于自主计算思想的MAPE架构45
3.1.3平台与应用两级的交互式能耗模型47
3.1.4平台与应用两级的系统效用公式49
3.2大数据集成应用平台51
3.2.1平台的系统层次划分52
3.2.2满足不同数据处理要求的计算框架53
3.2.3存储云平台的分布式服务框架55
3.2.4高速搜索服务框架56
3.2.5分布式作业调度框架59
3.3本章小结60第4章大范围变动和时间长相关性负载的性能分析61
4.1大范围变动下的负载与性能模型62
4.1.1问题定义62
4.1.2性能分析模型64
4.1.3模型的在线参数化68
4.1.4模型验证与评测71
4.2时间长相关负载下的性能模型78
4.2.1问题定义78
4.2.2Markovian Arrival Processes(MAP)84
4.2.3JAMC MAP拟合方法89
4.2.4模型验证与评测94
4.3本章小结106第5章服务集群的能耗感知方案决策108
5.1重载服务的准入控制规则108
5.1.1自相关性准入控制策略109
5.1.2控制规则有效性的测试109
5.2轻载服务的能耗感知决策118
5.2.1节点切换时机的方案选择118
5.2.2节点切换序列的方案选择121
5.2.3实验评估122
5.3本章小结126第6章虑及能耗的云平台全局资源优化布局128
6.1全局资源调度的相关算法研究129
6.2全局资源布局决策器DCMS130
6.2.1DCMS的资源量化逻辑130
6.2.2DCMS的资源布局算法的选择132
6.2.3布局重配置开销的考量133
6.2.4资源布局遗传算法的步骤135
6.3实验评价136
6.3.1DCMS的算法有效性测试137
6.3.2DCMS虑及迁移开销的效果测试141
6.3.3DCMS的规模测试144
6.4本章小结145第7章总结与展望146
7.1本书工作总结146
7.2下一步工作建议147参考文献149
作 者： 曲海平 著
出版时间： 2018
内容简介
本书基于服务的负载与性能模型的研究完成服务能耗感知决策。在此基础上研究虑及能耗的全局资源优化布局算法，实现整个平台系统的高能低耗。 全书共分7章： 第1章介绍在云计算中心开展能耗感知研究的背景和意义，进而阐述本书的研究内容和贡献；第2章从技术手段、模型构建和能耗管理三个方面介绍国内外研究现状；第3章提出能耗感知的云计算平台管理框架EADC，该框架以大数据集成应用平台为基础，构建了包括VEMS（服务集群内部）与DCMS（平台系统）两级的能耗优化管理；第4章研究统计回归分析方法，解决大范围变动下的负载特征提取，研究高阶MAP拟合的策略与机制，解决长时间相关负载性能分析中复杂度与时间开销过高的问题；第5章研究在性能分析基础上服务节点的按时定量切换的能耗感知决策机制，解决负载的有效整合与节点状态的按需切换；第6章研究兼顾性能与能耗的虑及服务迁移的全局资源优化调度算法，解决服务请求突发时因负载整合而造成服务质量严重下降的问题；第7章对本书的工作进行了总结，并阐述下一步的工作方向。本书的研究成果有助于提高云计算平台能耗有效性，具有重要的理论意义和实际应用价值。 本书的读者对象是云计算中心的信息主管、云计算平台的系统设计开发人员，以及对云计算平台有所了解或感兴趣的广大科技工作者和研究人员。本书也可以作为高等院校研究生与本科生云计算相关课程的参考教材。
目录
第1章绪论1 1.1研究意义1
1.2研究动机3
1.3研究内容5
1.4本书贡献11第2章相关研究与现状16
2.1绿色云计算中心的相关技术手段16
2.1.1低功耗处理器17
2.1.2服务器虚拟化19
2.1.3刀片服务器21
2.1.4高效率电源23
2.1.5部件级节能技术25
2.2相关模型的研究综述26
2.2.1负载模型28
2.2.2性能模型32
2.2.3优化模型33
2.2.4模型总结34
2.3云计算能耗的相关研究综述35
2.3.1传统的能耗管理36
2.3.2虚拟化云计算平台的能耗管理38
2.3.3兼顾性能与能耗的能耗感知管理39/云计算环境下能耗感知模型与方法进展研究目录/2.4本章小结41第3章能耗感知的云计算平台框架42
3.1能耗感知的云计算平台管理框架EADC42
3.1.1EADC框架的生命周期管理44
3.1.2基于自主计算思想的MAPE架构45
3.1.3平台与应用两级的交互式能耗模型47
3.1.4平台与应用两级的系统效用公式49
3.2大数据集成应用平台51
3.2.1平台的系统层次划分52
3.2.2满足不同数据处理要求的计算框架53
3.2.3存储云平台的分布式服务框架55
3.2.4高速搜索服务框架56
3.2.5分布式作业调度框架59
3.3本章小结60第4章大范围变动和时间长相关性负载的性能分析61
4.1大范围变动下的负载与性能模型62
4.1.1问题定义62
4.1.2性能分析模型64
4.1.3模型的在线参数化68
4.1.4模型验证与评测71
4.2时间长相关负载下的性能模型78
4.2.1问题定义78
4.2.2Markovian Arrival Processes(MAP)84
4.2.3JAMC MAP拟合方法89
4.2.4模型验证与评测94
4.3本章小结106第5章服务集群的能耗感知方案决策108
5.1重载服务的准入控制规则108
5.1.1自相关性准入控制策略109
5.1.2控制规则有效性的测试109
5.2轻载服务的能耗感知决策118
5.2.1节点切换时机的方案选择118
5.2.2节点切换序列的方案选择121
5.2.3实验评估122
5.3本章小结126第6章虑及能耗的云平台全局资源优化布局128
6.1全局资源调度的相关算法研究129
6.2全局资源布局决策器DCMS130
6.2.1DCMS的资源量化逻辑130
6.2.2DCMS的资源布局算法的选择132
6.2.3布局重配置开销的考量133
6.2.4资源布局遗传算法的步骤135
6.3实验评价136
6.3.1DCMS的算法有效性测试137
6.3.2DCMS虑及迁移开销的效果测试141
6.3.3DCMS的规模测试144
6.4本章小结145第7章总结与展望146
7.1本书工作总结146
7.2下一步工作建议147参考文献149