大规模云中基于用户体验和收益优化的能效资源提供技术研究

With the expansion of the scale of cloud computing, increasing competition of cloud services and continued growth in IT energy consumption, cloud resource management strategies around user experience, energy conservation and revenue models have important theoretical and practical values. The project aims to study user experience and revenue optimization based energy efficient resources provisioning in large scale cloud computing. For large scale cloud application diversity, a combination of strategies is proposed to provide differentiated resources. Cloud service selection strategy based on user experience matrix and cloud revenue matrix is studied. By adopting analytic hierarchy process and utility function, user dominant and cloud provider dominant cloud services selection algorithms are designed to obtain collaborative optimization. Analyzing the relationship between energy efficiency and user experience, the virtual machine provisioning method is studied to balance the user QoS satisfaction and energy consumption by using the energy utility function, which aims to optimize energy utility. By using dual decomposition technique, cloud utility optimization based user experience oriented resource provisioning algorithms are proposed to achieve cloud utility optimization and user fairness. DBSCAN density clustering based energy efficient virtual machines provisioning method is studied to reduce the overhead of virtual machine creation and reconfiguration. From the perspectives of carbon emissions, energy consumption, income, QoS, etc, revenue optimization based and energy aware virtual resources provisioning scheme is studied. The cloud environment and test bed is built for testing and analyzing the proposed method, and cloud demonstration application environment is provided.

随着云计算规模的扩大、云服务竞争日益激烈和IT能耗持续上升，围绕用户体验、节能减排和收益模型等问题的云资源管理策略研究具有重要的理论及实际意义。本项目研究大规模云中基于用户体验和收益优化的能效资源提供技术。针对大规模云中应用的多样性，提出组合策略实现差异化资源提供。研究基于用户体验矩阵和云收益矩阵的云服务选择策略，采用层次分析法和效用函数，设计基于用户占优和云服务商占优的云服务选择算法，以实现协同优化。分析能效和用户体验之间的关系，运用能量效益函数实现用户QoS满意度和能耗平衡的虚拟机提供方法。运用对偶分解技术，提出基于云效用优化的资源提供算法，实现云效用优化及用户公平性。研究基于DBSCAN密度聚类的能效虚拟机提供方法，减少虚拟机创建开销。从碳排放、能耗、收益、QoS等方面研究基于收益优化及能耗感知的虚拟资源提供技术。构建云实验床，对所提出的方法进行验证和测试，并提供云平台示范应用环境。

随着云计算规模的扩大，云数据中心能耗持续上升。由于云服务竞争日益激烈，围绕用户体验、节能减排和服务收益等问题的云资源管理策略研究具有重要的理论及应用价值。因此，本项目从能耗、负载均衡、可靠性、执行效率等多个方面系统地研究了大规模云中基于用户体验和收益优化的能效资源提供技术。以QoE与系统能耗均衡为目标，构建多媒体云资源提供模型，利用李雅普诺夫优化技术，提出了基于QoE与能耗均衡的多媒体云资源提供方法，实现多媒体云系统资源的优化提供；为兼顾视频流任务分配的效率和公平性，采用排队论描述多媒体云系统模型，研究基于合作博弈的多媒体云视频流负载均衡策略，以寻求纳什议价解为目标，提高了多媒体云的整体效用；以减少云数据中心的能耗为目标，提出了基于能量与SLA均衡的虚拟机资源提供策略，实现了高可靠的QoS服务交付和较少的SLA违例；以最小化时间和成本为服务选择的目标，利用朴素贝叶斯理论对用户作业进行分类排序，提出了一种基于人工鱼群算法的服务选择方法，获得混合云资源选取的最优方案；以集群负载均衡为目标，利用动态反馈的思想构建混合云任务调度体系，研究混合云中基于动态反馈的任务调度策略，使用指数平滑法预测虚拟机的负载，提升了作业执行效率；对虚拟机资源配置相同的服务划分为一类，以类为单位批量创建虚拟机，同时兼顾云数据中心物理机负载均衡，建立了基于DBSCAN密度聚类的虚拟机提供机制，降低了云数据中心能耗。为了更好地将课题研究应用到实际中，本课题组与华为公司在混合云动态资源提供、大数据业务高效处理领域进行了合作研究，主要目的是将混合云资源提供策略和大数据处理方法应用到企业相关平台与数据中心产品中。项目组已按研究计划全面完成了预定的研究内容。在研期间，获国家发明专利授权4项，申请国家发明专利9项；发表SCI收录论文25篇；参加国际会议7人次，培养博/硕士研究生20人。

内容获取失败，请点击重试