云平台资源优化调度报告
1.项目的立项依据
1.1.研究背景及意义
云计算的出现改变了企业的发展模式，通过创新以及扩展IT能力，从而为企业带来了更多的商机。云计算是由大量不同的计算机资源，包括计算服务器、存储服务器、宽带资源等通过分布式系统和虚拟化技术，将所有资源看做是一个资源池，进行统一的管理和调度，然后通过需求分配计算、存储和其他服务给相应客户[1]。
云中的资源都是通过虚拟化后再交付给用户使用，但是虚拟化只是实现云计算的一项关键技术而已，它实现了应用软件与物理硬件的松耦合。但只有虚拟化技术是远远不够的，如何对池化的资源进行合理高效的调度，才是实现云计算的关键。
在云环境下，其资源的规模较大，因此对云资源的调度是一个复杂的过程。云平台上的资源调度相对而言还处于初始发展阶段，在这个领域里比较成熟的系统并不多。因此云平台上的资源调度仍有待进一步的研究。
在传统的平台管理模式下，每个平台和系统都需要部署相应的硬件资源，从而导致所需的硬件设备众多，能耗大且资源利用率低下，同时，基础设施的建设以及设备的维护等成本支出较大。云计算的出现很好的解决了传统平台所出现的问题。在云环境下，通过虚拟化技术，将所有资源看做是一个统一的资源池，实现了基础设施的统一管理，有效地降低了设备管理成本，并以资源共享的模式，根据企业业务需求自动调整资源分配。
目前，云计算技术还在起步阶段，并且具有十分广阔的应用前景。在云计算的相关技术中，其核心技术就是资源管理。它主要的功能就是接受来自云计算用户的资源请求，然后将特定的虚拟资源分配给资源请求者。近几年，出现了很多关于合理分配池资源（计算、存储、网络和服务等）的相关研究，其研究重点主要包括池资源分配的自适应性、安全性、公平性以及高效性等方面的优化设计。在现有的研究工作中，有许多可借鉴之处，但要满足复杂的云计算应用提供的SLA，仍不够完善，存在着进一步优化的可能性。
1.2.国内外现状研究
近几年，云计算已成为IT行业以及学术领域的研究热点。这部分就云资源调度方面所做的研究进行了总结，同时对资源负载均衡相关算法进行了比较分析
和总结。
云资源调度技术是云计算中的关键技术，通过对资源的动态可伸缩调度来满足负载峰谷对资源的需求进行动态分配，从而提高整体资源的利用率，这对云数据中心具有十分重要的意义。
在弹性云服务的领域中，亚马逊EC2采用了以虚拟机为单位的粗粒度的方法，根据用户需求来增减运行的虚拟机数量，从而达到及时响应负载变化的目的。通过此方法能够满足负载自适应的虚拟资源伸缩能力，但是，以虚拟机为最小伸缩单位的调度方式，存在着一定程度上的资源耗费。
针对上述调度方式所存在的缺点，涌现出了一些关注于细粒度的动态虚拟资源伸缩模式的学术研究。ZHAO Weiming[2]等人通过预估每台虚拟机的内存使用量，然后据此来自动调整没存分配大小，从而提高内存资源的使用率，但其中仅考虑了单一资源的分配方式。考虑CUP、内存和网络带宽三种资源的综合优化分配，ZHOU Wenyu[3]等人提出了一种应用无关的负载均衡机制，通过实时监控物理机和虚拟机的各项资源使用情况，从而及时调整资源分配。
云计算统一并提供了在不同地域站点资源共享的能力。云资源调度重点就是要找到资源-负载最佳匹配，这是一个繁琐的任务。在已有文献中，很少有关于云负载能源、成本和时间约束的高效资源调度策略报告。Singh S[4]等人提出一个高效的云负载管理框架，通过K-means，基于所分配的权重和它们的QoS需求对云负载确定、分析和集群。基于不同的调度策略和它们相应的算法完成进一步的调度。通过CloudSim工具包中现有的调度策略对该算法的性能进行评估。实验结果表明相比于现有的算法，所提出的框架在能量消耗、执行成本和执行时间在不同的云负载中都能得到较好的结果。
在云环境下，由于资源利用不足而产生的能源消耗，占实际能源消耗相当大的部分。从本质上来说，在一个资源分配策略中，提高资源的利用率也就能够更好的提高能源效率。针对这一点，在云环境下，通过虚拟化技术可以很容易的将任务进行合并，通过任务合并来有效提高资源利用率，从而降低能耗。Lee Y C[5]等人提出了两种能源意识的任务整合探讨方案，其目的是最大限度地提高资源的利用率，并明确的考虑到活跃和闲置两个状态下的能耗。在该方案中，在不影响任务执行性能的前提下，将每个任务分配给能耗最小的资源上。其实验结果表明，文献中所给出的方案在节能方面存在优越性。
在节能方面的研究中，加州伯克利大学RAD[6]实验室提出了一种关于Mapreduce优化的研究方案，方案提出了基于统计学原理的负载生成框架，通过生成的负载来评估设计的决策，这些决策包括：资源的扩展、调度、重组等[6]。他们的研究结果表明，当Mapreduce的任务到达时，并不立即进行处理，而是将
任务进行排队，用批处理的方式来完成这些任务。在一队的任务到来的间歇期间内整个cluster可以关掉，从而达到节能的目的。但是，这样的调度机制必须要求批处理间隙时间要比关闭和开启cluster的时间要足够长，同时需要合理的控制批处理间歇时间的长短，时间太短会导致队任务无法到达，而时间太长则会影响Mapreduce的结果。
云数据中心部署了大量的虚拟机，由于不同的虚拟化平台采用了不同的虚拟化技术而导致了虚拟资源的异构性，同时用户需求规格不一致以及云数据中心物理机规格不一致，而使得云数据中心的众多物理机的负载均衡成为一个难点。
在常见的静态负载均衡算法应用中，在Eucalyptus平台采用轮询（RR）调度算法，将虚拟机按照顺序分配到不同的物理机上，实现负载均衡[7]。该算法的最大优点就是简单易实现，但由于物理机和虚拟机配置具有差异性，负载均衡的效果并不理想。而加权轮询（WRR）算法用相应的权值表示服务器的处理能力，权值较大的会被分配给较多的请求，该算法被用于Vmware资源负载均衡中[8]。
由于云计算中的资源是付费使用的，而其费用的开销主要体现在使用时间上，因此对资源调度的研究在满足QoS或者SLA的前提下，尽可能的缩短任务完成时间，提高资源利用率。在已提出的Min-Min[9]，Max-Min[10]等算法的基础上，周舟[11]等人提出了一种新的调度算法Min-Max，通过将大任务和小任务进行绑定，缩短了任务执行时间，同时改善了负载均衡问题，从而提高了整体资源利用率。但是所提出的算法中并未考虑资源价格的问题。
2.研究目标、研究内容及已解决的关键问题
2.1.研究目标
（1）提高虚拟化资源的分配、调配和服务能力，根据所检测到的云应用服务对云资源的需求情况，及时回收或者重新调度、分配云系统资源，保证SLA 需求。
（2）提高虚拟化管理的资源规模伸缩能力。云系统能够根据应用服务的资源需求、不同时段的资源使用量以及资源成本等，合理的分配云资源。
（3）提高虚拟化资源管理的可控性与可迁移性。管理员可将云系统资源灵活分配给相应用户与硬件设备，并采用最优化算法提高云资源迁移与分配的效率，防止时间延迟与服务效率下降。
（4）通过资源虚拟化管理与调度，提高云平台运营效率并降低云系统电能消耗，实现经济、低碳的运营目标。
2.2.研究内容
（1）云资源调度优化策略研究。
云计算环境下的资源调度是一个NP完全问题。它以提高系统的整体性能，以及减少总的执行时间、资源消耗等为调度目标，按照制定的资源分配策略，将任务发送到对应的资源节点上有序执行，以期得到更好的分配方案。
在进行云资源分配的过程中，
①对云资源中的虚拟资源动态伸缩模型进行研究。达到虚拟资源弹性分配的目标，使其能够根据用户需求动态的分配资源，既能够满足用户负载高峰期的资源需求，又能降低用户负载低谷期的资源耗费。
②对虚拟机的动态迁移算法进行研究。由于物理资源具有异构性强，规模大的特点，而导致云数据中心内物理机之间的负载不均衡，资源利用率较低，通过采用虚拟机动态迁移机制，将较高负载的物理机和较低负载的物理机上的虚拟机迁移到最佳负载的物理机上，达到负载均衡，提高系统资源利用率，同时在保证系统性能的前提下关闭部分物理机，能够降低系统能耗。
③对任务优化调度算法进行研究。云资源分配实际上就是将各个云用户应用服务中的任务分配到异构的资源上，其最终目标就是以最优的资源分配策略实现最优的任务处理过程。任务分配就是指将各个并行执行的任务分配到具体的资源上。在降低任务执行时间的前提下，考虑云资源成本因素，对云资源下的任务调度算法进行研究，达到缩短任务执行时间，降低资源耗费的目标。
（2）云资源管理调度系统研究
在云计算环境中，通过虚拟化技术，可将云资源划分为物理资源层、虚拟化资源层以及应用服务资源层，通过资源管理调度平台来对云资源进行管理和调度，从而满足用户服务需求。
云平台上的资源管理与调度的内容主要涉及云基础设施系统资源、云应用服务资源以及云网络系统等方面的内容，其具体可分为对云基础设施物理设备、云计算资源、云存储资源以及云数据中心内部网络等部分系统资源的管理与调度。通过从安全性、高效性、可控性以及经济性等方面，来对云资源管理与调度的优化进行研究。
2.3.已解决的关键问题
（1）指定云资源管理调度系统性能指标
在一个云计算系统中，各用户对云计算服务有其各自的需求。云资源管理调度系统在保证系统整体性能的前提下，根据用户任务具体的需求，为用户提供匹配的调度决策。在调度系统中，一个优化的调度算法需要考虑成本、资源利用率
以及负载均衡等性能因素。
（2）提高弹性化管理、调度性能
云环境下，用户服务资源需求与分配始终处于动态环境中，对云资源（计算资源、存储资源及网络资源）的管理与分配的准确、合理、适用、经济性，是保证云用户服务质量与云资源安全、可靠、经济的前提。云资源调度系统采用动态资源分配算法能够根据资源负载的动态变化过程，合理的增加或减少云资源，保证用户服务性能的同时也能够减少资源的闲置与浪费。
（3）提高资源负载均衡
在云资源调度的过程中，由于用户需求的多样、动态变化以及服务器的资源异构性会导致数据中心出现负载不均衡的情况，致使一部分物理机的负载过重，效率降低，而另一部分则负载较轻而处于空闲状态。这些问题会造成云资源大量的浪费和损失。通过对云数据中心的资源调度过程进行优化，根据资源节点负载区间进行约束，来平衡物理机之间的负载以提高资源利用率以及系统整体性能。
（4）增强资源管理与调度安全性
在云资源管理、调配中，保证云资源管理与调度模块的安全性。利用资源监测模块来监测云数据中心资源状态，当云平台调度模块出现故障时，将因故障而停止的管理、调度任务快速迁移到其它管理节点，保证资源调度管理的不间断性。
3.研究方案
3.1.云资源调度优化策略
云资源调度的目标是实现云上资源的合理调度，即当用户发送资源请求时，系统能够根据资源调度算法为用户分配相应资源，既要满足用户服务质量需求，又能提高云数据中心的资源利用率，降低运行成本。其应用场景如图1所示。
物理机1物理机2
图1 资源调度应用场景
在云资源调度管理系统中，资源调度算法起着重要的作用，优化的资源调度算法是保证系统高效运行的基础，因此对资源调度算法的研究有着重要的意义。云计算环境下的资源调度问题是一个非常复杂的研究课题。其研究领域主要包括虚拟资源动态伸缩调度、虚拟机动态迁移算法以及基于任务层的任务调度算法。通过对这些算法进行优化研究，来实现资源的优化调度，从而提高云资源管理系统的整体性能。
3.1.1.虚拟资源动态伸缩模型
当用户向云资源数据中心提出申请时，系统会根据所需资源的情况，如计算能力、内存大小以及网络带宽等，来创建相应的虚拟机。早期通常采用固定分配的方式来进行资源分配，即根据用户请求分配相应的资源，运行之后不做任何调整。这样的做法很简单，但是无法满足动态工作负载变化的资源需求。如果按照应用的峰值负载申请资源，则会导致资源的大量浪费，否则，当负载超出资源承载能力的时候，会造成请求延时，从而影响整体性能。因此，云资源管理调度系统应该能够根据用户负载的变化，进行动态可伸缩的资源分配。
在动态伸缩模型的研究中，通过设定相应的性能指标来判断当前系统的性能状态，根据需求分配或释放云资源，从而能够满足负载高峰时的资源需求，提高系统性能，同时能够避免负载减少时造成的资源闲置与浪费。研究分析过程如下：（1）设定性能指标R
在保证用户服务质量的前提下，将性能指标定义为：计算一个采样周期内已
分配的每个节点上命中请求的平均处理时间与未命中请求的原始服务器平均响应时间的比值，求所有节点上该比值的平均值，作为性能指标R 。
∑==n i i
i n R 1AT2AT11 （1） 其中，i 1AT 为已分配资源中第i 个节点上，在当前采样周期内所命中请求的平均处理时间，即从任务请求到达分配资源到请求处理完成所用的时间；i 2AT 为已分配资源中第i 个节点上，当前采样周期内所有未命中请求的原始服务器平均响应时间，n 为已分配资源中当前节点数。R 值表示用户请求在已分配资源上的服务质量参数，由上述关系式可知，R 值越大，其性能越差，R 值越小，其性能越好。
R 值得大小受到资源节点上命中请求的平均处理时间、网络状态以及资源负载状态的影响。当已分配资源节点在采样周期内未命中请求的原始服务器平均响应时间相对比较稳定时，R 值得大小随着资源节点命中请求的平均处理时间同方向变化。因此可以配合阈值法，将应用服务质量的改善控制在一定的水平，从而达到提高资源利用率，且能降低资源成本的目的。
（2）制定资源分配策略
在制定资源分配策略时，利用性能指标配合阈值工作，选取适当的阈值范围[]21,t t ，当R 值超出阈值时，则增加资源，反之则减少资源。
由于用户任务可能出现瞬时峰值的情况，从而导致服务质量参数R 短暂增大，若此时添加节点则会导致系统节点的频繁加入或释放而导致系统性能降低，针对这个问题，可以采用预测机制，通过对未来多个周期的R 值进行预测，若预测值满足一定周期内超出阈值，则添加节点，否则不操作。可以采用一次指数平滑法来实现预测机制。通过该调度策略，来保证系统性能在可接受的范围之内，同时尽量避免节点频繁的加入或释放过程，以减少系统性能抖动。其调度流程如图2所示。
图2 动态伸缩模型调度流程图
3.1.2.虚拟机动态迁移算法
在云数据中心，由于物理资源具有异构性强，规模大的特点，而导致云数据中心内物理机之间的负载不均衡，物理机存在着大量的资源碎片，资源利用率较低。针对这一点，可以在云数据中心的资源调度过程中采用动态迁移技术，通过某种规则，将物理机中的资源分配进行调整，从而达到优化的目的。
物理机中的资源被封装到各虚拟机内部，资源分配的调整可通过对虚拟机进行动态迁移来实现，在整个资源调度的过程中，利用将空闲的物理机关闭来达到提高利用率的目的，然而云计算环境中资源规模庞大，资源的调度会随着用户的需求动态变化，物理机的运行状态不断改变，虚拟机迁移频繁同样会造成系统开销的浪费。为了达到负载均衡的目的，又不至于造成虚拟机迁移频繁所产生的大量开销浪费，在资源调度过程中可采用多阈值的方法判断资源调度参数，从而确定是否进行虚拟机迁移。
首先，对物理机的负载状态根据最佳负载区间进行划分，根据物理机当前及以前的负载状态，采用一次指数平滑法对物理机的未来周期的负载进行预测，当
判定物理机负载过高，则需要将该物理机中的虚拟机迁移到目标物理机。通过合理的设置物理机负载饱和率区间，来实现系统整体的负载均衡，通过对物理机的负载预测可以解决由短暂峰值造成的虚拟机频繁迁移的问题。
（1）参数定义
在虚拟机迁移策略中，要确定需要进行迁移的虚拟机以及目标物理机，就需要对物理机和虚拟机进行资源量化监控，通过对计算资源、存储资源以及网络带宽这三种资源的资源利用率来量化负载的情况。定义如下三个参数分别描述物理机资源利用率：
net i m vm net
j net i
mem i m vm mem
j
mem i cpu
i m vm cpu j
cpu i total vm U total vm U total vm U i j i j i j ∑∑∑∈∈∈=== （2）
其中，cpu i
U 、mem i U 和net i U 分别表示物理机i m 中的CPU 、存储和网络带宽的资源利用率；∑∈i j m vm cpu
j
vm 、∑∈i j m vm mem j vm 和∑∈i j m vm net j vm 分别表示物理机i m 上部署的虚
拟机j vm 的CPU 、存储和网络带宽资源的总和；cpu i total 、mem i total 和net i total 分别表示物理机i m 中的CPU 、存储和网络带宽资源的总和。
根据物理机上的资源利用率，定义资源的最佳负载区间[]max min ,th th ，当物理机资源利用率在区间内时，可知该物理机处于性能最佳状态。因此，可以通过判断资源利用率是否在最佳负载区间内，来确定负载均衡调整的时机。
根据物理机上的负载状态，定义系统的负载饱和度：
s o t l l LoadS = （3） 其中，t LoadS 表示数据中心在t 时刻的负载饱和度。o l 表示经过负载均衡后处于最佳负载区间的物理机的数量，s l 表示经过负载均衡后所有有负载的物理机数量。定义系统最佳负载饱和度在],[max min ls ls ，使得在进行负载均衡调整的过程中能够留下部分低负载状态的物理机节点，满足负载动态变化的需求，同时能够关闭不必要的物理机节点，降低系统能耗。
（2）虚拟机迁移策略
在虚拟机迁移策略中，通过对物理机集合的负载监控数据进行判断，来确定
是否需要把高负载物理机上的部分虚拟机迁移到其他服务器上。
在对物理机和虚拟机资源利用信息进行采集过程中，定义资源采集周期为T ，每隔一个采样周期T ，对采集的数据进行分析，判断其是否超出最佳负载区间的上限max th ，若采集的负载参数在持续的一段时间内超过max th 则触发负载均衡操作。
由于在实际环境中，系统经常会出现一个瞬时负载值大于max th 的情况，若当资源负载参数大于max th 就触发虚拟机迁移操作，这样系统就会进行频繁的虚拟机迁移，从而造成不必要的资源浪费。因此，可以对物理机负载状态进行预测，从而避免因瞬时负载值大于max th 而造成的虚拟机迁移。目前，一些学者对物理主机负载预测进行了研究，发现主机负载的变化具有自相似性、长期依赖性[12]。因此可以采用一次指数平滑法的负载预测机制来对未来的负载状态进行预测。
一次指数平滑法根据对本期观察值和本期预测值赋予不同的权重，来求得下一期预测值的方法。采用一次指数平滑法对物理机负载的预测公式为：
)10()1(1≤α≤α-+α=+t t t F Y F （4）
其中，1+t F 为T+1期的指数平滑趋势预测值；t F 为T 期的指数平滑趋势预测值；t Y 为T 期实际负载值；α为权重系数。取采样周期的前三个周期的平均值为初值，对当前采样周期以及未来采样周期的负载进行预测，若计算所得未来n 个采样周期中有k 个采样周期的负载值超过max th ，则触发负载均衡操作。
（3）选择需要迁移虚拟机和目标物理机
对物理机和虚拟机进行资源量化监控的过程中，根据采集到的负载参数信息将物理机进行分类，分为高负载、最佳负载和低负载三类，对于处于高负载的物理机，按照其CPU 、存储以及网络带宽这三个性能指标进行标记。
当负载均衡调整触发之后，需要对高负载物理机中的虚拟机进行迁移。根据高负载物理机的标记类型来寻找需要进行迁移的虚拟机。若该物理机标记为CPU 负载过高，则在该物理机中选择CPU 需求最大的虚拟机进行迁移；若该物理机标记为存储负载过高，则在该物理机中选择存储需求最大的虚拟机进行迁移；若该物理机标记为网络带宽负载过高，则在该物理机中选择网络带宽需求最大的虚拟机进行迁移。
如果迁移后，源物理机资源利用率依然过高，则选择资源利用率排序次之的虚拟机进行迁移，直到该物理机的负载处于最佳负载状态为止。同理，将处于低负载状态的物理机上的虚拟机迁移到相应的目标物理机上。
对于目标物理机的选择，需要满足被迁移虚拟机的资源需求。在处于低负载的物理机中查找可以进行迁移的目标物理机。首先对该物理机进行预判断，计算假设虚拟机迁移之后的负载情况，若负载情况处于最佳负载状态，停止查找，进
行虚拟机迁移。若负载情况处于高负载状态，选择其他节点。其他选择迁移之后负载参数离min th 最近的物理机作为迁移目标服务器。
根据上述过程，该策略的设计流程如图3所示。
图3 虚拟机动态迁移流程
（4）负载均衡调整策略
将处于高负载状态的物理机进行负载均衡调整之后，计算系统的负载饱和度t LoadS ，若其处于最佳负载饱和度区间],[max min ls ls ，则不做进一步调整；若小于min ls 则关闭部分处于低负载状态的物理机，降低系统能耗；否则向云数据中心申请新的物理资源。
3.1.3. 任务优化调度
在云计算环境下，云资源分配实际上就是将各个云用户应用服务中的任务分配到异构的资源上，其最终目标就是以最优的资源分配策略实现最优的任务处理过程。其分配的过程包括资源分配和任务分配。任务分配就是指将各个并行执行的任务分配到具体的资源上。现有的任务分配研究主要以最小完成时间为研究目标，而忽略了成本以及资源耗费等问题。
由于云计算中的资源都是付费使用的，而费用的开销主要为对云资源的使用时间上，因此，从经济低成本的角度而言，云资源调度研究在满足SLA 的前提下，应尽可能的缩短任务总体完成时间，提高资源利用率。
现有的任务调度算法研究中先后提出了Min-Min 、Max-Min 等算法，这两种算法均是对时间贪心，以降低任务完成时间为目标来进行调度，但并没有考虑资源耗费的问题，针对这个问题，本文提出了Priced-Min-Max 算法，能够有效的降低任务总执行时间，同时能够提高资源利用率，降低资源耗费。
（1）优化策略
在云资源的分配过程中，资源的处理能力不同，其资源耗费也就不同。实际情况下资源处理能力越强，其相应的资源成本也就越高，而当资源的处理能力增大时，其对应的耗费会大幅上升。因此，可将资源处理能力与其资源成本用指数的关系进行表示。在计算任务执行时间时，对其进行成本的加权计算，在考虑资源成本的前提下，得到最优的分配方案，从而降低执行成本。
（2）设计思路
根据虚拟机处理能力与其资源的关系，设定资源的单位处理能力下的资源耗费为P ，令i n i e n *k P =，其中，i n 为各个虚拟机对应的能力量化参数，由虚拟机本身决定。因此，资源耗费可表示成单位处理能力下的资源耗费与执行时间的乘积。在Min-Max 算法的基础之上，将所有资源的执行时间按照处理能力耗费进行加权相加，然后再选出最优的任务—资源分配策略，达到降低执行成本的目的。
（3）算法设计
首先，定义相关参数：
j RT ：表示资源j r 准备好的时间；
()j i ECT ,：表示任务i t 在资源j r 的预测执行时间；
),(j i FT ：表示任务i t 在资源j r 上的预测完成时间，即),(j i FT =j RT +()j i ECT ,； i MCT ：表示任务i t 的最小完成时间；
j TT ：表示资源j r 的总的执行时间；
j Cost ：表示资源j r 上的资源耗费，由上述说明可得j n
j j TT e n Cost j *=。 算法执行过程：
① 将所有任务加入任务集),...,,(T 21n t t t ，判断任务集T 是否为空，若不为空，则继续执行，否则跳转到步骤⑧；
② 计算任务i t 在各资源上的最小预测完成时间，即矩阵),(j i FT ；
③ 根据矩阵),(j i FT ，找出具有最小的最小完成时间的任务a t 和最大的最小完成时间的任务b t ，将其组成任务对；
④ 将该任务对分配给当前处理最快的资源k r 上进行执行；
⑤ 从任务集T 中删除任务对a t 和b t ；
⑥ 更新资源就绪时间j RT 以及任务预测完成时间),(j i FT ；
⑦ 统计资源j r 的执行任务次数以及执行时间，返回①；
⑧ 将所有资源的执行时间按照处理能力耗费进行加权相加，得到该任务集的资源总耗费；
该算法的流程图如图4所示。
图4 任务调度优化算法流程图
（4）实验分析
为了验证所提出的算法的性能，在CloudSim 平台上进行实验仿真。在实验中，创建了三个虚拟机节点，分别对应资源集R （1r ，2r ，3r ），其相应的处理器速率分别为3MIPS （1MIPS=10000），2MIPS ，1MIPS ，通过改变云环境中需要调度的任务数，来对比分析该算法与Min-Min 以及Max-Min 算法在负载均衡、总完成时间以及资源总耗费这几个方面的性能。
在仿真的过程中，对固定数量的任务进行调度，每次设定一个固定的任务数，在三个虚拟机上执行，分别实现三种算法的调度，记录在相同任务数的情况下，不同算法的资源资源利用率、总完成时间以及资源耗费。
1) 负载均衡
当任务数为30时，在给定的虚拟机上执行三种算法的任务调度过程，对虚拟机的运行次数进行统计，根据统计结果来计算相应虚拟机在不同算法下的资源
利用率如图5所示。
(a) Min-Min算法资源利用率(b) Max-Min算法资源利用率
(c) Priced-Min-Max算法资源利用率
图5 三种算法的资源利用率对比图
由上图可知，当任务数为30时，优化算法相对Min-Min算法和Max-Min 算法，在负载均衡方面有显著的提升，能够很好的利用资源。当增加任务数时，Min-Min算法和Max-Min算法负载不均衡现象越来越严重，因为Min-Min算法每次都是将最小的任务分配给处理最快的资源，当任务的大小呈线性分布时，会导致处理速度最快的虚拟机一直处于工作状态，而处理速度较慢的虚拟机会处于闲置状态，因而造成严重的负载不均衡现象；而Max-Min算法则是优先处理最大任务，同样也会造成负载不均衡现象。Priced-Min-Max算法将小任务与大任务进行绑定，然后对任务对进行处理，从而能够在一定程度上改善负载不均衡现象。
2)任务总完成时间
在任务调度过程中，任务的总完成时间是一个非常重要的指标，任务总的完成时间越短，说明该任务调度系统效率越高，其服务质量也就越高。在本次实验中，同样通过改变任务数来比较三种算法调度不同任务数的总完成时间，其结果如图6所示。
图6 任务总完成时间
由上图可知，改进的Priced-Min-Max算法相对于Min-Min算法和Max-Min 算法，在任务总完成时间上有了很大提高。因为Min-Min算法总是优先将最小完成时间中的小任务映射到执行速度最快的虚拟机上，同一台虚拟机在处理下一个任务之前必须等待前一个任务执行完毕，即需要一个等待时间。Max-Min算法与此类似，只是优先处理大任务，因此也会造成总完成时间过长。而Priced-Min-Max算法每次都将最小完成时间任务集中的最大值和最小值同时映射到完成该任务对的虚拟机上，并行执行任务对，这将大大缩减任务的总完成时间。
当任务数逐渐增大时，改进的Priced-Min-Max算法在总完成时间上的优势更加明显。如表1所示，当任务数越来越大时，Priced-Min-Max算法由于采取了并行映射任务对的方式，大大提高了任务的完成效率，减少了任务的完成时间。
3)资源耗费
资源耗费受到虚拟机本身处理能力以及虚拟机执行时间这两个方面的影响，虚拟机处理能力越强，执行时间越长，则其费用也就越高。在本次实验中，在给定资源集上进行任务调度，根据上述算法设计中给出的资源耗费计算公式，来比较不同任务数量下，三种算法的资源耗费，其结果如图7所示。
图7 三种算法资源耗费对比图
由上图可知，优化的Priced-Min-Max算法在资源耗费上远少于Min-Min算法和Max-Min算法。这是由于在相同处理能力的虚拟机上执行任务调度时，Priced-Min-Max算法能够有效的降低任务执行时间，同时，该算法较其他两种算法起到更好的负载均衡效果，能够有效的避免处理能力强的虚拟机繁忙，而处理能力弱的虚拟机闲置而造成的较高的资源耗费的情况。因此，该算法相比于其他两种算法，能够有效的降低资源耗费。如表2所示，当任务数逐渐增大时，改进的Priced-Min-Max算法在资源耗费上的优势更加明显。
综合上述结果，优化的Priced-Min-Max算法相比Min-Min算法和Max-Min 算法而言，在负载均衡上有了很大的提高，有效地改善了资源的利用率，同时减少了虚拟机的总执行时间和任务的总完成时间，大大减少了调度的资源耗费，在性能上有了很大的提高。
3.2.云资源管理调度系统
3.2.1.云资源管理调度系统架构
在云资源管理调度系统中实现对资源的管理与调度，能够对云资源进行管理，根据用户需求来分配云资源。通过虚拟化技术可将云资源划分为物理资源层、虚拟资源层、管理层和服务层，其系统总体架构如图8所示。
图8 云资源管理调度系统架构图
物理层主要由云数据中心的各种计算服务器、网络设备、存储设备以及各种管理与监测服务器等云基础设施硬件设备组成。在云数据中心建设中，应坚持区域结构功能划分与高性能模式，确保云基础设施资源结构具有较高的管理逻辑性与功能可扩展性。
虚拟化资源层是利用虚拟化技术对物理资源进行逻辑映射，而划分为计算资源、存储资源以及网络资源等的虚拟化资源池，通过系统管理员来对其资源的类型、规模以及应用方式等进行按需分配和管理。
管理层包括对云资源的监控、管理以及调度等，确保云系统与云应用服务安全、高效以及可靠运行。服务层为云用户提供应用服务，满足用户服务需求。
3.2.2.云资源管理调度系统平台
云资源管理与调度主要是对云计算资源、云存储资源以及云网络资源的虚拟化管理以及动态调度。通过对云资源的统一管理、监控、部署以及调度，实现对资源安全、高效、经济的管理。云资源管理与调度系统示意图如图9所示。
图9 云资源管理调度系统工作图
该系统的管理与调度过程如下：
（1）当用户发起云服务请求时，用于与云资源控制中心进行交互，并向云资源管理中心发送资源请求；
（2）资源管理中心接收到资源请求之后，利用资源监控模块对云数据中心的物理资源以及虚拟机的当前负载信息进行采集；
（3）资源管理模块从服务管理模块中读取用户申请的详细信息，根据用户申请的资源配置生成相应的资源合约，将这些信息发送到服务管理模块；
（4）资源管理模块结合资源请求合约信息为用户创建虚拟机，通过资源调度功能对用户部署虚拟机。
在云资源管理调度系统中，主要包括两个基本功能模块：服务管理模块和资源管理模块。
服务管理模块主要为系统管理员和用户提供一些基本的管理功能，主要负责管理用户租用云服务器资源所产生的合约信息等；资源管理模块主要是根据资源管理策略实现云数据中心的物理资源和虚拟资源的统一管理，针对用户的资源请求信息，查看现有资源信息并对用户的资源请求进行分配。
资源管理模块主要包括资源定义、资源监测和资源调度三个功能模块。资源定义模块是将云数据中心的资源实体进行管理；资源监测模块主要用于监测云数据中心物理机和虚拟机的资源利用情况和运行状态，对云数据中心各节点的负载情况进行采集、分析，从而实现对资源进行合理调度；资源调度模块根据资源监测模块所获取的数据，执行资源调度算法，为云数据中心资源进行合理调度。
云资源管理调度系统功能结构如图10所示。
图10 系统功能结构图
3.2.3.云资源调度
云资源的调度目标就是实现以下两个主要任务：
（1）收到用户请求之后，对用户的请求进行分析，根据用户需求来为其分配相应的云资源，并能够根据用户负载的变化，动态的增加或减少云资源。
（2）当系统内部触发资源均衡调整时机时，系统可以采用负载均衡算法进行资源调度重新分配资源。
在进行资源调度的过程，首先通过资源监测模块，获取云数据中心的资源信息，然后根据资源调度模块中的资源调度优化算法，对云资源进行优化调度。
1、资源监测模块
在云数据中心，资源监测模块在云数据中心的不同的节点上部署监视器，并按周期采集云数据中心的资源利用信息，在云控制服务器上部署云监视器负责接收各个节点监视器发送的负载数据，对数据解析之后保存到数据库中，通过对采集的数据进行分析，为虚拟机部署和负载均衡调整提供指导。资源监测模块的结构图如图11所示。
图11 资源监测模块结构图
在资源监测模块中，各个节点监视器包括物理机监视器、虚拟机监视器和集群监视器，他们的功能主要是采集节点系统参数数据和资源负载数据。云控制服务器上的云资源监视器负责接收各个节点监视器发送的负载数据。
物理机监视器：在每台物理机上安装物理机监视器，负责监视该物理机的资源（CPU、内存、带宽等）消耗情况和物理机配置信息。
虚拟机监视器：在每个虚拟机上安装虚拟机监视器，负载监视该虚拟机的资源（CPU、内存、网络带宽等）消耗情况。
集群监视器：安装在每个集群控制服务器上，可以访问该集群内所有物理机监视器和虚拟机监视器，并自动获取其信息。
云资源监控器：安装在云控制服务器上，它可以访问数据中心内的集群监视器和节点监视器，接收来自各个监视器上的数据，并对其进行分析处理。
同时，资源监测模块还需要对硬件设备进行故障检测，当云平台调度模块出现故障时，应将因故障而停止的管理、调度任务快速迁移到其它管理节点，保证资源调度管理的不间断性，从而保障系统的安全性。
2、资源调度模块
云资源调度过程如图12所示。
大数据项目可行性报告 xxx公司
摘要说明— 实施国家大数据战略。落实大数据发展行动纲要，全面推进重点领域 大数据高效采集、有效整合、公开共享和应用拓展，完善监督管理制度， 强化安全保障，推动相关产业创新发展。加快数据资源开放共享。统筹布 局建设国家大数据公共平台，制定出台数据资源开放共享管理办法，推动 建立数据资源清单和开放目录，鼓励社会公众对开放数据进行增值性、公 益性、创新性开发。加强大数据基础性制度建设，强化使用监管，建立健 全数据资源交易机制和定价机制，保护数据资源权益。 壮大一批世界级战略性新兴产业发展集聚区。依托城市群建设，以全 面创新改革试验区为重点，发展知识密集型战略性新兴产业集群，打造10 个左右具有全球影响力、引领我国战略性新兴产业发展的标志性产业集聚区，推动形成战略性新兴产业发展的体制机制创新区、产业链创新链融合区、国际合作承载区。在东部地区打造国际一流的战略性新兴产业城市群，围绕京津冀协同发展，加强京津冀经济与科技人才联动，形成辐射带动环 渤海地区和北方腹地发展的战略性新兴产业发展共同体；发挥长三角城市 群对长江经济带的引领作用，以上海、南京、杭州、合肥、苏锡常等都市 圈为支点，构筑点面结合、链群交融的产业发展格局；以广州、深圳为核心，全面提升珠三角城市群战略性新兴产业的国际竞争力，延伸布局产业 链和服务链，带动区域经济转型发展；推动山东半岛城市群重点发展生物
医药、高端装备制造、新一代信息技术、新材料等产业和海洋经济；围绕 福州、厦门等重点城市，推动海峡西岸地区生物、海洋、集成电路等产业 发展。依托中西部地区产业基础，大力推进成渝地区、武汉都市圈、长株 潭城市群、中原城市群、关中平原城市群等重点区域战略性新兴产业发展，积极创造条件承接东部地区产业转移；支持昆明、贵阳等城市发展具有比 较优势的产业，促进长江经济带上中下游地区产业协同发展。对接丝绸之 路经济带建设，促进天山北坡、兰州—西宁等西北地区城市群发展特色产业。推动东北地区大力发展机器人及智能装备、光电子、生物医药及医疗 器械、信息服务等产业，以沈阳、大连、哈尔滨、长春为支点，支持东北 地区城市群打造国内领先的战略性新兴产业集群，带动区域经济转型升级。 战略性新兴产业代表新一轮科技革命和产业变革的方向，是培育发展 新动能、获取未来竞争新优势的关键领域。“十三五”时期，要把战略性 新兴产业摆在经济社会发展更加突出的位置，大力构建现代产业新体系， 推动经济社会持续健康发展。 积极建立国际合作机制，推动签署落实政府间新兴产业和创新领域合 作协议。推动双边互认人员资质、产品标准、认证认可结果，参与国际多 边合作互认机制。以发达国家和“一带一路”沿线国家为重点，建设双边 特色产业国际合作园区，引导龙头企业到海外建设境外合作园区。创新合 作方式，提升重点领域开放合作水平。加强国际科技成果转化和孵化、人 才培训等公共服务体系建设。
优化资源的配置 编辑: 【摘要】由于IT产业的迅速发展，现代市场竞争环境已发生了深刻的变革。传统的管理会计方法已经越来越不适合现代企业的管理需要，而现代新兴的管理会计方法又不成系统，支离破碎。价值链会计正是在这一背景下产生的。本文主要从基本理论方面论述价值链会计以“实时”优化资源的配置为价值目标的合理性，以说明价值链会计的本质功能。 一、引言 传统管理会计在现代企业的管理活动中已逐步体现出优化企业资源配置的思想。但是由于其对企业价值增值过程认识尚不深刻，对会计管理活动认知存在局限性。随着现代IT技术的发展和广泛应用，现行的管理会计制度已不能更有效地为企业参与现代市场竞争服务。从企业的外部关系来看，价值链会计因更重视于资源的配置将具有更有效的资源调节能力；从企业内部管理来看，价值链会计将更重视于对业务流程的有效细分，以提高资本运作的效益。这将促使我们站在企业价值增值的新高度重新审视传统管理会计体系，为其重新定位。因此，笔者认为，以“实时”优化企业资源为目标取向的价值链会计将不失为一种好的选择。 二、IT环境下实时会计信息的传递 随着IT技术的发展和广泛应用，企业可以更加便利地获取和传递信
息，这加快了传统意义上的信息流的传递速度。从产业经济学的角度来看，当信息流一旦成为产业关联中的主导因素时，由于其不同于物质的特殊属性，完全可以突破物质流相对固定的“上游—中游—下游”的产业传递轨道的束缚，在更大的范围内进行系统的集成。这不仅引导和加速了产业关联中的物质流，更加重要的是开辟了新的产业关联的传递路径，创造了产业融合拓展化的机会。产业关联程度随着信息的大量共享不仅使产业系统的灵活性增加，适应性增强，而且也使系统的组织与控制的能力增强，从而提高系统的运行效率。显然，这种产业间的信息共享机制是企业通过协作得到的一个多赢的结果。它有效地促使了产业结构的优化调整，使其达到企业增收、产业增效的目的。这是促使产业内的企业共同合作的趋利动因。然而竞争的残酷性说明市场中的企业并不是“无私者”，它们又总是在寻找一个最为有利的时机寻求自身利益最大化。 信息流的传递速度的加快在为企业带来更多机遇的同时无疑也为企业带来了更大的风险。从价值链的角度来看，如果一个企业没有在一个产业中保持其竞争优势，那么很可能随时因其对手已存在竞争优势的扩大而陷于不利地位，甚至于被排挤出市场。往往有很多的企业就是因为在决策中不了解市场的动态，刚刚上一条新的流水线就因为技术的革新而不得不停止生产；而当有一个很好的项目时又害怕风险而错失良机。企业在进行快速决策之前对于信息必须有两个基本的工作尚待完成：①及时收集、整理信息。②信息的及时分析。前者是一个前提条件，它的实现需要企业的管理层高度重视，具备基本的具备
云计算数据中心资源调度关键技术研究 项目背景 云计算是建立在计算机界长期的技术积累基础之上，包括软件和平台作为一种 服务，虚拟化技术和大规模的数据中心技术等关键技术。数据中心（可能是分布在 不同地理位置的多个系统）是容纳计算设备资源的集中之地同时负责对计算设备的能源提供和空调维护等。数据中心可以是单独建设也可以置于其他建筑之内。动态分配管理虚拟和共享资源在新的应用环境--云计算数据中心里面临新的挑战，因为云计算应用平台的资源可能分布广泛而且种类多样，加之用户需求的实时动态变化 很难准确预测，以及需要考虑系统性能和成本等因素使得问题非常复杂。需要设计高效的云计算数据中心调度算法以适应不同的业务需求和满足不同的商业目标。目前的数据中心调度算法依据具体的应用（计算资源，存储，搜索，海量信息处理等）不同采用不同策略和算法。提高系统的响应速度和服务质量是数据中心的关键技术指标，然而随着数据中心规模的不断扩大，能源消耗成为日益严重和备受关注的问 题，因为能源消耗对成本和环境的影响都极大。总的发展趋势是从简单的粗旷的 满足功能/性能需求的方式向精细的优化节能的方向发展。
2云计算数据中心资源调度方案分析 2.1 Google 解决方案 Google 也许是业界最早使用和发起云计算的厂家之一。因商业保密，其大部 分技术实现内容并未被外界了解。 从其公开发表的文献可及了解到其关于云数据中 心，搜索引擎网络设计,分布式文件系统以及并行处理模式 MapReduce 的概要设 计。Google 云计算平台架构，其基础平台是建立在 Map Reduce 结构之上。利用了 类似Hadoop 的资源调度管理方法。不过 Google 自己设计了文件系统（ GFS hunkserver ）,数据库系统（BigTable ）以及其它相关系统。 2.2 Amazo n 解决方案 Amazon 目前被认为推广云计算应用最为成功的厂家之一。 它成功地推出了 EC2（弹性云计算），SQS （简单消息存储服务），S3（简单存储服务），SimpleDB （简单 数据库）等近十种云服务。Amazon 的云计算平台体系结构，其中（EBS: Elastic Block Service, Providi ng the Block In terface, Stori ng Virtual Mach ine Images ）。 2.3 IBM 解决方案 的蟻㈱Q. 图一.多数据中心调度算法的参考体系结构
云计算平台最核心的五项技术 不知不觉间，一向以高大上形象示人的云计算也开始慢慢为普通人所熟知，那么今天我就在这里分析一下云计算平台最核心的五项技术： 1、云服务器 云服务器提供简单高效，处理能力可弹性伸缩的计算服务，支持国内领先的云计算技术和大规模分布存储技术，使您的系统更稳定、数据更安全、传输更快速、部署更灵活。 功能特点 机型丰富 通过高性能服务器虚拟化为云服务器，提供丰富配置类型虚拟机，极大简化数据存储、数据库搭建、web服务器搭建等工作； 仅需要几分钟，根据CPU、内存、数据存储空间和网络带宽等需求，或根据已经配置好的云服务器镜像，大批量生产iServer计算资源。 完全管理 快速搭建专属服务器，配置操作简单，轻松搭建专属您的各种应用； 提供直观可视化的管理页面，方便进行服务器日常管理； 对云服务器的操作系统有完全控制权，资源独享，无需配置，不限流量，省力省心。 弹性扩容 根据业务发展需求自选配置、期限，快速部署N多台云服务器业务，对计算资源及网络资源进行升降级操作，杜绝资源浪费； 5分钟内停机升级CPU和内存，在线不停机升级带宽； 云计算资源池弹性扩容、在线无缝升级。 安全防护 专业团队打造资源隔离、数据安全、密码安全、安全加固等多种安全防护手段； 采用安全级别最高的Raid10数据保护阵列，Vlan网络隔离技术，以及免费的系统安全配置，有效保护数据及网络安全。
优势 稳定 云磁盘数据可靠性不低于99.99% 服务可用性不低于99.95% 系统性能报警 安全 防DDoS系统、安全组规则保护 多用户隔离，防密码破解 提供备机、快照、数据备份等多种快速恢复措施 高性能 BGP骨干网络100MB接入 国内顶尖的硬件设备 良好的综合性能，优化的IO能力 2、云网站 云网站提供可伸缩、安全且灵活的 Web 应用程序运行空间，支持ASP、https://www.doczj.com/doc/656323899.html,、JAVA、PHP 等最新的 Web 技术。 功能特点 快捷建站 自己购买服务器到安装软件需要较长的时间，而使用虚拟主机只需要几分钟； 不必为使用和维护服务器的技术问题担心，选择适合的虚拟主机，马上就可以开通。 自助管理 提供直观可视化的管理页面，方便进行日常管理；
云平台资源优化调度报告 1.项目的立项依据 1.1.研究背景及意义 云计算的出现改变了企业的发展模式，通过创新以及扩展IT能力，从而为企业带来了更多的商机。云计算是由大量不同的计算机资源，包括计算服务器、存储服务器、宽带资源等通过分布式系统和虚拟化技术，将所有资源看做是一个资源池，进行统一的管理和调度，然后通过需求分配计算、存储和其他服务给相应客户[1]。 云中的资源都是通过虚拟化后再交付给用户使用，但是虚拟化只是实现云计算的一项关键技术而已，它实现了应用软件与物理硬件的松耦合。但只有虚拟化技术是远远不够的，如何对池化的资源进行合理高效的调度，才是实现云计算的关键。 在云环境下，其资源的规模较大，因此对云资源的调度是一个复杂的过程。云平台上的资源调度相对而言还处于初始发展阶段，在这个领域里比较成熟的系统并不多。因此云平台上的资源调度仍有待进一步的研究。 在传统的平台管理模式下，每个平台和系统都需要部署相应的硬件资源，从而导致所需的硬件设备众多，能耗大且资源利用率低下，同时，基础设施的建设以及设备的维护等成本支出较大。云计算的出现很好的解决了传统平台所出现的问题。在云环境下，通过虚拟化技术，将所有资源看做是一个统一的资源池，实现了基础设施的统一管理，有效地降低了设备管理成本，并以资源共享的模式，根据企业业务需求自动调整资源分配。 目前，云计算技术还在起步阶段，并且具有十分广阔的应用前景。在云计算的相关技术中，其核心技术就是资源管理。它主要的功能就是接受来自云计算用户的资源请求，然后将特定的虚拟资源分配给资源请求者。近几年，出现了很多关于合理分配池资源（计算、存储、网络和服务等）的相关研究，其研究重点主要包括池资源分配的自适应性、安全性、公平性以及高效性等方面的优化设计。在现有的研究工作中，有许多可借鉴之处，但要满足复杂的云计算应用提供的SLA，仍不够完善，存在着进一步优化的可能性。 1.2.国内外现状研究 近几年，云计算已成为IT行业以及学术领域的研究热点。这部分就云资源调度方面所做的研究进行了总结，同时对资源负载均衡相关算法进行了比较分析
应跨界融合，而非单打独斗 物流云平台的设计与功能 一、物流云计算服务平台概念：? 物流云计算服务平台是面向各类物流企业、物流枢纽中心及各类综合型企业的物流部门等的完整解决方案，依靠大规模的云计算处理能力、标准的作业流程、灵活的业务覆盖、精确的环节控制、智能的决策支持及深入的信息共享来完成物流行业的各环节所需要的信息化要求。 我们把物流云计算服务平台划分为：物流公共信息平台、物流管理平台、物流园区管理平台三个部分。 这三个平台有各自适合的作用层面，物流公共信息平台针对的是客户服务层，他拥有强大的信息获取能力；物流管理平台针对的是用户作业层，他可以大幅度的提高物流及其相关企业的工作效率，甚至可以拓展出更大范围的业务领域；物流园区管理平台针对的是决策管理层，他可以帮助物流枢纽中心、物流园区等管理辖区内的入驻企业，帮助他们进行规划和布局。? 二、各部分功能：? 公共信息平台： ●首页?? 通过浏览网页首页快速获知物流相关新闻内容，物流行业相关资讯信息，同时对生产供应商新货品信息一目了然，相对应的可以知晓可提供的货品信息的显示需求。 ●服务提供??
注册用户能够在信息平台上发布货品信息，发布车辆服务信息，发布仓储服务信息，发布配送专线服务信息，发布园区商铺信息以及发布有货求车信息 ●会员注册 客户通过会员注册，可以成为登录公共信息系统并享有根据会员不同身份对应的服务。将会员注册分为个人会员注册和企业会员注册，并且在企业会员注册中按照企业类型更为详细的分类分为仓储企业，车辆企业，贸易企业。 ●在线交易?? 显示各物流服务类别的交易信息，同时显示和个人(企业)会员类别贴近的物流服务信息。在其中的会员购买信息中包括已接收的服务(已经有意购买，但并未正式成交),已接受的服务(已经购买并享有的服务),已发布的服务(会员企业发布可提供的服务信息)三个功能模块。 ●物流资讯?? 较为详细和全面的显示物流行业资讯信息以及物流热点新闻信息。 ●综合查询?? 多角度，多维度提供详细查询可提供物流服务的企业信息，可提供的货品信息，可提供物流服务的车辆信息，可提供物流服务的车辆信息以及可提供运输配送线路信息? 物流管理平台：? ●订单管理系统? 该系统可以接收客户下的订单，支持多种下单方式，包括电话、传真、Email、电子商务等多种接收方式。订单管理系统可以对订单进行
视频会议系统项目可行性分析报告 1.项目实施必要性 1.1项目背景 随着集团公司业务的不断拓展，目前已形成半年度培训交流大会，集团部门周会，部门月总结和周例会等制度，同时在领导意见传达，部门协作沟通，项目交流分析，客户演示，新人培训等方面，也经常需要通过会议、电话、网络等形式进行沟通。从集团业务发展的角度出发，上线视频会议系统，可以为公司节约大量差旅成本，也可解决常规会议中受限于时间地点等不利因素，同时还能进行桌面或者文档共享，实现会场巡查。此外视频会议系统既可以满足正式严肃的群体会议交流需要，也可以随时随地解决多方的办公协作。 1.2现状及存在问题： 随着集团公司职能部门工作细化，现有的会议或其他沟通模式已不能满足我们的办公需求，不管从集团-项目沟通的时效性，还是领导-员工的逐级管理上都存在缺陷，同时在会议、培训、交流上也无法做到多方参与，现有面对面会议或电话沟通存在以下主要缺陷： 1.1.1.无法进行多方会议，只能以传统的电话方式进行两方沟通； 1.1. 2.没有视频支持，无法了解对方所处场地或办公情况，让领导缺乏对会议情况或人员的掌控； 1.1.3.电话沟通为单一信号源，特别是对于项目部而言，缺乏其他补充沟通的手段，会降低沟通效率； 1.1.4.无法录制会议，缺乏对会议情况的回放了解，传达会议精神的效果大打折扣； 1.1.5.无法实时共享文档，如PPT、WORD无法直接展示，只能通过文件分发等方式传达，办公演示或者培训交流的效果大幅降低； 1.1.6.随意分发文件，对会议的保密性存在一定的漏洞；
1.1.7.无法较好实现移动办公实时接入需求，特别是领导在出差工程中无法通过较为简单的设置接入现有会议； 1.1.8.传统电话沟通时容易产生杂音，回音或啸声； 1.3项目说明： 本项目在充分分析原有会议方式存在不足，挖掘集团公司未来对视频会议使用需求基础上，以及对市场上现有产品的了解和测试评估。经分析，提出本视频会议项目的可行性评估。 2.项目需求分析： 我部在对现有视频会议系统存在问题的深入分析后，结合今后对视频会议的潜在需求，提出本项目所需实现的需求： 2.1支持多方沟通，方便集团公司各职能部门，各项目部的同时接入； 2.2支持视频沟通，会议巡查，方便领导了解整体会议的开展情况，掌控全局； 2.3多种会议连接方式，不再局限于单一沟通模式，包括视频和电话同时参会； 2.4支持会议录像、录音，支持会议录制内容点播功能； 2.5有良好的会议辅助功能，可通过双流的模式实现PPT、WORD以及桌面共享的需求； 2.6提高会议安全性和保密性； 2.7对较好的移动解决方案，可实现笔记本，手机，平板等用户通过较为简单的设置接入现有会议的需求； 2.8减少对新设备的投入，与现有设备的做较好的集成，例如电脑、投影仪、摄像头等；
云平台建设方案
云平台 云平台建设原则 1、标准化 当前云服务在整个信息产业中还不够成熟，相关的标准还没有完善。为保障方案的前瞻性，在设备选型上力求充分考虑对云服务相关标准的扩展支持能力，保证良好的先进性，以适应未来的信息产业化发展。 2、高可用 为保证数据业务网的核心业务的不中断运行，在网络整体设计和设备配置上都是按照双备份要求设计的。在网络连接上消除单点故障，提供关键设备的故障切换。关键设备之间的物理链路采用双路冗余连接，按照负载均衡方式或active-active方式工作。关键主机可采用双路网卡来增加可靠性。全冗余的方式使系统达到电信级可靠性。要求网络具有设备/链中故障毫秒的保护倒换能力。 具有良好扩展性，网络建设完毕并网后应可以进行大规模改造、服务器集群、软件功能模块应可以不断扩展。 良好的易用性。简化系统结构，降低维护量。对突发数据的吸附，缓解端口拥塞压力，能保证业务的流畅性等。 3、增强二级网络 云平台下，虚拟机迁移与集群式两种典型的应用模型，这两种模型均需要二层网络支持。随着云计算资源池的不断扩大，二层网络的范围正在逐步扩大，甚至扩展到多个数据中心内，大规模部署二层网络则带来一个必然的问题就是二层环路问题。采用传统的STP+VRRP技术部署二层网络时会带来部署复杂、链路利用率低、网络收敛时间慢等诸多问题，因此网络方案的设计需要重点考虑增强二级网络技术（如IRF/VSS、TRILL等）的应用，以解决传统技术带来的问题。 4、虚拟化 虚拟资源池化是网络发展的重要趋势，将可以大大提高资源利用率，降低运营成本。应有效开展服务器、存储的虚拟资源池技术建设，网络设备的虚拟化也应进行设计实现。服务器、存储器、网络及安全设备应具备虚拟化功能。
云的成本优化 一、云计算概述 云计算自2007年以来发展迅速，这一革新浪潮迅速蔓延于互联网，越来越多的企业选择了云计算，脱离了传统IDC的束缚。 选择云计算的理由，除了云计算本身的技术魅力，以及带来的更高标准的安全稳定性保障，还有最重要的一点，就是云计算颠覆了传统的IDC服务模式，对企业的投入成本进行了大幅度的优化。 二、传统IDC服务的企业成本及模式 传统IDC服务最普遍的模式就是托管、租用模式，两类模式下的企业投入成本分布分别如下： 托管模式： ●一次性的设备采购费用 ●一次性的机柜成本 ●长期的设备折旧费用 ●长期的带宽成本 ●维护软件购买成本 ●设备交付上架的时间成本 租用模式： ●设备交付上架的时间成本（短则数小时，快则数日数月） ●长期的维护成本 三、云计算服务的企业成本 云计算服务模式下，最典型，也是最具代表性的一点，也就是按需购买按需付费，该模
式下企业的投入成本分布仅为： ●按需付费的日付/月付/年付成本 显而易见，云计算大幅度优化了企业成本，对于企业而言，只需要根据企业实际需求，按需购买、按需付费、按需扩容，就可轻松享受拥有领先技术的高品质产品。 四、华云数据大幅推进云成本优化 综上所述，云计算能够大幅度优化企业成本，华云数据更是将这优化幅度提升到了前所未有的高度，主要表现在： ●高端硬件配置（品牌服务器、企业级存储），优化企业硬件成本，同时保障硬件配置的高品质。 ●业内领先的高品质机房，优化机房成本，同时保障优质网络资源。 ●专业IDC维护团队，免去企业的人力维护成本和维护软件购买成本。 ●按需购买、即时交付，数分钟即可开通使用云产品，优化交付的时间成本。
云数据中心流量调度机制研究 近年来,随着大数据、网络搜索、公有云等服务的普及与蓬勃发展,支撑这些服务的数据中心物理基础设施与关键技术也面临了诸多挑战。通常这些业务需要依靠大量服务器并行处理数据,并通过网络保障服务器间数据的高效传输。所以数据中心网络的性能直接决定了业务的服务质量。然而,由于现有数据中心使用了特殊的拓扑结构并包含多种不同需求的业务,导致传统流量调度算法在数据中心网络中遇到了性能瓶颈和许多不同的问题,例如:多径拓扑下由负载调度不均 引起的路径拥塞问题,多业务混合场景下时延敏感流的时延需求难以得到保障、流完成时间长问题,大数据等特殊业务中并行数据流(Coflow)调度效率低、任务完成慢问题。 论文针对数据中心流量调度问题进行了研究,主要取得以下研究成果:1.设 计了基于流分布的半集中式负载均衡机制FDALB。结合分布式负载均衡可扩展性强,集中式负载均衡性能优的特点,论文设计了 FDALB机制降低了集中式负载均 衡的控制开销,从而提高了集中式负载均衡的可扩展性。并且,仿真实验显示FDALB大大降低了网络时延,避免了链路拥塞。2.设计了云环境中基于混合流的 信息无感知流调度机制TPFS。 针对信息无感知场景下,时延敏感流区分难的问题,论文设计了TPFS机制利用数据中心中业务产生的流分布较为固定的特点来预测业务的流长,从而完成了时延敏感流的快速识别,并通过设计更加合理的队列调度门限有效的保障了时延敏感流的时延。通过实验验证表明TPFS能够有效的减少时延敏感业务的完成时间。3.设计了基于拥塞感知的Coflow调度机制SkipL。针对现有Coflow调度机制无法感知网络路径拥塞的不足,论文设计了一种基于源端的链路拥塞探测机制,该机制能够快速探测网络链路的剩余带宽。 进一步,基于剩余带宽,论文实现了拥塞感知的带宽分配机制,降低了 Coflow的完成时间。论文通过实验验证了SkipL拥塞感知和带宽探测的有效性。4.设计了基于多属性的信息无感知Cofl[ow调度机制MCS。论文分析了Coflow 信息无感知场景下,Coflow完成时间长是由队头阻塞、粗粒度优先级门限引起的。 论文设计了 MCS通过Coflow宽度、长度等多种信息来调度Coflow流量,从而有效的避免队头阻塞,实现了精细的Coflow优先级调节。论文通过实验验证了
容器云平台监控架构设计及优化
目录 1. 概述 (1) 2. 价值和意义 (1) 3. 监控方案选型 (1) 3.1 容器云监控方案有哪些 (1) 3.2 方案对比并确定 (3) 4. 基于prometheus的容器云平台监控架构设计 (4) 4.1 prometheus介绍 (4) 4.2 架构设计 (5) 4.3 监控点有哪些 (7) 4.4 重要组件介绍 (10) 4.5 数据可视化 (14) 4.6 高可用设计 (16) 4.7 性能优化与容量预估 (22)
1 概述 随着容器化的大力发展，容器云平台已经基本由Kubernetes作为统一的容器管理方案。当我们使用Kubernetes进行容器化管理时，传统监控工具如Zabbix无法对Kubernetes做到统一有效的全面监控，全面监控Kubernetes也就成为我们需要探索的问题。使用容器云监控，旨在全面监控Kubernetes集群、节点、服务、实例的统计数据，验证集群是否正常运行并创建相应告警。本章旨在于介绍容器云平台监控的架构设计及优化。 2 价值和意义 监控是运维体系中是非常重要的组成部分，通过监控可以实时掌握系统运行状态，对故障提前预警，以及历史状态的回放，还可以通过监控数据为系统的容量规划提供辅助决策，为系统性能优化提供真实的用户行为和体验。为容器云提供良好的监控环境是保证容器服务的高可靠性、高可用性和高性能的重要部分，通过对本章的学习，能够快速认识当前容器环境下都有哪些监控方案，并对主流的监控方案有一个系统的了解和认识。 3 监控方案选型 3.1 容器云监控方案有哪些 （1）Zabbix Zabbix是由Alexei Vladishev开源的分布式监控系统，支持多种采集方式和采集客户端，同时支持SNMP、IPMI、JMX、Telnet、SSH等多种协议，它将采集到的数据存放到数据库中，然后对其进行分析整理，如果符合告警规则，则触发相应的告警。 Zabbix核心组件主要是Agent和Server，其中Agent主要负责采集数据并通过主动或者被动的方式采集数据发送到Server/Proxy，除此之外，为了扩展监控项，Agent还支持执行自定义脚本。Server主要负责接
可行性分析报告 版本号1.0 修订历史
目录 1. 引言 (4) 1.1项目背景 (4) 1.2术语定义 (4) 1.3参考资料 (4) 2. 市场可行性 (4) 2.1市场前景 (4) 2.2产品定位 (4) 3. 技术可行性 (5) 3.1功能说明 (5) 3.2技术分析 (5) 4. 资源可行性 (5) 4.1人力资源 (5) 4.2软件资源 (5) 4.3设备资源 (5) 4.4时间资源 (6) 5. 经济可行性 (6) 5.1投资规划 (6) 5.1.1 基础投资 (6) 5.1.2 直接投资 (6) 5.2收益分析 (6) 5.2.1 定量收益 (6) 5.2.2 非定量收益 (6) 5.3投资收益率 (6) 5.4投资回收期 (6) 6. 社会可行性 (7) 6.1法律可行性 (7) 6.2政策可行性 (7) 6.3使用可行性 (7) 7. 评价过程 (7) 7.1评价标准 (7) 7.2评价结果 (7) 8. 结论 (8)
1.引言 1.1项目背景 随着人民生活水平的提高，以及我国休假制度的完善，人们拥有了更长更多的假期，而假期外出旅游成为了越来越多的人们度过假期的第一选择。在这样的背景前提下，各大旅游景区更是成为了热门中的热门，这也造成了在旅游高峰期部分旅游景点人流过大导致拥堵，从而影响到游客旅游体验的问题。不过从根本上来说，并不主要是因为游客数量的过大，往往是因为景区的服务不够全面细致，管理不够科学，效率不高所造成的，例如景区内部的地标不够详细或者是不够完整都可能会影响的游客游玩时的顺畅性。另一方面来说，游客人数的急剧增长所带来的安全问题，如游客的人生安全，景区的设施安全等也日益明显突出起来，系统化、电子化、网络化、智能化的景区管理系统也成为了日益迫切的需求，本项目就是在这样的背景下提出的，旨在开发出一个能够方便游客、便于景区管理的景区导览系统。1.2术语定义 Java：Java是一种可以撰写跨平台应用软件的面向对象的程序设计语言。Java 技术具有卓越的通用性、高效性、平台移植性和安全性，广泛应用于个人PC、数据中心、游戏控制台、科学超级计算机、移动电话和互联网，同时拥有全球最大的开发者专业社群。在全球云计算和移动互联网的产业环境下，Java更具备了显著优势和广阔前景。 Android：Android是一种以Linux为基础的开放源代码操作系统，主要使用于便携设备。该平台由操作系统、中间件、用户界面和应用软件组成。 Wifi：Wi-Fi是一种可以将个人电脑、手持设备（如PDA、手机）等终端以无线方式互相连接的技术。 1.3参考资料 2.1市场前景 客户端的开发是基于谷歌android 操作系统平台的，该操作系统是目前最火热的几大主流操作系统之一，具有巨大的市场和发展潜力，有望在未来几年成为移动电子设备上占有量最大的操作系统，因此本软件选择在之上进行开发，另外， 编程语言选择Java，因此具有较好的可移植性。 2.2产品定位 该系统将要完成的是旅游景区的导览功能。这里提到的导览，是指景区向游客提供的一种服务，这种服务的目的是让游客能够方便的获取景区的各种介绍信息以及景区的实时状态，例如景区内各个分景点的人流是否拥挤、分景点的游览车的数量等等，还要提供相应的查询功能，例如查询欲知景点的位置信息，当前位置到该景点的距离及绘制出最合适的路径
物联网基础设施项目可行性报告 xxx科技公司
物联网基础设施项目可行性报告目录 第一章总论 第二章项目建设背景及必要性分析第三章项目市场调研 第四章产品规划及建设规模 第五章选址评价 第六章土建工程分析 第七章工艺说明 第八章环境影响分析 第九章安全规范管理 第十章风险应对评估 第十一章节能情况分析 第十二章项目计划安排 第十三章投资规划 第十四章经济收益 第十五章招标方案 第十六章评价及建议
第一章总论 一、项目承办单位基本情况 （一）公司名称 xxx科技公司 （二）公司简介 公司是一家集研发、生产、销售为一体的高新技术企业，专注于产品，致力于产品的设计与开发，各种生产流水线工艺的自动化智能化改造，为 客户设计开发各种产品生产线。经过10余年的发展，公司拥有雄厚的技术 实力，完善的加工制造手段，丰富的生产经营管理经验和可靠的产品质量 保证体系，综合实力进一步增强。公司将继续提升供应链构建与管理、新 技术新工艺新材料应用研发。集团成立至今，始终坚持以人为本、质量第一、自主创新、持续改进，以技术领先求发展的方针。 公司是强调项目开发、设计和经营服务的科技型企业，严格按照高新 技术企业规范财务制度。截止2017年底，公司经济状况无不良资产发生， 并严格控制企业高速发展带来的高资产负债率。同时，为了创新需要及时 的资金作保证，公司对研究开发经费的投入和使用制定了相应制度，每季 度审核一次开发经费支出情况，适时平衡各开发项目经费使用，最大限度 地保证开发项目的资金落实。公司致力于高新技术产业发展，拥有有效专
利和软件著作权50多项，全国质量管理先进企业、全国用户满意企业、国家标准化良好行为AAAA企业，全国工业知识产权运用标杆企业。 为实现公司的战略目标，公司在未来三年将进一步坚持技术创新，加大研发投入，提升研发设计能力，优化工艺制造流程；扩大产能，提升自动化水平，提高产品品质；在巩固现有业务的同时，积极开拓新客户，不断提升产品的市场占有率和公司市场地位；健全人才引进和培养体系，完善绩效考核机制和人才激励政策，激发员工潜能；优化组织结构，提升管理效率，为公司稳定、快速、健康发展奠定坚实基础。公司近年来的快速发展主要得益于企业对于产品和服务的前瞻性研发布局。公司所属行业对产品和服务的定制化要求较高，公司技术与管理团队专业和稳定，对行业和客户需求理解到位，以及公司不断加强研发投入，保证了产品研发目标的实施。未来，公司将坚持研发投入，稳定研发团队，加大研发人才引进与培养，保证公司在行业内的技术领先水平。 （三）公司经济效益分析 上一年度，xxx（集团）有限公司实现营业收入6962.34万元，同比增长22.71%（1288.41万元）。其中，主营业业务物联网基础设施生产及销售收入为5911.31万元，占营业总收入的84.90%。 根据初步统计测算，公司实现利润总额1709.69万元，较去年同期相比增长283.07万元，增长率19.84%；实现净利润1282.27万元，较去年同
1.云计算参考架构 在私有云当中，主要包含以下几个组件：物理基础架构、虚拟化层、服务自动化层、服务门户、安全体系、云API和可集成的其它功能。（如图私有云参考架构） 图3.4 私有云参考架构 a) 物理基础架构 物理架构的定义是组成私有云的各种计算资源，包括存储、计算服务器、网络，无论是云还是传统的数据中心，都必须基于一定的物理架构才能运行。 在私有云参考架构中的物理基础架构其表现形式应当是以资源池模式出现，也就是说，所有的物理基础架构应当是统一被管，且任一设备可以看成是无状态，或者说并不与其它的资源，或者是上层应用存在紧耦合关系，可以被私有云根据最终用户的需求，和预先定制好的策略，对其进行改变。 b) 虚拟化层 虚拟化是实现私有云的前提条件，通过虚拟化的方式，可以让计算资源运行超过以前更
多的负载，提升资源利用率。虚拟化让应用和物理设备之间采用松耦合部署，物理资源状态的变更不影响到虚拟化的逻辑计算资源。且可以根据物力基础资源变化而动态调整，提升整体的灵活性。 c) 服务自动化层 服务自动化层实现了对计算资源操作的自动化处理。它可以集中的监控目前整体计算资源的状态，比如性能、可用性、故障、事件汇总等等，并通过预先定义的自动化工作流进行相关的处理。 服务自动化层是计算资源与云计算服务门户相关联的重要部件，服务自动化层拥有自动化配置和部署功能，可以进行服务模板的制定，并将服务内容和选择方式在云计算服务门户上注册，用户可以通过服务门户上的服务目录来选择相应的计算资源请求，由服务自动化层实现服务交付。 d) 云API 云应用开发接口提供了一组方法，让云服务门户和不同的服务自动化层进行联系，通过云API，可以在一个私有云当中接入多个不同地方的计算资源池，包括不同架构的计算资源，并通过各自的服务自动化体系去进行服务交互。 e) 云服务门户 云服务门户是用户使用私有云计算资源的接口，云服务门户上提供了所有可用服务的目录，并提供了完善的服务申请流程，用户可以执行申请、变更、退回等计算资源使用服务。 云服务门户收到最终用户的请求时，将根据预先定义好的策略对该请求进行立刻供应、预留或者排队。 不同的用户通过同一个云服务门户当中，将会看到只属于自己的应用、计算资源和服务目录，这是云计算当中的多租户技术，用户使用的资源在后台集中，但是在前端是完全的逻
云数据中心运维问题 解析 Revised on November 25, 2020
1、云计算时代的到来，数据中心的运行管理工作必然会产生新的问题，提出新的要求，您认为，数据中心运维工作发生了哪些改变云计算是当下的技术热点，云数据中心是提供云计算服务的核心，是传统数据中心的升级。 无论是传统的数据中心，还是云数据中心，从他们的生命周期来看，运维管理都是整个生命周期中历时最长的一个阶段。 云数据中心的运维工作需要我们仔细分析，认真对待。从开源云计算社区openstack发布的模块来看，截止2014年11月，社区共有项目模块450个左右，模块数量前三的类型是“运维”、“易用性”、“上层服务”，其中运维模块数量第一，占到了153个。可见云计算的技术动向基本上围绕“如何运维”和“如何使用”。 我们今天的话题就先来说一说云数据中心运维的变化。说到云数据中心运维工作的变化，就要分析云的特点。云时代数据中心最明显的特点就是虚拟化技术的大量应用，这使得运维管理的对象发生了变化： 一、云数据中心运维对象数量激增。虚拟化技术将1台物理服务器虚拟为多台虚拟服务器，如果数据中心支撑业务需求规模不变的话，所需要的物理服务器数量将会减少，这与很多人认为的运维服务器数量激增是不符的，那么这个“激增”认识是如何产生的呢。可以这样分析，由于虚拟化技术进一步提高了数据中心各种资源的使用效率，同时大幅提高了业务需求响应能力，所以多个传统数据中心合并为一个云数据中心在技术上成为了可能。很多跨国企业采用云计算技术，实现数据中心10：1到20：1的合并效果，也就是说如果原来在全
球建设1000个数据中心，那么现在可以由50到100个云数据中心实现对业务的支撑，在一个合并后的云数据中心内，所要运维的服务器数量绝对可以称得上“激增”，这里所说的服务器既包括物理服务器也包括虚拟服务器。与此同时，运维岗位也就是运维人员虽然也进行了调整，但是人员增加的幅度远低于设备的增涨幅度，也就是人均运维设备数量增加了很多，在这种情况下，如果不借助工具、系统，很难完成运维工作。 二、在传统数据中心中，设备都是物理的、真实的，位置也是相对固定，对业务系统来讲，交换网络、服务器、存储设备对象之间关联也是比较固定的，管理起来相对直观。在云数据中心，虚拟化带来了资源的池化，使得一切管理对象变成虚拟的、可灵活迁移的逻辑存在。虚拟资源可以随时创建、删除，再加上高可用需求、性能优化需求带来的虚拟资源迁移，虚拟资源所在的位置变得不固定了，虚拟资源与物理资源的关系也被解耦了，原来很多能说得清、找得到的资源现在不借助工具就再也无法说得清、找得到了。 三、在传统数据中心中，设备监控主要是采集故障、性能数据，容量一般来讲还不是运维层面的问题，而是规划的问题，当然这也带来了业务系统竖井、数据中心竖井的问题，以及业务资源申请周期长的问题。在云数据中心中，容量不仅是规划问题，同时也是一个运维问题。也就是说，在日常工作中，需要随时采集资源池容量数据，不仅要看资源池的总容量，还要看容量在各个物理宿主机上分布情况，以便满足高可用和迁移的需要。 四、云数据中心在管理虚拟设备时，接口的标准化问题。在传统数据中心内，物理设备已经形成了接口标准，提供运维数据，如snmp、netflow等。而对虚拟化设备，还没有形成国标或行标，对虚拟设备的运维还需要采用厂家标
上海电力学院学报 Journal of Shanghai University of Elect/z Power 第35卷第4期2019年8月Vol. 35,No. 4Aug. 2019 DOI ： 10. 3969/j. issn. 1006 -4729.2019. 04. 018 基于强化学习的云计算资源调度策略研究 李天宇 （国网上海电力公司信息通信公司，上海200030） 摘要:提出了一种基于强化学习的云计算虚拟机资源调度问题的解决方案和策略。构建了虚拟机的动态负 载调度模型,将虚拟机资源调度问题描述为马尔可夫决策过程。根据虚拟机系统调度模型构建状态空间和虚 拟机数量增减空间，并设计了动作的奖励函数。采用0值强化学习机制，实现了虚拟机资源调度策略。在云 平台的虚拟机模型中，对按需增减虚拟机数量和虚拟机动态迁移两种场景下的学习调度策略进行了仿真，验 证了该方法的有效性。 关键词：云计算；虚拟机；强化学习；控制策略 中图分类号:TP399 文献标志码:A 文章编号：1006 -4729（2019）04 -0399 -05 ReeearchonCloudCompurnng ReeourceSchedulnng Srraregy Based on Reinforcement Learning LDTianyu (Statr Gri Shanghai Municipal Electric Powes Company ，Shanghai 200030, China ) Aberracr ： A solution to cloud computing resourcescheduling problem based on reinforcement learning isproposed8Thedynamicload scheduling model of the virtual machine is constructed ，and thevirtualmachineresourcescheduling problem isdescribed astheMarkov decision proce s 8Ac- cording to thevirtualmachinesystem scheduling model ，thestatespaceand thenumberofvirtual machinesareincreased ordecreased ， and thereward function oftheaction isdesigned8The Q-valued reinforcementlearning mechanism isused to implementthevirtualmachineresource scheduling strategy8Fina l y ，in thevirtualmachinemodelofthecloud platform ，theperformanceof thelearning and scheduling strategy isenhanced underthescenariosofincreasing ordecreasing the numberofvirtualmachinesand virtualmachinedynamicmigration8Thee f ectivene s ofthe method is verified8 Key worre : cloud computing ； virtual machine ； reinforcement learning ； control strategy 云计算是一种新兴的领先信息技术，云计算 是在“云”上分配计算任务，通过专用软件实现的 自动化管理使用户能够按需访问计算能力、存储 空间和信息服务，用户可以专注于自己的业务，无 需考虑复杂的技术细节，有助于提高效率、降低成 本和技术创新。云计算研究的关键技术有:虚拟化技术、数据 存储技术、资源管理技术、能源管理技术、云监控技 术等。其中，系统资源调度是云计算中的关键问题 之一。然而，由于云计算平台上应用程序的多样性收稿日期：2018-12-17 通讯作者简介:李天宇（1986—），男，硕士，工程师&主要研究方向为云计算& E-mail ：lihanyu@ sh. sgcc. com. cn 。
2019年云应用平台研发升级项目可行性 研究报告 一、项目概况 (2) 二、项目可行性分析 (2) 1、项目实施符合国家支持基础软件的产品发展要求 (2) 2、符合鼓励加快数字化转型、推进企业加快云计算应用的产业方向 (3) 3、项目契合云计算时代软件基础平台云化的发展方向 (3) 4、发挥云计算领域技术先发优势，保持在云应用平台领域的竞争地位 (4) 三、项目建设周期 (4) 四、项目投资概算 (4)
一、项目概况 为了应对企业大规模的应用云化需求与创新应用建设的需求，公司在原有云应用平台产品的基础上，结合人工智能、自动化及语音图像技术，对微服务应用平台、开发运维一体化平台、移动平台及云流程平台进行全面升级，实现云应用的智能开发、自动测试及大规模敏捷交付能力。基于机器人流程自动化（RPA）、深度学习及会话式UI（CUI）技术，建立创新应用平台框架，为公司未来面对创新应用建设市场奠定基础。 二、项目可行性分析 1、项目实施符合国家支持基础软件的产品发展要求 软件基础平台是国家信息产业发展和信息化建设的重要基础和支撑，加强对软件基础平台产品的研发升级符合国家推进战略性新兴产业的政策导向。2016年7 月，国务院发布《国家信息化发展战略纲要》，提出要“带动基础软件等实现根本性突破”；此外，国务院常务会议通过“十三五”科技创新规划，部署了15 个“科技创新2030”重大项目，其中在电子信息领域的3 个重大专项中包含了基础软件；随后出台的《“十三五”国家信息化规划》也进一步明确了，要“提高基础软件和重点应用软件自主研发水平”。 在政策因素的推动下，以中间件为代表的基础软件的发展势必呈现长期增长的态势，项目实施符合产业政策导向。