基于改进免疫进化算法的云计算任务调度

基于大数据和云计算平台与应用

基于大数据和云计算平台与应用 发表时间：2018-08-20T16:09:00.780Z 来源：《基层建设》2018年第21期作者：全仲谋 [导读] 摘要：大数据应用的发展对信息系统及其应用提出了更高要求，而基于云计算的大计算平台技术已成为现代建模仿真领域的核心技术，尤其是当前社会各领域开始注重对基于数据的应用，大数据的兴起引发了社会各领域研究、应用大数据的热潮。 中国移动通信集团广东有限公司湛江分公司 524033 摘要：大数据应用的发展对信息系统及其应用提出了更高要求，而基于云计算的大计算平台技术已成为现代建模仿真领域的核心技术，尤其是当前社会各领域开始注重对基于数据的应用，大数据的兴起引发了社会各领域研究、应用大数据的热潮。本文详细阐述了大数据和云计算平台应用的基本概念，病态系讨论了大数据和云计算平台的实际应用。 关键词：大数据；云计算；平台；应用 引言 “大数据”这个词在世界上的地位日益显著，甚至隐约可以成为这个时代的代名词。对于数据信息的采集和处理已然成为各行各业创造经济突破的新增长点，是企业战略目标制定和实施的关键依据。大数据的概念决定了它需要在一个特殊的平台上才能够发挥作用，庞大的信息量并不是以往的单机处理系统可以“吃得消”的。而云计算平台的建立正好弥补了这一方面的短板，其新颖的信息处理模式与大数据概念有着很好的契合度。但是目前大多数研究者的目光都是集中在大数据分析上，关于大数据与云计算平台应用的研究尚处于初级阶段。不过可以预期，未来大数据和云计算平台必将成为社会的发展核心。 一、大数据与云计算平台概述 1、大数据的特征。大数据又被IT业称之为巨量数据集合，具体是指无法在某个特定时间范围内用常规的软件工具进行捕捉、管理和处理的数据集合，是一种海量、多样化、高增长率的信息资产。大数据的特征主要体现在如下几个方面：超大的容量、繁多的种类、获取数据的高速、数据质量真实可靠、数据来源渠道复杂等等。信息时代到来的今天，数据信息在生产生活中的重要性日益凸显，大数据的发展速度也变得越来越快，对信息处理提出了更高的要求，即需要在短时间内对数据库进行有关的操作与处理，为满足这一需求，大数据技术应运而生。 2、云计算平台的优势。云计算是以网络为平台，利用远程连接的计算机获取所需计算服务，该计算机可供给弹性伸缩的计算资源，可提高资源利用效率，节省因重复配置资源增加的成本。云计算的优点：1.计算能力强。云计算可对计算机集群中的CPU进行远程调用，使其具备强大的计算能力，每秒高达10万亿次运算。2.可靠性高。云计算使用数据容错技术和计算节点同构可互换措施，能够保证云计算服务的可靠性。3.使用成本低。云计算采用自动化集中式管理，按需分配使用硬件资源，无需支付数据管理成本。 3、大数据与云计算平台的关系。大数据与云计算的联系紧密，两者均能够为数据资源提供存储、访问和计算的平台。对于云计算而言，其核心技术为数据处理技术，最终目的是为国家、企业和个人提供便捷服务，这与大数据的发展目的一致。大数据拥有丰富的数据资源，能够与云计算平台共同一个平台，进行大数据分析与计算，两者的相似度极高。 二、大数据与云计算平台优势分析 数据处理是大数据的基础要求，新时代下的“大数据”理念已经是无法用传统计算机处理方式来满足的，因而需要一种新的计算方式作为支持。容量大、种类多、价值高、更新快的特点使得大数据看起来像是一座高楼大厦，有着巨大的价值等待人们的开发利用，而云计算所提供的安全、高效的数据应用服务可以有力地支撑这座楼房。 大数据与云计算平台是一个由众多技术融合的综合体，其主要包括虚拟化技术、分布式海量数据存储与管理和分布式并行编程技术。大数据与云计算平台充分利用云计算适用于数据密集型计算的特点，很好地贴合了大数据对数据量和数据类型的要求；云计算分散到集群电脑的处理方式能够实现数据的及时调用和动态调整，达到高效、快速处理数据信息的目的；平台可以利用虚拟化处理方式对电脑本地资源、网络资源等进行整合、按照要求进行统一调度，实现信息价值最大化。同时大数据与云计算平台具有良好的相容性，能够与各种系统应用做到有效契合。以云计算为核心的数据处理平台能够满足更加复杂的操作要求，同时其容量大、运行稳定、安全性高的特点能够适应现在对数据处理的需求；大数据可以为云计算的运行提供指导，对云计算的资源进行有效的调配。 三、基于云计算的大数据平台应用研究 3.1基于云计算的大数据平台优点分析 目前社会各领域所采用的传统单机处理模式成本较高，而且无法根据用户的使用要求进行扩展，随着用户应用数据量的不断增加及数据处理复杂程度的不断提高，这便会导致单机处理模式的性能无法满足用户的实际需求，而基于云计算技术构建而成的大数据平台可以有效解决上述问题，可以为不同层次用户提供安全、高效、便捷的应用数据服务，对提高用户对应用数据的使用效率和使用质量有着重要作用。云计算在实际运用中具备良好的弹性伸缩及动态调配等功能，对资源的虚拟化处理及系统的透明性处理可以满足用户按需使用要求，其绿色节能可以最大程度上契合新型大数据处理技术的诸多要求，而以云计算为代表的新一代计算处理模式具有更强大的处理功能，其存储空间、可靠性、安全性、便捷性都可以满足用户需求，并且大数据平台在应用中具有优秀的可平滑迁移、可弹性伸缩等有点，并且可以实现对云计算资源的统一管理和调度等诸多优势特性，所以基于云计算的大数据平台应用已成为未来计算技术的主要发展方向。 3.2基于云计算的大数据平台实际应用 基于云计算技术的大数据平台可以提供聚合大规模分布式系统中，对通讯、存储、处理等能力的需求，并可以为上层平台通过灵活、可靠的方式提供各类应用，并且其在实际应用中可以针对海量多格式、多模式大数据的跨系统、跨平台等操作，提供统一管理手段和敏捷的响应机制，对支持大数据快速变化的功能目标、系统环境以及应用配置有着重要作用。例如，基于云计算技术构建而成的企业信息系统，该新型系统在建设过程中采用了分布式集群技术来构建一个大数据平台，该平台在实际运行中可以支持不同业务应用中多种格式、多种访问模式的大数据统一存储，并采用分布式工作流和调度系统框架来构建一个数据分析系统，利用分布式计算手段实现大数据的转换、关联、提取以及聚合等功能，该类大数据平台在实际应用中可以满足企业各种业务的实际需求。 基于云计算技术的大数据平台可以实现企业决策支撑、销售预测等功能，这是因为其在实际应用中可以利用上层应用数据，通过大数据平台分析系统的功能及附加业务的逻辑功能对其进行分析，从而为现代企业利用数据决策提供科学、准确、有效的参考依据。云计算平台技术与云计算服务技术在新时期的高速发展，使大数据平台应用技术成为可能，如果没有云计算技术作为大数据平台的技术支撑，大数

量子克隆进化算法

量子克隆进化算法 刘　芳,李阳阳 (西安电子科技大学计算机学院,陕西西安710071) 摘　要:　本文在量子进化算法的基础上结合基于克隆选择学说的克隆算子,提出了改进的进化算法———量子克 隆进化策略算法(QCES ).它既借鉴了量子进化算法的高效并行性又利用克隆算子来代替其中的变异和选择操作,以增加种群的多样性,避免了早熟,且收敛速度快.本文不仅从理论上证明了该算法的收敛,而且通过仿真实验表明了此算法的优越性. 关键词:　克隆算子;进化算法;量子克隆进化策略中图分类号:　T N957 文献标识码:　A 文章编号:　037222112(2003)12A 22066205 Quantum Clonal Evolutionary Algorithms LI U Fang ,LI Y ang 2yang (Institute o f Computer ,Xidian University ,Xi ’an ,Shaanxi 710071,China ) Abstract :　Based on the combining of the quantum ev olutionary alg orithms (QE A )with the main mechanisms of clone ,an im 2proved ev olutionary alg orithm —quantum clonal ev olutionary strategies (QCES )was proposed in this paper.By adopting the high 2effec 2tive parallelism of QE A and replacing clone operator by mutation and selection of the classical ev olutionary alg orithms (CE A ),it has better diversity and the converging speed than CE A and av oided prematurity.The convergence of the QCES is proved and its superiori 2ty is shown by experiments in this paper. K ey words :　clone operator ;ev olutionary alg orithm ;quantum clonal ev olutionary strategies 1　引言 计算是人类思维能力的最重要的方面之一,计算能力的提高与人类文明进步息息相关.从古老的算盘到现代的超级计算机,人类的计算技术实现了革命性的突破.综观当今,计算机的广泛应用已经并且仍在继续改变着我们的世界.一方面,人们为计算机的神奇能力所倾倒.另一方面,人们也为它无力完全满足实际的需要而烦恼.因此,加速计算机的运算速度以提高计算机的运算能力成为计算机科学的中心任务之一. 如何加快计算机的运算能力呢?这一问题大体可以从两个方面着手解决.一是制造更为先进的计算机硬件,另一则是设计恰当的计算机运算流程,后者可以称之为“算法”.一类模拟生物进化过程与机制来求解问题的自组织、自适应人工智能技术即进化计算(包括用于机器学习问题的遗传算法,优化模型系统的进化规划和用于数值优化问题的进化策略)的出现为我们寻找快速算法提供了新思路.进化计算是一种仿生计算,依照达尔文的自然选择和孟德尔的遗传变异理论,生物的进化是通过繁殖、变异、竞争、选择来实现的,进化算法就是建立在上述生物模型基础上的随机搜索技术.我们所熟悉的 遗传算法(G enetic alg orithms )[1],它通过模拟达尔文的“优胜劣汰,适者生存”的原理鼓励好的个体,通过模拟孟德尔的遗传变异理论在进化过程中保持好的个体,同时寻找更好的个体,由此来模仿一切生命与智能的产生与进化过程.理论上已经证明:进化算法能从概率的意义上以随机的方式寻求到问题的最优解;但在实际应用当中随着问题的复杂和海量的数据量,也出现了一些不尽人意的情况,主要表现在:计算后期解的多样性差即易造成早熟,收敛速度慢等缺点.因此,为克服上述缺点关键是构造性能良好的进化算法. 在改进的进化算法中,有些是将传统寻优算法与遗传算法相结合提出了混合遗传算法[2,3],有些则另辟蹊径提出了新颖的学习算法———量子进化算法[4]和免疫进化算法[5],量子力学是20世纪物理学最惊心动魄的发现之一,量子计算是物理理论与计算机的成功结合,在量子体系中,一位的信息位不在是经典的1比特,而是由两个本征态的任意叠加态所构成即称之为量子比特位(qubit ),例如一个n 位二进制的串在量子体系中就可同时表示2n 个信息,而量子计算机对每个叠加分量(本征态)实现的变换相当于一种经典计算,所有这些经典计算同时完成,并按一定的概率振幅叠加起来,给出量子计算的结果,这种计算称之为量子并行计算[6].正是量子的 收稿日期:2003209210;修回日期:2003212210 基金项目:国家自然科学基金(N o.60133010);国家高技术研究发展计划(863计划)(N o.2002AA135080) 　 第12A 期2003年12月 电 子 学 报 ACT A E LECTRONICA SINICA V ol.31　N o.12A Dec.　2003

量子免疫算法1

报告正文 （一）立项依据与研究内容 1。项目的立项依据（研究意义、国内外研究现状及分析、附主要参考文献目录） （1）研究意义 随着石化能源危机的来临以及人们环保意识的加强，世界各国争相发展可再生新兴能源。风电装机容量每年以20％至30％的速度增长，其增长势头迅猛，据专家预测风力发电量在2020年将占全球发电总量的12％。风力发电已经成为解决世界能源问题的不可或缺的重要力量。 但随着投产的风力发电机数量和容量的不断增加，风力发电机组的运行维护、故障检测、诊断技术的优化和改进已成为风力发电亟待解决的新课题。长期以来，风力发电机一直采用计划维修与事后维修方式，计划维修即运行2500h和5000h 后的例行维护，如检查螺栓力矩，加注润滑脂等。该维修体制往往无法全面、及时地了解设备运行状况。而事后维修则因事前准备不足，从而造成维修工作旷日持久，损失重大。并且由于近年来大型风力发电机组研究的快速发展，其机械结构日趋复杂，不同部件之间的相互联系、耦合也更加紧密，一个部件出现故障，将可能导致整个发电过程中断。因此，有必要对风力发电机组的运行状态进行检测跟踪，对其故障征兆进行分析处理，预测分析风力发电机的故障趋势，减少事故发生造成的财产损失，也减少强迫停机的次数，降低发电机的维护费和提高发电机的可用性，指导风电机组的维护与维修。 目前的故障诊断方法虽然为诊断电机的故障起到了重要作用，但也存在如训练仿真模型耗时，需大量的先验知识，对故障样本的学习缺乏自主连续，实时性差等问题。为了提高故障诊断的准确性、实时性及鲁棒性，还需加强新方法的研究，特别是基于生物智能的新方法研究。近年来逐渐发展起来的基于生物免疫机理的人工免疫系统具有多样性、分布式、噪声忍耐、无教师学习、自组织、自适应等特点，不需要反面例子，结合了分类器、神经网络和机器推理等学习系统的一些优点，在复杂系统的故障检测与诊断中具有很大的潜力。通过研究人工免疫系统，可望产生更有效的风力发电机组故障诊断方法。 而传统的故障诊断技术主要依靠单一的故障特征来进行故障判定，且存在样本需求量大及诊断学习缺乏自主连续性等问题，远不能满足现代化生产的要求。受生物免疫系统启发而建立的人工免疫系统蕴含了噪声忍耐、自学习、自组织和自记忆等进化学习机理，为解决旋转机组故障诊断问题提供了一条新的思路，反面选择算法可以有效判断自我-非我状态，并成功地应用于振动信号异常检测，动态规模免疫算法能够通过学习进化保持记忆抗体的多样性，实现较好的故障分类效果，将以上思想应用于故障诊断之中，得到了风力发电机组状态监测与故障

基于云计算的SaaS领域服务平台

基于云计算的SaaS领域服务平台建设 总 体 规 划 说 明 书 目录 1引言4

1.1编写目的 (4) 1.2项目背景 (4) 1.3参考资料 (5) 1.4术语缩写与解释 (5) 2总体规划6 2.1建设目标 (6) 2.2技术路线 (7) 2.2.1一站式服务平台 7 2.2.2应急服务平台 9 2.2.3通用后台 9 2.3基本流程 (11) 2.4支撑环境 (12) 2.4.1开发环境 12 2.4.2系统运行环境 12 2.4.3数据库环境 12 2.5局限性 (12) 2.6技术可行性 (12) 3总体设计13 3.1系统逻辑结构 (13) 3.2技术架构 (14) 3.3应用服务层设计 (16) 3.3.1通用后台 16 3.3.2面向领域的服务 17 3.4SAAS服务层设计 (17) 3.5接口设计 (17) 3.5.1用户接口 17 3.5.2外部接口 17 3.5.3内部接口 17 3.6运行设计 (18) 3.6.1运行模块组合 18

3.6.2运行控制 18 3.6.3运行时间 18 3.7数据库设计 (18) 3.7.1逻辑结构设计要点 18 3.7.2物理结构设计要点 18 3.7.3数据结构与程序的关系 18 3.7.4规范要求 18 3.8系统出错处理设计 (19) 3.8.1出错信息 19 3.8.2补救措施 19 3.8.3系统维护设计 20 4安全性设计20 4.1.1安全架构 20 4.1.2多企业数据隔离设计 22 5实施步骤23

1引言 1.1编写目的 本文档旨在为基于云计算的SaaS领域服务平台建设项目从项目目标、技术路线、技术要求、实施方法等方面做出规划，便于公司内部市场人员、开发人员和管理人员等在项目理解和实施等方面达成共识。 1.2项目背景 SaaS是Software-as-a-Service（软件即服务）的简称，是随着互联网技术的发展和应用软件的成熟，而在21世纪开始兴起的一种完全创新的软件应用模式。它是一种通过lnternet提供软件的模式，厂商将应用软件统一部署在自己的服务器上，客户可以根据自己实际需求，通过互联网向厂商定购所需的应用软件服务，按定购的服务多少和时间长短向厂商支付费用，并通过互联网获得厂商提供的服务。用户不用再购买软件，而改用向提供商租用基于Web的软件，来管理企业经营活动，且无需对软件进行维护，服务提供商会全权管理和维护软件，软件厂商在向客户提供互联网应用的同时，也提供软件的离线操作和本地数据存储，让用户随时随地都可以使用其定购的软件和服务。对于许多小型企业来说，SaaS是采用先进技术的最好途径，它消除了企业购买、构建和维护基础设施和应用程序的需要。 在这种模式下，客户不再像传统模式那样花费大量投资用于硬件、软件、人员，而只需要支出一定的租赁服务费用，通过互联网便可以享受到相应的硬件、软件和维护服务，享有软件使用权和不断升级，这是网络应用最具效益的营运模式。 Cloud Computing（云计算）是一种新兴的共享基础架构的方法，通常为一些大型服务器集群，包括计算服务器、存储服务器、宽带资源等等，它可以将巨大的系统池连接在一起以提供各种IT服务。云计算将所有的计算资源集中起来，并由软件实现自动管理，无需人为参与。这使得企业无需为繁琐的细节而烦恼，能够更加专注于自己的业务，有利于创新。 SaaS出租软件服务，云计算出租网络资源 云计算的出现，恰好解决了SaaS发展过程中面临的一些问题，当SaaS提供

基于虚拟化技术的云计算平台架构 .doc

基于虚拟化技术的云计算平台架构 1虚拟化技术研究 虚拟化技术，可以把一个物理单元虚拟成多个逻辑单元，这样，一个物理单元就可以运行多个应用。这对于资源使用效率的提高，有着不可估量的作用，并且各种资源的管理也更加方便。目前云计算模式主要分为：私有云、公有云和混合云。无论是哪种云，其目标都是整合资源为客户服务，系统资源具备高性能的处理能力成为了必然要求。 目前，传统处理器的利用率普遍低下，很大部分资源都被白白浪费，哪怕最昂贵的处理器的利用率也仅在20％左右。面对这一问题，虚拟化技术应运而生，有效的解决了服务器处理能力的利用率问题。虚拟化技术包括：内存虚拟化、存储虚拟化、硬件虚拟化、软件虚拟化等各项技术。本文研究的基于虚拟化技术的云计算平台主要实现了服务器的虚拟化，将一个服务器当成多个服务器使用，大大提高了处理能力。 比如说，一般的服务器，3个独立的物理服务器可以运行3种不同的应用，但是在采用服务器虚拟化之后，这3种不同的应用可以运行在3个独立虚拟的服务器上，而这3个虚拟化的服务器只需要用一个物理服务器来托管。由此可见，服务器虚拟化大大提高了服务器处理能力的利用率，节约了大量资源。 目前应用最广泛的虚拟化技术分为全虚拟化和半虚拟化。研究表明，虚拟化的特性为云计算平台抽象了硬件资源。这样，云计算平台

的弹性设计就可以获得大量的便利，基于SOA的云计算平台的可扩展性也大大增强。针对全虚拟化来说，采用的是DBT技术，在虚拟机运行的时候，在敏感指令前插入指令将执行陷入到虚拟机监视器中，这种技术的优点在于代码的转换是动态的。本文中提出的基于虚拟化技术的云计算平台就是采用全虚拟化技术构建的，而且是采用全虚拟化的KVM。 2服务器云的构建 云计算平台的功能实现和子系统运行都要依赖于服务器云，因而，服务器云对于整个云计算平台的重要性不言而喻。近年来，计算机逐渐从大型机向微型个人计算机过渡，但是用户对于获得异构类型的操作系统和应用程序仍然比较困难。目前来说，用户在轻量级的设备选择应用比较茫然和混乱，难以得到完善的服务。云计算平台依托其自动性，可以为用户对服务的选择提供极大的便利。虚拟化技术使得底层差异封装为统一的应用接口，用户在使用时，只需要通过云计算平台选取自己需要的服务即可。这大大方面了用户，也提高了系统的利用率。 3云计算模式的特性研究 与分布式计算和网络计算相比，云计算具有其他两者无可比拟的优势。主要表现在以下几个方面： 首先，云计算具有超大的规模。以Google出为例，目前的Google 云计算已经拥有了100多万台服务器，超大规模的基础模块决定着云计算无可比拟的计算能力。IBM、微软、Yahoo等的云计算平台也拥

免疫算法

目录 1选题依据和意义 (2) 1.1研究背景及意义 (2) 1.2免疫算法的概述 (2) 1.3免疫算法的研究现状 (3) 1.4物流配送中心选址的概述 (4) 1.5物流配送中心的研究现状： (4) 1.6论文组织结构 (5) 2基本的免疫算法 (5) 2.1免疫算法的相关概念介绍： (6) 2.2免疫算法的步骤 (7) 2.3免疫算法流程图： (8) 2.4选择参数 (11) 2.5免疫算法与遗传算法的比较： (12) 3物流配送中心选址的数学模型的建立 (13) 4免疫算法物流配送中心选址中的应用： (14) 5实验： (15) 5.1小结 (18) 6总结与展望 (18)

1选题依据和意义 1.1研究背景及意义 科技日新月异的发展的21世纪，学科之间的融合成为了各学者的研究新方向，各学科之间相互渗透、相互影响、相互作用成为了新世纪科技发展的新特征。其中，由计算机科学与生命学科相互结合而产生的新型智能算法——免疫 算法就是其中的代表之一。 近年来，随着我国经济的快速发展并逐渐走向全球化的道路，物流已成为 了经济发展的重要产业之一，现如今各大城市都建设有自己的物流配送网络， 这对于城市的招商引资，资源的优化配置，经济产业的运行效率都有着促进作用。物流配送中心作为物流业重要的环节，其选址问题吸引着专家学者投身研 究当中。由于物流配送中心一旦选定并进行建设，其位置是固定的，所以在地 址的选定上尤为重要。相比较于传统的选址方法，免疫算法以其收敛速度快， 鲁棒性强等特点，得到专家学者们的青睐。 免疫算法是模仿生物免疫机制，结合基因的进化机理，人工地构造出的一 种新型智能搜索算法。免疫算法具有一般免疫系统的特征，免疫算法采用群体 搜索策略，一般遵循几个步骤”产生初始化种群→适应度的计算评价→种群间个 体的选择、交叉、变异→产生新种群”。通过这样的迭代计算，最终以较大的概 率得到问题的最优解。相比较于其他算法，免疫算法利用自身产生多样性和维 持机制，保证了种群的多样性，克服了一般寻优过程中特别是多峰值的寻优过 程中不可避免的“早熟”问题，求得全局最优解。大量表明，免疫算法能在较少 的迭代数能快速收敛到全局最优。因此，免疫算法在物流配送中心选址问题的 研究具有一定的应用价值和参考价值。 1.2免疫算法的概述 人们对人工免疫算法的研究从免疫学的基础上开始的。对免疫算法的深入研究，发现其在解决复杂问题上西安实处了强大的信息处理能力。

云计算中任务调度算法的研究综述

云计算中任务调度算法的研究综述-电子商务论文 云计算中任务调度算法的研究综述 文／张艳敏 摘要：云计算中任务调度算法的好坏直接影响云计算系统整体性能，也影响着云计算系统处理用户提交的任务的能力。本文归纳了云计算调度的特点和性能指标，总结了云计算中的任务调度算法，分析了云计算任务调度算法的研究现状及其进展。最后讨论了现有任务调度策略存在的问题，为云调度研究指明了方向和思路。 关键词：云计算；任务调度；遗传算法；蚁群算法 前言 云计算是一种基于互联网的新的服务模式，这种模式按使用量付费，提供可用的、便捷的、按需的网络访问，它将用户需求的计算任务分布在由大量计算机构成的数据中心，数据中心采用虚拟化技术，把各种软硬件资源抽象为虚拟化资源，再通过资源调度技术使各种应用能够根据需要获取计算能力、存储空间和信息服务。 在云计算环境中，一个大规模计算任务需要进行分布式并行处理，系统首先将逻辑上完整的一个大任务切分成多个子任务，然后根据任务的相应信息采取合适的调度算法，在不同的资源节点上运行这些子任务，所有的子任务处理完后进行汇总，最后将结果传给用户。云计算任务调度的目的是给需要的用户分配不同的资源，在某一特定的云环境下，依据某一种规则使用资源，在不同的用户之间平衡和调整资源，在满足用户需求的前提下，使得任务完成时间尽量小，且资源利用率尽量高。调度最终要实现时间跨度、服务质量、负载均衡、经济原则最

优等目标。云计算任务调度是云计算研究中的重点和难点。任务调度算法的优劣会影响到云计算系统处理任务的能力。近几年，研究者针对云环境下的资源调度做了很多研究，主要体现在以提高云计算数据中资源利用率为宗旨的资源管理与调度、以降低云计算数据中心的能耗为目标的资源分配与调度、经济学的云资源管理模型研究等方面。 本文综述了云环境下的任务调度算法，分析了近几年来典型的云计算任务调度算法的发展趋势，为相关领域的研究人员提供参考。 1、网格任务调度与云计算任务调度的比较 在网格计算和云计算中，虽然系统资源都是以数据池的形式呈现给用户，但它们之间的区别是网格用户的任务是通过实际的物理资源来执行，而云计算环境下的用户任务是通过逻辑意义上的虚拟资源来执行。对于以上两种计算方式，都是由用户将任务提交给计算中心，系统通过对任务的需求进行分析，然后来寻找合适的资源节点执行，此时的用户并不关心执行任务的是哪个节点。网格系统通过用户预先设定的任务并行执行算法，并结合自己的调度系统使用户任务实现跨物理节点并行执行[1]，云计算任务调度通常情况不会跨虚拟机并行调度。尽管云计算是在网格计算、分布式计算及并行计算的基础上发展起来的，但是云环境比较复杂，任务呈现多样性，而且是以商业服务作为宗旨。云计算任务调度策略不能照搬传统调度策略来满足用户提出的各种任务要求，必须考虑怎样在高效任务调度与资源分配同时提高经济效益、资源利用率以及用户体验等各方面的因素。可靠的云服务和各层次的用户公平使用资源的机会是云计算调度策略必须考虑的问题，此外还需要有一个调度策略来提供系统可以使用的资源，以便满足多样化的用户需求。因此虚拟化技术在云计算中的广泛应用、中间层与资源节点以

基于大数据的云计算支撑平台IOP

基于大数据的云计算支撑平台 IOP 浪潮IOP（Inspur Open Platform）是一个云计算架构的开放平台，采用大数据处理、社交网络、情景感知、服务化架构等关键技术和理念开放的应用支撑和资源整合平台，通过共享平台强化企业信息资源的有机整合和高效利用，构建开放、协同、智能、互联、弹性可扩展的IT基础软件环境，使客户有机会利用新技术的解决传统IT系统规划和建设存在的诸多难题，实现信息化从传统架构向云计算架构的平滑转型。 IOP平台采用“平台+应用”的总体思路，采用支持分布式、高并发和大数据处理的云计算架构设计。开放的架构为各种应用提供分布式计算、分布式存储、大数据分析、统一用户认证、统一消息引擎、统一资源管理等基础支撑服务能力，通过IOP可以整合来自内外部的各类信息资源，实现信息资源共享，开放业务能力和数据资源，创新应用开发和IT服务模式。 IOP平台的应用领域包括：基于云计算的信息化应用支撑、大数据处理和资源整合以及面向公众的互联网服务和电子商务。

IOP具备四个方面的关键特性，以满足之上承载应用的稳定运行。 1、满足百万级以上用户海量数据快速存取，并能够支持水平扩展， 基于大数据可弹性扩展的技术架构。 2、利用Open API整合与共享信息资源，对基础共性服务统一构建， 基于开放平台为多应用提供公共服务。 3、制定应用开发统一的标准规范，采用应用商店模式搭建应用生 态环境，促进应用创新。。 4、IOP产品研发始终坚持安全可控的技术路线，所有底层架构和 组件均为自主研发。 目前平台研发工作已经有了初步的成果，并在浪潮实施的包括智慧城市、警务云等一些重大项目中进行应用，浪潮IOP平台的应用极 大的提高了行业IT整体的计算能力、整合能力和创新能力,下一步将

云计算平台架构及分析

一、业务挑战 无锡华夏计算机技术有限公司于2000年1月成立，是无锡软件出口外包骨干企业。公司主要以面向日本的软件外包开发为中心，致力于不断开拓国内市场、为客户提供优质的系统集成等业务。随着企业的发展，IT投入不断加大，随之而来的PC管理问题也越来越突出。 华夏目前PC总拥有数1000台，主要用于研发和测试，由于项目多、任务紧，一台PC经常要用于不同的项目开发，而每次更换都要对PC系统进行重新安装和环境搭建。根据实际统计，华夏一个员工平均每年参与4个项目的开发，也就是每年要重新搭建四次开发环境，对测试人员来说这个数量还要更多；平均每次更换环境花费时间10个小时，华夏每年大约花费4万小时用于PC系统和环境搭建，按照人均工资15元/小时，每年花费在60万左右。 除此之外，由于PC的使用寿命较短，更新升级频繁，大量的PC就意味着每年都要有很多PC需要淘汰和更新，现在这个数字大约是10台/月，而随着华夏的发展壮大，这个数字会进一步增加，这就意味着华夏每年花在PC升级和更新的费用最少在50~60万。与此同时，大量的PC也是的企业的能源消耗巨大，电力花费居高不下；按照平均180W/台，一台PC工作8小时/天，工业用电0.9元/度，华夏每年的电费就将近15万元。 与巨大的IT投入相对应的就是IT资源利用率较低，PC分布在企业各个项目小组的开发人员手中，很难进行统一的管理调度，也无从得知PC的使用情况。软件开发的各个阶段对IT的需求都是不同的，我们无法得知某个正在进行的项目使用的PC资源是否有多余，无法将项目完成用不到的PC资源及时收回，以便给下一个项目小组使用，造成大量的IT资源浪费。

基于云计算平台的openstack系统集成

云计算是一种商业模型，被称为继个人电脑、互联网之后的第三次信息化革命。云计算正颠覆着传统的it模式，通过对云的应用和管理，企业可以降低信息化建设成本和各部门重复投资的硬件与管理成本，云计算的核心思想是将大量用网络连接的计算资源统一管理和调度，从而形成一个计算资源池向用户按需供给的服务。云计算已成为现代IT行业的一种趋势，对云计算的探讨是很有必要和价值的。从整体上来说，云计算的应用是基于大规模分布式的基础架构及平台之上的云计算应用两个方面的，其中，基础架构建设是整个云计算平台的基础，一种基于IaaS层资源管理的系统是必不可少的。 Openstack是一款完全免费的开源的云操作管理工具，旨在为公共及私有云的建设与管理提供软件，目前由OpenStack基金会管理，以其开放性，获得了众多厂商和开发者的支持，它提供了一种基础设施即服务（IaaS）的云计算解决方案。Openstack通过创建、启动和部署虚拟机的方式将资源引入云中。另外Openstack还可以通过虚拟机的方式将物理设备上分散的资源有效地集中起来，快速便捷地引入云中，提高资源的利用率。 本文通过全方位的展示开源云计算IaaS平台OpenStack的技术，展示目前这个平台的发展现状，以及这个平台部署过程中会遇到的问题，分享基于这个平台的部署和开发过程中的实战经验，来加深人们对云计算平台的认识和理解，让人们深入了解openstack的架构和原理，以及在基础设施层的部署实现和集成。技术分析，讲解OpenStack部署应用以及在此过程中遇到的问题，OpenStack的常用模块及功能；实战集成部署演示，也是本文重要的一个环节。最后对所有过程进行了总结，并讨论进一步工作展望。 关键字：云计算 Openstack 系统配置管理虚拟机

采用序优化的改进蚁群算法

第44卷　第2期2010年2月 西　安　交　通　大　学　学　报 J OU RNAL O F XI ′AN J IAO TON G UN IV ERSIT Y Vol.44　№2Feb.2010 收稿日期:2009Ο06Ο20.　作者简介:张兆军(1981-),男,博士生;冯祖仁(联系人),男,教授,博士生导师.　基金项目:国家自然科学基金资助项目(60875043);国家重点基础研究发展规划资助项目(2007CB311006). 采用序优化的改进蚁群算法 张兆军1,2,冯祖仁1,2,任志刚1,2 (1.西安交通大学系统工程研究所,710049,西安;2.西安交通大学机械制造 系统工程国家重点实验室,710049,西安) 摘要:为了评价蚁群算法在有限时间内所得优解的质量,基于序优化方法提出了一种改进的蚁群算法:使用盲目挑选规则选择初始解,并对信息素进行相应的初始化;确定得到满足要求的优解所需要的迭代次数,将其作为算法的终止条件;为了更好地利用每次迭代中的优解,在算法开始阶段使用前l 个迭代优解更新信息素,以增强探索能力;在算法结束阶段采用当前迭代最优解更新信息素,以加快收敛速度.改进算法在保证收敛的前提下,并没有增加算法的时间复杂度.对旅行商问题进行的仿真实验表明,改进算法在解的质量和收敛速度方面优于最大Ο最小蚂蚁系统.关键词:蚁群算法;序优化;盲目挑选;旅行商问题中图分类号:TP18　文献标志码:A 文章编号:0253Ο987X (2010)02Ο0015Ο05 Novel Ant Colony Optimization Algorithm B ased on Order Optimization ZHAN G Zhaojun 1,2,FEN G Zuren 1,2,REN Zhigang 1,2 (1.Systems Engineering Institute ,Xi ′an Jiaotong University ,Xi ′an 710049,China ;2.State Key Laboratory for Manufacturing Systems Engineering ,Xi ′an Jiaotong University ,Xi ′an 710049,China ) Abstract :To evaluate t he quality of optimal solutions obtained by t he ant colony optimization (ACO )algorit hm in limited time ,an imp roved ACO algorit hm is presented on t he basis of t he or 2dinal optimization.An initial solution is selected using t he blind picking rule ,and t he p heromone is initialized correspondingly.The number of iterations to achieve t he optimal solution meeting t he demand is t hen determined and is used as t he termination condition of t he algorit hm.To make better use of t he solutions obtained at each iteration ,t he first l solutions are employed to enhance search capability at t he beginning p hase of t he algorit hm.While t he current optimal solution is used at t he end p hase of t he algorit hm to accelerate t he convergence.The time complexity of t he novel algorit hm is not increased under t he condition t hat ensures t he convergence.Simulation re 2sult s on t he traveling salesman p roblem show t hat t he p roposed algorit hm is superior to t he max 2min ant system in bot h t he quality of solutions and t he speed of convergence. K eyw ords :ant colony optimization ;ordinal optimization ;blind picking ;traveling salesman problem 蚁群算法[1]是一种仿生随机优化算法,已被成功应用于旅行商问题(TSP )、二次分配、网络路由、属性约简[2]等问题的求解,具有鲁棒性、正反馈、分布式计算和易与其他算法结合等优点.然而,现有方法也存在一些不足,如初期搜索时间偏长,容易陷入局部最优解等.为此,学者们提出了很多改进算 法,例如使用局部更新策略和全局更新策略的蚁群系统[3],限制信息素的上、下界并使用最优解更新策略的最大2最小蚂蚁系统(max 2min ant system ,MMAS )[4]等.此外,文献[5]受神经网络和遗传算法的启发,提出了一种二进制蚁群进化算法;文献[6]将分散搜索的思想融入蚁群算法,提高了算法的

基于成本的云计算任务调度策略

基于成本的云计算任务调度策略 云计算服务的商用对用户来说最关键的是成本问题。文章提出了基于粒子群算法的云计算任务调度策略。采用了间接编码的方式，设置参数，考虑经济成本和时间成本因素，选取了适应度函数，实验结果表明，文章算法具有较强的寻优能力，可以解决云计算任务调度问题。 标签：云计算；任务调度；成本粒子群算法 引言 在这大数据的时代，云计算已是学术界、商界的新贵。虽然云计算技术在商业中应用的比较广泛，但是就云计算技术，还有许多需要完善和改进的。云计算是一种商业计算模型，它将计算任务分布在大量计算机构成的资源池上，是各种应用系统能够根据需要获取计算力、存储空间和信息服务。 1 任务调度问题描述 在云计算环境下，一个大规模的任务计算必须在逻辑上划分成许多个子任务进行，然后通过处理子任务来完成主任务。任务调度是将云计算中用户提交的任务请求分配到多个资源的过程。在云计算的应用中，大多数是商业的应用，因此在云计算的任务调度更多的考虑成本指标，同时满足用户的需求。成本由时间成本和经济成本等组成。 2 基于本文算法的云计算任务调度 粒子群优化算法（Particle Swarm Optimization，簡称PSO）是由美国的J.Kennedy 博士和R.C.Eberhart受鸟群觅食行为的启发提出的一種基于群体智能的优化算法。因算法程序结构简单、需要调节的参数较少、高效等特点，被广泛应于到科学研究。 2.1 粒子编码方式 本文采用间接编码方式，采用离散数值编码，编码长度等于子任务数量。设有M个任务，N个资源，每个任务又划分为多个子任务。 子任务的总数量： 其中，TNum（t）为第t 个任务划分子任务的个数。 对每个子任务的编码方式为： 采用自然数编码，即按任务自然数顺序进行编码。第i个任务中的第j 个子

基于云计算的智慧物流平台

基于云计算的智慧物流平台 所谓智慧物流，就是把所有的物流企业、物流信息（车、货、路、人、仓储）汇总到一个平台上，然后进行集中分析，对车、货、路、人、仓储进行科学排序、合理调度使用，从而减少空载率、节约仓储费用、降低物流成本，提高物流效益。 物联网将把物流业带入智慧的时代，在物流业中物联网主要应用于如下四大领域：一是基于RFID等技术建立的产品的智能可追溯网络系统，如食品的可追溯系统、药品的可追溯系统等等。这些智能的产品可追溯系统为保障食品安全、药品安全提供了坚实的物流保障。二是智能配送的可视化管理网络，这是基于GPS卫星导航定位，对物流车辆配送进行实时的、可视化的在线调度与管理的系统。很多先进的物流公司都建立与配备了这一网络系统，以实现物流作业的透明化、可视化管理；三是基于声、光、机、电、移动计算等各项先进技术，建立全自动化的物流配送中心，实现局域内的物流作业的智能控制、自动化操作的网络。如货物拆卸与码垛是码垛机器人，搬运车是激光或电磁到人的无人搬运小车，分拣与输送是自动化的输送分拣线作业、入库与出库作业是自动化的堆垛机自动化的操作，整个物流作业系统与环境完全实现了全自动与智能化，是各项基础集成应用的专业网络系统。四是基于智能配货的物流网络化公共信息平台。此外，企业的智慧供应链等也都属于物联网的应用。 “物联网”实际上是一个大的智能物流的概念。“物联网”以后要发展的行业是集成物流、集成运输、集成仓储行业，交通运输业，包括航运、海运、陆路运输等等，而与生产有关的制造业企业都会受益。在这个新的物流体系下，一方面物流的效率提高了，另一方面产品质量也提高了，从而生产企业生产经营也规范了，商品在流通环节里都在有序的、能够保障消费者权益的大体系里面运行。所以未来受益的行业，只要是跟制造业相关的，汽车、冰箱、彩电、鞋子、衣服、帽子等生活用品，包括食品等任何东西，只要跟生产有关都会进入这个体系。这个体系建立以后，像人们说的识别、标识、跟踪、监控等，都是为了保证物流在合规的、合法的、高质量、有效的环境里面安全运转。但是物流体系在运行过程当中，运行效率的提高和生产率的提高，这将是很多其他的行业都会受益。物联网正在蓬勃兴起，蕴育着下一个万亿级产业，也带来了巨大发展机遇，随着物联网技术在物流行业的深入应用，物流园区也将积累形成海量的业务信息。这些

基于云计算平台的ERP系统

全国中文核心期刊· 财会月刊□2012．10中旬·· □云计算是数据管理技术不断演化的结果，它继承了网格计算、 虚拟化、效用计算、并行计算、分布式计算等技术，解决了并行计算、均衡负载、宕机切换等超高性能服务器集群问题，提升了数据加密传输、加密存储、实时备份、容灾备份等性能。当面对不同行业用户时，可将应用系统模块智能组装以满足客户个性化需求，也可通过WEB 形式在线使用软件。云计算将服务器集群、高可靠IDC 及包括ERP 在内的各类应用系统集中起来，由系统实现自动化管理，为客户提供随时随地、 随需而变的IT 服务。云计算是未来企业尤其是中小企业信息化应用的必然趋势，是企业减少硬件投资、降低维护成本、保证数据安全的重要手段，正逐步被运用到电子政务、物流供应链管理、铁路信息管理、电力系统数据采集、高校教学资源计划及课程实践、图书馆信息处理、企业供应链管理等领域。 一、云计算给ERP 带来的影响 “云”实际上是网络的形象说法，云计算是一种基于互联网的服务模式，它通过互联网提供动态易扩展的虚拟化资源，具备服务、计算、底层基础设施租赁和管理维护的功能。狭义的云计算是指IT 基础设施的交付和使用模式，通过网络以按需、易扩展的方式获得所需资源；广义的云计算是指服务的交付和使用模式，通过网络以按需、易扩展的方式获得所需服务，即计算能力作为一种商品通过互联网进行流通。 1.云计算的三种主要服务模式。 （1）IaaS （Infrastructure as a Service ），即基础设施服务。云服务提供商（CSP ）以服务器池、数据中心、计算中心等方式向企业提供完善的基础设施服务。用户在CSP 的云计算平台上能够部署和运行任意软件，包括操作系统和应用程序。消费者无需管理或控制任何云计算基础设施，就能进行控制操作系统的选择、储存空间、部署的应用，也有可能获得有限制的网络组件如防火墙、负载均衡器等的控制。 （2）PaaS （Platform as a Service ），即平台服务。CSP 提供给消费者的服务是把客户需要的开发平台和开发环境部署到CSP 的云计算平台上，客户不需要在本地管理或控制底层的 硬件，却能控制自己部署的应用程序，也能够控制应用程序的运行，并托管环境配置。 （3）SaaS （Software as a Service ），即软件服务。提供给客户的服务是CSP 运行在云计算基础设施上的应用程序，用户只要在各种设备上安装浏览器软件即可使用应用软件，软件的维护和安全措施均由CSP 完成。 2.云计算为企业应用ERP 带来的机会。企业信息化通常是从实施ERP （企业资源计划）开始的，然而ERP 不同于普通的软件，它包含着深刻的管理理念，是一种基于流程的管理思想，因此业务流程的规范化和重组是应用ERP 的基本条件。企业实施ERP 战略，需要充足的资金购买软件和硬件设备，还要有专门的技术人员进行流程优化设计，且系统的运行、 维护和安全保障同样需要专业人员，这三个方面是困扰企业特别是中小企业（资金更加紧张）发展的瓶颈。云计算平台的出现，为企业信息化进程提供了一种便捷的通道，企业通过Internet 网，只要交付少量的服务费，即可成功实施ERP ，就像在本地使用一样方便，免去了昂贵的投资和维护成本，故它是众多企业提升信息化程度的理想选择。 二、基于云计算的ERP 系统规划 基于云计算的ERP 系统规划通常包括功能规划、体系结构规划和数据库系统规划等内容。 1.功能规划。ERP 用于实现企业人、财、物、信息、时间和空间等资源的综合平衡和优化管理，协调各管理部门，围绕市场开展业务活动，通过提升管理水平达到提高企业的核心竞争力和经济效益的目的。ERP 系统的主要功能包括财务管理、供应链管理、生产制造管理、人力资源管理、成本管理、客户关系管理、 决策支持体系管理等。另外，云计算功能规划还包括功能初始化模块、数据备份模块。依靠云计算平台，这些功能模块都可以在本地瘦客户端上操作，计算过程和计算结果保存在远程数据中心上。考虑到数据对企业管理的重要性，可以建立本地镜像数据库服务器，使原始数据和部分最终数据在备份到云端的同时也备份到本地机器。 2.体系结构规划。相比传统的ERP 系统，基于云计算平 基于云计算平台的ERP 系统研究 李赛娟 （长沙民政学院软件学院长沙410004） 【摘要】本文从云计算的三种服务模式入手，分析了云计算对传统ERP 所带来的影响。规划设计了云计算环境下ERP 系统的功能、体系结构和数据库系统，探讨了云计算平台下软件的主要开发技术，并基于安全性考虑，设计了云计算平台ERP 系统总体架构，以供企业参考。 【关键词】云计算ERP 体系结构技术架构91