计算机专业毕业设计外文翻译.docx
《计算机专业毕业设计外文翻译.docx》由会员分享，可在线阅读，更多相关《计算机专业毕业设计外文翻译.docx（15页珍藏版）》请在冰豆网上搜索。
淮阴工学院
毕业设计（论文）外文资料翻译
系
（院）：
计算机工程学院
专
业：
计算机科学与技术（网络工程）
姓
学
名：
号：
外文出处：
http:
//hub.hku.hk/handle/10722/153180
（用外文写）
附 件：
1.外文资料翻译译文；2.外文原文。
指导教师评语：
签名：
年
月
日
注：
请将该封面与附件装订成册。
附件1：
外文资料翻译译文
自组织云中动态优化的多属性资源分配
1引言
云计算已经成为一个引人注目部署分布式服务的范例。
云计算系统中的资源分配问题强调如何利用多属性的资源复用操作系统。
使用虚拟机（VM）技术，我们可以在同一硬件上复用多个操作系统和允许执行任务的无干扰性能。
可以实现细微的资源共享，为每个虚拟机基板配置适当的资源（如CPU，内存，存储，网络带宽等）动态股份。
近年来，对资源的各种隔离技术不断增强，已经提出了实现细粒度的动态资源配置。
基于Xen的按比例共享的信用调度，可以实现以公平的方式在虚拟机之间的复用CPU资源。
不同的引擎的驱动程序联合虚拟机技术，可以动态地调整虚拟机的内存资源，在同位虚拟机的磁盘I/O带宽之间可以动态地控制使用。
这些先进的技术，使计算资源被动态地分配或重新组合，以满足最终用户的弹性需求。
这样的解决方案创造了前所未有的机会，最大限度地提高资源的利用率，但是这是不可能适用于大多数的网格系统，通常把限制使用不可分割的资源，并避免同时对它们的访问。
今天的云计算架构是没有问题的。
但是大多数云服务建立在集中式架构之上，可能会受到拒绝服务（DoS）攻击，意外停电，和有限的计算资源池等威胁。
相反，计算系统（或台式机电网）可以容易聚集巨大潜力的计算能力，以解决重大挑战的科学问题。
鉴于此，我们提出了一个新的云架构，即自组织云（SOC），它可以连接在互联网上的P2P网络大量的台式电脑。
在SOC中，参与的每台计算机都作为资源提供者和资源使用者。
他们自主定位更丰富的资源，独特的服务，他们的任务是在网络中的节点分担一些工作，同时他们执行任务时提交的其他有闲置的资源可以构建多个虚拟机实例。
我们集中于关键问题的SOC设计：
1）在多属性范围查询问题，在一个完全分散的环境，找到一个合格的节点，以满足一个用户任务的资源需求与有限延时和2）如何以优化任务的执行时间来确定最佳的股份的多属性资源分配给不同的QoS，如预期的执行时间和预算有限的任务。
现有的方法有着根本的区别，我们制定了这样一个资源分配问题是一个凸出优化问题。
鉴于其资源需求和预算的任务，我们首
先证明不存在一个合格的节点上的资源优化配置，可以最大限度地减少任务的执行时间。
进一步的研究表明，它是一个简单的解决这样优化问题的方法，直接通过蛮力战略和内点法。
通过放宽问题的定义，考虑到其预先设定的预算和容忍的服务质量（QoS），我们提出了一个算法来优化一个合格的资源节点的任务执行时间。
该算法只涉及OðR2Þ调整步骤，其中R表示资源的属性（或尺寸）的数目。
我们进一步提出一个动态的最佳比例份额（DOPS）资源分配算法，采用的共同比例分担的模式
（PSM）。
关键的思想是动态扩展自己正在运行的任务的需求比例，这些任务在一个节点上和每个维度之间为每个资源类型提供可以使用的最大容量的资源量。
要在SOC环境中找到合格的节点，我们设计了一个充分分散化的范围查询协议，即指针闲话CAN（PG-CAN），专为DOPS。
现有的P2P桌面网格基于CAN或和弦的资源发现协议。
每一个节点加入注册的静态资源属性（例如，CPU的体系结构，操作系统的版本）或最大容量的CAN/和弦覆盖，使其他用户在对数（或次线性）的路由步骤中可以找到最匹配的节点。
因为节点选择的资源只能使用于仅由一个单一的任务，这样的设计是可行的一个P2P桌面网格。
然而，由于资源动态配置技术，在云找到一个节点，需要频繁的的资源重新分区和重新分配（例如，在任务到达或完成）是一个具有挑战性的问题，包含所有R的资源属性，将可利用的资源相结合的满足一个任务的要求。
根据争夺之中最小的请求者任务的需求，在这项工作的范围查询的目的是寻找合格的资源，建议使用PG-CAN协议。
它是独特的，在整个过程中发现为每个任务，在网络中传播查询消息。
这是不同于大多数现有的多属性范围查询的解决方案，需要多个维度并行传播。
类似查询的CAN，为了减轻争的问题，积极主动地扩散范围查询协议在网络上的资源指标和随机路由查询消息的节点之间找到合格的，能满足任务的要求很低。
为了避免可能的负荷分布不均匀和急剧资源的过度使用所造成的不协调的节点选择过程，从自主的参与者，我们三个节点的选择策略，即仔细检查政策，排队策略，和额外的虚拟尺寸（VD）政策。
本文其余部分安排如下：
在第2节中的虚拟机复用的环境，我们制定的资源分配问题。
在第3节中，我们证明了最优的资源分配确实存在，我们的解决方案是最佳的。
在第4节中，我们提出了DOPS资源分配方案。
第5章详细介绍了建议的范围查询协议。
在第6章中，我们的仿真结果。
我们在第7节，并讨论了相关工作，
最后在第8节今后的工作大纲。
2浅谈指针
我们的资源分配方法依赖于假设，即所有符合条件的节点必须满足不等式（6）和（7）（即引理1）。
为了满足这个要求，我们设计了一个资源发现协议，即指针的闲话，找到这些合适的节点。
我们选择CAN，DHT覆盖相应的多层面的特征。
像传统的CAN（又名，工作节点），根据PG-CAN随机选择时，每个节点是在一个独特的多维范围内，加入覆盖的区域。
图2a显示出了示例的CAN覆盖网络。
假设有25个加入的节点，每个节点负责一个单一的区域。
如果加入一个新的节点（节点26），产生一个随机的点，如（0.6GFLOPS，0.55GB）和它的区域将被设置为新的区域沿尺寸从现有的区域平分（图节点25。
2a）。
如果只有一个两个节点之间不重叠的范围尺寸（例如，pi和pj），在这个维度，它们是相邻的，我们称他们为邻居彼此。
此外，如果不重叠的范围内的圆周率是不低于PJ的，圆周率被称为PJ的积极邻居和PJ被称为PI的负面邻居。
另外，在图2a中，节点9，12，和20是正的邻居节点1。
每个节点会以周期性的传播状态更新消息，关于它的可用资源向量的工作节点，其区包含这个载体。
后一个任务TIJ与约束条件（6）和（7）所产生的查询（图
2b中的第1步），查询消息将被路由到工作节点，含有预期的矢量。
我们可以证明，国家的消息（或状态记录）被保存在所有那些向前的合格节点（即阴影区域图2B）的工作节点。
显然，使现有的解决方案[19]通常采用随机游走得到一个近似的效果，搜索区域可能仍然过大导致没有完整的资源查询。
然而，根据我们的观察（提交），这将显著减少寻找合格的资源，的可能性，最终降低系统的吞吐量和用户的QoS。
另外，完善机制，定期扩散几个指针信息的到遥远的节点（距离为2K，拥有状态更新报文
（或记录）的节点）向负方向，所以这些工作节点可以更容易发现。
另外，在图2，例如，节点4的负指针节点沿CPU维度是节点14，3，和23。
通过周期性地发送指针恢复消息，每个消息与空的净荷向外，每个节点都可以很容易地保持负指针节点的连接。
在另一方面，每个查询路由到工作节点将检查它的存储的记录和节点。
如果它找到合格的资源记录或其他尖锐的责任节点，便将这些信息返回到请求的节点
，否则，它会继续寻找下一个正的邻居义务节点。
每个工作节点（如D1）将缓存的状态更新，这是从邻居收到的定期检查和删除
过时的TTL（即，超越他们的TTL）。
在此同时，其自己的标识符（如IP）传播到几个随机选择的指针的节点负方向。
对于这些工作包含有效的状态消息的节点，我们称之为非空的缓存节点。
基本上，有两种方式传播的责任节点的标识符（或指针），落后的传播方式（图
3a）和跳频方式（图3b），因此PG-CAN也可以被分为两种类型，即传播mannerbasedPG-CAN（SPG-CAN）和跳频方式为基础的PGCAN（HPG-CAN）。
另外，在图3A，工作节点D1发送一个指针的消息，其中包含D1到其选定的的指针节点（如D2和D3）的标识符，通知他们，D1的记录。
收到报文后，的指针节点（D2和D3）将进一步沿尺寸标识D1的符负方向的指针节点。
另外，在图3B，任何非空的缓存节点标识符的指针节点，每个维度将被转发。
显然，前一个消息传递的跳数少，但其不扩散广为后者的消息。
事实上，我们可以证明的识别码的跳频方式交付延迟的复杂性是第n（定理5），这样的跳频方式可能是更好的传播方式，（在我们的模拟中得到证实）。
3相关工作
SOC与传统的网格模型（包括P2P桌面网格）的资源消耗方式不同。
网格通常假定独家的资源使用情况，以保证用户的QoS。
在网格作业调度问题通常被归类为一个多处理器排程（MPS）的问题（组合优化问题的一种），它已被证明是NP完全问题。
因此，许多近似算法以及启发式（元），适用于各种版本的MPS在网格环境中研究。
例如，Rossi等。
提出了一种元启发式算法解决固定作业调度问题，其中处理器有传播时间的限制，即，所花费的时间之间的提交时间和完成时间不应超过一个给定的时间。
广义的极值优化（GEO）是另一种解决MPS问题的元启发式算法。
接近电网调度问题，在P2P的桌面网格中，通过以成本为基础的配置模型和多目标遗传算法获得约优化的性能（如吞吐量）。
提出一个启发式的负载均衡方法，为提高吞吐量桌面上的电网能覆盖的任务调度。
同样，郑等人。
制定的问题，是一个箱和球模型与牛群的现象，并试图获得近似最优的性能，使用随机算法之上的DHT覆盖。
李和Snavely研究了以用户为中心的任务周转时间，提高了系统的性能的基础上模拟的效用函数。
与现有的作品相比，我们设计的自主VM复用的资源的消费模式，即SOC，允许每个任务动态地充分利用虚拟机技术的资源片。
虽然也有一些现有VM的复用策略的研究，他们不能很好地适合的SOCfor，他
们大多主要集中在一些特定的属性，例如asCPUormemory.For例如，虚拟技术使用的应用程序负荷预测方法以及改造所涉及的虚拟机，这是一台主机的CPU和I/O资源利用率提高的策略。
Gupta等人提出了一种方法，使内存共享到页边界内发生。
govindan等，采用统计复用的应用程序，使应用可以到给定的功率预算。
与此相反，蒙等人明确努力以最大化的VM资源复用的利用方面的工作量的预测和估计的VM的大小，通过分析的VM对“兼容性在。
然而，两个重要的缺点仍然存在：
1）由于中央管理的虚拟机相关矩阵的可扩展性差;2）实施的限制约束，因为它们对VM只识别的兼容性。
为了克服这些问题，我们制定了一个凸优化问题的多属性资源分配和制定的资源分配算法，以减少任务执行时间与O（R3）的时间复杂度。
由于往往是基于一些散列函数生成在DHT的节点标识符，它是不易直接执行范围查询。
一些现有的战略必须建立一个额外的层，在DHT重组所有的节点，而另一些（如）充分利用CAN的拓扑结构。
现有的许多其他作品，主要集中在如何找到工作的节点，在有限的延迟下满足用户指定的所有尺寸范围。
然而，对于大多数的任务与低资源要求（这是真的在大多数基于云的应用程序），几乎所有的网络中的节点可以有资格。
这将产生大量的网络流量，用户在过滤过程中，也增加了很大的负担。
事实上，大多数普通用户只想系统迅速找到一个合格
升级会员 