新書推薦：
《
加加美高浩的手部绘画技法 II
》
售價：HK$
89.4
《
卡特里娜（“同一颗星球”丛书）
》
售價：HK$
87.4
《
伟大民族：从路易十五到拿破仑的法国史（方尖碑）
》
售價：HK$
188.2
《
古今“书画同源”论辨——中国书法与中国绘画的关系问题兼中国画笔墨研究
》
售價：HK$
132.2
《
《日本文学史序说》讲演录
》
售價：HK$
72.8
《
无尽的海洋：美国海事探险与大众文化（1815—1860）
》
售價：HK$
99.7
《
治盗之道：清代盗律的古今之辨
》
售價：HK$
122.1
《
甲骨文丛书·剑桥世界暴力史（第一卷）：史前和古代世界（套装全2册）
》
售價：HK$
210.6
|
| 編輯推薦： |
|
（1）提出了服务集群与云计算平台的两级能耗感知的系统框架EADC。（2）基于大范围变动负载和时间长相关性负载对服务的负载与性能模型进行建模。（3）重载服务采用基于准入控制规则，而轻载服务采用能耗感知方案决策，实现服务集群内部的高能低耗。
|
| 內容簡介： |
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。
|
| 目錄：
|
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 ProcessesMAP84
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
|
| 內容試閱：
|
前言
云计算具有超大规模、虚拟化、高扩展性等特点，可以为企业和用户提供各种低成本的计算资源和IT服务，从而为实现高效信息化管理和海量数据服务提供强有力的计算支撑。但是管理这些云程序需要消耗大量电能并带来很大的操作开销，同时也会对环境造成巨大的负面影响。随着云计算平台规模的不断扩大，一方面数量不断增长、处理能力不断增强的服务器带来更多的能量消耗；另一方面每个服务器过低的利用率又造成巨大的电能浪费。国家能源局原局长张国宝2012年表示，他了解的中国联通云计算中心的能耗数据显示，该中心每年耗电99亿千瓦时，以中国目前标准煤的效能，需要消耗92万吨标准煤才能提供足够的电力供中国联通云计算中心的能耗需求；与中国联通云计算中心对应，中国电信云计算中心年耗电112亿千瓦时，总计年需消耗102.95万吨标准煤。所以，在云计算环境下开展能耗研究势在必行。
造成云计算平台能耗效率低下的一个重要原因是空闲服务器消耗的功耗没有随着其状态的空闲而线性降低，即使在诸如10% CPU利用率的情况下，服务器也要消耗超过50%的功耗。由此实现服务器状态的按需切换，进而缩减在线服务器规模是节省能耗的有效方式，最后的资源分配方案就是保证服务质量的前提下实现能耗尽可能的降低。由此可以得出如下两个结论。
1 云计算平台迫切需要进行能耗感知的研究，但是必须在服务性能优化与服务质量保证的前提下。这就需要深入研究服务能耗与性能的关系，寻求性能保证与能耗节省两者的和谐统一。
2 云计算平台能耗感知的实现是以其上所有服务的能耗感知为基础的。这就需要构建服务与平台两层的能耗感知系统框架，同时深入研究两者的交互关系，实现从局部到全局的高能低耗。
服务能耗感知研究是当前云计算能耗管理领域的研究热点与趋势，这些研究已形成云计算环境下能耗感知模型与方法进展研究前言了较为成熟的研究模式，并积累了丰富的模型、方法与经验。但是当前相关研究没有很好地实现性能保证与能耗降低的优化权衡。
本书针对当前云计算平台存在的高性能保证与低能耗需求这一对矛盾的需求问题，从全面认识服务负载特性以及服务性能分析模型构建的角度出发，完成服务的能耗感知方案决策，在充分调动服务器集群的计算能力的同时完成服务能耗的有效降低，并在此基础上通过全局资源在服务间的有效调度与布局，实现整个高可扩展云平台的所有服务的高能低耗。具体研究内容包括以下五个部分。
1. 大范围变动下的负载与性能模型
对于多类方式描述的大范围变动请求服务时间，传统上采用多类服务时间定律基于单类服务时间定律扩展得到不适用于实际监控环境，因为实际中无法获取每类请求对应的利用率信息Di,j。本书采用统计回归的数学模型求解计算每类请求的平均服务时间。假定将请求划分为N类，系统中有M个资源，根据利用率定律Utilization LawUj=BjT=DjX0，j代表第j个资源，X0是整个系统的吞吐量，Dj是请求在第j个资源消耗的时间，T是监控窗口大小，Bj是第j个资源忙碌期间简称忙期，将利用率定律扩展为多类请求情况，得到第j个资源在监控窗口k的利用率公式为iNi,kDi,j=Uj,kT,1iN,1jM。由此估算出Di,j的近似值Ci,j，则第j个资源在第k个窗口T期间利用率的估算值为Uj,k=iNi,kCi,jT。
2. 时间长相关负载下的性能模型
长相关LongRange Dependent，LRD作为云计算环境下Internet负载的一个重要特征，与不具有相关性的更新过程如泊松分布负载和短相关的非更新过程负载相比，其对性能的影响更大。基于MAPMarkovian Arrival Process,马尔可夫到达过程构建的性能模型可以通过矩阵分析法快速、有效地求解，且MAP模型描述负载的能力随着阶数增大而增大，所以以往研究常利用有限高阶MAP描述长相关负载。针对低阶MAP不准确而高阶MAP又存在复杂度高的问题，本书通过降低解决高阶MAP拟合问题复杂度最终达到利用非线性优化算法求解多个低阶组合MAP2sMarkovian Arrival Process of Second Order的缩写，即2阶MAP的目的，然后借鉴KPC组合技术生成高阶MAP，使得生成的MAP更好地匹配实际负载。
3. 重载服务的准入控制规则
当服务集群长期处于重载状态时，就要使用准入控制规则。学术界已有的研究大多利用简单、固定的策略：
为请求到达速率、队列长度、服务器负载设定上限，一旦超过设定的阈值，则系统拒绝为新来的请求服务或拒绝建立新的连接会话，并且现有的准入控制策略均未考虑负载的时间相关性这一因素。本书的关注点是研究针对时间长相关性Internet负载，何时开始丢弃以及如何丢弃才能最大化服务质量的同时尽可能减少请求丢弃的比例，采用了如下策略：
在请求到达时检查队列长度，如果队列长度大于阈值，则依据到达过程或服务过程的自相关系数判断准入或者丢弃，称之为基于自相关性的准入控制策略。之所以采用自相关系数，是因为它是最常见的用来描述负载时间相关性的指标。
4. 轻载服务的能耗感知决策
当服务集群处于轻载时，需要做出如下决策：
在当前的集群内的活跃节点能够保证服务质量的前提下何时可以将某些空闲节点的状态进行切换。对于当前的服务集群，就转化为一个局部优化问题，求解得到能够保证服务质量的活跃节点序列，将其余节点进行状态切换。本书引入了通信领域的爱尔朗公式，结合上述两个负载模型与性能模型，采用递推公式以迭代方式完成对不同状态服务的资源需求定量分析，最终求解得出该服务在满足服务质量前提下所需要的服务节点的最小序列。
5. 兼顾性能与能耗的虑及服务迁移的全局资源调度算法
已有的资源调度算法的整体目标是满足各个服务SLA需求的同时最大化全局效用，效用目标的定义各不相同，都有各自的考量，但基本上都关注解决共享式云计算平台资源闲置浪费的问题。针对传统全局资源布局中在资源动态调度时仅考虑性能指标并存在节点迁移开销过大的问题，加入性能与能耗的两维效用，采用改进的遗传算法确定节点在服务间的分配，最优解以满足重载服务的服务质量QoS为主要目标，通过提高能力高节点的利用率以实现全局能耗的降低。同时对于重载服务在扩容节点时加入迁移节点的时间开销惩罚，从而有效避免了节点在服务间的迁移抖动，在权衡性能与能耗的基础上达到绿色云计算中心的目标。
本书总结与归纳该领域已有的工作，首先完成服务模型构建、服务能耗感知决策以及全局资源调度算法等相关理论的学习和分析；然后对相关的关键问题逐一进行探讨，力求在模型与方法上有所创新，并通过实验验证其有效性；最后提出EADCEnergyAware Data Center系统框架，从系统的角度综合考虑各个环节，探讨整体的解决思路，避免对问题的孤立研究，并进一步对研究成果进行验证，EADC框架包括服务VEMS与系统DCMS两层的能耗模块。
1 在服务集群内，实验数据表明构建的负载与性能模型的计算输出与观察数据基本匹配；以负载与性能模型为基础，VEMS通过节点状态的切换决策，在服务质量保证的同时降低了服务能耗的33%。
2 在数据中心级别，全局资源布局决策器DCMS通过资源的优化布局算法实现了请求突发服务的服务质量满足，同时降低了全局能耗的24%；规模性测试表明算法具有良好的可扩展性，并没有因为云计算中心规模的扩大而降低算法的有效性。
本书为云计算平台的诸多关键问题的求解提供了一套系统的模型、方法与技术，推进了云计算平台服务能耗管理策略的进一步研究和发展，为解决云计算环境下的服务高能耗问题提供了系统的理论支撑。本书的研究成果对于云计算环境下实现精确、高效的服务能耗感知，构建高能低耗平台，从而为其上各类服务提供丰富强大的信息服务具有重要的应用价值，有助于为政府、高校、企业及个人用户提供高能低耗的可扩展的海量数据服务。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
