基于深度学习的普适云服务迁移方法研究
2018-09-21朱连章张卫山谭守超孙浩云
太原理工大学学报 2018年5期
朱连章,李 博,张卫山,刘 昕,谭守超,孙浩云
(中国石油大学(华东) 计算机与通信工程学院,山东 青岛 266580)
普适云计算环境下,计算、服务和数据的调度与迁移是保证资源合理分配和服务性能的一个重要方式,是普适云计算可扩展性、灵活性、普适性和良好性能的基础和保障,是增强移动设备和移动系统能力的必然途径[1]。在商业领域,各大云服务提供商都有相应的解决方案,如国内阿里云的伏羲等。在学术领域,服务与数据迁移也是普适云计算的研究热点,但现有相关研究多集中在迁移架构与迁移决策方面。目前普适云架构可按照节点组成及距离分为四类,CLONE CLOUD[1]与VIRTUALIZED SCREEN[2]中使用的远端固定云架构,以CLOUDLET[3]为代表的近端固定云架构,近端移动云架构以及SAMI[4]使用的组成结构复杂的混合云架构。在迁移决策方面,遗传算法、马尔科夫决策链、线性编程等方法被提出作为决策算法。
对于普适云迁移的研究现状,文献[5]对现有迁移架构与迁移决策方面的相关工作进行了分析讨论,并重点关注了迁移决策的因素及流程。根据该综述的研究探讨,普适云迁移是一个包含了多方面内容的工作,从迁移的基础设施支持到迁移决策的制定,每一方面都是一个较复杂的问题。此外准确高效的迁移决策离不开深入的普适云环境感知,且研究表明基于预测的决策能够获取更有前瞻性的决策方案。迁移执行也需要适合的技术进行支撑,尽可能透明化,减少对环境以及用户体验的影响。……
登录APP查看全文
