SLA-Oriented Resource Provisioning for Cloud Computing: Challenges, Architecture, and Solutions
Rajkumar Buyya, Saurabh Kumar Garg, Rodrigo N. Calheiros
备注：
10 pages, 7 figures, Conference Keynote Paper: 2011 IEEE International Conference on Cloud and Service Computing (CSC 2011, IEEE Press, USA), Hong Kong, China, December 12-14, 2011
发表信息：
Proceedings of the 2011 IEEE International Conference on Cloud and Service Computing (CSC 2011, IEEE Press, USA), Hong Kong, China, December 12-14, 2011
Cloud computing systems promise to offer subscription-oriented, enterprise-quality computing services to users worldwide. With the increased demand for delivering services to a large number of users, they need to offer differentiated services to users and meet their quality expectations. Existing resource management systems in data centers are yet to support Service Level Agreement (SLA)-oriented resource allocation, and thus need to be enhanced to realize cloud computing and utility computing. In addition, no work has been done to collectively incorporate customer-driven service management, computational risk management, and autonomic resource management into a market-based resource management system to target the rapidly changing enterprise requirements of Cloud computing. This paper presents vision, challenges, and architectural elements of SLA-oriented resource management. The proposed architecture supports integration of marketbased provisioning policies and virtualisation technologies for flexible allocation of resources to applications. The performance results obtained from our working prototype system shows the feasibility and effectiveness of SLA-based resource provisioning in Clouds.
ALVEC: Auto-scaling by Lotka Volterra Elastic Cloud: A QoS aware Non Linear Dynamical Allocation Model
资源分配中的弹性仍然是云计算中的相关问题。有许多学术和白皮书已经调查了这个问题并提供了解决方案。\textbf{Unfortunately, there are scant evidence of determining scaling number dynamically.}弹性被定义为通过调配和取消调配云资源来适应不断变化的工作负载的能力。受种群动力学和数学生物学的启发，提出了一种新的云数据中心资源分配模型ALVEC，通过自动调整模型参数来解决动态分配问题。提出的模型，由一个耦合微分方程称为Lotka Volterra（LV），票价更好的服务水平协议（SLA）管理和服务质量（QoS）。在理论和实证比较中，我们显示了真正弹性的证据。此外，ALVEC能够预测未来的负载并相应地分配VM。ALVEC模型是第一个无监督资源分配方案。
A Graph Neural Networks based Framework for Topology-Aware Proactive SLA Management in a Latency Critical NFV Application Use-case
Walton Institute for Information and Communication Systems Science, South East Technological University（东南理工大学沃尔顿信息与通信系统科学研究所）；South East Technological University（东南理工大学）
A Cloud Infrastructure Service Recommendation System for Optimizing Real-time QoS Provisioning Constraints
云计算的普及已经彻底改变了基于互联网的应用服务的托管和交付。然而，随着几乎每个月都有大型云计算公司（例如，Amazon Web Service、Microsoft Azure）和小公司（例如Rackspace、Ninefold），决策者（例如应用程序开发人员、CIO）可能会被可用的选择所淹没。由于异构的服务配置和应用程序供应服务质量（QoS）的约束，决策问题进一步复杂化。为了应对这一严峻挑战，在我们以前的工作中，我们开发了一种半自动化的、可扩展的、基于本体的方法，用于仅基于设计时约束（例如，租赁成本、中心位置、服务特色等）。在本文中，我们扩展我们的方法，包括实时的【形】（运行时）的QoS（端到端的消息延迟，端到端的消息吞吐量）的决策过程。在线交互式游戏、大规模传感器分析和云服务上的实时的【形】移动应用领域中的下一代应用的托管需要优化这种实时的【形】QoS约束以满足服务水平协议（SLA）。为此，我们提出了一个实时的【形】的QoS感知的多标准决策技术，建立在众所周知的层次分析法（AHP）的方法。所提出的技术适用于选择基础设施即服务（IaaS）云产品，并且它允许用户定义多个设计时和实时的【形】QoS约束或要求。然后将这些需求与我们的知识库进行匹配，以计算IaaS层云服务的可能最佳组合。我们进行了大量的实验，以证明我们的方法的可行性。
Auto-scaling Approaches for Microservice Applications: A Survey and Taxonomy
Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）；University of Chinese Academy of Sciences（中国科学院大学）；Tianjin University（天津大学）；Quantum Cloud Computing and Distributed Systems (qCLOUDS) Laboratory, School of Computing and Information Systems, the University of Melbourne（墨尔本大学计算与信息系量子云计算与分布式系统（qCLOUDS）实验室）；State Key Lab of IOTSC, University of Macau（澳门大学物联网智慧应用国家重点实验室）
