Densifying the sparse cloud SimSaaS: The need of a synergy among agent-directed simulation, SimSaaS and HLA
建模与仿真(M&S)广泛用于实际场景,其中进行物理修改可能非常昂贵。通过所谓的仿真软件即服务(SimSaaS),研究人员可以利用云计算提供的大量资源。即便如此,通过模拟研究和分析问题可能需要几种模拟工具,从而产生互操作性问题。考虑到这一点,IEEE开发了一个标准,用于仿真器之间的互操作性,称为高层体系结构(HLA)。此外,多智能体系统方法已成为公认的建模和模拟复杂系统的一种方便的方法。尽管最近开展了各种工作,并接受了这些技术,但在它们之间的协同作用方面仍然非常缺乏工作。本文通过文献综述显示了这种缺乏工作的情况,或者换句话说,稀疏的云SimSaaS。本文的主要贡献是文献综述和由此产生的分类,因为它们提供了一个研究议程,说明未来的研究机会和趋势。
2016-01-29 cs.DC cs.MA
A Multi-Server Information-Sharing Environment for Cross-Party Collaboration on A Private Cloud
本文针对BIM跨方协作中数据所有权与隐私问题,提出私有云多服务器信息共享方法,通过全局控制器跟踪数据位置与权限,并结合子模型提取与集成机制,在保障数据控制权的同时实现跨方共享与协作。
2024-11-15 cs.CR cs.DC
Comparative Review of Cloud Computing Platforms for Data Science Workflows
凭借云计算在平台即服务、软件即服务和基础设施即服务方面提供的优势,数据工程师和数据科学家能够利用云计算满足其ETL/ELT(提取、转换和加载)和ML(机器学习)需求和部署。用于数据科学工作流程的云计算平台比较审查的拟议框架使用了层次分析法、Saaty的绝对数字基本尺度和相关评价标准的选择(即:自动化、错误处理、容错、性能质量、单元测试、数据加密、监控、基于角色的访问、安全性、可用性、易用性,集成和互操作性)。该框架使用户能够评估与用于数据科学工作流的云平台有关的标准,并且还能够基于上述标准的相对重要性推荐哪个云平台适合用户。对标准的评估是一致的,因此根据云服务提供商或云平台选择的目标对标准进行加权是明智的。拟议的框架足够强大,可以适应标准和替代方案的变化,这取决于用户云平台的要求和云平台选择的范围。
2022-08-30 cs.DC
Application of Ontologies in Cloud Computing: The State-Of-The-Art
本文系统地回顾了本体论在云计算不同领域中的应用研究。我们的假设是,本体及其推理能力可以对改善云计算现象的各个方面产生重大影响。本体可以促进各种基于云的服务的智能决策支持机制。它们还可以在基于云的系统和资源之间提供有效的互操作性。本调查可以促进对本体在整个云计算领域中的作用和意义的全面理解。此外,这个项目可以潜在地形成新的研究领域和本体和云计算社区的可能性的基础。
2016-10-06 cs.AI cs.DC
Hybrid Cloud Architectures for Research Computing: Applications and Use Cases
Bielefeld University(比勒费尔德大学);University of Basel(巴塞尔大学);Swiss Institute of Bioinformatics(瑞士生物信息学研究所);Forschungszentrum Jülich GmbH(于利希研究中心有限公司);EMBL-EBI(欧洲分子生物学实验室欧洲生物信息学研究所);Masaryk University(马萨里克大学)
本文探讨了混合云架构在科研计算中的应用,分析了网格和云平台及工作流管理工具,并提出了促进混合云采用的路线图,强调治理框架和技术解决方案。
2026-01-07 cs.DC
HTN Planning Domain for Deployment of Cloud Applications
Institute for Architecture of Application Systems(应用系统架构研究所);University of Stuttgart(斯图加特大学)
云提供商在配置准备部署在其基础设施上的软件应用程序时面临着一个复杂的问题。分层任务网络规划可以为解决此类部署问题提供有效的手段。我们提出了一个HTN规划域模型部署问题,发现在现实的云环境。
2021-05-28 cs.AI cs.DC
SNC: A Cloud Service Platform for Symbolic-Numeric Computation using Just-In-Time Compilation
云服务在IT产业和科学研究中得到了广泛的应用。通过使用云服务,用户可以将计算任务和数据从本地计算机转移到远程数据中心。通过在轻量级和移动设备上访问基于互联网的服务,用户可以在功能强大的机器上部署多样化的云应用程序。科学计算领域实现这一范例的关键驱动因素包括大量的计算能力、按需提供和跨平台互操作性。然而,为了充分利用云服务进行科学计算,我们需要设计一个特定于应用程序的平台,以帮助用户有效地迁移他们的应用程序。在此,我们提出了一个云服务平台的符号-数值计算- SNC。SNC允许云用户通过C/C++、Python、Java API和SNC脚本将任务描述为符号表达式。通过使用LLVM/JVM的即时(JIT)编译用于将用户代码编译为机器码。我们实施了SNC设计,并在几个流行的云平台(包括Google Compute Engine,Amazon EC2,Microsoft Azure,Rackspace,HP Helion和VMWare vCloud)上测试了广泛的符号-数值计算应用程序(包括非线性最小化,Monte Carlo积分,有限元装配和多体动力学)。这些结果表明,我们的方法可以在多个云平台上工作,支持不同的语言,并显着提高使用云平台的符号-数值计算的性能。这为在科学研究领域使用云计算进行符号-数值计算提供了一种方法。
2018-02-09 cs.DC
A Taxonomy and Future Directions for Sustainable Cloud Computing: 360 Degree View
云计算范例通过互联网提供按需服务并支持各种各样的应用。随着最近基于物联网(IoT)的应用的增长,云服务的使用呈指数级增长。下一代云计算必须是节能和可持续的,以满足不断变化的最终用户需求。目前,云计算提供商面临着确保其服务的能源效率和可持续性的挑战。大量云计算中心的使用增加了成本和碳足迹,这进一步影响了云服务的可持续性。在本文中,我们提出了一个全面的分类可持续的云计算。分类法是用来调查现有的技术,可持续发展,需要仔细的关注和调查所提出的几个学术和工业团体。此外,目前对可持续云计算的研究分为几个类别:应用程序设计,可持续性指标,容量规划,能源管理,虚拟化,热感知调度,冷却管理,可再生能源和废热利用。对现有技术进行了比较,并根据共同的特点和性质进行了分类。提出了可持续云计算的概念模型,并讨论了未来的研究方向。
2018-07-09 cs.DC
Semantics of Data Mining Services in Cloud Computing
近年来,随着云计算的兴起,许多在云中提供服务的公司正在为其目录授权一系列新的服务,例如数据采掘和数据处理,以利用他们可用的大量计算资源。为了全面解决云计算中的服务描述问题,提出了不同的服务定义方案。请记住,每个提供商都有自己的服务逻辑定义,特别是数据采掘服务,应该指出的是,为了保持这种类型的云计算服务的可用性和可移植性,在提供商之间以灵活的方式描述服务的可能性是基本的。使用语义技术的基础上提供的建议,由关联数据的服务定义,允许设计和建模的数据采掘服务,实现高度的互操作性。在这篇文章中,数据挖掘服务的定义在云计算的模式,考虑到所有关键方面的服务,如价格,接口,软件级别协议,实例或数据采掘工作流,等等。新的模式基于关联数据,它重用了其他模式,从而获得了更好、更完整的服务定义。为了验证该方案的完整性,已经创建了一系列数据采掘服务,其中一组算法,如随机森林或K-Means被建模为服务。此外,还生成了一个数据集,其中包括几个实际的云计算数据采掘提供商的服务定义,证实了该模式的有效性。
2019-01-14 cs.DC
Achieving Energy Efficiency in Cloud Brokering
云提供商的激增给公共云市场带来了巨大的互操作性复杂性,其中云代理一直扮演着重要角色。然而,公共云的能源相关问题尚未在文献中得到很好的解决。在本文中,我们声称代理也处于一个完美的位置,可以采取必要的行动来实现公共云系统的能源效率,特别是通过作业分配和调度。我们用一个混合整数规划来描述这个问题,并证明了它的NP-困难性。在分析问题复杂性的基础上,通过引入作业接纳控制来简化问题。在此基础上,将作业的最优分配问题转化为通过在数据传输和作业执行两个耦合阶段进行调度来提高作业接纳率的问题。这两个调度阶段进一步解耦,我们开发了有效的调度算法,为他们每个人。实验结果表明,即使在大规模的公有云系统中,该方案也能显著降低能耗,提高接纳率。
2016-04-11 cs.DC cs.NI
Market-Oriented Cloud Computing and the Cloudbus Toolkit
云计算已经深入到信息技术行业,足以影响各大公司将其纳入主流业务。使用虚拟化技术来实现云结构即服务(IaaS)的强大推动力已经导致企业利用公共云的面向订阅的计算能力来托管其应用服务。与此同时,学术界的研究一直在调查横向方面,如安全性,软件框架,服务质量和标准化。我们相信,云计算愿景的完全实现将导致引入一个虚拟市场,在这个市场中,云经纪人代表最终用户负责选择和组合不同云供应商所宣传的服务。为了实现这一目标,必须从市场导向的角度重新设计和扩展现有的解决方案和技术,并将其集成在一起,从而产生我们所说的市场导向的云计算。在本文中,我们将通过提供一个参考模型来评估云计算的现状,讨论研究人员和IT从业者所面临的挑战,并将在不久的将来遇到,并提出解决这些问题的方法,从Cloudbus工具包的角度来看,它包括一套面向实现市场导向的云计算愿景的技术。我们提供了实验结果,展示了面向市场的资源配置和代理云内和跨多个分布式资源。我们还包括一个应用程序,说明如何将ECG分析托管为Amazon IaaS(EC2和S3)服务上的SaaS。
2012-03-23 cs.DC
Empowering the Quantum Cloud User with QRIO
本文提出基于 Kubernetes 的开源量子云资源管理器 QRIO,旨在通过优化资源利用与确保公平访问,解决量子设备访问受限与管理低效问题。
2024-07-26 cs.DC
A Stochastic Programming Approach for Risk Management in Mobile Cloud Computing
移动云计算的发展给移动用户以及云服务提供商带来了诸多好处。然而,移动云计算正面临着一些挑战,特别是安全相关的问题,由于越来越多的网络攻击,这可能会造成严重的损失。在本文中,我们提出了一个动态的框架以及先进的风险管理策略,以最大限度地减少网络攻击对云服务提供商造成的损失。特别地,该框架允许云服务提供商选择适当的安全解决方案,例如,安全软件/硬件实施和保险政策,以应对不同类型的攻击。此外,采用随机规划方法,以最小化云服务提供商在其财务能力和攻击及其潜在损失的不确定性的预期总损失。通过数值评估,我们表明,我们的方法是一种有效的工具,不仅可以处理不确定性下的网络攻击,而且可以最大限度地减少云服务提供商的总损失。
2017-12-16 cs.CR cs.DC
JALAD: Joint Accuracy- and Latency-Aware Deep Structure Decoupling for Edge-Cloud Execution
近年来,基于深度网络的服务和应用快速增长。因此,出现了一个实际和关键的问题:如何有效地部署深度神经网络模型,使它们可以有效地执行。传统的基于云的方法通常在数据中心服务器中运行深度模型,这会导致很大的延迟,因为大量的数据必须从网络边缘传输到数据中心。在本文中,我们提出了JALAD,一个联合精度和延迟感知的执行框架,它集成了一个深度神经网络,使得它的一部分将在边缘设备上运行,另一部分将在传统云中运行,而它们之间只需要传输最少量的数据。虽然这个想法看起来很简单,但我们面临的挑战包括:i)如何找到深层结构的最佳分区; ii)如何在计算能力有限的边缘设备上部署组件; iii)如何最大限度地减少整体执行延迟。我们对这些问题的答案是JALAD中的一组策略,包括1)基于归一化的层内数据压缩策略,通过联合考虑压缩率和模型精度; 2)延迟感知的深度解耦策略,以最大限度地减少整体执行延迟;以及3)边缘云结构自适应策略,针对不同的网络条件动态改变解耦。实验表明,我们的解决方案可以显着减少执行延迟:它加快了整体推理执行,保证模型精度损失。
2018-12-25 cs.DC
Collaborative Resource Management and Workloads Scheduling in Cloud-Assisted Mobile Edge Computing across Timescales
针对边缘资源受限下的物联网服务托管与任务调度问题,提出跨时间尺度的RMWS框架,结合Gibbs采样、交替最小化和次梯度下降算法联合优化服务放置、资源供应与工作负载调度,实现至少10%的性能提升。
2024-05-31 cs.DC
Cyberattack Detection in Mobile Cloud Computing: A Deep Learning Approach
Hanoi University of Science and Technology(河内科技大学);Nanyang Technological University(南洋理工大学);University of Technology Sydney(悉尼科技大学)
随着移动应用和云计算的快速增长,移动云计算引起了学术界和工业界的极大兴趣。然而,移动云应用面临着数据完整性、用户机密性和服务可用性等安全问题。针对此类问题的预防方法是在网络威胁对移动云计算系统造成严重影响之前检测并隔离网络威胁。在本文中,我们提出了一种新的框架,利用深度学习方法来检测移动云环境中的网络攻击。通过实验结果,我们表明,我们提出的框架不仅可以识别不同的网络攻击,而且在检测攻击时达到了很高的准确率(高达97.11%)。此外,我们提出了与当前的机器学习为基础的方法的比较,以证明我们提出的解决方案的有效性。
2017-12-16 cs.CR cs.DC cs.LG
Application of cloud computing platform in industrial big data processing
本文研究云计算在工业大数据处理中的应用,分析其原理、工业大数据需求及在多场景的应用效果,探讨落地挑战并提出对策,展望融合趋势与新兴技术前景,为产业应用与学术研究提供支撑。
2024-05-23 cs.DB cs.DC
MOMCC: Market-Oriented Architecture for Mobile Cloud Computing Based on Service Oriented Architecture
利用云计算来增强移动设备(尤其是智能手机)的计算能力的愿景很可能转变为现实。移动设备对云计算的利用催生了一个新的研究领域--移动云计算(MCC)。然而,像可移植性和互操作性的问题应该得到解决的移动增强,这是一个不平凡的任务,使用基于组件的方法。面向服务的架构(SOA)是一种很有前途的设计理念,被移动计算和云计算社区所接受,以使用称为服务的预制构建块来刺激可移植的复杂应用程序。利用远程云资源托管和运行服务受到长WAN延迟的阻碍。利用附近的移动设备会延长WAN延迟,同时会产生一系列新问题,如服务发布和发现以及客户端-服务器安全性、可靠性和服务可用性。在本文中,我们提出了一个面向市场的架构,基于SOA,以刺激发布,发现和托管服务附近的移动,这减少了长WAN延迟,并创造了一个商业机会,鼓励移动业主拥抱服务托管。一组手机模拟附近的云计算平台。我们通过使不熟练的移动所有者/用户能够托管由熟练的开发人员开发的服务来创建\textit{Service host}的新角色。显然,服务可用性、可靠性和面向服务的移动应用程序可移植性将在我们的移动云基础设施中朝着绿色普适计算的方向提高。
2012-06-27 cs.DC cs.NI cs.SE
AI Factories: It's time to rethink the Cloud-HPC divide
ETH(苏黎世联邦理工学院);IBM Research(IBM研究院)
本文主张在超级计算机中采用HPC与云原生技术的双栈方法,以弥合高性能计算与云计算的鸿沟,兼顾高性能与易用性,从而更好地支持主权AI基础设施。
2025-09-16 cs.AI cs.DC
Taming Hybrid-Cloud Fast and Scalable Graph Analytics at Twitter
近年来,我们见证了Twitter对图形分析的需求激增,图形分析已成为Twitter大规模数据分析和机器学习的关键部分之一,用于推动参与度,提供最相关的内容,并促进更健康的对话。然而,图形分析的基础设施历来不是Twitter的投资领域,导致每个项目都需要很长的时间轴和巨大的工程工作来处理Twitter规模的图形。我们如何构建统一的图分析用户体验,以实现从数千到数千亿个顶点和边的各种图规模的现代数据分析?为了将快速和可扩展的图形分析能力带入生产,我们调查了Twitter在大规模图形分析方面面临的挑战,并提出了一个统一的图形分析平台,用于跨内部部署和云进行高效,可扩展和可靠的图形分析,以满足不同图形用例和具有挑战性的规模的要求。我们还对Twitter的生产级图用例在流行的图分析框架之间进行定量基准测试,以证明我们的解决方案。
2022-08-25 cs.DB cs.DC
Performance vs Portability in Heterogeneous HPC Environments: Why Pre-execution Benchmarking is Required
Institute of Chemical Physics, Faculty of Physics, Vilnius University(维尔纽斯大学物理学院化学物理研究所)
本研究对比了容器化与系统直接执行量子化学软件的性能,发现编译、启动开销和配置影响性能,强调需针对工作负载进行预执行基准测试和用户级监控。
2026-09-29 cs.DC physics.comp-ph
Funky: Cloud-Native FPGA Virtualization and Orchestration
Technical University of Munich(慕尼黑工业大学)
针对云原生环境中FPGA缺乏虚拟化、隔离和编排的问题,本文提出Funky全栈FPGA感知编排引擎,通过虚拟化、状态管理和CRI/OCI组件实现高性能与容错,评估显示仅7.4%开销且镜像小28.7倍。
2025-10-17 cs.DC cs.OS
Combining edge and cloud computing for mobility analytics
使用从移动物联网(IoMT)生成的数据进行移动性分析面临着许多挑战,从摄取来自大量雾节点和IoMT设备的数据流,到避免无用的大量数据流溢出云,这些数据流可能会引发瓶颈[1]。管理数据流正在成为IoMT的重要组成部分,因为它将决定未来应该在哪个平台上运行分析任务。数据流通常是具有高数据输入速率的乱序元组序列,并且移动性分析需要从边缘到云的双向实时数据流,反之亦然。在将数据流拉到云之前,除了识别到达时间无序的元组之外,还需要边缘数据流处理来检测丢失、损坏和重复的元组。数据过滤、数据清理和低级数据上下文化等分析任务可以在网络边缘执行。相比之下,更复杂的分析任务(如图形处理)可以部署在云中,并且ad-hoc查询和流式图形分析的结果可以根据用户应用程序的需要推送到边缘。图表是移动分析中使用的有效表示,因为它们统一了有关移动事物之间的连接,邻近和交互的知识。这张海报描述了我们为支持交通系统而开发的实验原型的初步结果,其中边缘和云计算相结合,处理从雾节点转发到云中的交通数据流。本研究的动机是了解如何通过结合云计算和雾计算架构对交通馈送执行有意义的移动性分析,以改善车队管理、公共交通和远程资产监控
2017-06-20 cs.CY cs.DC cs.NI
A Demonstration of Smart Doorbell Design Using Federated Deep Learning
Pandit Deendayal Petroleum University(潘迪特·丁代亚尔石油大学);NUI Galway(爱尔兰国立高威大学)
智能门铃在保护我们的现代家居方面发挥着重要作用。将视频流发送到集中式服务器(或云)以进行视频分析的现有方法一直面临许多挑战,诸如延迟、带宽成本以及更重要的用户隐私问题。为了应对这些挑战,本文展示了基于联合深度学习的智能智能门铃的能力,它可以跨边缘和云资源部署和管理视频分析应用程序,例如智能门铃。该平台可以扩展,与多个设备一起工作,无缝管理应用程序组件的在线编排。所提出的框架是使用最先进的技术实现的。我们使用Flask框架实现Federated Server,使用Nginx和Gunicorn进行容器化,部署在AWS EC2和AWS Serverless架构上。
2020-10-19 cs.AI cs.DC cs.LG