A Cloud Computing Survey: Developments and Future Trends in Infrastructure as a Service Computing
云计算是一种基于通过互联网上的服务模型交付资源的概念的最新范例。尽管云计算是一种新的计算范式，但它的起源要归功于许多以前的范式。云计算这个术语已经有了很好的定义，不再需要严格的分类来提供定义。相反，这份调查报告考虑了云计算的过去、现在和未来。作为先前范例的演进，我们考虑云计算的前身以及它们对云服务的意义。此外，我们还研究了构成云计算的技术，以及这些技术的挑战和未来发展将如何影响该领域。最后，我们研究了限制云计算的增长、应用和发展的挑战，并提出了克服这些挑战所需的方向，以进一步推动云计算的成功。
2013-06-06 cs.DC
An economic perspective on major cloud computing providers
云计算可以定义为通过网络外包/租用资源。它被认为是一种基本的公用事业，类似于电力，水，电话和污水处理设施。多年来，出现了许多提供商，它们为云计算提供基本和高级形式的服务。然而，这些供应商使用自己的术语来营销他们的规格和他们提供的服务范围。这使得普通用户很难根据他们的需求选择平台。本文从经济角度对不同的云服务提供商进行了比较。它对提供商为不同场景提供的服务进行成本分析。在此基础上，本文得出了一些结论，并提出了进一步研究的方向。
2018-09-17 cs.DC cs.NI
An Overview on the Landscape of Self-Adaptive Cloud Design and Operation Patterns: Goals, Strategies, Tooling, Evaluation, and Dataset Perspectives
本文系统综述近八年111篇自适应云设计与运维模式研究，从目标、策略、工具、验证与数据集等维度梳理现状，并提出面向SaaS应用智能体的联邦学习蓝图。
2025-09-26 cs.DC
Cloud-Native Computing: A Survey from the Perspective of Services
本文从服务视角综述云原生应用生命周期，将其解耦为构建、编排、运行和维护四个状态，总结关键性能指标与现有工作局限，并提出未来研究方向。
2023-06-26 cs.DC cs.SE
Big Data Computing and Clouds: Trends and Future Directions
本文讨论了在大数据应用程序的云上执行分析的方法和环境。它围绕着分析和大数据的四个重要领域，即（i）数据管理和支持架构;（ii）模型开发和评分;（iii）可视化和用户交互;以及（iv）商业模式。通过详细的调查，我们确定了技术上可能存在的差距，并就云支持的大数据计算和分析解决方案的未来方向为研究社区提供了建议。
2014-08-22 cs.DC
Usage of Cloud Computing Simulators and Future Systems For Computational Research
云计算是一种基于互联网的计算，其中共享资源、软件和信息按需提供给计算机和设备，如电网。目前，IaaS（基础设施即服务）、PaaS（平台即服务）和SaaS（软件即服务）被用作云计算的商业模式。如今，云计算的采用和部署正在各个领域中增加，迫使研究人员在全球范围内进行云计算领域的研究。发展中国家的科研人员要评价科研成果，就必须营造良好的科研环境。目前，建模、仿真技术和对各高校数据中心资源的访问已经成为云计算研究的有力工具。多所大学专门开发了几个云模拟器来进行云计算研究，包括CloudSim、SPECI、Green Cloud和Future Systems（印第安纳大学的机器India、Bravo、Delta、Echo和Foxtrot），支持前沿数据科学研究和广泛的计算教育，以及云和HPC系统的集成。本文对现有的云计算模拟器和未来系统的特点、适用性、适应性和学习曲线进行了回顾和分析。
2016-04-30 cs.DC
Resource Management in Cloud Computing: Classification and Taxonomy
云计算是远程计算/基于Internet的计算的新时代，人们可以通过Internet从任何计算机轻松访问他们的个人资源。云将计算作为一种实用程序提供，因为它可按需提供给云消费者。它是一种简单的按使用付费的消费者-提供者服务模型。它包含大量的共享资源。因此，资源管理始终是云计算中的一个主要问题，就像任何其他计算范式一样。由于有限资源的可用性，云提供商提供所有请求的资源是非常具有挑战性的。从云提供商的角度来看，云资源必须以公平和有效的方式分配。从资源管理作为云计算中的一个过程的角度来看，研究调查是不可用的。因此，本文提供了一个详细的顺序视图/步骤的资源管理在云计算。本文首先对云计算中的各种资源进行了分类。并对云计算中的资源管理进行了分类，为进一步研究提供了依据。最后对各种资源管理算法进行了比较。
2017-02-24 cs.DC
On the Future of Cloud Engineering
自从2006年云的商业产品开始出现以来，随着许多不同类型的服务产品、开发人员生产力增强工具和新的应用程序类别的出现，以及云功能更接近边缘用户的表现，云计算的格局一直在经历显著的变化。然而，效用计算的概念在其发展过程中一直保持不变，这意味着云用户总是寻求节省租赁云资源的成本，同时最大限度地利用云资源。另一方面，云提供商试图最大化他们的利润，同时确保云托管应用程序的服务级别目标并保持低运营成本。所有这些成果都需要系统和健全的云工程原则。本文的目的是强调云工程的重要性，调查云工程及其演变的最佳实践的景观，讨论许多现有的云工程进展，并确定固有的技术挑战和研究机会，为未来的云计算一般和云工程，特别是。
2021-08-19 cs.DC
Validation, Verification, and Testing (VVT) of future RISC-V powered cloud infrastructures: the Vitamin-V Horizon Europe Project perspective
本文介绍Horizon Europe资助的Vitamin-V项目，该项目为RISC-V打造性能对标x86的云开源软件栈与支持云所需ISA扩展的虚拟环境，开发软件可信性VVT新方法，重点阐述其云应用VVT的规划与硬件支持愿景。
2023-05-03 cs.DC
SLA Violation Prediction In Cloud Computing: A Machine Learning Perspective
Université de Montréal（蒙特利尔大学）
服务水平协议（SLA）是云系统的重要组成部分，以确保为客户提供最大的服务可用性。如果违反SLA，供应商必须支付罚款。在本文中，我们探讨了两个机器学习模型：朴素贝叶斯和随机森林分类器来预测SLA违规。由于SLA违规在现实世界中是罕见的事件（约0.2%），因此分类任务变得更具挑战性。为了克服这些挑战，我们使用了几种重采样方法。我们发现，随机森林与SMOTE-ENN重采样有最好的性能与其他方法的准确率为99.88%，F_1得分为0.9980。
2016-11-30 cs.DC cs.LG
Cloud based Big Data Analytics: A Survey of Current Research and Future Directions
数字时代的到来导致了不同类型的数据与日俱增。事实上，预计到2016年，总数据的一半将在云上。这些数据很复杂，需要存储、处理和分析，以获得可供组织使用的信息。云计算为大数据分析提供了一个合适的平台，以满足后者的存储和计算需求。这使得基于云的分析成为一个可行的研究领域。然而，在实际应用这种协同模式之前，有几个问题需要解决，风险需要减轻。本文探讨了该领域的现有研究、面临的挑战、存在的问题和未来的研究方向。
2015-08-18 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
Carbon-aware Resource Management for Latency-Sensitive Cloud Computing Environments: A Taxonomy and Future Directions
University of Melbourne（墨尔本大学）；University of Amsterdam（阿姆斯特丹大学）
本文针对延迟敏感型云计算环境的碳感知资源管理问题，对相关最新文献进行分类分析，指出现有研究差距并提出未来研究方向，助力平衡延迟约束与碳减排目标。
2026-10-22 cs.DC
Sustainable Cloud Computing: Foundations and Future Directions
微软、谷歌、Facebook和亚马逊等主要云计算提供商严重依赖云计算中心来支持对其计算和应用服务不断增长的需求。然而，运行这种大型基础设施的财务和碳足迹相关成本对云服务的可持续性产生了负面影响。大多数现有的努力主要集中在最小化服务器的能耗。在本文中，我们设计了一个概念模型和实用的设计指南，用于全面管理所有资源（包括服务器，网络，存储，冷却系统），以提高能源效率并减少云数据中心（CDC）的碳足迹。此外，我们讨论了能源和可持续云计算的可靠性之间的相互交织的关系，我们强调相关的研究问题。最后，我们提出了该领域未来的研究方向，并为进一步的实际发展奠定了基础。
2018-05-02 cs.DC
Workflow-Based Big Data Analytics in The Cloud Environment Present Research Status and Future Prospects
工作流是一个常用术语，用于描述需要执行以解决问题的任务的系统分解。这一概念在科学和商业应用中得到了最好的利用，以精简和改善旨在实现成果的基本进程的业绩。大数据分析问题的日益复杂性促使人们使用科学工作流来执行特定领域应用程序的复杂任务。这项研究调查了基于工作流的大数据分析在云环境中的有效性，对该领域已经进行的研究以及该领域未来可能的研究方向提供了见解。
2017-11-04 cs.DC
Big Data Analytics-Enhanced Cloud Computing: Challenges, Architectural Elements, and Future Directions
云计算的出现使得弹性容量的动态配置成为可能。云数据中心包含数千台物理服务器，托管数量级更多的虚拟机，这些虚拟机可以按需分配给按需付费的用户。然而，并非所有系统都能够通过添加更多虚拟机来扩展。因此，即使对于可扩展的系统，也必须提前规划工作负载，而不是使用纯粹的反应式方法。考虑到生成实时的监控信息的现代云基础设施的规模，以及操作系统和应用程序生成的所有信息，这些数据带来了大数据方法所解决的数量、速度和多样性问题。在本文中，我们研究如何利用大数据分析有助于增强云计算环境的操作。我们讨论了大数据分析在云中的各种应用，通过大数据分析增强云操作的开放问题，以及云异常检测和预防的架构以及未来的研究方向。
2015-10-22 cs.DC
Scheduling in distributed systems: A cloud computing perspective
调度本质上是一个决策过程，它通过确定活动在可用资源集上的执行顺序来实现多个活动之间的资源共享。分布式系统的出现给计算机系统的调度带来了新的挑战，包括集群、网格和最近的云。另一方面，过多的研究，使它很难为新人的研究人员理解不同的调度问题和文献中提出的策略之间的关系，这阻碍了新的和相关的研究途径的识别。在本文中，我们介绍了分布式系统中的调度问题的分类，提出了一个分类法，结合最近的发展，特别是那些在云计算。我们回顾了调度文献，以证实分类和分析的兴趣，在不同的分支提出的分类。最后，我们确定相关的未来方向，在分布式系统的调度。
2019-01-10 cs.DC cs.DS
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
Software-Defined Multi-Cloud Computing: A Vision, Architectural Elements, and Future Directions
云计算在过去十年中已经出现，以实现基于实用程序的计算资源管理，而无需购买硬件设备。云提供商在不同的位置运行多个数据中心，以管理和为客户提供云资源。最近，软件定义网络（SDN）和网络功能虚拟化（NFV）的引入在云中打开了更多的机会，这使得能够在云数据中心中动态和自主地配置和供应资源。本文提出了可编程网络云的架构框架和原则，托管SDN和NFV的地理分布的多云计算环境。成本和SLA感知的资源配置和调度，最大限度地减少运营成本，而不违反协商的SLA的调查和讨论的技术自主和及时的VNF组成，部署和管理跨多个云。我们还讨论了使用分析和监控技术创建用于VNF性能优化的自动扩展解决方案的开放挑战和方向，用于可扩展流量和部署管理的SDN控制器算法。仿真平台和概念验证原型的初步评估结果。
2018-05-28 cs.DC
CloudSim 7G: An Integrated Toolkit for Modeling and Simulation of Future Generation Cloud Computing Environments
本文提出CloudSim 7G，通过重构架构和标准化接口，减少代码量并提升性能（内存分配减少25%），以支持下一代云计算环境的多扩展集成仿真。
2025-01-20 cs.DC
Implementation of the open source virtualization technologies in cloud computing
虚拟化和云计算是数字世界中最近的流行语。云计算按需向用户提供IT即服务。该服务采用效用计算模型，具有更高的灵活性、可用性、可靠性和可扩展性。这一新的计算概念具有巨大的潜力，可用于电子政务领域和孟加拉国等发展中国家的整体信息技术发展前景。
2016-05-11 cs.DC
Predictive Autoscaling in Cloud-Native and Federated Cloud-Edge Computing Environments: A Taxonomy and Future Directions
The University of Melbourne（墨尔本大学）；Banaras Hindu University（贝拿勒斯印度教大学）
本文系统综述了云原生与联邦云边环境中的预测性自动缩放技术，提出了基于触发器、目标、预测模型和评估指标的分类法，并探讨了CRD、MAPE控制环及联邦学习等机制，最后指出了未来研究方向。
2026-06-05 cs.DC
Overbook in Advance, Trade in Future: Computing Resource Provisioning in Hybrid Device-Edge-Cloud Networks
分布式物联网（IoT）系统中的大数据处理需要创新的计算架构和资源配置技术来支持实时和经济高效的计算服务。本文介绍了一种新的超额预订促进的远期交易机制，称为提前超额预订，未来交易（OATF），其中计算资源可以在具有不确定性（例如，“没有节目”）。更重要的是，OATF鼓励可行的超额预订率，其允许边缘服务器向多个最终用户超额预订资源（例如，超过资源供应），同时从云服务器购买备份资源，通过分析历史统计数据（例如，网络、资源动态）。这种机制可以大大提高时间效率和资源利用率由于超额预订和预先签署的远期合同。本文对超售率设计和风险管理等关键问题进行了深入研究，并给出了一个有趣的案例分析。综合模拟表明，与传统交易方法相比，OATF为不同方（云、边缘和最终用户）实现了互利的效用，以及大量的资源使用和值得称赞的时间效率。
2022-08-25 cs.DC
A Survey on Scheduling Techniques in the Edge Cloud: Issues, Challenges and Future Directions
本文综述边缘云中的调度技术，分类启发式与元启发式算法，评估其优劣、QoS与容错性，并指出问题、挑战及未来方向。
2025-10-18 cs.DC
Resource Management for GPT-based Model Deployed on Clouds: Challenges, Solutions, and Future Directions
本文针对云端部署 GPT 类大模型带来的资源管理挑战，分析其独特特征并提出资源管理框架、调度算法及未来研究方向。
2023-08-05 cs.DC
Transformative effects of IoT, Blockchain and Artificial Intelligence on cloud computing: Evolution, vision, trends and open challenges
云计算在现代社会中发挥着至关重要的作用，并支持从基础设施到社交媒体的一系列应用。此类系统必须应对变化的负载和不断变化的使用，反映社会对自动计算系统的交互和依赖，同时满足服务质量（QoS）保证。使这些系统成为可能的是一组概念性技术，它们被综合起来以满足不断发展的计算应用的需求。为了了解这种系统当前和未来的挑战，有必要确定实现未来应用的关键技术。在这项研究中，我们的目标是探索三个新兴的范式（区块链，物联网和人工智能）将如何影响未来的云计算系统。此外，我们确定了几种驱动这些模式的技术，并邀请国际专家讨论云计算的现状和未来方向。最后，我们提出了一个云未来学的概念模型，以探讨新兴的范式和技术对云计算的演变的影响。
2019-10-21 cs.DC
The Cloud's Cloudy Moment: A Systematic Survey of Public Cloud Service Outage
服务可用性不足是采用云计算时的首要问题。人们认识到，大规模互联网服务不可能实现零停机时间。然而，通过从以前和其他人的错误中学习，云供应商可以最大限度地减少未来停机的风险，或者至少保持停机时间较短。为了便于云提供商总结经验教训，我们对公共云服务中断事件进行了系统调查。本文报告了这次调查的结果。除了一组调查结果，我们的工作通过对中断根本原因进行分类，生成了一个经验教训框架。该框架可以反过来用于安排中断教训，供云提供商参考。通过纳入潜在的新根源，这一经验教训框架将在我们今后的工作中顺利扩大。
2013-12-23 cs.DC
A Comprehensive Vision on Cloud Computing Environment: Emerging Challenges and Future Research Directions
云计算已成为计算行业的支柱，并提供基于订阅的按需服务。通过虚拟化，产生在抽象硬件层中运行的计算机系统的虚拟实例，它使我们能够在许多用户之间共享资源。与早期的分布式计算模型相反，它通过其庞大的云计算中心保证了无限的计算资源，并且由于其不断扩展的基础设施，用户群和托管数据量，近年来它非常受欢迎。这些庞大而复杂的工作负载带来了许多问题，包括资源使用、功耗、可扩展性、运营费用、安全性等问题。在此背景下，本文全面概述了各种规模的组织中最普遍的共享和通信问题。讨论了安全分类、负载均衡以及在保护敏感数据时遇到的主要困难。需要对当前最先进的贡献、资源管理分析方法、负载均衡解决方案、授权物流和基于多目标学习的方法进行全面检查。在最后一节中，本文检查，审查，并建议未来的研究方向，在该地区的安全虚拟机安置。
2022-07-16 cs.DC
Reinforcement Learning based Workflow Scheduling in Cloud and Edge Computing Environments: A Taxonomy, Review and Future Directions
本文综述云与边缘环境中基于DRL的工作流调度，提出分类体系并评估现有研究优劣，指出多目标、维度灾难等挑战及未来方向。
2024-08-06 cs.DC
Workload Trace Generation for Dynamic Environments in Cloud Computing
云计算供应商在实际的云市场中提供数百万台虚拟机。在这种情况下，虚拟机放置（VMP）是云基础设施管理中最具挑战性的问题之一，考虑到大量可能的优化标准和可以研究的不同配方。考虑到云计算的按需模型，VMP问题应动态优化以有效地处理现代应用的典型工作负载。这项工作提出了几个动态的环境，解决VMP从供应商的角度来看，最相关的动态参数研究到目前为止，在VMP文献。在这项工作中提出了一套完整的环境和工作负载跟踪的例子。
2015-11-07 cs.DC
Quantum Cloud Computing: A Review, Open Problems, and Future Directions
本文对新兴的量子云计算领域展开综述，梳理了最新进展、相关模型平台与技术用例，探讨了资源管理等多方面问题，明确了开放问题并提出未来方向与潜在机遇。
2024-04-17 cs.DC cs.ET
Bridge the Present and Future: A Cross-Layer Matching Game in Dynamic Cloud-Aided Mobile Edge Networks
本文针对云辅助移动边缘网络中的跨层资源供给问题，提出融合期货与现货交易的混合匹配机制，通过OA-CLM和OS-CLM实现稳定、高效且满足多种经济性质的资源分配，并在仿真中验证其显著提升效率与社会福利。
2024-06-08 cs.DC
Deep Reinforcement Learning-based Methods for Resource Scheduling in Cloud Computing: A Review and Future Directions
本文综述了基于深度强化学习的云计算资源调度方法，回顾其应用并探讨挑战与未来方向，以提升服务质量、降低成本与能耗。
2024-11-21 cs.DC
IFCIoT: Integrated Fog Cloud IoT Architectural Paradigm for Future Internet of Things
我们提出了一种新的集成雾云物联网（IFCIoT）架构范例，承诺提高性能，能源效率，降低延迟，更快的响应时间，可扩展性，以及更好的本地化精度为未来的物联网应用。雾节点（例如，边缘服务器、智能路由器、基站）从各种IoT设备接收计算卸载请求和感测数据。为了提高应用程序的性能，能源效率和实时响应能力，我们提出了一个可重构和分层的雾节点（边缘服务器）架构，分析应用程序的特性和重新配置的架构资源，以更好地满足峰值工作负载的需求。提出的雾节点架构的层包括应用层、分析层、虚拟化层、重配置层和硬件层。分层架构促进雾计算范例的抽象和实现，雾计算范例在本质上是分布式的，并且其中多个供应商（例如，应用、服务、数据和内容提供方）。我们还详细阐述了IFCIoT架构的潜在应用，如智慧城市、智能交通系统、本地化天气地图和环境监测，以及实时农业数据分析和控制。
2017-01-30 cs.DC
A Manifesto for Future Generation Cloud Computing: Research Directions for the Next Decade
在过去的十年中，云计算范式彻底改变了计算机科学的视野，并使计算成为第五种实用工具。它引起了学术界、工业界和政府机构的极大关注。现在，它已经成为现代经济的支柱，通过提供基于订阅的服务，随时随地按现收现付模式。这促使（1）初创企业的建立时间更短，（2）创建可扩展的全球企业应用程序，（3）科学和高性能计算应用程序的成本-价值关联性更好，以及（4）普适和无处不在的应用程序的不同调用/执行模型。最近的技术发展和范例，如无服务器计算，软件定义网络，物联网和网络边缘处理正在为云计算创造新的机会。然而，它们也带来了一些新的挑战，并需要新的方法和研究策略，以及重新评估为解决可扩展性，弹性，可靠性，安全性，可持续性和应用模型等问题而开发的模型。拟议的宣言通过确定云计算中的主要开放挑战、新兴趋势和影响领域来解决这些问题。然后，它提供了未来十年的研究方向，从而有助于实现下一代云计算。
2018-08-24 cs.DC
Orchestration in the Cloud-to-Things Compute Continuum: Taxonomy, Survey and Future Directions
本文针对云到物计算连续体中的编排需求，提出详细分类法，批判性综述现有研究，并讨论关键挑战与概念框架。
2023-09-05 cs.DC
Cloud BI: Future of Business Intelligence in the Cloud
云计算由于其相对于自托管IT基础设施的明显优势，正逐渐在企业中流行起来。商业智能（BI）是一个高度资源密集型的系统，需要大规模的并行处理和大量的存储容量来托管数据仓库。在自托管环境中，人们担心BI最终将面临资源短缺的情况，因为公司不可能不断增加资源来托管数据仓库的无休止扩展和对底层网络的在线分析处理（OLAP）需求。云计算为商业智能的未来前景带来了新的希望。然而，BI将如何在云上实施，流量和需求概况将如何？这项研究试图回答这些关于将BI带到云端的关键问题。借助OPNET上的模拟演示了BI的云托管，该模拟包括一个云模型，其中多个OLAP应用程序服务器在托管关系数据库的服务器阵列上应用并行查询负载。仿真结果反映了云上数据库服务器真正的、可扩展的并行处理能够有效地处理云计算上的OLAP应用需求。因此，BI设计人员需要计划在大规模并行数据库服务器上运行的高度分区的数据库，其中每个服务器托管至少一个服务于OLAP需求的底层数据库分区。
2019-01-23 cs.DC cs.NI
Data science and Machine learning in the Clouds: A Perspective for the Future
TCS Research（塔塔咨询服务公司研究院）
随着科学领域范式转变的开始，数据驱动科学（所谓的第四科学范式）将成为研究和创新的驱动力。从医学到生物多样性，从天文学到地质学，所有这些术语都将在某种程度上受到这种范式转变的影响。在这种新模式下处理的大量数据将是未来的主要问题，并且在这些计算的所有方面（从存储到计算和其他服务）都强烈需要基于云的服务。另一个方面将是在这样一个科学范式中预测工作和任务的能耗和性能，这将改变人们看待计算的方式。数据科学已经严重影响或触发了机器学习、信号/图像/视频处理相关算法、人工智能、机器人技术、健康信息学、地理信息学以及更多感兴趣的领域的出现。因此，我们设想一个数据科学可以在现有的基于云的平台和服务的帮助下实现其承诺的时代，并增加新的服务。在这篇文章中，我们讨论了数据驱动科学和机器学习，以及它们在未来如何通过基于云的服务联系起来。它还讨论了近似计算，量子计算等范例的兴起，以及它们在云环境中的大数据处理，数据科学，分析，预测和机器学习中的适用性。
2021-09-02 cs.DC cs.LG cs.PF
Rethinking Inference Placement for Deep Learning across Edge and Cloud Platforms: A Multi-Objective Optimization Perspective and Future Directions
本文从多目标优化视角综述了跨边缘与云平台的深度学习推理放置方法，权衡推理延迟、数据隐私和资源成本，并指出未来研究方向。
2025-10-27 cs.AI cs.DC cs.PF
PaaS Cloud: The Business Perspective
下一代PaaS技术以更少的工作量实现了面向对象和4GL开发的真正承诺。现在PaaS正在成为应用程序开发组织的核心技术服务之一。PaaS提供了一种资源丰富且灵活的方法，以经济高效的方式开发、运营和部署应用程序。它现在已经成为全世界的首选之一，特别是对于全球分布式开发环境。然而，它仍然缺乏软件即服务（SaaS）和云结构即服务（IaaS）所达到的普及和接受程度。PaaS提供了一个充满希望的未来与新的技术架构和进化的开发方法。在本文中，我们将确定PaaS行业的优势、劣势、机会和威胁。然后，我们确定了各种问题，将影响不同的利益相关者的PaaS行业。这项研究将为PaaS从业者提供一系列建议，以更好地管理这项技术。对于PaaS技术研究人员，我们还概述了未来需要关注的研究领域的数量。最后，我们还包括一个在线调查，以概述PaaS技术市场的领导者。这将有助于PaaS技术从业者更深入地了解市场趋势和技术。
2018-03-20 cs.CY cs.DC
Possible Futures for Cloud Cost Models
本文探讨了云成本模型的过去、现状与未来可能形态，指出当前面向AI/ML优化的模型不适合科学计算，旨在为持续支持科学发现提供解决思路。
2025-10-11 cs.CY cs.DC
Machine Learning (ML)-Centric Resource Management in Cloud Computing: A Review and Future Directions
University of Electronic Science and Technology of China（电子科技大学）；University of Melbourne（墨尔本大学）
云计算已经迅速成为用于提供基于互联网的效用计算服务的模型。在云计算中，基础设施即服务（IaaS）是最重要和发展最快的领域之一。云提供商在此服务模型中提供用户/机器资源，例如虚拟机、原始（块）存储、防火墙、负载均衡器和网络设备。IaaS的云计算最重要的方面之一是资源管理。可扩展性、服务质量、最佳效用、降低开销、增加吞吐量、减少延迟、专业化环境、成本效益和简化界面是云计算中IaaS资源管理的一些优势。传统上，资源管理是通过静态策略来完成的，这在各种动态场景中施加了一定的限制，促使云服务提供商采用数据驱动的、基于机器学习的方法。机器学习正被用于处理各种资源管理任务，包括工作负载估计、任务调度、VM整合、资源优化和能量优化等。本文详细介绍了基于ML的资源管理在当前研究中面临的挑战，以及当前解决这些挑战的方法，以及它们的优点和局限性。最后，我们提出了潜在的未来研究方向的基础上确定的挑战和局限性，在目前的研究。
2021-05-09 cs.DC cs.LG
Ready for Rain? A View from SPEC Research on the Future of Cloud Metrics
在过去的十年中，云计算已经从对服务驱动的信息和通信技术（ICT）的追求中脱颖而出，成为ICT市场的重要组成部分。为了应对市场的增长，许多替代云服务及其底层系统目前正在争夺云用户和提供商的注意力。因此，需要对它们进行基准测试，以使云用户能够做出明智的选择，并使系统DevOps能够调整，设计和评估他们的系统。这需要关注新旧系统属性，可能导致重新设计经典的基准测试指标，例如将性能表示为吞吐量和延迟（响应时间），以及设计新的特定于云的指标。为了满足这一要求，在这项工作中，我们重点关注四个系统属性：（i）云服务的弹性，以适应所请求的服务量的巨大变化，（ii）共享云系统租户之间的性能隔离，（iii）云服务和系统的可用性，以及（iv）在云环境中运行生产系统的操作风险。对于这些属性中的每一个，我们回顾最新技术，然后选择或提出新的度量以及测量方法。我们将这些指标视为即将到来的行业标准云基准的基础。保留字：云计算;（c）测量;（b）基准化;弹性;隔离;业绩;服务水平目标;可用性;运营风险。
2016-04-12 cs.DC cs.PF
Energy and Thermal-aware Resource Management of Cloud Data Centres: A Taxonomy and Future Directions
University of Melbourne（墨尔本大学）
本文研究了云数据中心现有的资源管理方法，以提高能源和热效率。它确定了在资源管理系统中集成计算和冷却系统管理以及基于学习的解决方案的需求。在对文献进行深入分析的基础上，提出了数据中心节能和热高效资源管理的分类方法。此外，根据分类法对现有方法进行了详细的调查，并讨论了最近的进展，包括基于机器学习的资源管理方法和冷却管理技术。
2021-07-06 cs.DC cs.LG cs.NI
Cultivating Software Performance in Cloud Computing
云计算的性能指标很多，包括工作负载性能、应用程序放置、软硬件优化、可扩展性、容量、可靠性、敏捷性等，本文考虑联合优化云中软件应用的性能。挑战在于将各种原始数据转换为整洁的数据格式，基于时间戳统一来自多个系统的性能数据，以及评估处理后的性能数据的质量。即使在验证了云性能数据的质量之后，优化云计算仍然面临着额外的挑战。本文从计算环境、数据汇集、性能分析和生产环境等方面分析了云计算面临的挑战。
2016-11-22 cs.DC cs.PF
Resource Availability in the Social Cloud: An Economics Perspective
本文重点研究了社会云的形成，其中代理人参与了一个基于封闭性的条件资源共享，并建立自己的资源共享网络。本文件的目标是：（1）研究了Agent的链接添加和删除决策对其局部和全局资源可用性的影响，（2）分析了溢出效应，即一对Agent之间的链接添加对其他Agent效用的影响，（3）研究了Agent的亲密度在确定这些Agent在网络中经历何种类型的溢出效应中的作用，以及（4）对代理的选择进行建模，所述代理建议他们想要在社交云中与谁添加链接。调查结果包括以下内容。首先，代理的链接添加（删除）的决定增加（减少）他们的本地资源的可用性。然而，这些意见并不适用于全球资源供应情况。其次，在连通网络中，代理人会经历正溢出效应或负溢出效应，不存在没有溢出效应的情况。当且仅当网络是断开连接的，并且由两个以上的组件（子网络）组成时，代理人没有观察到溢出效应。此外，如果由于新添加的链接而导致代理（不参与链接添加）的接近度没有变化，则代理会经历负溢出效应。虽然为了获得积极的溢出效应，必须增加代理人之间的密切程度，但这一条件并不充分。通过关注参数，如接近度和最短距离，我们提供的条件下，代理选择添加链接，以最大限度地提高其资源的可用性。
2021-01-30 cs.DC cs.GT econ.GN
Fog Robotics: A Summary, Challenges and Future Scope
人机交互对于使机器人更接近人类起着至关重要的作用。机器人通常受到自身能力的限制。因此，他们利用云机器人来提高他们的灵活性。它的能力包括共享地图、图像和处理能力等信息。整个过程涉及到分发数据，这些数据将大幅增长。可能出现新的问题，例如带宽、回程和前传系统处的网络拥塞，从而导致高延迟。因此，它可以对机器人、用户和云之间的无缝连接产生影响。此外，机器人可能无法在规定的时间内成功完成其目标。因此，Cloud Robotics无法处理机器人带来的流量。相反，即将到来的Fog Robotics可以通过解决Cloud Robotics的主要问题来解决问题。因此，为了检查其可行性，我们在本文中讨论了雾机器人的需求和架构。为了评估这些架构，我们使用了Fog Robotics的真实场景，并将其与Cloud Robotics进行了比较。接下来，选择延迟作为验证系统有效性的主要因素。此外，我们使用Pepper机器人，Fog机器人服务器和Cloud服务器来利用实时延迟。实验结果表明，与Cloud Robotics相比，Fog Robotics显著降低了延迟。此外，雾机器人系统的优势，挑战和未来的范围进行了进一步讨论。
2019-08-14 cs.DC cs.RO
Green Data Centers: A Survey, Perspectives, and Future Directions
目前，数据中心的一个主要问题是其极高的能耗和二氧化碳排放。然而，由于资源的过度配置，现有数据中心的利用率实际上非常低，导致相当大的能源浪费。因此，在过去的几年里，许多研究工作都致力于提高绿色数据中心建设的效率。这些努力的目标是有效地利用可用资源，并减少能源消耗和热冷却成本。在本文中，我们提供了一个调查的最新研究的绿色数据中心技术，包括能源效率，资源管理，热控制和绿色指标。此外，我们提出了一个详细的比较审查的建议。我们进一步讨论了未来研究的关键挑战，并强调了一些未来的研究问题，以解决建设绿色数据中心的问题。
2016-08-02 cs.DC cs.DS
Collaborative Learning of On-Device Small Model and Cloud-Based Large Model: Advances and Future Directions
Shanghai Jiao Tong University（上海交通大学）；Alibaba Group（阿里巴巴集团）
本文综述了端侧小模型与云端大模型的协同学习范式，从硬件、系统、算法和应用四层梳理进展，并展望未来研究方向。
2025-04-17 cs.DC cs.LG cs.MA
Concept of Feedback in Future Computing Models to Cloud Systems
Moscow Technological Institute «WTU»（莫斯科技术学院（WTU））
本文探讨了未来计算模型在云系统中反馈机制的重要性，提出反馈模型作为分布式计算过程的新基础，并用于评估分布式数据库的结构复杂性和混合云系统的动态特性。
2014-02-19 cs.DC cs.NI cs.SY
