首页/论文/1505.08097

arXiv 1505.080972015-05cs.DC

Ad hoc云计算：从概念到实现

Ad hoc Cloud Computing: From Concept to Realization

Gary Andrew McGilvary, Adam Barker, Malcolm Atkinson

备注：: Published in IEEE Cloud 2015 named "Ad hoc Cloud Computing"
DOI：: 10.1109/CLOUD.2015.153

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

本文提出了第一个完整的，集成的和端到端的解决方案，为ad hoc云计算环境。自组织云从现有的零星可用的、非排他性的（即主要用于其他目的）和不可靠的基础设施中获取资源。在本文中，我们讨论的问题ad hoc云计算解决，并概述了我们的架构，这是基于BOINC。

英文摘要：

This paper presents the first complete, integrated and end-to-end solution for ad hoc cloud computing environments. Ad hoc clouds harvest resources from existing sporadically available, non-exclusive (i.e. primarily used for some other purpose) and unreliable infrastructures. In this paper we discuss the problems ad hoc cloud computing solves and outline our architecture which is based on BOINC.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

一种Ad hoc云计算方法

An Approach to Ad hoc Cloud Computing

我们考虑如何利用企业内未充分利用的计算资源来提高利用率并创建弹性计算基础设施。当前大多数云供应都涉及数据中心模型，其中机器集群专用于运行云基础设施软件。我们提出了一个额外的模型，ad hoc云，其中基础设施软件分布在从企业内已经存在的机器中获取的资源上。与数据中心云模型相反，资源级别不是先验建立的，在使用时也不是专用于云的资源。参与的机器不是专用于云，而是具有其他一些主要用途，例如为特定用户运行交互式进程。我们概述了主要的执行挑战和解决这些挑战的一种方法。

2010-02-25cs.DC

一种高能效的移动Ad Hoc云资源管理系统

An Energy-Efficient Resource Management System for a Mobile Ad Hoc Cloud

最近，移动ad hoc云已经成为移动网络物理系统应用的一种有前途的技术，例如移动智能视频监控和灵巧家庭。在移动自组织云中，资源管理在最大化资源利用率和应用性能方面起着关键作用。与传统的分布式计算系统（例如云）中的资源管理不同，移动自组织云中的资源管理由于节点移动性、有限的电池功率、高延迟和动态网络环境而提出了许多挑战。与移动网络物理系统应用相关的实时要求使问题更具挑战性。当前，用于移动自组织云的现有资源管理系统未被设计为支持移动网络物理系统应用和应用任务之间的节能通信。在本文中，我们提出了一个新的能源效率的资源管理系统的移动ad hoc云。该系统由两层组成：网络层和中间件层。网络层为中间件层提供自组织网络和通信服务，并共享收集到的信息，以实现高效和鲁棒的资源管理决策。它使用（1）传输功率控制机制来提高能量效率和网络容量，（2）链路寿命来降低通信和能量消耗成本，以及（3）链路质量来估计数据传输时间。中间件层负责资源的发现、监控、迁移和分配。它接收来自用户的应用任务，并根据网络和节点级信息将任务分配给节点。

2019-03-21cs.DC

一种用于自动视频监控系统的移动Ad hoc云计算和网络架构

A Mobile Ad hoc Cloud Computing and Networking Infrastructure for Automated Video Surveillance System

移动自动视频监控系统涉及到实时图像和视频处理算法的应用，需要大量的计算和存储资源。为了支持移动自动视频监控系统的执行，提出了一种移动ad hoc云计算和网络基础设施，其中通过移动ad hoc网络互连的多个移动设备被组合以创建虚拟超级计算节点。一种能量有效的资源分配方案也被提出用于实时自动视频监控任务的分配。为了实现移动设备之间的通信，已经开发了基于Wi-Fi直连的移动自组织云联网基础设施。更具体地，已经开发了路由层以支持组中的Wi-Fi直连设备之间的通信以及跨组的设备之间的多跳通信。该系统已在一组支持Wi-Fi Direct的三星移动设备上实现。

2018-10-16cs.DC

一种Ad Hoc云中求解线性代数方程组的分布式安全外包方案

A Distributed Secure Outsourcing Scheme for Solving Linear Algebraic Equations in Ad Hoc Clouds

新兴的ad hoc云通过利用未开发的本地计算和存储资源形成了新的云计算范例。在ad hoc云上的一个重要应用是将计算密集型问题外包给附近的云代理以分布式方式解决。

2016-08-29cs.CRcs.DC

云计算是否已准备好加速特设金融模拟？

Are Clouds Ready to Accelerate Ad hoc Financial Simulations?

金融服务行业中用于捕获和估计各种风险指标的应用程序由随机模拟支持，这些随机模拟是数据，内存和计算密集型的。这些模拟中的许多通常在基于生产的计算系统上执行。除了常规模拟之外，还需要进行特别模拟，以获得风险度量的最新视图。目前不执行此类模拟，因为无法在生产集群上进行模拟，而生产集群通常会占用过多资源。云提供的可扩展、按需和按需付费的虚拟机（VM）是满足模拟的数据、内存和计算限制的潜在平台。然而，“云计算是否准备好加速特定的金融模拟？本文报告的研究旨在通过在云上开发和部署一个重要的金融模拟（称为“聚合风险分析”）来实验性地验证这个问题。并行技术，以提高效率和性能的模拟进行了探讨。克服了在有限内存的虚拟机上容纳大量输入数据和快速处理数据以供实时使用等挑战。此调查的关键结果是，可以在云虚拟机上进行聚合风险分析。在云上实现了使用多个硬件加速器比在单个加速器上实现的加速高达24倍，比多核实现的加速高达6倍，比基线实现的加速约为60倍。然而，由于多个虚拟核心的加速性能差，在云上花费的每一美元都浪费了计算时间。有趣的是，私有VM可以在类似的底层硬件上提供比公共VM更好的性能。

2014-12-15cs.CEcs.DC

面向市场的云计算和Cloudbus工具包

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。

2012-03-23cs.DC

更多相关论文收起更多论文

弹性业务流程管理：BPM在云中的最新技术和面临的挑战

Elastic Business Process Management: State of the Art and Open Challenges for BPM in the Cloud

随着云计算的出现，组织如今能够快速响应对计算资源的不断变化的需求。不仅单个应用程序可以托管在虚拟云基础设施上，而且完整的业务流程也可以托管在虚拟云基础设施上。这允许实现所谓的弹性过程，即，使用弹性云资源执行的流程。尽管弹性过程有多种好处，但仍然缺乏支持它们的解决方案。在本文中，我们确定了弹性业务流程管理的艺术状态，重点是基础设施的挑战。我们概念化的弹性业务流程管理系统的架构，并讨论现有的工作调度，资源分配，监控，分散协调，状态管理的弹性过程。此外，我们提出了两个有代表性的弹性业务流程管理系统，旨在应对这些挑战。基于我们的研究结果，我们确定了开放的问题，并概述了可能的研究方向，实现弹性流程和弹性业务流程管理。

2014-09-22cs.DC

在云上实现节能应用扩展

Energy-aware Application Scaling on a Cloud

云弹性（在任何给定时间使用尽可能多的资源的能力）和低成本（用户只需为其消耗的资源付费）代表了许多组织将其部分计算活动迁移到公共云的坚实激励。随着人们对云计算的兴趣日益增长，云计算中心的规模及其能源足迹也在增长。云计算中心的功耗是显著的并且预计在未来将大幅增加的认识激发了我们对最小化功耗的调度和缩放算法的兴趣。我们提出了能量感知的应用程序扩展和资源管理算法。虽然主要针对基础设施即服务（IaaS），但我们提出的系统模型和算法可以应用于其他云交付模型和私有云。

2013-07-12cs.DC

用Erlang/OTP编写的分布式系统的启动阶段控制

Start-phase control of distributed systems written in Erlang/OTP

本文介绍了一种用Erlang语言编写的分布式系统可靠快速启动的实现方法。Erlang/OTP库提供的传统启动是顺序的，并行化通常需要不安全的临时解决方案。所提出的方法只需要通过应用系统依赖图对Erlang/OTP标准库进行轻微修改。它使启动安全，快速，并且同样易于在新开发和遗留系统中使用。

2010-03-09cs.DC

5G、雾、边缘、云环境下网络切片的管理与展示

Management and Orchestration of Network Slices in 5G, Fog, Edge and Clouds

网络切片允许网络运营商在共享的物理网络上构建多个隔离的虚拟网络，以适应各种各样的服务和应用。通过网络切片，服务提供商可以提供具有成本效益的解决方案，以满足部署的应用程序和服务的各种性能要求。尽管有切片的好处，但网络切片的端到端编排和管理是一项具有挑战性且复杂的任务。在本章中，我们将概述网络切片的所有相关方面，重点关注5G、Fog/Edge和云计算平台中的软件定义网络（SDN）和网络功能虚拟化（NFV）等网络技术。为了构建所需的背景，本章首先简要概述了5G、雾/边缘和云计算及其相互作用。然后，我们涵盖了网络切片的5G愿景，并通过调查这些平台中最先进的切片方法将其扩展到雾和云计算。我们通过讨论未来的方向，分析网络切片实现的差距和趋势来结束本章。

2018-12-03cs.DC

SeBS：面向功能即服务计算的无服务器基准测试套件

SeBS: A Serverless Benchmark Suite for Function-as-a-Service Computing

功能即服务（FaaS）是云服务未来最有前途的方向之一，无服务器功能已立即成为构建可扩展且具有成本效益的微服务和应用程序的新中间件。然而，快速发展的技术阻碍了可重复性，缺乏标准化的基准测试套件导致无服务器研究中使用临时解决方案和微基准测试，进一步使研究解决方案的荟萃分析和比较复杂化。为了应对这一挑战，我们提出了Serverless Benchmark Suite：第一个FaaS计算基准，系统地覆盖了广泛的云资源和应用程序。我们的基准测试包括代表性工作负载的规范，伴随的实现和评估基础设施，以及促进可重复性和可解释性的评估方法。我们证明了FaaS执行环境的抽象模型可以确保我们的基准测试适用于多个商业提供商，如AWS，Azure和Google Cloud。我们的工作设施无服务器系统的实验评估，并提供了一个标准化的，可靠的和不断发展的评估方法的性能，效率，可扩展性和可靠性的中间件FaaS平台。

2021-07-02cs.DC

移动云计算：应用模式比较

Mobile Cloud Computing: A Comparison of Application Models

云计算是一个新兴的概念，它结合了计算的许多领域。云计算的基础是通过互联网提供服务、软件和处理能力，降低成本，增加存储，实现系统自动化，将服务提供与基础技术分离，并提供信息的灵活性和移动性。然而，这些好处的实际实现还远远没有达到移动应用程序，并打开了许多新的研究问题。为了更好地理解如何促进基于移动云的应用程序的构建，我们通过云计算原则的棱镜调查了移动计算中的现有工作。我们给出了一个移动云计算的定义，并提供了一个概述的结果，特别是移动云应用程序的模型。我们还强调了移动云计算领域的研究挑战。最后，我们提出了一些建议，以更好地理解移动云计算如何帮助构建更强大的移动应用程序。

2011-07-25cs.DCcs.MMcs.NI

基于工业边缘的信息物理系统--应用需求和实现问题

Industrial Edge-based Cyber-Physical Systems -- Application Needs and Concerns for Realization

工业正在朝着先进的网络物理系统（CPS）发展，趋势是智能化、自动化、连接和协作。我们研究了在关键工业应用中使用边缘计算的驱动因素和要求。我们的目的是更好地了解工业需求，并开始讨论边缘计算可以发挥什么作用，补充当前的工业和嵌入式系统以及云。选择了四个领域进行具有代表性的用例分析;制造业，运输，能源部门和国防领域的网络应用。我们进一步讨论了为在工业CPS中使用边缘计算铺平道路所需的挑战，开放问题和建议方向。

2022-01-01cs.DCcs.SYeess.SY

FedApp：一个基于OpenStack的联邦云中应用演示研究沙箱

FedApp: a Research Sandbox for Application Orchestration in Federated Clouds using OpenStack

多集群联合被认为是下一代云基础设施，它将在实现边缘和雾计算等概念方面发挥重要作用。在联邦环境中部署应用对负载平衡、自动伸缩、资源分配和服务迁移等领域的研究提出了新的挑战。然而，由于对真实多集群基础设施的访问是有限的，因此需要提供与真实系统相似特性的测试床。为了使相关领域的研究人员能够在联合云环境中快速设置实验，我们创建了开源沙箱FedApp，它简化了在OpenStack环境中部署多个虚拟集群的过程，并有可能在站点之间添加真实的网络特征。每个集群都部署了开源和生产级容器编排器Kubernetes，使用Prometheus/Grafana进行联邦范围的监控，并使用Istio简化了集群间的微服务通信。

2021-09-03cs.DCcs.NI

基于强化学习的云应用自动伸缩研究综述

Reinforcement Learning-based Application Autoscaling in the Cloud: A Survey

Universidad Nacional de Cuyo（库约国立大学）；Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET)（国家科学技术研究委员会（CONICET））；UNICEN（中布宜诺斯艾利斯省国立大学）

强化学习（RL）在自动解决复杂不确定环境中的决策问题方面表现出巨大的潜力。RL提出了一种计算方法，允许在具有随机行为的环境中通过交互进行学习，其中代理采取行动以最大化一些累积的短期和长期奖励。一些最令人印象深刻的结果已经在博弈论中显示出来，其中代理人在围棋或星际争霸2等游戏中表现出超人的表现，这导致其逐渐被许多其他领域采用，包括云计算。因此，RL似乎是云中自动扩展的一种有前途的方法，因为它可以学习透明（没有人为干预），动态（没有静态计划）和适应性（不断更新）的资源管理策略来执行应用程序。与其他广泛使用的自动缩放策略相比，这是三个重要的独特方面，这些策略以ad-hoc方式定义或静态计算，如基于元数据的解决方案。自动缩放利用云的弹性来根据给定的优化标准优化应用程序的执行，这需要决定何时以及如何扩展/缩减计算资源，以及如何将它们分配给即将到来的处理工作负载。考虑到云是一个动态和不确定的环境，必须采取这些行动。受此启发，许多作品将RL应用于云中的自动缩放问题。在这项工作中，我们详尽地调查了来自主要场馆的提案，并根据一组建议的分类法统一比较它们。我们还讨论了该领域的开放问题和前瞻性研究。

2020-11-17cs.DCcs.LGstat.ML

结合边缘和云计算进行移动性分析

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

2017-06-20cs.CYcs.DCcs.NI

车联网边缘-云计算集成多请求卸载的QoS-SLA-Aware自适应遗传算法

QoS-SLA-Aware Adaptive Genetic Algorithm for Multi-Request Offloading in Integrated Edge-Cloud Computing in Internet of Vehicles

United Arab Emirates University（阿联酋大学）

车载自组织网络车联网是一项新兴技术，可实现智能城市应用的开发，重点是改善交通安全、交通效率和整体驾驶体验。这些应用程序有严格的要求，详见服务水平协议。由于车辆具有有限的计算和存储能力，因此应用请求被卸载到集成的边缘云计算系统上。现有的卸载解决方案集中于在执行时间方面优化应用的服务质量（QoS），并且遵守单个SLA约束。他们没有考虑重叠多请求处理的影响，也没有考虑车辆速度变化的影响。提出了一种新的人工智能QoS-SLA-aware自适应遗传算法（QoS-SLA-AGA）来优化异构边缘云计算系统中多请求卸载的应用程序执行时间，该算法考虑了处理多请求重叠和动态车辆速度的影响。建议的遗传算法集成了一个自适应的惩罚函数来同化SLA的延迟，处理时间，截止日期，CPU和内存的要求的约束。数值实验和分析比较我们的QoS-SLA-AGA随机卸载，和基线基于遗传的方法。结果表明，QoS-SLA-AGA执行请求的速度平均比随机卸载方法快1.22倍，SLA违规减少59.9%。相比之下，基于基因的基线方法将请求的性能提高了1.14倍，SLA违规增加了19.8%。

2022-03-01cs.AIcs.DCcs.NA