A Practical Near Optimal Deployment of Service Function Chains in Edge-to-Cloud Networks
针对边缘到云网络中NP-hard的服务功能链部署问题,提出一种高效可扩展的近最优启发式算法,在真实拓扑下20秒内可处理百万级请求。
2024-01-15 cs.NI
Dynamic Cloud Network Control under Reconfiguration Delay and Cost
网络虚拟化和可编程性使运营商能够在公共物理基础设施上部署各种服务,并根据不断变化的需求灵活分配云和网络资源。虽然虚拟资源的弹性重新配置使得能够动态地缩放容量以便以最小的操作成本支持服务需求,但是重新配置操作使得资源在给定时间段期间不可用并且可能招致额外的成本。在本文中,我们解决了不可忽略的重构延迟和成本下的动态云网络控制问题。我们表明,虽然容量区域保持不变,无论重新配置延迟/成本值,重新配置不可知的政策可能无法保证吞吐量最优和最小成本下的非零重新配置延迟/成本。然后,我们提出了一种自适应动态云网络控制策略,允许网络节点进行本地流调度和资源分配决策,同时控制重新配置的频率,以支持在容量区域中的任何输入速率,并实现任意接近最小成本的任何有限的重新配置延迟/成本值。
2018-02-19 cs.NI
Optimal Virtual Network Function Placement and Resource Allocation in Multi-Cloud Service Function Chaining Architecture
服务功能链(SFC)是在地理上分布的数据中心上部署各种网络服务实例并提供它们之间的互连的问题。目标是使网络流量能够在底层网络中顺畅流动,从而为最终用户提供最佳体验质量。网络功能的正确链接导致分布式资源的最佳利用。这已经成为电信行业的一种事实模型,网络功能部署在底层硬件上。尽管该模型到目前为止已经很好地服务于电信行业,但是由于直接在物理资源上部署服务,因此它主要适于适应网络服务和服务需求的静态行为。这导致网络僵化,对最终用户的延迟更大,特别是在以数据为中心的模型中,计算资源正在向最终用户移动。一种新颖的联网范例,即网络功能虚拟化(NFV),通过在被称为虚拟网络功能(VNF)的软件层中实现网络功能来动态地满足用户需求并降低运营费用(OpEx)和资本支出(CapEx)。然后,VNF互连以形成完整的端到端服务,也称为服务功能链(SFC)。在这项工作中,我们研究的问题,部署服务功能链的网络功能虚拟化架构。具体来说,我们研究虚拟网络功能布局问题的最佳SFC形成在地理上分布的云。我们将多云场景中最小化云间流量和响应时间的问题设置为ILP优化问题,以及总部署成本和服务水平协议(SLA)等重要约束。在我们的模型中,我们考虑了链路延迟和计算延迟。
2019-02-10 cs.NI
Fog Assisted Cloud Models for Smart Grid Architectures- Comparison Study and Optimal Deployment
云计算(CC)是满足现代智能电网(SG)存储和计算需求的关键驱动力。然而,由于网关中心部署在集中和遥远的偏远地区,因此无法保证SG服务的体验质量(QoE)属性,即延迟、带宽、能耗和网络成本。雾计算(FC)将处理能力扩展到网络边缘,为SG的关键任务需求提供位置感知、低延迟和延迟敏感的分析。在这项工作中,我们首先检查了基于云的SG架构的当前状态,并强调了采用FC作为可持续和实时SG分析技术推动者的动机。然后,我们提出了一个分层的FC架构,以支持大量的物联网设备集成到未来的SG。根据这种架构,我们提出了一个成本优化框架,共同调查数据消费者关联,工作负载分布,虚拟机的放置和QoS约束,以实现可行的部署FC模型在SG网络。制定MINLP问题,然后使用改进的差分进化(MDE)算法求解。根据真实世界参数对所提出的框架进行的综合评估表明,对于近50%的应用程序请求实时服务的基础设施,雾计算的整体服务延迟几乎减少到通用云范式的一半。还观察到,雾辅助云框架将纯云计算范例的聚合电力消耗降低了40%以上。
2018-05-14 cs.NI
On Optimal Placement of Hybrid Service Function Chains (SFCs) of Virtual Machines and Containers in a Generic Edge-Cloud Continuum
传统上,网络功能虚拟化(NFV)已经被实现为以虚拟网络功能(VNF)的形式在虚拟机(VM)上运行。最近,所谓的无服务器计算在云计算中获得了吸引力,提供了利用容器化技术部署服务的功能即服务(FaaS)平台。与基于VM的VNF相比,资源通常是保留的并持续运行,FaaS可以只是实现小功能的代码子集,允许事件驱动的按需实例化。因此,基于混合VM容器的服务功能链(SFC)是NFV架构的自然演进。我们从互联网服务提供商(ISP)的角度研究了混合SFC的最佳放置的新问题,从而可以在通用边缘和云连续体中的VM或容器上实例化VNF。为此,我们提出了一个混合线性规划模型以及一个启发式解决方案来解决这个优化问题,该问题考虑了运营商网络中特定VM和容器部署所特有的三个目标:在边缘维护服务器的运营成本,将VNF放置在第三方云提供商中的成本以及在违反SLA协议时应用的惩罚成本。我们还提出了两个阶段的优化过程来分析VNF的复制和迁移对性能的影响。该模型可用于突出虚拟机和容器的组合可以从货币成本的角度提供最大好处的场景。
2020-07-08 cs.NI
Meeting QoS of Users in a Edge to Cloud Platform via Optimally Placing Services and Scheduling Tasks
本文研究了在三层边缘到云平台上,用户请求必须在一定期限内得到满足时的服务放置和任务调度问题。对时间敏感的应用程序(例如,增强现实、游戏、实时视频分析)具有必须满足的严格约束。在多个可能的计算中心的情况下,解决这些请求的“地点”和“时间”在满足其最后期限时变得至关重要。我们将满足用户的最后期限同时最小化边缘到云服务提供商的总成本的问题表述为线性规划(ILP)问题。我们展示了这个问题的NP-硬度,并提出了两个基于局部与全局尺度上的决策的算法。我们改变了用户数量、QoS约束以及远程云和小云(边缘云)之间的成本差异,并对每种情况运行多个Monte-Carlo运行。我们的仿真结果表明,所提出的算法在降低复杂度的同时,性能接近最优。
2019-08-13 cs.DC cs.NI
A Computation Offloading Model over Collaborative Cloud-Edge Networks with Optimal Transport Theory
针对未来网络场景需求,提出基于计算卸载的协作机制,通过建立云服务器与边缘服务器间协作计算卸载模型处理终端差异化计算任务,相比常规算法有减少任务执行时间、提高资源利用率和降低终端能耗等改进。
2026-07-21 cs.NI
Optimal Posted Prices for Online Cloud Resource Allocation
我们研究在线资源分配在一个云计算平台上,通过一个公布的定价机制:云提供商发布的每种资源类型的单价,这可能会随着时间的推移而变化,在到达云系统,云用户要么采取当前的价格,租用资源来执行其工作,或拒绝的价格,而不运行其工作。我们设计的定价函数的基础上,当前的资源利用率,在广泛的供求关系和资源占用时间,并证明了最坏情况下的竞争比的价格函数的社会福利。在单一类型的非回收资源的基本情况下(即,分配的资源以后不会被释放以供重用),我们证明了我们的定价函数设计是最优的,因为任何其他定价函数只能导致更差的竞争比。从基本案例中获得的见解然后用于将定价函数推广到具有多种类型资源的更现实的云系统,其中作业占用分配的资源多个时隙直到完成,在完成时资源返回到云资源池。
2017-04-18 cs.GT cs.NI
A Load-Balanced Call Admission Controller for IMS Cloud Computing
网络功能虚拟化提供了设计、部署和管理网络服务的机会。它利用在高容量服务器、交换机和存储硬件上运行的云计算虚拟化服务来虚拟化网络功能。虚拟化技术可以用在IP多媒体子系统(IMS)云计算中以开发不同的联网功能(例如,负载均衡和呼叫准入控制)。IMS网络信令通过会话发起协议(SIP)发生。一个悬而未决的问题是当SIP服务器缺乏足够的CPU和内存资源来处理所有消息时发生的过载控制。本文提出了一种用于云托管SIP服务器的虚拟负载平衡呼叫接纳控制器(VLB-CAC)。VLB-CAC确定最佳呼叫接纳速率和已接纳呼叫的信令路径,以及SIP服务器的CPU和内存资源的最佳分配。这个最优解是通过一个新的线性规划模型导出的。该模型需要SIP服务器的一些关键信息作为输入。此外,VLB-CAC配备了自动定标器,以克服资源限制。所提出的方案是实现在智能应用程序的虚拟基础设施(SAVI),作为一个虚拟的测试平台。数值和实验结果的评估表明所提出的工作的效率。
2017-09-29 cs.NI
LazyCtrl: Scalable Network Control for Cloud Data Centers
软件定义网络的出现为数据中心网络提供了灵活、可靠和功能丰富的控制平面。然而,集中控制和完全可见性的紧密耦合导致了广泛的问题,其中可扩展性已经变得突出。为了解决这个问题,我们提出了LazyCtrl,一种新的混合控制平面设计的数据中心网络,网络控制是由独立的开关组内的分布式控制机制,同时补充了全球控制器。我们的设计是出于观察,数据中心的流量通常是高度倾斜的,因此边缘交换机可以根据流量的位置进行分组。LazyCtrl旨在通过动态地将大部分控制任务转移到独立的交换机组来处理数据路径附近的频繁组内事件,同时由控制器处理罕见的组间事件或其他指定事件,从而为全局控制器带来惰性。我们实现了LazyCtrl,并基于Open vSwich和Floodlight构建了一个原型。在我们的原型上进行的跟踪驱动实验表明,在多租户云中,有效的交换机分组很容易维护,中央控制器可以通过保持懒惰来显着屏蔽,其工作负载减少高达82%。
2015-04-10 cs.NI
On Optimal and Fair Service Allocation in Mobile Cloud Computing
研究了移动云计算中多种移动应用(单个或群组以及协作移动应用)的最优公平服务分配问题。我们利用了这样的观察,即使用分层云,即多个级别(本地和公共)的云可以提高移动应用程序的性能和可扩展性。我们提出了一个新的框架,移动应用程序作为一个位置-时间工作流(LTW)的任务建模,在这里用户的移动模式被翻译为移动服务的使用模式。我们发现,考虑到多个QoS目标,如应用程序延迟,设备功耗和用户成本/价格的LTW分层云资源的最佳映射是一个NP-硬问题,为单个和基于组的应用程序。我们提出了一种高效的启发式算法,称为MuSIC,能够表现良好(73%的最佳,比简单的策略好30%),并扩展到大量的用户,同时确保高的移动应用QoS。我们通过实施(在真实世界的云上)和使用丰富的移动应用程序(如密集信号处理,视频流和多媒体文件共享应用程序)的广泛模拟来评估MuSIC和2层移动云方法。我们的实验和仿真结果表明,音乐集成电路支持可扩展的操作(100+并发用户执行复杂的工作流),同时提高QoS。与仅使用公共云相比,我们观察到延迟和功耗降低了约25%(在固定价格限制下),价格降低了约35%(考虑固定延迟)。我们的研究还表明,MuSIC在不同的移动模式下表现得很好,例如随机路点和曼哈顿模型。
2013-08-20 cs.DC cs.NI
Resilient and Reliable Cloud Network Control for Mission-Critical Latency-Sensitive Service Chains
本文提出了一种多商品容错可靠云网络控制算法,用于在正常条件下保证服务可靠性并在网络故障时确保容错性。
2025-11-26 cs.NI
Optimal Joint Multiple Resource Allocation Method for Cloud Computing Environments
云计算是一种模型,用于实现对可配置计算资源的共享池的方便的按需网络访问。为了经济地提供云计算服务,重要的是在所需资源可以从共享资源池中获取的假设下优化资源分配。此外,为了能够提供处理能力和存储容量,需要分配带宽以同时访问它们。提出了一种适用于云计算环境的最优资源分配方法。首先,本文提出了一个云计算环境下的资源分配模型,假设处理能力和带宽同时分配给每个服务请求,并按小时出租。分配的资源专用于每个服务请求。其次,本文在上述资源分配模型的基础上,提出了一种最优联合多资源分配方法。仿真结果表明,与传统的分配方法相比,该方法可以降低请求丢失概率,从而减少所需的资源总量。在此基础上,定义了云计算环境下实现多用户间公平资源分配的基本原则和措施,提出了一种多用户间公平联合资源分配方法。仿真结果表明,该方法能够在不降低资源利用率的前提下,实现多用户间的公平资源分配。关键词:云计算,联合多资源分配,公平性
2011-10-08 cs.DC cs.NI
Mobile Cloud Computing with a UAV-Mounted Cloudlet: Optimal Bit Allocation for Communication and Computation
移动云计算通过将计算任务从移动设备卸载到远程处理器,缓解了计算密集型移动应用程序和电池受限的移动设备之间的紧张关系。本文考虑了一个移动云计算的情况下,“小云”处理器,提供卸载的机会,移动设备安装在无人机(UAV),以提高覆盖范围。针对移动台与无人机之间采用频分复用的时隙通信系统,对移动台在上行链路中向无人机发送的输入比特数、无人机处微云处理的输入比特数通过最大时延下的对偶分解,限制,目的是最小化移动能耗。数值结果揭示了一个优化的位分配,以使显着的能源节约相比,严格的延迟约束的本地移动执行的至关重要的。
2017-05-18 cs.IT cs.NI math.IT
Optimal Cloud Network Control with Strict Latency Constraints
及时交付资源密集型和延迟敏感型服务(例如,工业自动化、增强现实)通过分布式计算网络(例如,移动边缘计算)正引起越来越多的关注。由于现有研究提供的平均延迟性能保证不足,我们专注于在每个数据包的基础上提前提供下一代实时服务的关键目标,同时最大限度地减少整体云网络资源成本。我们引入了一个新的排队系统,能够跟踪数据包的生命周期和形式化的最优云网络控制问题,具有严格的截止期限约束。在说明了由于生命周期到期而丢弃数据包之前将数据包发送到目的地的主要挑战之后,我们构建了一个等效公式,其中放松的流量守恒允许利用Lyapunov优化来推导出原始问题的可证明的接近最优的完全分布式算法。数值实验结果验证了理论分析的正确性,并显示了该控制策略相对于现有云网络控制的优越性能。
2022-05-31 cs.NI cs.SY eess.SY
Cost-optimal V2X Service Placement in Distributed Cloud/Edge Environment
部署V2X服务已成为一项具有挑战性的任务。这主要是由于此类服务具有严格的延迟要求。为了满足这些要求,一个潜在的解决方案是采用移动边缘计算(MEC)。然而,这提出了新的挑战,包括如何找到符合其他要求(如延迟)的经济高效的布局。在这项工作中,制定了分布式云/边缘环境中的成本最优V2X服务放置(CO-VSP)问题。此外,成本为中心的延迟感知V2X服务放置(DA-VSP)启发式算法的建议。仿真结果表明,CO-VSP模型和DA-VSP算法都能保证所有此类业务的QoS要求,并说明了延迟和部署成本之间的权衡。
2020-10-14 cs.NI eess.SP
TOFEC: Achieving Optimal Throughput-Delay Trade-off of Cloud Storage Using Erasure Codes
我们的论文提出了使用纠删编码、与存储云的并行连接和有限分块(即,将对象划分为几个较小的段),以显著提高将数据上传到云存储和从云存储下载数据的延迟性能。TOFEC是一种策略,通过将可扩展的云存储(例如Amazon S3)视为需要准入控制的共享资源,帮助前端代理适应工作负载级别。在轻负载下,TOFEC创建更多更小的块,并在每个文件中使用更多的并行连接,从而最大限度地减少服务延迟。在繁重的工作负载下,TOFEC自动降低分块级别(更少的块随着大小的增加),并使用更少的并行连接来减少开销,从而提高吞吐量并防止延迟。我们的跟踪驱动的仿真结果表明,TOFEC的适应机制收敛到一个适当的代码,提供了最佳的延迟吞吐量的权衡,而不降低系统容量。与针对吞吐量优化的非自适应策略相比,TOFEC在轻负载下的延迟降低了2.5倍;与针对延迟优化的非自适应策略相比,TOFEC可以扩展到支持3倍以上的请求。
2013-07-30 cs.IR cs.NI cs.PF
Opportunistic Scheduling for Optimal Spot Instance Savings in the Cloud
Georgia Institute of Technology(佐治亚理工学院);Nokia Bell Labs(诺基亚贝尔实验室)
本文提出了一种机会性调度方法,通过优化抢占实例和按需实例的使用,实现云环境中的延迟敏感作业调度,以最小化成本并满足延迟约束。
2026-01-18 cs.DC cs.NI cs.PF
Optimal Service Mode Assignment in a Simple Computation Offloading System: Extended Version
Massachusetts Institute of Technology(麻省理工学院)
本文研究计算卸载系统中完全卸载与部分卸载的最优分配策略,证明云空闲时直接卸载到云,云繁忙时采用阈值策略将作业发送到本地服务器,以最小化系统延迟。
2025-09-22 cs.NI cs.SY eess.SY
Skyplane: Optimizing Transfer Cost and Throughput Using Cloud-Aware Overlays
云应用程序越来越多地跨多个地区和云提供商分发数据。不幸的是,广域批量数据传输通常是缓慢的,需要检查的应用程序。我们证明,它是可以显着提高区域间云批量传输吞吐量,通过适应网络覆盖到云设置-也就是说,通过在应用程序层的间接路径路由数据。然而,在这种情况下直接应用网络覆盖可能会导致云出口价格不可接受的增加。我们提出了Skyplane,一个用于云对象存储之间批量数据传输的系统,该系统使用云感知网络覆盖来优化价格和性能之间的权衡。Skyplane的规划器使用混合整数线性规划来确定数据传输的最佳覆盖路径和资源分配,并受用户提供的价格或性能约束。Skyplane的性能优于公共云传输服务,在一个云中传输高达$4.6\times$,跨云传输高达$5.0\times$。
2022-10-13 cs.DC cs.NI
A Cooperative Scheduling Scheme of Local Cloud and Internet Cloud for Delay-Aware Mobile Cloud Computing
移动云计算(MCC)是随着移动应用的普及而提出的一种帮助移动设备节省能量和提高计算性能的技术。为了进一步提高MCC的服务质量(QoS),可以将云服务器部署在本地,从而降低延迟。然而,本地云的计算资源通常是有限的。本文设计了一种基于阈值的策略,通过本地云和互联网云资源的协作来提高MCC的QoS,同时利用了本地云的低延迟和互联网云的丰富计算资源的优势。该策略还根据应用程序的延迟要求应用优先级队列。通过所提出的算法获得取决于业务负载的最佳阈值。仿真结果表明,在本地云过载的情况下,互联网云的辅助可以大大提高服务质量。如果本地云根据其延迟要求对任务进行排序,则可以实现更好的QoS,其中延迟敏感的应用程序在延迟容忍的应用程序之前执行。此外,该策略的最优阈值对系统的QoS有很好的影响。
2015-11-27 cs.DC cs.NI
TURBO: Utility-Aware Bandwidth Allocation for Cloud-Augmented Autonomous Control
University of California, Berkeley(加州大学伯克利分校)
TURBO通过联合优化汽车和云的带宽分配与控制管道配置,提升自动驾驶系统的精度和安全性。
2026-02-09 cs.NI cs.RO
Load balancing in cloud data centers with optimized virtual machines placement
本文提出一种基于 learning automata 强化学习的虚拟机优化分配方法,通过提升优化算法性能并加速其收敛至全局最优,有效实现了云数据中心服务器间的负载均衡。
2023-11-07 cs.DC cs.NI
OptiReduce: Resilient and Tail-Optimal AllReduce for Distributed Deep Learning in the Cloud
提出OptiReduce云集合通信系统,利用DDL弹性处理近似或丢失梯度,通过自适应超时机制与Transpose AllReduce等策略平衡尾部性能与模型精度,在云环境中较Gloo和NCCL分别平均提升70%和30%的TTA。
2025-05-03 cs.DC cs.NI
On Throughput-Delay Optimal Access to Storage Clouds via Load Adaptive Coding and Chunking
最近的文献,包括我们过去的工作,提供了分析和解决方案,用于使用(i)擦除编码,(ii)并行性,或(iii)变量切片/分块(即,将特定大小的对象划分为可变数量的较小块)来加速存储云的I/O性能。然而,一直缺乏一种综合办法,将所有三个方面放在一起考虑,以实现最佳的吞吐量-延迟权衡曲线。本文提出了第一组解决方案,可以选择最佳的组合的编码速率和对象分块/切片选项的负载动态变化。我们的具体贡献如下:(1)我们通过测量确定,在流行的公共云上,可变码率和分块的组合是最可行的。(2)我们通过近似分析将组块级别和码率的延迟最优值与队列积压联系起来。(3)基于此分析,我们提出TOFEC,适应组块级别和编码速率对队列积压。我们的跟踪驱动的仿真结果表明,TOFEC的自适应机制收敛到一个适当的代码,提供了最佳的吞吐量延迟权衡,而不降低系统容量。与针对吞吐量进行优化的非自适应策略相比,TOFEC在轻负载下提供了更低的延迟$2.5\times$;与针对延迟进行优化的非自适应策略相比,TOFEC可以扩展以支持$3\times$上尽可能多的请求。(4)我们提出了一个更简单的贪婪的解决方案,在平均延迟性能上与TOFEC不相上下,但表现出显着更多的性能变化。
2014-03-20 cs.DC cs.NI
Energy-Throughput Tradeoff in Sustainable Cloud-RAN with Energy Harvesting
在本文中,我们研究联合波束成形的能量吞吐量权衡在一个可持续的云无线电接入网络系统,其中多个基站(BS)由独立的可再生能源供电将协同传输无线信息和能量的数据接收器和能量接收器同时。为了在有限的时间范围内获得最佳的联合波束成形设计,我们制定了一个优化问题,以最大限度地提高数据接收器的吞吐量,同时保证足够的RF充电能量的能量接收器。虽然这类问题是非凸的,但它可以松弛成凸的形式,并以松弛问题的最优值为上界。我们进一步证明了上界的紧密性,通过显示放松的问题的最优解是秩一。在此基础上,提出了一种有效的在线算法。最后,进行了大量的仿真,以验证所提出的联合波束形成策略的优越性,其他波束形成设计。
2017-05-08 cs.IT cs.NI math.IT
Control-Data Separation across Edge and Cloud for Uplink Communications in C-RAN
在容量和延迟方面的前传限制激发了无线行业对云无线电接入网络(C-RAN)中的云和边缘节点之间的替代功能划分的研究的日益增长的兴趣。这项工作通过研究边缘节点和远程云中心(RCC)的控制和数据平面功能的最佳功能划分作为前传延迟的函数来促进这一工作。所研究的模型由两个用户时变上行链路信道,其中RCC具有全局但由于前传延迟而延迟的信道状态信息(CSI),而边缘节点具有局部但及时的CSI。采用自适应和率作为性能标准,功能分裂,从而进行速率选择和解码的数据平面帧的控制功能在边缘节点或在RCC通过分析和数值结果进行比较。
2017-06-21 cs.IT cs.NI math.IT
Exploiting Spot Instances for Time-Critical Cloud Workloads Using Optimal Randomized Strategies
Georgia Institute of Technology(佐治亚理工学院);Nokia Bell Labs(诺基亚贝尔实验室)
本文提出ROSS算法,通过最优随机策略在混合云环境中实现时间敏感任务的最优调度,显著提升成本节约效果。
2026-01-21 cs.DC cs.NI cs.PF
Ultra-Reliable Distributed Cloud Network Control with End-to-End Latency Constraints
我们正在进入一个快速发展的未来,这是由实时计算服务的交付驱动的,例如工业自动化和增强现实,统称为AgI服务,通过高度分布式的云/边缘计算网络。AgI服务的交互密集型特性加速了对提供严格延迟保证的网络解决方案的需求。与大多数只能表征平均延迟性能的现有研究相比,我们专注于在每个数据包的基础上提前提供AgI服务的关键目标,同时最大限度地降低整体云网络运营成本。为此,我们设计了一个新的排队系统,能够跟踪数据包的生命周期和形式化的延迟约束的最小成本的动态网络控制问题。为了解决这个具有挑战性的问题,我们首先研究了平均容量(或资源预算)的限制,我们的延迟约束的稳定区域的特点,并设计了一个接近最优控制政策,利用李雅普诺夫优化理论的等效虚拟网络。在同样的原则指导下,我们通过开发可靠的云网络控制(RCNC)算法来解决峰值容量受限的情况,该算法采用双向优化方法,使实际和虚拟网络流解决方案以迭代方式收敛。大量的数值计算结果表明,所提出的控制策略相比,国家的最先进的云网络控制算法的优越性能,并保证严格的下一代AgI服务的交付端到端的最后期限的价值。
2022-05-05 cs.NI cs.SY eess.SY
Proposed congestion control method for cloud computing environments
Seikei University(圣心大学)
针对云计算资源竞争导致的拥塞问题,提出一种通过减小拥塞资源需求大小而非限制所有请求的拥塞控制方法,并基于系统负载确定最优缩减量,仿真表明该方法能处理更多请求并缓解拥塞。
2012-04-05 cs.NI cs.SY eess.SY
Near-Optimal Virtual Machine Packing Based on Resource Requirement of Service Demands Using Pattern Clustering
随着云计算的扩展和组织关于使用云计算的运动的积极前景以及它们对这种有价值的处理方法的扩展利用,以及云基础设施提供商提供的关于减少处理资源的成本的解决方案,在云环境中组织资源的问题变得非常重要。云基础设施客户的主要关注点之一是他们缺乏对不同时间段所需处理资源数量的了解。管理人员和技术人员都在努力充分利用云计算中资源的可伸缩性和灵活性。主要的挑战是根据服务的传入请求的数量来计算每个时刻所需的处理资源的数量。通过扣除这些项目的准确数量,可以准确估计每个时刻的请求。本文旨在介绍一种云资源的自动伸缩模型,以减少云基础设施客户租用资源的成本。因此,我们首先全面解释该提案和模型的主要组成部分。然后通过聚类计算模型的不可见性,并介绍了各个组成部分在不同阶段的工作方式,
2014-06-27 cs.DC cs.NI cs.PF
Decentralized Control of Distributed Cloud Networks with Generalized Network Flows
新兴的分布式云架构,例如,雾和移动边缘计算在实时流处理应用(也称为增强信息服务)的有效递送中发挥着越来越重要的作用,所述实时流处理应用诸如工业自动化和虚拟实境体验(例如,延展实境、沉浸式游戏)。虽然这样的应用需要处理的流被多个用户/设备共享并同时消费,但是现有技术缺乏有效的机制来处理其固有的多播性质,导致不必要的业务冗余和网络拥塞。在本文中,我们建立了一个统一的框架,分布式云网络控制与广义(混合广播)的流量,允许优化所需的数据包处理,转发和复制操作的分布式执行。我们首先描述了扩大的多播网络的稳定区域下的新的控制框架(相对于其单播对应)。然后,我们设计了一种新的排队系统,允许调度数据包根据其当前的目的地集,并利用李雅普诺夫漂移加惩罚控制理论开发的第一个完全分散的,吞吐量和成本最优的组播流量控制算法。数值实验验证了分析结果,并证明了所提出的设计在现有的网络控制策略的性能增益。
2022-09-30 cs.NI cs.SY eess.SY
Optimal Fronthaul Compression for Synchronization in the Uplink of Cloud Radio Access Networks
云无线接入网络(CRAN)设计中的一个关键问题是设计有效的基带压缩策略,用于在将远程无线头端(RRH)连接到管理中央单元(CU)的前传链路上进行传输。关于该主题的大多数理论工作隐含地假设RRH以及因此CU能够从在上行链路中接收的基带信号完美地恢复时间同步,并且集中于数据字段的压缩。相反,本文不假设RRH和CU的先验同步,并且考虑RRH处的前传压缩设计问题,目的是提高CU处的时间和相位同步的性能。通过分析同步误差对链路性能的影响,采用率失真函数和Cramer-Rao界(CRB)等信息和估计理论性能指标,解决了该问题。该算法基于Charnes-Cooper变换和凸差(DC)方法,并通过数值结果显示优于传统的解决方案。
2015-10-06 cs.IT cs.NI math.IT