Decision Support Tools for Cloud Migration in the Enterprise
本文介绍了两种工具，旨在支持IT系统迁移到云的过程中的决策。第一个是建模工具，用于生成使用公共IaaS云的成本估计。该工具使IT架构师能够对他们的应用程序、数据和基础设施需求以及计算资源使用模式进行建模。该工具可用于比较不同云提供商、部署选项和使用场景的成本。第二个工具是一个电子表格，从企业的角度概述了使用IaaS云的好处和风险;该工具为风险评估提供了一个起点。两个案例研究被用来评估工具。这些工具很有用，因为它们向决策者通报了使用云的成本、收益和风险。
2011-05-01 cs.DC
ABEONA: an Architecture for Energy-Aware Task Migrations from the Edge to the Cloud
本文介绍了我们使用ABEONA的初步结果，ABEONA是一种边缘到云架构，允许将任务从边缘上的低能耗，资源受限的设备迁移到云端。我们对人工和真实世界数据集的初步结果表明，通过在边缘水平扩展，可以以更有效的方式执行工作负载，而不会对执行运行时产生负面影响。
2019-10-08 cs.DC
Atlas: Hybrid Cloud Migration Advisor for Interactive Microservices
Atlas是一个混合云迁移顾问，通过数据驱动方法学习API组件利用和网络足迹，从数百万方案中加速发现高质量迁移计划，在延迟、可用性和成本间提供可定制权衡，实现21%性能提升和11%成本降低。
2023-11-12 cs.DC
Cloud Migration: A Case Study of Migrating an Enterprise IT System to IaaS
本案例研究从整个企业的各种利益相关者的角度说明了将石油和天然气行业的IT系统从内部数据中心迁移到Amazon EC2的潜在好处和风险，从而超越了提供商提供的典型但狭隘的财务和技术分析。我们的研究结果表明，案例研究中的系统基础设施在EC2上的5年成本将减少37%，并且使用云计算可能会消除21%的支持要求。这些发现似乎足够重要，需要将系统迁移到云端，但我们的利益相关者影响分析显示，这存在重大风险。虽然使用云的好处是有吸引力的，我们认为，重要的是，企业决策者考虑的整体组织的影响所带来的变化与云计算，以避免实施本地优化的成本组织范围内的性能。
2010-02-18 cs.DC
Distributed Cloud Computing Environment Enhanced with Capabilities for Wide-Area Migration and Replication of Virtual Machines
当网络应用程序作为虚拟机在云上实现并由大量用户使用时，应仔细选择虚拟机的位置，以使用户体验的响应时间最小化。随着用户群体的移动和/或增加，虚拟机可能需要被迁移到新的位置或在广域网上的许多位置上复制。虚拟机迁移和复制已经得到了广泛的研究，但在大多数情况下，它们仅限于子网内，以便能够保持服务的连续性。在本文中，我们介绍了一个分布式的云计算环境，方便迁移和复制的虚拟机在广域网。该机制由智能路由器的覆盖网络提供，每个智能路由器将合作数据中心连接到Internet。对所提出的方法进行了分析，并与相关工作进行了比较
2014-01-09 cs.DC
Adaptive Edge Process Migration for IoT in Heterogeneous Cloud-Fog-Edge Computing Environment
以云为中心的物联网管理系统的延迟问题激发了雾和边缘计算（FEC）架构，该架构将任务从云分发到边缘资源，如路由器，交换机或物联网设备本身。具体来说，物联网系统的移动传感器也可以为FEC执行某些任务。考虑到当移动传感器无法继续其任务时从移动传感器到其他资源的动态过程迁移的需要，IoT系统需要提供允许移动传感器在运行时将其任务动态地迁移到其他FEC资源的灵活机制。然而，它提出了一个问题，在什么是最佳的方法时，移动传感器打算将其任务迁移到多个异构FEC资源？为了解决这个问题，作者提出了REM方案，这是能够优化进程迁移决策。此外，为了实现这样的系统并验证REM方案，作者开发了EPIOT主机框架。最后，作者实现了REM方案和框架，并进行了评估，结果表明，REM方案是能够提高在异构FEC环境中的进程迁移的性能。
2018-11-27 cs.DC
Containers Placement and Migration on Cloud System
目前，许多企业正在使用云计算远程获取整个IT基础设施，同时将其管理委托给第三方。这种架构的提供商确保服务的运行和维护，同时通过Web控制台提供管理功能。这些提供商提供基于裸金属或虚拟化平台（主要是虚拟机）的解决方案。最近，出现了一种新型的虚拟化-基于容器化技术。容器可以部署在裸机服务器或虚拟机中。在动态资源管理（DRM）中，虚拟机（VM）和容器的迁移是降低数据中心能耗、减少其对气候变化的影响从而最大限度降低运营成本的关键因素。本文将研究这两种虚拟化的实时迁移。为此，提出了容器放置和迁移算法，该算法考虑了不同用户的QoS需求，以最小化能量消耗。因此，提出了一种基于数据中心中的主机和虚拟机的RAM使用阈值的动态方法，以避免不必要的功耗。本文将所提出的工作与VM/Container的放置和迁移方法进行了比较，实验结果表明，使用容器迁移代替VM可以降低功耗，同时也减少了影响QoS的迁移时间，减少了SLA违规。
2020-07-16 cs.DC
SLA-Aware Multiple Migration Planning and Scheduling in SDN-NFV-enabled Clouds
在支持软件定义网络（SDN）的云数据中心中，实时迁移是用于云服务中的虚拟机（VM）和服务功能链（SFC）中的虚拟网络功能（VNF）的重新分配的关键方法。使用实时迁移方法，云提供商可以在不中断用户服务的情况下解决其动态资源管理和容错目标。然而，在云数据中心中，以任意顺序执行多个实时迁移可能导致服务降级。因此，有效的迁移规划对于减少实时迁移开销的影响至关重要。此外，为了防止服务质量（QoS）降级和违反服务水平协议（SLA），有必要为具有各种紧急性的不同实时迁移请求设置优先级。在本文中，我们提出了SLARQs，一组算法，组成的最后期限感知的多迁移分组算法和在线迁移调度，以确定VM/VNF迁移的顺序。实验结果表明，该方法在合理的算法运行时间下，可以有效地减少截止期错过次数，并在总迁移时间、平均执行时间、停机时间和传输数据量等方面与逐个调度和两种最先进的算法相比，具有良好的迁移性能.我们还评估和分析多迁移规划和调度的QoS和能源消耗的影响。
2021-01-24 cs.DC cs.NI
Multi-objective, Decentralized Dynamic Virtual Machine Consolidation using ACO Metaheuristic in Computing Clouds
计算资源利用不足和高功耗是云资源管理领域的两个主要挑战。本文通过在大规模虚拟化数据中心环境中进行离线、迁移影响感知、多目标动态虚拟机（VM）整合来应对这些挑战。该问题被公式化为NP-难离散组合优化问题，同时具有最小化资源浪费、功耗和相关联的VM迁移开销的目标。由于通过虚拟机实时迁移进行的动态虚拟机整合对托管应用程序性能和数据中心组件有负面影响，因此提出了一种虚拟机实时迁移开销估计技术，该技术考虑了实用的迁移参数和开销因素。为了解决可扩展性问题，提出了一个分层的，分散的动态VM整合框架，有助于本地化与迁移相关的网络流量，降低网络成本。此外，一个多目标，动态VM合并算法，提出了利用蚁群优化（ACO）元启发式，与建议的VM迁移开销估计技术的集成。全面的性能评估表明，所提出的动态VM整合方法在所有性能指标上都超过了最先进的离线、迁移感知的动态VM整合算法，其总体功耗降低了47%，资源浪费降低了64%，迁移开销降低了83%。
2017-06-20 cs.DC
Dynamic Resource Allocation for Virtual Machine Migration Optimization using Machine Learning
Northern Arizona University（北亚利桑那大学）；Trine University（特里内大学）；Zhejiang University（浙江大学）；Tsinghua University（清华大学）
针对传统云计算环境中静态规则在虚拟机迁移和资源分配上的局限性，提出基于机器学习的虚拟机迁移优化与动态资源分配方法，以解决云计算中的资源调度挑战。
2024-03-20 cs.AI cs.DC
Multi-objective dynamic virtual machine consolidation in the cloud using ant colony system
提出了一种新的多目标蚁群算法用于云数据中心的虚拟机整合。所提出的算法建立虚拟机迁移计划，然后使用这些计划通过将虚拟机整合到未充分利用的物理机上来最大限度地减少物理机（PM）的过度配置。它优化了两个按重要性排序的目标。在所提出的算法的首要目标是最大限度地提高发布PM的数量。此外，由于VM迁移是一项资源密集型操作，因此它还尝试最大限度地减少VM迁移的数量。所提出的算法进行了一系列的实验经验评估。实验结果表明，该算法为云数据中心的虚拟机整合提供了一种有效的解决方案。此外，它优于现有的两个基于蚁群优化的VM合并算法的数量释放的PM和VM迁移的数量。
2017-01-02 cs.DC
XMPIaaS: Towards Cloud Native MPI via Cooperative Process Migration
Virginia Tech（弗吉尼亚理工大学）
本文提出XMPIaaS，一种面向云环境的MPI协作式进程迁移系统，通过选择性迁移受抢占影响的进程组，避免全局检查点开销，实现低成本、弹性的云原生MPI执行。
2026-09-16 cs.DC
CAMIG: Concurrency-Aware Live Migration Management of Multiple Virtual Machines in SDN-enabled Clouds
通过集成软件定义网络和云计算，可以通过虚拟机（VM）的实时迁移动态重新分配虚拟化网络和计算资源。当定期触发算法时，动态资源管理（如负载均衡和节能策略）可以请求多次迁移。在动态资源管理方面存在显著的研究成果，其减轻了单次迁移开销，例如在选择潜在的VM和迁移目的地时的单次迁移时间和共址干扰。然而，现有的动态资源管理方案忽略了迁移请求之间的资源依赖关系，导致迁移调度过程中服务质量（服务质量，QoS）下降和违反服务水平协议（SLA）。因此，必须将单个和多个迁移开销集成到VM重新分配规划中。在本文中，我们提出了一个并发意识的多迁移选择器，操作的基础上的最大集团和独立集的资源依赖图的多个迁移请求。我们提出的方法可以与现有的动态资源管理策略。实验结果表明，该方案在实现动态资源管理的同时，最大限度地提高了多次迁移的性能，有效地减少了迁移干扰，缩短了重新分配的收敛时间.
2021-11-17 cs.DC cs.NI
Data Migration among Different Clouds
云计算服务越来越普及。然而，云上数据和服务的高度集中使其成为各种安全攻击的目标，包括DoS，数据窃取和隐私攻击。此外，云提供商可能无法在性能、可用性和安全保证方面遵守服务级别协议。此外，用户可以出于各种原因选择利用来自多个供应商的公共云服务，包括容错和可用性。因此，至关重要的是要有安全和有效的机制，使用户能够透明地复制和移动他们的数据从一个提供商到另一个。在本文中，我们探讨了最先进的云间迁移技术，并确定了Hadoop分布式文件系统HDFS范围内的潜在安全威胁。本文提出了一种云数据库管理系统中的跨云数据迁移机制，为大规模数据文件的迁移提供了更好的安全保障和更快的响应时间。所提出的方法增强了用于实现云节点之间的安全数据迁移的数据安全过程，从而提高了应用程序的响应时间和吞吐量。通过测量其对响应时间和吞吐量的影响，并与文献中的其他技术的性能进行比较，验证了所提出的方法的性能。
2015-12-28 cs.CR cs.DC
Scheduling Policies for Stability and Optimal Server Running Cost in Cloud Computing Platforms
我们提出了吞吐量和成本最优的作业调度算法在云计算平台提供基础设施即服务。我们首先考虑在线迁移，并提出作业调度算法，以尽量减少作业迁移和服务器运行成本。我们认为算法，假设知识的工作量到达的工作。我们刻画了系统稳定性的最优成本。我们开发了一个基于漂移加惩罚框架的算法，可以任意接近地实现最优成本。具体来说，该算法产生延迟和成本之间的权衡。然后，我们放松了工作规模的知识假设，并给出了一个算法，使用现成的服务的工作。我们表明，该算法给出了订单明智的相同成本的工作大小为基础的算法。稍后，我们考虑引起迁移延迟的离线作业迁移。我们再次提出吞吐量优化算法，最大限度地减少服务器运行成本。我们说明了所提出的算法的性能，并通过仿真比较这些现有的算法。
2022-06-05 cs.DC
Cost of Virtual Machine Live Migration in Clouds: A Performance Evaluation
虚拟化在现代数据中心中已经变得司空见惯，通常被称为“计算云”。虚拟机实时迁移的功能带来了诸多好处，例如提高了性能、容错和容错，同时允许在短时间内移动工作负载。然而，在实时迁移期间，应用程序的服务级别可能会受到负面影响。因此，需要更好地了解其对系统性能的影响。在本文中，我们评估了虚拟机实时迁移对Xen VM内运行的应用程序性能的影响。结果表明，在大多数情况下，迁移开销是可以接受的，但不能忽视，特别是在系统的可用性和响应性是由严格的服务水平协议。尽管如此，在服务于现代互联网应用的数据中心中，实时迁移的适用性具有很大的潜力。我们的研究结果是基于一个工作负载，覆盖域的多层Web 2.0应用程序。
2011-12-09 cs.DC cs.PF
Towards Global Multi-Cloud Strategies: Insights into AWS and Alibaba Cloud Synergy
Ostbayerische Technische Hochschule Amberg-Weiden（东巴伐利亚应用技术大学安贝格-魏登）；Kiel University of Applied Sciences（基尔应用技术大学）
本文通过比较AWS和阿里云在架构、服务和政策上的差异，并利用基础设施即代码工具迁移物联网工作负载，揭示了多云部署的关键技术权衡与最佳实践。
2026-06-23 cs.DC
Green Energy Aware Avatar Migration Strategy in Green Cloudlet Networks
我们提出了一种绿色小云网络（\emph{GCN}）架构，以向用户设备（\emph{UE} s）提供具有低延迟的无缝移动云计算（\emph{MCC}）服务，其中每个小云由绿色和棕色能量供电。充分利用绿色能源可以显著降低云服务提供商的运营成本。然而，由于能源需求和绿色能源产生的空间动态性，网络中不同云团之间的能量差距是不平衡的，即，一些微云的能量需求可以完全由绿色能量提供但是其他微云需要利用并网能量（即，布朗能源）来满足他们的能源需求。提出了一种基于绿色能源的化身迁移（\emph{GEAR}）策略，通过化身迁移在云节点间的能量需求重新分配，根据云节点的绿色能源产生量，最大限度地减少GCN的上网能耗。此外，GEAR通过避免将化身托管在远程cloudlet中，确保服务水平协议（\emph{SLA}）中的最大化身传播延迟。我们制定的GEAR战略作为一个混合整数线性规划问题，这是NP-难的，因此应用分支定界搜索找到它的次优解。仿真结果表明，与旨在最小化UE与其化身之间的传播延迟的跟随我化身（\emph{FAR}）迁移策略相比，GEAR可以显著节省上网能耗。
2015-09-11 cs.DC cs.NI
Virtual Machine Migration: A Resource Intensive Outsourcing Mechanism for Mobile Cloud Computing
在移动云计算（MCC）中，基于虚拟机（VM）迁移的进程卸载是增强智能移动设备（SMD）的主要方法。VM部署的一个挑战性方面是在VM的部署和管理中使用额外的计算资源，这迫使计算资源用于VM创建和配置。虚拟机的管理包括虚拟机全生命周期监控中的计算资源开发和SMD上虚拟机的物理资源管理。因此，基于VM迁移的应用卸载需要额外的计算资源。因此，计算资源需求和应用程序的执行时间分别增加。在本文中，我们经验审查的影响，虚拟机的部署和管理的应用程序的执行时间在不同的情况下。我们调查虚拟机部署和管理的应用程序处理在模拟环境中采用CloudSim：一个模拟工具包，提供了一个可扩展的模拟框架，模拟虚拟机部署和管理的应用程序处理在云基础设施。这项工作的重要性在于确保VM部署和管理需要SMD上的额外计算资源，以实现应用程序卸载。我们通过分析不同场景下的关键性能参数（KPPs）来评估应用程序处理中的VM部署和管理;例如VM部署，应用程序的执行时间和模拟的总执行时间。我们使用KPPs来评估不同实验方案结果的偏差。实证分析的结论是，虚拟机的部署和管理需要额外的资源上的计算主机，使其成为一个重量级的方法，在智能移动终端的进程卸载。
2012-11-30 cs.DC
Virtual Memory Streaming Technique for Virtual Machines (VMs) for Rapid Scaling and High Performance in Cloud Environment
本文讨论了虚拟内存流（VMS）技术在云环境中提供虚拟机（VM）的影响。VMS是一种可扩展的虚拟化技术，允许不同的虚拟机快速扩展，高性能，并提高硬件利用率。传统的虚拟机管理程序不支持真正的无停机实时迁移，并且其缺乏内存超额订阅可能会通过限制每个主机上的VM数量来损害私有云部署的经济性。VMS汇集了多种高级虚拟机管理程序存储管理技术，包括粒度页面共享、动态内存占用管理、实时迁移、读缓存和独特的虚拟机克隆功能。描述了一个架构模型，以及一个概念验证实现，即VMS通过真正的实时迁移和虚拟机克隆来动态扩展虚拟化基础架构。本文认为，VMS for Cloud允许显著减少服务器内存，并通过立即添加更多虚拟机来减少虚拟化资源扩展的时间。
2014-06-22 cs.DC
Cloud Adoption A Modern Approach
本文识别将工作负载迁移到云的关键因素和候选对象，并通过案例研究分析云迁移的利弊，以帮助组织最大化投资回报率。
2023-05-16 cs.DC
CloudGenius: Decision Support for Web Server Cloud Migration
云计算是将硬件和软件资源作为虚拟化服务提供的最新计算范例，在虚拟化服务中，用户无需担心底层系统管理细节的负担。将Web应用程序迁移到云服务并将云服务集成到现有的计算基础设施中并非易事。它带来了新的挑战，往往需要在技术、文化、法律、监管和社会等各个层面创新范式和做法。将Web应用程序映射到虚拟化云服务的关键问题是选择最佳和兼容的软件映像组合（例如，Web服务器映像）和基础设施服务，以确保实现应用程序的服务质量（QoS）目标。在选择云服务时，工程师必须考虑基础设施服务和软件映像之间的异构标准集和复杂依赖关系，这是一个关键问题，无法手动解决。为了克服这些挑战，我们提出了一个框架（称为CloudGenius），该框架基于专门用于Web服务器迁移到云的模型和因素来自动化决策过程。CloudGenius利用一种众所周知的多标准决策技术（称为层次分析法），根据与应用程序相关的模型、因素和QoS参数自动执行选择过程。一个示例应用程序演示了理论CloudGenius方法的适用性。此外，我们提出了一个CloudGenius的实现，已通过实验验证。
2012-03-18 cs.DC cs.SE
Efficient Large-Scale Multiple Migration Planning and Scheduling in SDN-enabled Edge Computing
在移动边缘云中分配的容器化服务为大规模和实时应用程序提供了低延迟响应的机会。同时，引入实时容器迁移，支持动态资源管理和用户移动性。然而，随着网络拓扑规模的扩大和迁移请求的增加，目前云数据中心的多种迁移规划和调度算法已不能适应边缘计算中的大规模场景。边缘计算中的用户移动性引起的实时迁移需要接近实时的调度。因此，本文通过软件定义网络（SDN）控制器，将实时迁移之间的资源竞争建模为动态资源依赖图。提出了一种基于迭代最大独立集（MIS）的多迁移规划调度算法.使用出租车和电信基站坐标的真实移动轨迹，评估结果表明，我们的解决方案可以在大规模边缘计算环境中有效地调度多个实时容器迁移。与云中最先进的迁移规划算法相比，它将处理时间缩短了3000倍，同时为时间关键型迁移提供有保证的迁移性能。
2021-11-17 cs.DC cs.NI
Mobility-Induced Service Migration in Mobile Micro-Clouds
移动微云是分布式计算中的一种新兴技术，旨在当集中式服务可能遭受连接性差和延迟长的问题时，为网络边缘提供无缝的计算/数据访问。与传统云不同，移动微云更小，部署更接近用户，通常连接到蜂窝基站或无线网络接入点。由于每个基站或接入点的覆盖区域相对较小，当用户跨越由附接到不同微云的不同基站或接入点覆盖的区域移动时，服务性能和服务迁移的问题变得重要。在本文中，我们考虑这样的移民问题。我们建模的一般问题作为一个马尔可夫决策过程（MDP），并表明，在移动用户遵循一维非对称随机游走移动模型的特殊情况下，服务迁移的最佳策略是一个阈值策略。我们得到了由任意阈值引起的代价的解析解，然后提出了一种寻找最佳阈值的算法。所提出的算法是更有效的解决MDPs的标准机制。
2015-03-17 cs.DC cs.NI math.OC
PRIMAL: PRofIt Maximization Avatar pLacement for Mobile Edge Computing
我们提出了一个云网络架构，将计算资源从集中式云带到边缘。因此，每个用户设备（UE）可以以较低的端到端（E2E）延迟与其化身（位于微云中的软件克隆）通信。然而，UE随时间移动，因此如果UE的化身停留在其原始微云中，则可能无法维持低E2E延迟。因此，实时化身迁移（即，基于UE的位置将UE的化身迁移到合适的微云）能够维持每个UE与其化身之间的低E2E延迟。另一方面，迁移本身在化身的资源方面引起额外的开销，这损害了在化身中运行的应用程序的性能。通过考虑增益（即，E2E延迟减少）和成本（即，迁移开销），我们提出了一个PRofIt最大化化身pLacement（PRIMAL）策略的cloudlet网络，以优化迁移收益和迁移成本之间的权衡，通过选择性地迁移化身到他们的最佳位置。仿真结果表明，与其他两种策略（即，跟随我化身和静态），PRIMAL在保持UE与其化身之间的低平均E2E延迟方面最大化利润，同时最小化迁移成本。
2015-10-14 cs.DC cs.NI
Context-aware Execution Migration Tool for Data Science Jupyter Notebooks on Hybrid Clouds
IBM Research（IBM研究院）
交互式计算笔记本电脑，如Xueyter笔记本电脑，已经成为一种流行的工具，用于开发和改进数据驱动的模型。这样的笔记本倾向于在用户自己的机器或云环境中执行，这两种方法都有缺点和优点。本文提出了一个解决方案，开发作为一个自动选择的细胞，以及在哪些情况下，这些细胞应该迁移到一个更合适的平台上执行的扩展。我们描述了我们如何减少笔记本电脑的执行状态，以减少迁移时间，我们探索的知识与笔记本电脑的用户交互模式，以确定哪些块的细胞应该被迁移。使用笔记本从地球科学（遥感），图像识别，手写数字识别（机器学习），我们的实验表明，笔记本状态减少高达55倍，迁移决策导致性能增益高达3.25倍时，考虑到用户与笔记本的交互。
2021-07-01 cs.AI cs.DC
CloudGenius: Automated Decision Support for Migrating Multi-Component Enterprise Applications to Clouds
将多组件企业应用程序迁移到云的关键问题之一是选择VM映像和云基础设施服务的最佳组合。迁移过程必须确保满足服务质量（QoS）要求，同时满足冲突的选择标准，例如吞吐量和成本。在选择云服务时，应用工程师必须考虑异构的标准集和无法手动解决的跨多个层的复杂依赖关系。为了克服这一挑战，我们提出了通用的推荐框架CloudGenius和实施，利用众所周知的多标准决策技术层次分析法自动选择过程的基础上的模型，因素，和QoS要求相关的企业应用程序。特别是，我们介绍了一个结构化的迁移过程中，多组件的企业应用程序，明确确定最重要的标准相关的选择问题，并提出了一个多标准为基础的选择算法。用软件原型CumulusGenius进行的实验显示了时间复杂度。
2012-02-06 cs.DC
Reallocation and Allocation of Virtual Machines in Cloud Computing
云计算给分布式领域带来了新的面貌。本文主要讨论了两个问题：（1）利用负载均衡算法的概念寻找有效虚拟机的过程。(II)重新分配虚拟机，即当云提供商无法提供所需的虚拟机时迁移虚拟机。我们已经讨论了不同的负载均衡算法，这些算法用于根据需要决定分配给客户端的有效虚拟机。在第二个问题中，我们讨论了可用于将虚拟机从一个源机器迁移到另一个目标机器的不同模块。最后讨论了适用于云计算的各种模拟器。
2013-04-15 cs.DC
Live Service Migration in Mobile Edge Clouds
移动边缘云（MEC）通过在网络边缘安装小型云基础设施，将云的优势更贴近用户。这使得新一代的实时应用成为可能，例如智能交通系统中的即时对象识别和安全辅助，这些应用需要非常低的延迟。邻近性带来的一个关键问题是如何确保用户在不同位置移动时始终获得良好的性能。在MEC之间迁移服务被视为实现这一目标的手段。本文提供了一个分层框架，用于迁移封装在虚拟机（VM）或容器中的主动服务应用程序。这种分层方法可以大幅减少服务停机时间。该框架很容易使用现成的技术实现，其关键优势之一是它支持容器，这是一种有前途的新兴技术，提供了虚拟机的切实好处。在该框架下，通过实验对各种实际应用的迁移性能进行了评估.从实验结果得出的见解进行了讨论。
2017-08-02 cs.DC cs.NI
A Multi-Objective Framework for Optimizing GPU-Enabled VM Placement in Cloud Data Centers with Multi-Instance GPU Technology
本文针对云数据中心中MIG技术导致的GPU资源碎片化问题，提出多阶段放置框架GRMU，通过GPU内/间迁移和配额分区策略，在真实集群轨迹上实现接受率提升22%、活跃硬件减少17%。
2025-02-04 cs.DC
FastMig: Leveraging FastFreeze to Establish Robust Service Liquidity in Cloud 2.0
本文提出 FastMig 平台，通过主动控制 FastFreeze 的检查点/恢复操作并引入热恢复机制，实现容器化服务跨边缘云与多云的稳健实时迁移，将迁移停机时间降低 30 倍且开销极小。
2024-06-29 cs.DC cs.OS
Toward Reliable and Rapid Elasticity for Streaming Dataflows on Clouds
流数据的普遍可用性推动了对用于流应用的分布式快速数据平台的兴趣。这种延迟敏感的应用程序需要使用弹性云资源上的横向扩展来响应输入速率和任务行为的动态性。像Apache Storm这样的平台不提供强大的功能来响应这种动态性和跨VM快速迁移任务。我们提出了几种流媒体流检查点和迁移方法，允许流媒体流迁移，而不会丢失任何飞行中的消息或其内部任务状态，同时减少恢复和稳定的时间。我们在Apache Storm上实施并评估这些迁移策略，使用微和应用程序扩展来扩展到多达2-21个Azure VM。我们的结果表明，我们可以在50秒内迁移大尺寸的磁盘，相比之下，风暴的默认方法，接管$100~sec$。我们还发现，我们的方法可以更早地稳定应用程序，并且没有失败和重新处理消息。
2017-12-02 cs.DC
On Optimizing Replica Migration in Distributed Cloud Storage Systems
随着大规模互联网服务和大数据的广泛采用，云已经成为满足不断增长的存储需求的理想环境，这要归功于其看似无限的容量，高可用性和更快的访问时间。在这种情况下，数据复制被吹捧为提高数据可用性和减少访问时间的最终解决方案。然而，副本放置系统通常需要随着时间的推移在数据中心之间和数据中心内迁移和创建大量的数据副本，在网络负载和可用性方面产生了很大的开销。本文提出了一种有效的分布式云存储迁移方案CRANE。CRANE通过有效地管理地理分布式基础设施中的副本创建来补充任何副本放置算法，通过（1）最小化将数据复制到新副本位置所需的时间，（2）避免网络拥塞，以及（3）确保数据的最小可用性。我们的研究结果表明，与swift（用于管理数据存储的OpenStack项目）相比，CRANE能够最大限度地减少高达30%的副本创建时间和25%的数据中心间网络流量，同时确保数据的最低可用性。
2015-09-04 cs.DC cs.NI
UMS: Live Migration of Containerized Services across Autonomous Computing Systems
本研究提出UMS，一种跨自主计算系统的容器化服务实时迁移方案，支持不同权限级别，自动选择迁移方法，实现异构编排器及多云间的无缝迁移，并降低迁移开销与停机时间。
2023-09-06 cs.DC cs.NI
Process migration-based computational offloading framework for IoT-supported mobile edge/cloud computing
移动设备已成为物联网（IoT）不可或缺的组成部分。然而，这些设备在处理能力、电池功率和存储空间方面具有资源约束，从而阻碍了通常需要宽带宽、严格的响应时间、长电池寿命和重计算能力的计算密集型应用的执行。移动云计算和移动边缘计算（MEC）是可以使用卸载算法来满足上述要求的新兴技术。本文分析了边缘网络中依赖于平台的原生应用程序对计算卸载的影响，提出了一个轻量级的基于进程迁移的计算卸载框架。所提出的框架不需要边缘服务器上的应用程序二进制文件，因此可以无缝迁移本地应用程序。建议的框架进行评估，使用实验测试平台。数值结果表明，该框架节省了近44%的执行时间和84%的能源消耗。因此，所提出的框架显示了MEC中资源密集型物联网应用程序处理的巨大潜力。
2019-09-24 cs.DC cs.NI
Prepartition: Load Balancing Approach for Virtual Machine Reservations in a Cloud Data Center
负载均衡对于云数据中心的高效和长期运营至关重要。对于虚拟化，在分配后进行虚拟机的后（反应式）迁移是负载均衡和整合的传统方式。然而，反应式迁移不容易达到预定义的负载平衡目标，并且可能会中断服务并带来不稳定性。因此，我们提出了一种新的方法，称为预分区，负载均衡。它将VM请求按开始时间、结束时间和容量需求顺序划分为几个子请求，并将每个子请求视为常规VM请求。通过这种方式，它可以主动为每个物理机器上的每个VM请求设置边界，并使调度器在VM迁移之前做好准备，以获得预定义的负载均衡目标，从而以细粒度的方式支持资源分配。仿真合成数据表明，在平均利用率、不平衡度、最大完工时间和容量最大完工时间等指标下，PrepartitionOff调度算法比现有的负载均衡算法性能提高10%~ 20%.我们还将预分区扩展到在线负载均衡。评估结果表明，我们提出的方法也优于现有的在线算法。
2021-10-19 cs.DC
Efficient KV Cache Migration for Geo-Distributed LLM Inference in Collaborative Edge Computing
The Hong Kong Polytechnic University（香港理工大学）；National University of Defense Technology（国防科技大学）；Wuhan University（武汉大学）
针对协同边缘计算中分布式LLM推理的KV缓存迁移难题，提出EdgeFlow混合迁移方案，结合并行计算与通信，经实验可将迁移时间最多降低45%，提升了推理的鲁棒性与效率。
2026-10-16 cs.DC
Migrating to Cloud-Native Architectures Using Microservices: An Experience Report
近年来，迁移到云一直是工业界和学术界的热门话题。尽管云提供了许多好处，例如高可用性和可扩展性，但大多数内部部署应用程序架构还没有准备好充分利用这种环境的好处，并且使它们适应这种环境是一项重要的任务。微服务最近作为云原生的新颖架构风格出现。这些云原生架构可以促进迁移本地架构，以充分受益于云环境，因为非功能属性，如可扩展性，是这种风格所固有的。现有的云迁移方法大多没有将云原生架构视为其一等公民。因此，最终产品可能无法满足迁移的主要驱动因素。在本文中，我们打算报告我们在一个正在进行的项目中学到的经验和教训，该项目将单片内部部署软件架构迁移到微服务。我们得出的结论是，微服务不是一个适合所有人的解决方案，因为它给系统带来了新的复杂性，在采用这种风格之前，应该考虑许多因素，例如分布复杂性。但是，如果在可伸缩性和可用性方面需要高度灵活性的环境中采用，它可以提供其承诺的好处。
2015-07-29 cs.DC cs.SE
Evaluation of Energy-efficient VM Consolidation for Cloud Based Data Center - Revisited
在本文中，进行了重新评估的动态虚拟机合并问题和最佳的在线确定性算法的单虚拟机迁移在实验环境中。我们继续关注行星实验室工作负载跟踪的能源和性能权衡，其中包括一千个具有广泛模拟环境的Planetlab虚拟机。所有的实验都是在CloudSim仿真工具模拟的云环境中进行的。面向实用程序的IT服务的一个新范例是云计算，它提供了一种即用即付的模式。近年来，来自商业、科学、工程和教育领域的许多用户对云计算越来越感兴趣。人们越来越关注高能耗问题对各种机构来说是一个不利因素。然而，到目前为止，人们对在云环境中降低能耗同时确保性能的各种方法关注太少。除了评估云中的节能数据中心管理算法之外，我们还提出了进一步的研究，旨在开发节能算法。通过对当前提出的动态虚拟机合并竞争分析和单虚拟机迁移的最优在线确定性算法的实验评估，发现不同算法组合的结果不同。基于云的数据中心消耗大量的能源，这对环境和运营成本有负面影响，这项工作有助于降低云环境中的能源消耗。
2018-12-15 cs.DC
10Cache: Heterogeneous Resource-Aware Tensor Caching and Migration for LLM Training
Kuwait University, Kuwait（科威特大学）
针对云端LLM训练的内存瓶颈与现有卸载方案的缺陷，提出异构资源感知的张量缓存迁移系统10Cache，通过智能协调多层存储、优化预取与内存分配，显著提升训练速度与资源利用率。
2025-11-18 cs.DC cs.LG
The Cost Advantage of Virtual Machine Migrations: Empirical Insights into Amazon's EC2 Marketspace
本文通过分析亚马逊定价数据和Bitbrains数据集，研究云组合的成本优化，发现异构组合可实现成本最优，运行6小时至1年的虚拟机迁移具成本效益，且未利用资源为未来优化提供潜力。
2025-08-20 cs.DC cs.GT
Workload Scheduling on heterogeneous Mobile Edge Cloud in 5G networks to Minimize SLA Violation
智能设备已成为我们生活中不可或缺的一部分，并在几乎所有领域获得越来越多的适用性。诸如增强现实（AR）、自动驾驶和在线游戏等延迟感知应用需要更多的资源，例如网络带宽和计算能力。由于传统的移动网络无法满足所需的带宽和延迟，移动边缘云（MEC）应运而生，在5G网络上为用户提供云计算能力。在本文中，我们考虑了一个异构MEC网络与众多的移动用户，他们的任务发送到MEC服务器。每个任务都有一个可接受的最大响应时间。用户的非均匀分布使得一些MEC服务器成为热点，无法容纳更多用户。一种解决方案是在MEC服务器之间重新定位任务，称为“任务迁移”。我们制定这个问题的任务调度作为一个混合整数非线性优化问题，以尽量减少服务水平协议（SLA）的违规行为。由于解决这个优化问题具有较高的计算复杂性，我们引入了一个贪心算法，称为MESA，迁移启用调度算法，它达到一个接近最优的解决方案迅速。实验表明，在SLA违反方面，MESA与最优选择的平均距离和最差距离分别只有8%和11%。此外，与将任务分配给MEC服务器而不进行迁移相比，支持迁移的解决方案可以将SLA违规减少约30%。
2020-03-21 cs.DC cs.NI
To Migrate or not to Migrate: An Analysis of Operator Migration in Distributed Stream Processing
数据流处理系统中最重要的问题之一是使用操作员迁移以具有成本效益的方式处理高度可变的工作负载，并根据需要在任何给定时间适应需求。操作符迁移是一个复杂的过程，涉及到正在运行的查询的状态和流管理的更改，通常不会丢失任何数据，并且尽可能少地中断执行。本调查从历史角度以及迁移目标的角度概述了运营商迁移的解决方案。它引入了操作员迁移的概念模型，以建立统一的术语和分类现有的解决方案。现有的工作在该领域进行了分析，迁移的机制从迁移数据的决定。在后一种情况下，强调成本效益分析，这对运营商迁移很重要，但往往只是隐含地解决，或完全被忽视。对可用解决方案的描述使读者从算法的角度对设计方案有了很好的理解。我们补充这一点的实证研究，提供定量的见解不同的设计方案的迁移机制的影响。
2022-03-07 cs.DC
Efficient Resource Management in Cloud Environment
在云计算中，资源管理在数据中心中扮演着重要的角色，它直接依赖于应用程序的工作负载。诸如基础设施即服务（IaaS）、平台即服务（PaaS）和软件即服务（SaaS）的各种服务由云计算提供，以利用按使用付费的方法向云用户提供计算、网络和存储能力。资源分配是解决各种苛刻情况的现有解决方案，这些苛刻情况例如欠载/过载处理、资源浪费、负载均衡、服务质量（QoS）违规、VM迁移等等。虚拟机放置（VMP）的主要目的是将虚拟机（VM）映射到物理机（PM），使得PM可以被利用到它们的最大效率，其中已经活动的VM不会被中断。它提供了一个必须完成的实时VM迁移列表，以获得最佳解决方案并在更大程度上降低能耗。低效的VMP导致资源浪费、过度的能源消耗，并且还增加了数据中心的整体运营成本。在此背景下，本文对云环境中的资源管理方案进行了广泛的调查。分析了资源管理的概念方案、当前基于机器学习的资源分配策略的分组以及物理资源无效分配的基本问题。此后，解释了在云资源管理领域中基于机器学习的机制中的现有技术的完整调查。最后，本文探讨并总结了云环境下资源管理面临的挑战和未来的研究方向。
2022-06-24 cs.DC
Flocking Virtual Machines in Quest for Responsive IoT Cloud Services
我们建议弗洛克;一种简单且可扩展的协议，支持跨异构边缘和传统云平台实时迁移虚拟机（VM），以提高云服务的响应能力。Flock的设计具有适合物联网（IoT）用例的属性。我们描述了正则化延迟测量的属性，Flock可以用于异步和自主迁移决策。这样的决策允许通信的VM遵循类似群集的行为，该行为由三个简单的规则组成：分离、对齐和内聚。使用博弈论，我们推导出分析界的羊群的无政府代价价格（PoA），并证明群集虚拟机收敛到一个纳什均衡，同时解决最好的云平台。我们通过模拟验证了Flock的有效性，并讨论了如何简单地调整其通用目标以实现其他目标，如云负载均衡和能耗最小化。
2016-10-02 cs.DC cs.NI
Quantum Clouds: A future perspective
量子计算和云计算是未来计算的两大巨人。这两种技术是相辅相成的。因此，量子云是在云环境中部署量子计算资源，以解决当前经典云计算模型所面临的挑战和问题。云所面临的最新挑战，如虚拟机迁移、数据安全、流量管理等，都可以通过量子原理来解决。但这两种技术的融合也有其自身的挑战，需要在向前迈进之前加以解决。这些挑战是什么？量子计算机如何解决云计算问题？量子平行性、叠加性与闪光拥挤效应之间的关系;朗道原理与能量管理;光子偏振原理与数据安全;这些有趣的问题在本文中得到了解决。
2014-10-05 cs.DC
RUPER-LB: Load balancing embarrasingly parallel applications in unpredictable cloud environments
几位作者已经研究了云计算运行科学应用程序的适用性。然而，这些环境中不可预测的性能波动阻碍了科学应用程序向云提供商的迁移。为了减轻这些影响，这项工作提出了RUPER-LB，松散耦合的迭代并行应用程序，运行在具有不同的计算能力的基础设施上的负载均衡器。用真实世界的仿真软件得到的结果，显示RUPER-LB的适用性，以适应这种应用程序的执行环境与可变的性能，并突出其采用的方便性。
2020-05-25 cs.DC
Dynamic Service Migration in Mobile Edge Computing Based on Markov Decision Process
在移动边缘计算中，本地边缘服务器可以托管基于云的服务，这减少了网络开销和延迟，但需要在用户移动到新位置时进行服务迁移。由于这种动态云环境中的不确定性，因此最佳地做出迁移决策具有挑战性。在本文中，我们制定的服务迁移问题作为一个马尔可夫决策过程（MDP）。我们的配方捕捉一般的成本模型，并提供了一个数学框架来设计最佳的服务迁移政策。为了克服与计算最优策略相关的复杂性，我们通过用户和服务位置之间的距离来近似底层状态空间。我们表明，所得到的MDP是准确的均匀一维用户移动性，而它提供了一个紧密的近似均匀的二维移动性与恒定的附加误差。我们还提出了一个新的算法和数值计算技术的最优解，这是显着快于传统的方法的基础上，标准值或政策迭代。我们说明了我们的解决方案在实际情况下，许多理论假设放松的应用。我们基于旧金山出租车的真实移动轨迹进行的评估显示，与基线解决方案相比，拟议解决方案的性能优越。
2019-05-08 cs.DC cs.NI math.OC
An SMDP-based Resource Management Scheme for Distributed Cloud Systems
本文研究了地理分布云系统中的资源管理问题。采用Follow Me Cloud概念，实现跨联合数据中心（DC）的服务迁移。因此，有两种类型的服务请求到DC，即，在本地服务区域中发起的新请求（NR）和当移动用户跨服务区域移动时生成的迁移请求（MR）。提出了一种新的资源管理方案，帮助资源管理器决定是否接受服务请求（NR或MR），并确定多少资源应分配给每个服务（如果接受）。优化目标是最大化系统平均回报，并保持服务请求的拒绝概率在一定的阈值之内。数值结果表明，与其他资源管理方案相比，该方案能显著提高系统的整体效用和用户体验.
2015-03-18 cs.DC cs.NI
Next-generation O-RAN Edge: Energy-aware Joint Placement and Migration of Cloud-Native Functions
Concordia University（康科迪亚大学）；Ericsson（爱立信）
针对O-RAN边缘云，本文研究云原生功能的节能联合部署与迁移，提出MILP模型与k-means启发式算法，Multi-CU场景可降5.7%能耗，启发式算法能效接近MILP且计算更高效。
2026-08-26 cs.DC cs.ET cs.IT
Process Migration over CCNx
进程迁移涉及将进程的运行状态从一个物理系统移动到另一个物理系统，这通常是针对虚拟机所做的。在本文中，我们描述了内容为中心的网络（CCNx）如何通过直观的命名本体和版本检查点促进流程迁移。
2017-07-16 cs.DC cs.NI
PDMA: Probabilistic Service Migration Approach for Delay-aware and Mobility-aware Mobile Edge Computing
作为5G时代的关键技术，移动边缘计算（MEC）近年来发展迅速。MEC旨在减少移动用户的业务延迟，同时减轻核心网的处理压力。MEC可以看作是云计算在用户端的延伸，可以部署边缘服务器并将计算资源更接近移动用户，提供更高效的交互。然而，由于用户的动态移动性，用户与边缘服务器之间的距离将动态地改变，这可能导致服务质量（QoS）的波动。因此，当移动用户在MEC环境中移动时，需要某些方法来调度部署在边缘服务器上的服务以确保用户体验。在本文中，我们在MEC场景中的服务调度模型，并提出了一种基于简洁的概率方法的延迟感知和移动性感知的服务管理方法。该方法具有较低的计算复杂性，能有效降低业务延迟和迁移成本。此外，我们利用多个现实数据集进行实验，并使用iFogSim来评估算法的性能。实验结果表明，该方法可以优化服务延迟性能，在高峰时段与基线相比，服务延迟性能提高了8%~ 20%，迁移成本降低了75%以上.
2021-06-10 cs.DC
Combination of Convolutional Neural Network and Gated Recurrent Unit for Energy Aware Resource Allocation
Ayandegan Institute of Higher Education（阿扬德甘高等教育学院）；Islamic Azad University（伊斯兰阿扎德大学）
云计算服务模式已经经历了快速的增长，并且低效率的资源使用被认为是云数据中心高能耗的最大原因之一。旨在减少能耗的云数据中心中的资源分配已经使用虚拟机（VM）的实时迁移及其合并到少量物理机（PM）中来进行。然而，选择适当的VM进行迁移是一个重要的挑战。为了解决这个问题，可以根据用户请求的模式将VM分类为对延迟敏感或不敏感的类别，然后可以选择合适的VM进行迁移。在本文中，卷积神经网络（CNN）和门控递归单元（GRU）的组合用于Microsoft Azure数据集中的VM分类。由于该数据集中的大多数VM都被标记为对延迟不敏感，因此迁移该组中的更多VM不仅可以降低能耗，还可以减少违反服务水平协议（SLA）的情况。实证结果表明，该模型的预测准确率为95.18，明显优于其他模型。
2021-06-23 cs.DC cs.LG cs.NI
Security Management Model in Cloud Computing Environment
在云计算环境下，云虚拟机（VM）的数量将越来越多，虚拟机的安全和管理面临巨大的挑战。为了解决云计算虚拟化环境下的安全问题，提出了一种基于虚拟机高效动态部署的虚拟机安全管理模型--状态迁移与调度，研究了其中的虚拟机安全体系结构，基于层次分析法一种基于ARMUM的虚拟机部署调度方法（Cumulative Sum）DDoS攻击检测算法，以及上述用于功能测试和验证的方法。
2016-11-27 cs.DC cs.NI
