Monetary Cost Optimizations for Hosting Workflow-as-a-Service in IaaS Clouds
最近，我们目睹了基础设施即服务（IaaS）云上出现的科学和其他数据密集型应用程序的工作流程，以及许多提供工作流程即服务（WaaS）的工作流程服务提供商。WaaS提供商的主要关注点是最大限度地减少在IaaS云中执行工作流的货币成本。虽然已经有以前的研究在这个问题上，他们中的大多数假设静态的任务执行时间和静态的定价方案，并有QoS的概念，满足一个确定的截止日期。然而，云环境是动态的，性能动态由并发执行的干扰和价格动态（如Amazon EC2提供的现货价格）引起。因此，我们认为WaaS提供商应该有为IaaS云上的各个工作流程提供概率性能保证的概念。我们开发了一个称为Dyna的概率调度框架，以最大限度地减少货币成本，同时提供概率的最后期限保证。该框架包括一个基于A* 的实例配置方法的性能动态，和一个混合实例配置细化利用现货实例。在Amazon EC2上的三个真实科学工作流应用的实验结果表明：（1）我们的框架在满足用户所需的概率截止日期保证方面的准确性;（2）与现有方法相比，我们的框架在降低货币成本方面的有效性。
2014-04-30 cs.DC
Metrics based Workload Analysis Technique for IaaS Cloud
资源的动态可伸缩性是基础设施即服务（IaaS）中的一个问题，一直是研究和产业界关注的热点。云工作负载的异构性和动态性取决于适当工作负载到适当资源的服务质量（QoS）分配。工作负载是实例或一组实例将要执行的工作的抽象。运行Web服务或成为Hadoop数据节点是有效的工作负载。动态自然资源的有效管理可以在工作负载的帮助下完成。在工作负载被视为基本功能之前，云资源无法以有效的方式利用。在本文中，不同的工作负载已被确定和分类，以及他们的特点和限制。已经为每个工作负载确定了基于服务质量（QoS）要求的度量，并对这些度量进行了分析，以创建更好的应用程序设计。
2014-11-25 cs.DC
Robots as-a-Service in Cloud Computing: Search and Rescue in Large-scale Disasters Case Study
物联网（IoT）有望通过互联网将传感器和机器人等物体互连起来，从而实现无数应用。物联网应用范围从医疗保健到自动驾驶汽车，包括灾难管理。在云环境中启用这些应用程序需要设计适当的物联网架构即服务（IoT IaaS），以简化将物联网对象作为云服务的配置。本文讨论了大规模灾难场景中搜索和救援物联网应用的案例研究。它提出了一个物联网IaaS架构，虚拟化机器人（机器人IaaS），并将它们作为服务提供给上游应用程序。支持节点级和网络级机器人虚拟化。所提出的架构满足一组确定的要求，如异构机器人的统一描述模型，发布/发现机制，并在需要时与其他IaaS的机器人联邦的需要。建立了一个有效的概念证明，并进行了实验，以评估其性能。经验教训和未来的研究方向进行了讨论。
2017-11-04 cs.DC
DISSECT-CF: a simulator to foster energy-aware scheduling in infrastructure clouds
基础设施即服务（IaaS）系统提供按需虚拟基础设施，如此可靠和灵活，以至于用户期望高服务水平。因此，即使在内部IaaS行为方面，生产云也只采用被证明不会妨碍既定服务水平的新颖想法。为了分析他们的预期行为，新想法通常在类似生产IaaS系统的场景中使用模拟器进行评估。例如，新的研究可以使几个层次的制造商之间的合作，或者可以考虑新的优化目标，如能源消耗。不幸的是，目前的云模拟器很难使用，当几层模拟器在其中交互时，它们经常会出现性能问题。针对这些问题，设计了一个新的IaaS仿真框架（称为DISSECT-CF）。新模拟器的基础有以下目标：易于扩展，支持IaaS的能量评估，并能够快速评估许多调度和IaaS内部行为相关的场景。为了满足这些场景的要求，新的模拟器引入了以下概念：资源共享的统一模型和具有分层和间接计量选项的新能源计量框架。然后，将几种模拟情况与现实生活中的IaaS行为进行比较，以验证模拟器的功能。最后，DISSECT-CF和一些目前可用的模拟器之间的性能比较。
2016-04-22 cs.DC
Formal Specification Language Based IaaS Cloud Workload Regression Analysis
云计算是访问计算资源的新兴领域。一般来说，云服务提供商提供的服务可以分为三类：SaaS，PaaS和IaaS。本文讨论了云负载分析。提出了一种高效的云负载资源映射技术。本文旨在提供一种了解和调查IaaS云工作负载和资源的方法。本文采用回归分析的方法对云计算的工作负载进行分析，并确定云计算工作负载与可用资源之间的关系。动态自然资源的有效组织可以在云工作负载的帮助下完成。直到云工作负载被认为是一个重要的人才，云资源不能以有效的方式消耗。所提出的技术已通过Z形式规约语言验证。这种方法可以有效地最大限度地减少云工作负载的成本和提交突发时间。
2014-02-13 cs.DC
Server Structure Proposal and Automatic Verification Technology on IaaS Cloud of Plural Type Servers
在本文中，我们提出了一个服务器结构的建议和自动性能验证技术，提出并验证了一个适当的服务器结构上的基础设施即服务（IaaS）云与裸金属服务器，基于容器的虚拟服务器和虚拟机。最近，云服务已经取得了进展，并且提供商不仅提供虚拟机，而且还提供裸金属服务器和基于容器的虚拟服务器。然而，用户需要设计一个合适的服务器结构，他们的需求的基础上的3种类型的定量性能和用户需要很多的技术知识，以优化他们的系统性能。因此，我们研究一种技术，满足用户的性能要求，在这三种类型的IaaS云。首先，我们测量了在OpenStack上的裸机服务器，Docker容器，KVM（基于内核的虚拟机）虚拟机的性能与虚拟服务器数量的变化。其次，我们提出了一种基于量化测量数据的服务器结构建议技术。服务器结构建议技术接收OpenStack Heat和功能/性能需求的抽象模板，然后创建具有服务器规范信息的具体模板。第三，我们提出了一种自动性能验证技术，根据模板自动执行必要的性能测试提供的用户环境。
2022-11-01 cs.DC
Revenue Maximization Approaches in IaaS Clouds: Research Challenges and Opportunities
创收是任何企业的主要关注点，特别是在云计算中，提供商和消费者之间没有直接的互动。云计算是当今企业的新兴核心，然而，其与传统市场的复杂性（例如，安装和迁移）是主要挑战。它赚得更多，但需要模范的表现和营销技能。近年来，云计算已经成为提供桌面服务的成功范例。预计到2023年将投资超过3310亿美元，同样，预计将有510亿台设备连接到云。基础设施即服务（IaaS）提供物理资源（例如，计算、内存、存储和网络）作为VM实例。在本文中，主要的收入因素被归类为SLA和惩罚管理，资源可扩展性，客户满意度和管理，资源利用和供应，成本和价格管理，广告和拍卖。这些参数进行了详细的研究，并发现了新的动力学研究人员在该领域的云。
2020-04-24 cs.DC
Tasks Scheduling Technique Using League Championship Algorithm for Makespan Minimization in IaaS Cloud
基础设施即服务（IaaS）云任务调度中的最小化最大跨度问题是一个NP难问题。在过去，已经使用了许多技术来优化IaaS云中计划任务的完工时间，这与向客户收取的执行成本成比例。本文提出了一种基于联盟锦标赛算法（LCA）的IaaS云最小化完工时间调度技术。LCA是一种基于运动启发的种群算法框架，用于在连续搜索空间上进行全局优化。另外三个现有的算法，即先来先服务（FCFS），最后的工作优先（LJF）和最好的努力第一（BEF）被用来评估所提出的算法的性能。所有考虑中的算法都假定为非抢占式。实验结果表明，LCA调度技术在最小化IaaS云中调度任务的最大完工时间方面优于其他算法。
2015-10-12 cs.DC
JCloudScale: Closing the Gap Between IaaS and PaaS
云计算的IaaS模型是构建弹性伸缩系统的一种很有前途的方法。不幸的是，今天构建这样的应用程序是一个复杂的，重复的和容易出错的工作，因为IaaS没有在裸虚拟机上提供任何抽象。因此，所有与弹性相关的功能都需要为每个应用重新实现。在本文中，我们介绍了JCloudScale，一个基于Java的中间件，支持在公共或私有IaaS云之上构建弹性应用程序。JCloudScale允许轻松地将应用程序带到云中，只需对应用程序代码进行最小的更改。我们讨论的中间件的一般架构，以及它的技术特点，并评估我们的系统方面，用户接受（基于用户研究）和性能开销。我们的研究结果表明，JCloudScale确实允许许多参与者更有效地构建IaaS应用程序，与工业平台即服务（PaaS）解决方案提供的便利功能相媲美。但是，与PaaS不同，使用JCloudScale不会导致开发人员失去控制和供应商锁定。
2014-11-10 cs.DC cs.SE
Patterns in the Chaos - a Study of Performance Variation and Predictability in Public IaaS Clouds
对公共云提供商的性能进行基准测试是一个常见的研究课题。以前的研究已经广泛评估了不同云平台在不同用例下的性能，以及在不同的约束和实验设置下的性能。在本文中，我们提出了一个原则性的，大规模的文献综述，以收集和整理现有的研究，在公共云结构即服务（IaaS）云的性能的可预测性。我们制定了15个假设IaaS系统中的性能变化的性质，性能变化的影响因素，以及如何比较不同的实例类型。在第二步中，我们在Amazon EC2和Google Compute Engine上进行了广泛的实际实验，以经验验证这些假设。在我们研究的时候，EC2的性能比GCE的可预测性要低得多。此外，我们表明，硬件异构性是在实践中不太普遍，比预期的早期研究，而多租户的性能和可预测性有显着的影响。
2016-01-19 cs.DC
Minimizing Total Busy Time with Application to Energy-efficient Scheduling of Virtual Machines in IaaS clouds
云结构即服务（IaaS）云已经变得越来越流行，使用户能够在虚拟机下运行应用程序。IaaS云的能源效率仍然是一个挑战。针对IaaS云环境下虚拟机在物理机上的高效节能调度问题，提出了一种基于多资源、固定时间间隔和虚拟机不可抢占的调度策略.排序问题是NP难的。大多数现有的工作对虚拟机的位置，减少总的能源消耗，使用最小数量的活动的物理机器。然而，存在使用最小数量的物理机导致物理机的总繁忙时间更长的情况。对于调度问题，最小化所有物理机的总能耗等价于最小化所有物理机的总忙时间。在本文中，我们提出了一个调度算法，表示为EMinTRE-LFT，最小化的总能源消耗的物理机器的调度问题。我们广泛的模拟使用并行工作负载模型在并行并行网络存档表明，该算法具有最少的总能耗相比，国家的最先进的算法。
2016-09-19 cs.DC
Resource Provisioning and Scheduling Algorithm for Meeting Cost and Deadline-Constraints of Scientific Workflows in IaaS Clouds
云计算的基础设施即服务模型是执行成本和期限约束的工作流应用的理想平台，因为云计算的弹性允许大规模复杂的科学工作流应用根据其期限要求动态地扩展。然而，在分布式计算环境中，这些多任务工作流作业的调度是一个计算困难的多目标组合优化问题。关键的挑战是调度工作流任务，同时满足用户的服务质量服务质量（QoS）的要求和应用程序的最后期限。现有的研究工作不仅未能解决这一挑战，而且没有纳入云环境中计算资源的弹性和异构性的基本原则。在本文中，我们提出了一个资源供应和调度算法调度IaaS云上的工作流应用程序，以满足应用程序的最后期限约束，同时优化执行成本。该算法是基于自然启发的人口智能水滴（IWD）优化算法。在CloudSim仿真环境下对4个实际工作流应用的实验结果表明，IWD算法能够在指定的截止期限内以最优的代价调度工作流任务。此外，IWD算法收敛速度快，接近最优解。
2018-06-06 cs.DC
Seeing Shapes in Clouds: On the Performance-Cost trade-off for Heterogeneous Infrastructure-as-a-Service
在不久的将来，FPGA将按小时提供，但是这种新的基础设施即服务（IaaS）使用模式既带来了机遇，也带来了挑战：机会是程序员可以在比以前更短的时间内以更大的规模交换资源以获得性能。面临的挑战是寻找和遍历异构IaaS的权衡，以确保增加的资源导致最大可能的性能提高。这种权衡是帕累托最优的。异构资源集群的帕累托最优权衡可以通过解决多个多目标优化问题来找到，从而将任务最优分配到可用平台。解决这些优化程序可以使用简单的启发式方法或正式的混合线性规划（MILP）技术。当在多核CPU、GPU和FPGA平台的异构集群上使用蒙特卡洛算法对128个金融期权进行定价时，MILP方法产生的权衡比启发式方法快110%，并且便宜50%以上。这些结果表明，异构IaaS的高质量性能资源权衡最好通过正式的优化方法来实现。
2015-08-27 cs.DC
Market-Oriented Online Bi-Objective Service Scheduling for Pleasingly Parallel Jobs with Variable Resources in Cloud Environments
本文从提供作业执行服务的SaaS（Software-as-as-Service）供应商的角度，研究了云环境下具有可变资源的并行作业的面向市场的在线双目标服务调度问题.在云中调度SaaS服务的主要过程是：SaaS提供商从IaaS提供商购买云实例，以调度最终用户的作业并向用户收取相应的费用。这个问题有几个特殊的功能，如面向作业的最终用户，令人愉快的并行作业与软期限约束，在线设置，和可变数量的资源。为了最大限度地提高收入和用户满意度，我们设计了一个在线算法，SaaS提供商以最佳方式购买IaaS实例和调度令人愉快的并行作业。该算法可以在多项式运行时间内实现竞争目标。理论分析和基于真实世界的谷歌工作跟踪以及合成数据集的仿真验证了我们的算法的有效性和效率。
2021-02-17 cs.DC
VUPIC: Virtual Machine Usage Based Placement in IaaS Cloud
高效的资源分配是基础设施即服务（IaaS）云中的关键性能挑战之一。虚拟机（VM）放置和迁移决策方法是这些资源分配机制的组成部分。我们提出了一种新的虚拟机布局算法，该算法在考虑布局决策时考虑了虚拟机之间的性能隔离及其连续的资源使用情况。性能隔离是对基本低级硬件资源（CPU、内存、存储和网络带宽）感兴趣的虚拟机之间的资源争用形式。多个共同托管的相邻VM之间的资源竞争形成了所提出的新方法的基础。实验结果显示，不同类别的应用程序和性能隔离和资源竞争的影响。一个每虚拟机的3维资源利用率向量（RUV）已连续计算和用于放置决策，同时考虑到冲突的资源利益的虚拟机。使用新的布局算法VUPIC的实验表明，虚拟机的性能以及云的整体资源利用率的有效改善。
2012-12-01 cs.DC
To Reserve or Not to Reserve: Optimal Online Multi-Instance Acquisition in IaaS Clouds
云结构即服务（IaaS）云提供多种实例购买选项。用户既可以按需运行实例，按量付费，也可以预付费长期预留实例，在此期间享受使用折扣。用户面临的一个重要问题是如何动态地组合这两个实例选项，以最小的成本满足随时间变化的需求。然而，文献中现有的战略需要确切的知识或长期未来的需求分布，这大大限制了它们在实践中的使用。与现有的作品不同，我们提出了两个实用的在线算法，一个确定性和另一个随机，动态结合两个实例选项在线没有任何未来的知识。我们表明，建议的确定性（分别，随机化）算法引起不超过2-α（分别，e/（e-1+alpha））乘以通过先验地知道确切未来的最优离线算法获得的最小成本，其中alpha是预订后的有权折扣。我们的在线算法在确定性和随机情况下都实现了最佳的竞争比，并且可以很容易地扩展到短期预测可靠的情况。由大量真实世界跟踪驱动的模拟表明，使用普遍的IaaS价格可以实现显着的成本节约。
2013-05-24 cs.DC
Elastic Processing of Analytical Query Workloads on IaaS Clouds
许多现代应用程序需要对大量数据进行分析查询。这样的查询需要连接和大量的聚合，通常包括用户定义函数（UDF）。处理这些特定类型查询的最有效方法是使用树执行计划。在这项工作中，我们开发了一个引擎的分析查询处理和一套专门的技术，共同利用这种计划的树形式。该引擎在弹性IaaS云基础设施中执行这些树计划，并根据在滑动时间窗口内监控的查询工作负载分配和释放相关资源，从而动态适应。该引擎根据与传入查询相关的服务级别协议（SLA）提供收费服务;其云资源管理旨在消除使用这些资源的成本后最大化利润。我们已经完全实现了我们的算法在Exareme的处理系统。我们提出了一个广泛的评估，表明我们的方法是非常有效的（表现出快速的响应时间），弹性（成功地调整它使用的云资源作为引擎不断适应查询工作负载的变化），和有利可图的（非常接近SLA为基础的收入和基于云的费用之间的最大差异）。
2015-01-06 cs.DB cs.DC
Optimizing the Cost for Resource Subscription Policy in IaaS Cloud
云计算允许用户高效、动态地配置计算资源以满足其IT需求。云提供商向客户提供两种订阅计划，即预订和按需。预订计划通常比按需计划便宜。如果预先知道实际的计算需求，则预留资源将是直接的。挑战在于如何进行适当的资源配置以及客户如何有效地购买预订和按需配置选项。为了解决这个问题，两个阶段的算法，提出了最小化服务提供成本在预订和按需计划。为了在资源预留过程中预留出正确的最优资源量，在第一阶段提出了一个数学公式。第二阶段采用卡尔曼滤波器进行资源需求预测。评估结果表明，两阶段算法可以显着降低供应成本，预测是合理的精度。
2014-02-11 cs.DC
Benchmarking Different Application Types across Heterogeneous Cloud Compute Services
本文整理HPCC实验室的异构IaaS云计算基准，覆盖DNN推理、ML推理和视频转码三类应用，为跨云性能与成本优化提供数据集。
2025-01-10 cs.DC
A Cloud Infrastructure Service Recommendation System for Optimizing Real-time QoS Provisioning Constraints
云计算的普及已经彻底改变了基于互联网的应用服务的托管和交付。然而，随着几乎每个月都有大型云计算公司（例如，Amazon Web Service、Microsoft Azure）和小公司（例如Rackspace、Ninefold），决策者（例如应用程序开发人员、CIO）可能会被可用的选择所淹没。由于异构的服务配置和应用程序供应服务质量（QoS）的约束，决策问题进一步复杂化。为了应对这一严峻挑战，在我们以前的工作中，我们开发了一种半自动化的、可扩展的、基于本体的方法，用于仅基于设计时约束（例如，租赁成本、中心位置、服务特色等）。在本文中，我们扩展我们的方法，包括实时的【形】（运行时）的QoS（端到端的消息延迟，端到端的消息吞吐量）的决策过程。在线交互式游戏、大规模传感器分析和云服务上的实时的【形】移动应用领域中的下一代应用的托管需要优化这种实时的【形】QoS约束以满足服务水平协议（SLA）。为此，我们提出了一个实时的【形】的QoS感知的多标准决策技术，建立在众所周知的层次分析法（AHP）的方法。所提出的技术适用于选择基础设施即服务（IaaS）云产品，并且它允许用户定义多个设计时和实时的【形】QoS约束或要求。然后将这些需求与我们的知识库进行匹配，以计算IaaS层云服务的可能最佳组合。我们进行了大量的实验，以证明我们的方法的可行性。
2015-04-08 cs.DC
VM-MAD: a cloud/cluster software for service-oriented academic environments
IaaS云中强大的计算硬件的可用性使得云计算对于迄今为止几乎完全在HPC集群上运行的计算工作负载也具有吸引力。在本文中，我们提出了VM-MAD的云计算软件：一个开源的框架，用于将基于Linux的HPC集群云爆发成IaaS云，但也计算网格。CloudBurst是完全模块化的，允许灵活配置CloudBurst策略。它可以与任何批处理系统或云基础设施一起使用，并在需要时动态扩展集群。我们的框架的一个显着特点是，政策可以测试和调整的模拟模式的基础上历史或合成集群会计数据。在本文中，我们还描述了如何在FGCZ的生产环境中使用VM-MAD并行计算器，通过云爆发到Amazon EC2来加速基于质谱的蛋白质数据的分析。这种混合系统的优点是显示了一个大的评估运行使用约一百个大型EC2节点。
2013-03-26 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
Semantics-aware Virtual Machine Image Management in IaaS Clouds
云结构即服务（IaaS）云可同时适应不同的用户请求集，因此需要一种高效的策略来大规模存储和检索虚拟机映像（VMI）。VMI存储管理需要处理多个VMI，通常在千兆字节的量级，这带来了VMI蔓延问题，阻碍了弹性资源管理和供应。然而，现有的技术，以促进VMI管理忽略VMI语义（即在基础图像和软件包的水平），要么有限的可能性，以识别和提取可重用的功能，或具有较高的VMI发布和检索开销。在本文中，我们设计，实现和评估除武器，一种新的VMI管理系统，有助于最大限度地减少存储，发布和检索开销。为实现这一目标，除你武器公约纳入了三个相辅相成的特点。首先，它利用VMI建模为语义图，以加快多个VMI之间的相似性计算。第二，除武器协议提供了一个语义感知的VMI分解和基本图像选择，以提取和存储非冗余的基本图像和软件包。第三，除武器公约还可根据用户要求，根据所需的软件包组装VMI。我们通过一组具有代表性的合成云VMI在真实的测试平台上对除你武器进行评估。实验结果表明，我们的语义为中心的方法是能够优化存储库大小的2.2-16倍相比，国家的最先进的系统（如IBM的幻影和Hemera）具有显着的VMI发布和轻微的检索性能改善。
2019-07-29 cs.DC
Sequential Learning-based IaaS Composition
School of Elec Eng, Computing and Mathematical Sciences, Curtin University（科廷大学电子工程、计算与数学科学学院）；School of Computer Science, University of Sydney（悉尼大学计算机科学学院）
我们提出了一种新的IaaS组合框架，选择一组最佳的消费者请求，根据供应商的长期服务条款的定性偏好。决策变量包括在时间条件偏好网络（TempCP-net）中，以表示短期和长期消费者的定性偏好。使用基于\textit{k} -d树索引的时间相似性度量方法来计算一组请求的全局偏好排名。我们提出了一个扩展的三维Q学习方法，以最大限度地提高全球的偏好排名。我们设计了基于策略的顺序选择学习方法，该方法应用请求的长度来接受或拒绝组合中的请求。所提出的基于策略的学习方法使用凝聚聚类方法重用历史经验或顺序优化策略。实验结果证明了该框架的可行性。
2021-02-24 cs.DC cs.LG
A Cloud Platform-as-a-Service for Multimedia Conferencing Service Provisioning
多媒体会议是多方之间实时交换多媒体内容。它是广泛应用的基础（例如，多媒体多人游戏）。这些应用程序所依赖的基于云的会议服务配置将带来诸多好处，例如轻松的服务配置和弹性可扩展性。然而，这仍然是一个巨大的挑战。本文提出了一种用于会议服务提供的PaaS。所提出的PaaS基于最先进的业务模型。它依赖于会议IaaS，而不是VM，提供会议基底（例如，拨入信令、视频混合器和音频混合器）。PaaS支持动态地从底层组成新会议。这已经在本文中原型化，为了评估它，会议IaaS也实施。还进行了性能测量。
2016-05-01 cs.DC cs.MM cs.NI
Cloud Infrastructure Service Management - A Review
新的计算时代称为云计算，允许用户随时随地通过Internet动态访问云服务。云由数据和资源组成;云服务包括基于用户需求通过互联网在互联网上交付软件、基础设施、应用程序和存储。简而言之，云计算是一种商业和经济模式，允许用户利用高端计算和存储，而在他们的终端上使用最少的基础设施。云有三种服务模式，即云软件即服务（SaaS）、云平台即服务（PaaS）和云计算结构即服务（IaaS）。本文深入讨论了云基础设施服务管理。
2012-05-30 cs.DC
MORPHOSYS: Efficient Colocation of QoS-Constrained Workloads in the Cloud
在IaaS云等托管环境中，通常通过使用服务水平协议（SLA）来保证理想的应用程序性能，该协议指定必须分配用于正常操作的最小部分资源容量。在单个主机上任意托管具有不同SLA的应用程序可能会导致主机资源的低效利用。在本文中，我们提出，周期性的资源分配和消费模型被用于更细粒度的SLA的表达。我们提出的SLA模型具有显著的特点，它具有灵活性，使IaaS提供商能够安全地将SLA从一种形式转换为另一种形式，以实现更高效的托管。为了实现这一目标，我们提出了MorphoSys：一个服务框架，允许操纵SLA，以实现高效的工作负载托管。我们提出的结果，从广泛的跟踪驱动的模拟托管视频点播服务器在云环境中。结果表明，使用MorphoSys可以显著减少资源浪费（高达60%）。
2019-12-02 cs.DC
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
Data Intensive High Energy Physics Analysis in a Distributed Cloud
我们表明，分布式的云结构即服务（IaaS）计算云可以有效地用于高能物理数据的分析。我们设计了一个分布式云系统，它可以与任何使用大型输入数据集的应用程序一起工作，这些应用程序需要高吞吐量的计算环境。该系统使用加拿大和美国的基于IaaS的科学和商业集群。我们描述的过程中，用户准备的分析虚拟机（VM）和提交批处理作业的中央调度程序。系统在其中一个IaaS云上引导用户特定的VM，运行作业并将输出返回给用户。用户应用程序在执行应用程序期间访问中央数据库以获得校准数据。类似地，数据位于中央位置，并由正在运行的应用程序进行流式传输。该系统可以很容易地以有效的方式同时运行一百个作业，并且应该扩展到数百甚至数千个用户作业。
2011-01-01 cs.DC
Emerging Security Challenges of Cloud Virtual Infrastructure
云计算模式正在迅速改变IT格局。云计算是一种新的计算模式，它将计算资源作为一组可靠且可扩展的基于互联网的服务来提供，允许客户远程运行和管理这些服务。云结构即服务（IaaS）是流行的云计算服务之一。IaaS允许客户在不投资新硬件的情况下动态增加计算资源。IaaS适应虚拟化，以实现对虚拟计算资源池的按需访问。虽然从云计算中可以获得很大的好处，但云计算也会引入新的威胁类别。这些威胁是由于采用虚拟化技术而造成的云虚拟基础架构复杂性的结果。破坏云虚拟基础设施中任何组件的安全性都会严重影响其他组件的安全性，从而影响整个系统的安全性。本文探讨了云平台虚拟基础设施的安全问题，确定了现有的安全威胁和这种虚拟基础设施的复杂性。本文还讨论了现有的安全方法来保护云虚拟基础设施及其缺陷。最后，我们提出并探讨了实施新的虚拟化感知安全解决方案的一些关键研究挑战，这些解决方案可以为复杂和不断动态的云虚拟基础设施提供先发制人的保护。
2016-12-29 cs.CR cs.DC cs.SE
LIBRA: An Economical Hybrid Approach for Cloud Applications with Strict SLAs
功能即服务（FaaS）最近出现，与云结构即服务（IaaS）相比，它可以降低运行云应用程序的部署成本。FaaS遵循无服务器的“即用即付”计算模型;它的每单位执行时间成本较高，但通常应用程序功能的配置时间较短（启动延迟）。IaaS需要配置虚拟机，而虚拟机通常会遭受更长的冷启动延迟，从而导致更高的排队延迟和更高的请求丢弃率。我们提出了LIBRA，这是一种平衡（混合）方法，它利用基于VM的资源和无服务器资源来有效地管理应用程序的云资源。LIBRA密切监控应用程序需求，并提供适当的VM和无服务器资源，以最大限度地降低运行成本并满足服务级别协议。与最新技术不同，LIBRA不仅隐藏了VM冷启动延迟，从而通过利用无服务器减少了响应时间，而且还将低速率突发部分的需求定向到无服务器，这样做比启动新VM的成本更低。我们在模拟环境中以及AWS商业云上对LIBRA进行了真实跟踪评估。我们的研究结果表明，LIBRA优于其他资源配置政策，包括最近的混合方法- LIBRA实现了85%以上的SLA违规减少和高达53%的成本节约。
2021-04-12 cs.DC
Evolution of Cloud Storage as Cloud Computing Infrastructure Service
企业正朝着更低的成本、更高的可用性、敏捷性和可控风险的方向发展-所有这些都在加速向云计算发展。云不是一种特定的产品，而是一种交付IT服务的方式，这些服务可按需消费，可根据需要灵活扩展和缩小，并遵循按使用付费的模式。在三种常见类型的云计算服务模型中，基础设施即服务（IaaS）是一种服务模型，其向其订户提供服务器、计算能力、网络带宽和存储容量作为服务。云可以与许多东西相关，但如果没有基本的存储部分，即云存储作为服务提供，其他应用程序都不可能。本文介绍了云存储，包括云计算和云存储的关键技术，云计算的管理见解，云服务的不同类型，云计算和云存储的驱动力，云存储的优势和挑战，并指出了云存储提供商需要解决的几个挑战。
2013-08-05 cs.DC
Choosing an effective setup for stream processing
该项目旨在研究在欧洲制造业物联网（IoT）背景下使用边缘计算进行流数据处理的可行性和成本效益。考虑了两种情况：使用边缘计算来减少延迟和使用流行的公共云提供商。这两种场景都表现出了高吞吐量，边缘计算场景的性能略优于公共云场景。还测量了对资源利用率的影响，边缘节点的资源使用率略低于云节点。实验得出的结论是，在边缘运行系统更具成本效益，但只能使用任何基础设施即服务（IaaS）提供商作为基础设施提供商。IaaS提供商在提供边缘解决方案和确定区域数据中心可用作低延迟应用程序存在点的地理区域方面至关重要。保留字：边缘计算、流数据处理、物联网（IoT）、制造业、欧洲、延迟、吞吐量、资源利用率、成本效益、基础设施即服务（IaaS）、区域数据中心、低延迟应用、云计算、可行性研究。
2023-02-28 cs.DC cs.NI
MEDAL: An AI-driven Data Fabric Concept for Elastic Cloud-to-Edge Intelligence
当前的边缘计算云解决方案对于以数据为中心的应用程序来说效率低下，因为它们专注于IaaS/PaaS级别，而忽略了数据建模和操作的角度。因此，由于云到边缘连续体上的端到端部署的繁琐和数据资产不可知的过程，边缘计算机会丢失了。在本文中，我们介绍了MEDAL，这是一种智能的云到边缘数据结构，用于支持整个连续体的数据操作（DataOps），并在数据和资源层的组合视图上自动化管理和编排操作。MEDAL有助于在现有的灵活和可组合的数据服务之上构建和管理数据工作流，在不同的云和边缘环境中无缝利用和联合IaaS/PaaS/SaaS资源。我们将MEDAL平台描述为数据科学家和工程师的可用工具，包括我们的概念，并通过联网汽车用例说明其应用。
2021-02-25 cs.DC
Microsegmented Cloud Network Architecture Using Open-Source Tools for a Zero Trust Foundation
本文提出基于零信任原则和微分段的多云网络架构，利用开源工具实现安全连接与资源支持，解决多重安全与运营挑战，为多云环境提供灵活、独立的零信任安全基础。
2024-11-19 cs.CR cs.DC cs.NI
Multi-Cloud Resource Provisioning with Aneka: A Unified and Integrated Utilisation of Microsoft Azure and Amazon EC2 Instances
许多供应商通过云计算结构即服务（IaaS）模型在订阅的基础上提供计算服务。用户可以从不同的提供商获取资源，并充分利用每个提供商来运行应用程序。然而，在多云环境中部署应用程序是一项复杂的任务。因此，需要应用程序平台来帮助开发人员取得成功。Aneka就是这样一个平台，它支持开发人员在多云环境中编程和部署分布式应用程序。它可用于从不同的云提供商提供资源，并可根据特定应用程序的需求进行配置以动态请求资源。本文介绍了在Aneka中集成的扩展，以支持在多云环境中部署应用程序。第一个扩展展示了Aneka架构添加云提供商的灵活性。具体来说，我们描述了Microsoft Azure IaaS云提供商的添加。我们还讨论了包含公共IP来通信位于不同网络中的资源，以及使用PowerShell在远程资源上自动安装Aneka的功能。我们演示了由独立任务组成的应用程序如何在Aneka使用Azure和EC2提供的资源创建的多云环境中部署时提高其总执行时间。
2015-11-28 cs.DC
Security, Performance and Energy Implications of Hardware-assisted Memory Protection Mechanisms on Event-based Streaming Systems
亚马逊、谷歌和微软等主要云提供商如今提供某种形式的基础设施即服务（IaaS），允许以虚拟机、容器或裸机实例的形式部署服务。虽然基于软件的解决方案（如同态加密）已经存在，但隐私问题极大地阻碍了在公共云上部署此类服务。同态加密特别难以匹配现代工作负载的性能要求。使用HElib（一个同态加密库）对基本数据类型上的简单操作进行评估，并将其与未加密的对应部分进行比较，结果表明，在实际工作负载下，同态加密仍然不切实际。
2021-04-09 cs.DC
An Empirical Analysis of VM Startup Times in Public IaaS Clouds: An Extended Report
VM启动时间是设计弹性云应用程序的一个重要因素。例如，具有自动缩放功能的云应用程序可以通过精确估计VM启动时间来减少VM实例的不足和过度配置，从而有可能保证应用程序的性能并提高成本效率。然而，VM启动时间很少被研究，并且先前执行的可用测量结果没有考虑用于现代云应用的VM的各种配置。在这项工作中，我们从两个主要的云提供商，即亚马逊网络服务（AWS）和谷歌云平台（GCP）的VM启动时间进行全面的测量和分析。经过三个月的测量，我们通过应用一组配置（包括11种以上的虚拟机类型、四个不同的数据中心位置、四种虚拟机映像大小、两种操作系统类型和两种购买模式（例如，现货/可抢占虚拟机与按需虚拟机）。通过广泛的分析，我们发现虚拟机启动时间可能会因几个重要因素而存在显著差异，例如虚拟机映像大小、数据中心位置、虚拟机类型和操作系统类型。此外，通过与以前的测量结果进行比较，我们确认云提供商（特别是AWS）对VM启动时间进行了显着改进，并且目前的VM启动时间比过去快得多。
2021-07-07 cs.DC cs.PF
IBM Deep Learning Service
由大型神经网络模型驱动的深度学习正在超越传统的机器学习方法，用于理解语音、文本和视觉等非结构化和感知数据领域。与此同时，基于云的“即服务”商业模式正在从根本上改变信息技术行业。这两个趋势：深度学习和“即服务”正在碰撞，从而产生了一种用于认知应用交付的新商业模式：深度学习即云中的服务。在本文中，我们将讨论IBM的深度学习即服务（DLaaS）背后的软件架构的细节。DLaaS为开发人员提供了灵活性，可以在云中以可扩展和弹性的方式使用流行的深度学习库，如Caffe，Torch和TensorFlow，只需最少的工作。该平台使用分布和编排层，便于在合理的时间内跨计算节点从大量数据中学习。资源供应层在基础设施即服务（IaaS）云中实现对异构资源（诸如图形处理单元（GPU）和中央处理单元（CPU））的灵活作业管理。
2017-09-18 cs.DC
League Championship Algorithm Based Job Scheduling Scheme for Infrastructure as a Service Cloud
联赛锦标赛算法（League Championship Algorithm，LCA）是一种基于运动的群体算法框架，用于在连续搜索空间上进行全局优化，由Ali Husseinzadeh Kashan于2009年首次提出。与LCA相似的所有基于种群的优化算法之间的共同特征是，它们在优化期间不将可实现解的种群移动到搜索空间的潜在区域。针对基础设施即服务（IaaS）云环境，提出了一种基于L CA优化技术的作业调度算法。其他三个已建立的算法，即先到先服务（FCFS），最后的工作优先（LJF）和最好的努力第一（BEF）被用来评估所提出的算法的性能。所有四种算法都假定为非抢占式。本实验使用的参数是平均响应时间和平均完成时间。实验结果表明，随着虚拟机数量的增加，LCA调度算法的性能要优于其他算法。
2014-09-22 cs.DC
Automatic Cloud Resource Scaling Algorithm based on Long Short-Term Memory Recurrent Neural Network
可伸缩性是云计算的一个重要特征。通过可扩展性，可以根据需求调配和释放资源，从而最大限度地降低成本。当前大多数基础设施即服务（IaaS）提供商都提供基于阈值的自动扩展技术。然而，设置具有正确值的阈值以最小化成本并实现服务水平协议并不是一件容易的事情，特别是在工作负载变化和突然变化的情况下。本文提出了基于动态阈值的自动缩放算法，该算法使用长短期记忆循环神经网络预测所需的资源，并根据预测值自动缩放虚拟资源。所提出的算法进行了评估，并与现有的一些算法进行了比较。实验结果表明，该算法的性能优于其他算法.
2017-01-12 cs.DC
Multitenant Containers as a Service (CaaS) for Clouds and Edge Clouds
针对云和边缘云中CaaS多租户隔离开销大的问题，提出原生多租户框架，租户共享集群，通过节点级切片实现隔离与定制，已开源并用于EdgeNet。
2023-04-21 cs.DC cs.NI
Ripple: A Practical Declarative Programming Framework for Serverless Compute
无服务器计算已经成为基础设施（IaaS）和平台即服务（PaaS）云平台的一种有前途的替代方案，适用于具有足够并行性和间歇性活动的应用程序。无服务器承诺更大的资源弹性、显著的成本节约和简化的应用程序部署。包括亚马逊、谷歌和微软在内的所有主要云提供商都已将无服务器引入其公共云产品。为了使无服务器发挥其潜力，迫切需要将部署复杂性从用户身上抽象出来的编程框架。这包括简化为无服务器环境编写应用程序的过程，自动化任务和数据分区，以及处理调度和容错。我们介绍了Ripple，这是一个编程框架，专门用于为单机执行编写的应用程序，并允许它们利用无服务器的任务并行性。Ripple提供了一个简单的界面，用户可以利用它来表达各种应用程序的高级流程，包括机器学习（ML）分析，基因组学和蛋白质组学。Ripple还自动化资源配置，满足用户定义的QoS目标，并通过急切地检测落后的任务来处理容错。我们将Ripple移植到AWS Lambda上，并展示了在一组不同的应用程序中，它提供了一个富有表现力和可推广的编程框架，可以简化在无服务器上运行数据并行应用程序，并且与IaaS/PaaS云相比，可以将性能提高高达80倍。
2020-01-01 cs.DC
Joining Jolie to Docker - Orchestration of Microservices on a Containers-as-a-Service Layer
云计算正在稳步增长，随着IaaS供应商开始提供按需付费的计费策略，实现尽可能多的弹性，避免过度配置（这将意味着更高的成本）至关重要。在本文中，我们简要分析了PaaSSOA的编排特征，PaaSSOA是一种已经为Jolie微服务实现的拟议架构，Kubernetes是Docker的各种编排插件之一;然后，我们概述了两种方法的相似性和差异，就其各自的应用领域而言。此外，我们还研究了实现这两种技术联合的一些想法，提出了Docker容器即服务层上Jolie微服务的架构组合。
2017-09-17 cs.DC cs.SE
Performance Analysis of QoS-Differentiated Pricing in Cloud Computing: An Analytical Approach
IaaS服务设计的一个基本目标是实现用户友好和具有成本效益的服务访问，同时实现高资源效率以实现收入最大化。QoS差异化是实现这一设计目标的一个重要透镜。在本文中，我们提出了第一个分析QoS差异化的资源管理和定价架构的云计算上下文中，在这里，云服务提供商（CSP）提供了一个组合的SLA。为了最大限度地提高CSP的收入，我们解决两个技术问题：（1）如何设置SLA价格，以指导用户的SLA最适合他们的需求，和（2）确定多少服务器应该分配给每个SLA，哪些用户和他们的工作有多少被接纳为服务。我们提出了最佳方案，共同确定SLA为基础的价格和执行容量规划在多项式时间。我们的定价模式在客户端保持了高可用性。与标准的基于使用的定价方案相比，数值结果表明，该计划可以提高收入的五倍增加。
2018-03-24 cs.DC
Evolving system bottlenecks in the as a service cloud
Web生态系统随着业务和功能模型的变化而迅速发展。云平台以SaaS、PaaS和IaaS模式提供，这些模式是围绕基于Linux的服务器设计的。100亿用户将在线访问网络及其各种内容。业界已经看到了围绕基于IP的技术的融合。此外，基于Linux的设计允许对应用程序特性进行系统范围的分析。客户是一家OEM，为电信解决方案提供基于Linux的服务器。最终客户将在服务器上开发业务应用程序。客户对延迟分析机制很感兴趣，该机制可以帮助他们了解应用程序在运行时间的行为。延迟分析器应该找到使应用程序在I/O上阻塞的代码路径，以及其他同步原语。这将使客户能够了解性能瓶颈并调整系统和应用程序参数。
2018-09-13 cs.DC cs.SE
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
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
Cloudbus Toolkit for Market-Oriented Cloud Computing
本主旨文件：（1）提出了21世纪计算的愿景，并确定了各种有望将计算作为一种实用工具提供的IT范式;（2）定义了利用虚拟机等技术创建面向市场的云和计算环境的架构;（3）提供了基于市场的资源管理策略的思想，包括客户驱动的服务管理和计算风险管理，以维持SLA-面向资源分配;（4）介绍了作为我们新的云计算计划（称为Cloudbus）的一部分而开展的工作：（i）Aneka，一个包含SDK的平台即服务软件系统（软件开发工具包），用于构建云应用并部署在私有云或公共云上，以及支持面向市场的资源管理;（iii）创建第三方云代理服务，用于构建内容分发网络和电子科学应用程序，并将其部署在IaaS提供商（如Amazon）的能力上以及网格混搭;（iv）CloudSim支持云的建模和模拟，用于性能研究;（v）用于创建和管理绿云的节能资源分配机制和技术;以及（vi）未来研究的途径。
2009-10-11 cs.DC
Monitoring Large-Scale Cloud Systems with Layered Gossip Protocols
监控是维护和开发计算机系统的一个基本方面，其难度与系统的大小成比例地增加。随着云计算的出现，对强大的监控工具的需求变得更加明显。基础设施即服务（IaaS）云允许最终用户部署大量虚拟机作为动态和瞬态架构的一部分。当前的监控解决方案，包括开源领域的许多解决方案，依赖于过时的概念，包括手动部署和配置、集中式数据汇集，并且对会员流失的适应性很差。在本文中，我们提出了一个云监控套件的发展，提供可扩展的和强大的查找，数据汇集和分析服务的大规模云系统。代替集中管理的监控，我们提出了一个多层体系结构，使用分层的八卦协议来聚合监控信息，方便查找，信息收集和冗余容量的识别。这允许在被监视的系统上操作的资源感知数据汇集和存储架构。这反过来又使监测能够在现场进行，而不需要大量额外的基础设施来促进监测服务。我们评估这种方法对替代监测范式，并证明我们的解决方案是如何很好地适应在云计算环境中使用。
2013-05-31 cs.DC
Non-Blocking Signature of very large SOAP Messages
数据传输和登台服务是基于网格的应用程序中的常见组件，或者更一般地说，是面向服务的应用程序中的常见组件。安全机制在这些服务中发挥着核心作用，特别是当它们部署在电子健康等敏感应用领域时。然而，将WS-Security和相关标准用于基于SOAP的传输服务是有问题的，因为当涉及大型数据集时，直接采用SOAP和MTOM会在签名生成过程中引入相当低的效率。本文提出了一种非阻塞，签名生成方法，使流一样的处理与相当大的性能增强。
2007-09-17 cs.DC
Machine Learning Algorithms for Active Monitoring of High Performance Computing as a Service (HPCaaS) Cloud Environments
Pacific Northwest National Laboratory（西北太平洋国家实验室）
云计算提供了对可以满足任何计算需求的大量可重构资源的无处不在和按需访问。许多服务模型都是可用的，但是基础设施即服务（IaaS）模型通过联网大量的云计算节点而特别适合作为高性能计算（HPC）平台来操作。我们使用太平洋西北国家实验室（PNNL）的云计算环境来执行我们的实验。许多云计算提供商（如Amazon Web Services、Microsoft Azure或IBM Cloud）都提供灵活且可扩展的计算资源。本文探讨的可行性识别类型的工程应用程序上运行的云基础设施配置为HPC平台使用隐私保护功能作为输入到统计模型。在这项工作中考虑的工程应用程序包括MCNP 6，由洛斯阿拉莫斯国家实验室开发的辐射传输代码，OpenFOAM，一个开源的计算流体动力学代码，和CADO-NFS，用于素数分解的一般数域筛算法的数值实现。我们的实验使用OpenStack云管理工具来创建一个云HPC环境和隐私保护Ceilometer计费表作为分类功能，以证明这些应用程序的识别。
2020-09-26 cs.DC cs.LG
On Evaluating Commercial Cloud Services: A Systematic Review
背景：云计算在行业中日益蓬勃发展，有许多竞争的提供商和服务。因此，评估商业云服务是必要的。然而，现有的评价研究相对混乱。云服务评估的实践与理论之间存在着巨大的困惑和差距。目的：为了促进缓解上述混乱，这项工作的目的是综合现有的评估实施，概述了国家的实践，并确定在云服务评估的研究机会。方法：基于一个包含6个步骤的概念性评价模型，采用系统文献综述（SLR）方法收集相关证据，对云服务评价进行了分步研究。结果：本SLR识别了82项相关评价研究。从这些研究中收集的总体数据基本上代表了当前实施云服务评估的实际情况，反过来可以重用以促进未来的评估工作。结论：商业云服务的评估已经成为一个全球性的研究课题。本SLR的一些调查结果确定了云服务评估领域的几个研究空白（例如，商业云服务的弹性和安全性评估可能是一个长期的挑战），而其他一些发现表明了应用商业云服务的趋势（例如，与PaaS相比，IaaS似乎更适合客户，在行业中尤为重要）。这项SLR研究本身也证实了以前的一些经验，并揭示了新的循证软件工程（EBSE）的教训。
2017-08-04 cs.DC cs.PF
Declarative Modeling for Building a Cloud Federation and Cloud Applications
该文件说明了我们如何建立一个联邦云计算平台，致力于意大利研究界。构建云平台是一项艰巨的任务，需要协调许多服务的部署，这些服务相互关联且相互依赖。平台的配置、服务和维护必须自动化。对于我们的部署，我们选择了一个声明式建模工具，它允许描述组成系统的部分及其特定接口的供应商/消费者关系。该工具通过转换系统的状态，直到达到满足所有约束的配置，来安排使部署收敛的步骤。我们选择了一种声明式服务建模方法来协调管理员对平台的部署和用户对应用程序的部署。云平台的设计使其可以通过这种自动化进行管理，从而促进任何希望加入并向联邦贡献资源的人部署联邦区域。联合资源集成到单个云平台中，可供联合的任何用户使用。联合还可以无缝地包括公共云。我们描述了架构选择，我们如何调整OpenStack的基本设施，以满足多个独立组织的联合会的需求，我们如何根据承诺的计划控制资源分配，以及相应地我们如何处理资源使用的会计和计费。除了提供传统的IaaS服务外，云还支持云应用的自助部署。因此，云解决了科学的长尾问题，允许任何学科的研究人员，在没有系统或云管理专业知识的情况下，部署随时可用的应用程序供他们阅读。
2017-06-16 cs.DC
