大规模云资源可靠性评价模型

doi:10.13190/j.jbupt.2017.s.012

北京邮电大学学报 ›› 2017, Vol. 40 ›› Issue (s1): 53-57.doi: 10.13190/j.jbupt.2017.s.012

大规模云资源可靠性评价模型

朱晓宁¹, 孙斌¹, 朱春鸽²

1. 北京邮电大学信息安全中心, 北京 100876;
2. 国家计算机网络应急技术处理协调中心, 北京 100029

收稿日期:2016-05-12 出版日期:2017-09-28 发布日期:2017-09-28
作者简介:朱晓宁(1983-),男,博士生,E-mail:xiaoning158@bupt.edu.cn;孙斌(1967-),女,副教授.
基金资助:
国家242信息安全计划项目（2015A136）；国家自然科学基金项目（61502048）

Reliability Evaluation Model of Large Scale Cloud Resources

ZHU Xiao-ning¹, SUN Bin¹, ZHU Chun-ge²

1. Information Security Center, Beijing University of Posts and Telecommunications, Beijing 100876, China;
2. National Computer Network Emergency Response Technical Team/Coordination Center, Beijing 100029, China

Received:2016-05-12 Online:2017-09-28 Published:2017-09-28

摘要/Abstract

摘要： 针对互联网计算资源数量大、类型多、随机性强、稳定性相对较差等特点，提出一种基于朴素贝叶斯分类的iVCE云平台资源可靠性评价算法. 通过对计算资源的特征提取，离散化处理后，使用概率估计方法对资源的状态做出实时的评价. 在iVCE平台的实际运行效果表明，平台资源可靠性评价通过引入朴素贝叶斯算法，在评价的准确性方面提升了20%以上，通过参数优化算法的准确率同样好于同类其他同类算法2%以上，满足了实际生产的需求.

关键词: iVCE, 云计算, 资源评价

Abstract: The computing resources of the Internet has a large number, type, strong randomness, more stability are relatively poor, a kind of based on naive bayesian classification virtual computing environment(iVCE)^[1-2] cloud platform reliability evaluation algorithm is put forward. After the feature extraction of computing resources, the method of probability estimation is used to estimate the state of the resources in real time. Had indicated in the actual operation of the iVCE platform, platform resource reliability evaluation by using naive Bayesian algorithm, in evaluation of the accuracy of a 20% increase over and through the parameter optimization algorithm accuracy was also better than similar to several other algorithms above 2%. Meet the needs of the actual production.

Key words: virtual computing environment, cloud computing, resource evaluation

中图分类号:

TP338.8

朱晓宁, 孙斌, 朱春鸽. 大规模云资源可靠性评价模型[J]. 北京邮电大学学报, 2017, 40(s1): 53-57.

ZHU Xiao-ning, SUN Bin, ZHU Chun-ge. Reliability Evaluation Model of Large Scale Cloud Resources[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2017, 40(s1): 53-57.

[1]	张志华, 王梦情, 毛文涛, 刘春红, 程渤. 基于时序相关性的云平台多负载序列联合预测[J]. 北京邮电大学学报, 2020, 43(4): 68-75.
[2]	尹学渊, 陈兴蜀, 李辉, 陈林. 一种基于虚拟化的文件杀毒实现方法[J]. 北京邮电大学学报, 2018, 41(2): 50-55.
[3]	徐九韵, 管超, 江丹. 一种面向信誉主观性和时变性的云服务信任管理方法[J]. 北京邮电大学学报, 2017, 40(5): 30-35.
[4]	刘靖, 吴海博, 王少帅, 贾垒. 着色Petri网模型驱动的云测试生成方法与实现[J]. 北京邮电大学学报, 2016, 39(5): 89-93,115.
[5]	肖丁, 贾亚璞, 石川. 云计算环境下的非线性能耗建模方法[J]. 北京邮电大学学报, 2016, 39(1): 107-111.
[6]	郭力争, 张翼飞, 赵曙光. 数据中心环境下能耗性能感知的优化方法[J]. 北京邮电大学学报, 2015, 38(s1): 72-76.
[7]	于俊洋, 胡志刚, 刘秀磊. HDFS平台上以能效为考量的小文件合并[J]. 北京邮电大学学报, 2015, 38(6): 34-38.
[8]	武斌, 林幸, 李卫东, 芦天亮, 张冬梅. 云计算下手机人工免疫恶意代码检测模型[J]. 北京邮电大学学报, 2015, 38(4): 34-38.
[9]	王婷, 许可, 王娜, 宋俊德. 云计算环境下可扩展的服务器优化选择策略[J]. 北京邮电大学学报, 2014, 37(s1): 83-86.
[10]	乔媛媛, 刘芳, 凌艳, 尹劲松. 云计算环境下MapReduce的资源建模与性能预测[J]. 北京邮电大学学报, 2014, 37(s1): 115-119.
[11]	吴旭, 许晋, 李春文, 刘川意. IaaS云虚拟机eID可信验证系统[J]. 北京邮电大学学报, 2014, 37(5): 85-90.
[12]	柳兴, 袁超伟, 杨震, 胡仲伟. 移动云计算中基于移动代理的用户切换与接入控制[J]. 北京邮电大学学报, 2014, 37(2): 88-92.
[13]	宋杰, 李甜甜, 闫振兴, 朱志良. 数据密集型计算中负载均衡的数据布局方法[J]. 北京邮电大学学报, 2013, 36(4): 76-80.
[14]	刘川意, 方滨兴, 林杰. 基础设施云模块化解构[J]. 北京邮电大学学报, 2013, 36(2): 38-43.
[15]	黄卫东于瑞强. 云计算环境下基于Petri网的流程计费模型[J]. 北京邮电大学学报, 2013, 36(1): 31-35.

大规模云资源可靠性评价模型

Reliability Evaluation Model of Large Scale Cloud Resources

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价