物联网的架构服务代表团和资源分配基于雾和云计算之间的协作

文摘

尽管云计算的广泛应用(例如,服务、应用程序和资源),一些服务,应用程序,和智能设备不能充分受益于这迷人的云计算模式由于以下问题:(1)智能设备可能缺乏的能力(如处理、内存、存储、电池、和资源分配),(2)他们可能缺乏网络资源,和(3)网络延迟高集中的服务器在云可能不是有效的对延迟敏感的应用程序,服务和资源分配请求。雾云计算是有前途的范例,可以扩展的网络资源优势,解决上述问题。因此,在这项工作中,我们提出一个架构的物联网服务代表团和资源分配基于雾和云计算之间的协作。我们提供新的算法线性化决策树决策规则的基于三个条件(服务规模、完成时间和vm容量)的管理和授权用户请求以平衡工作负载。此外,我们提出算法分配资源以满足服务水平协议(SLA)和服务质量(QoS)以及优化大数据分布在雾和云计算。我们的模拟结果表明,我们建议的方法可以有效地平衡工作负载,提高资源配置效率,优化大数据分布,表现出更好的性能比现有的其他方法。

1。介绍

云计算不仅是技术不断进步,提供各种各样的服务和资源,许多云消费者智能设备(如物联网、智能可穿戴设备,智能手机,智能平板电脑和智能家电)但也使开发人员能够开发更多应用程序,工具和服务。云计算架构可以使无处不在、有利和按需网络访问共享池的可配置的计算资源,提供其他福利(如存储、服务、应用程序、网络、虚拟资源,大规模计算,可调度虚拟服务器、高可扩展性、计算能力、低价格服务,虚拟网络,网络带宽、可靠性高)(1- - - - - -3]。流行的技术之一,被称为物联网(物联网)。物联网是一个技术仍在发展中,使许多对象(例如,瘦客户机、智能手机、智能平板电脑、智能家电、智能可穿戴设备和传感器)连接到互联网来执行各种各样的服务(例如,内存,存储空间、加工、虚拟化、资源配置、服务代表团,冲浪,发送/接收大数据,和浏览社交网站)。因此,智能设备服务存在于我们日常生活的方方面面(如医疗保健、医学治疗、教育、和远程控制智能设备)。云计算技术被广泛用于支持各种各样的云消费设备,服务和应用程序。

尽管云计算的广泛应用(例如,服务、应用程序和资源),一些服务,应用程序,和智能设备不能充分受益于这迷人的云计算模式由于以下问题:(1)智能设备缺乏的能力(如处理、内存、存储、电池、和资源分配),(2)他们缺乏网络资源,和(3)高集中的服务器在云网络延迟不是有效的对延迟敏感的应用程序,服务和资源分配请求。根据(3),设备连接到互联网的数量到2020年将超过240亿。数量的快速增长的互联网连接设备结合用户智能设备和云计算之间的长途,和多次请求服务,将对网络性能和网络带宽构成沉重的负担,也会降低云计算QoS的回报。此外,用户设备和云之间的高网络延迟可能不是适合对延迟敏感的应用程序,服务,和资源。

解决上述问题,我们利用雾计算,这是一个新的范式,云计算资源和服务延伸到网络的边缘。是高度虚拟化基础设施能提供网络服务,计算、存储、内存之间的物联网设备,和传统的云计算环境4]。此外,雾计算坐落在局部环境中,使其更接近用户位置和给它的优势云提供各种分布式应用程序(4]。雾计算提供的令人印象深刻的优势在云计算不仅会增加服务的请求数量(即。,delay-sensitive services, applications, and data) but also direct most of user requested services if not all to fog computing only. This will lead to unbalanced workload of services and degraded performance of fog performance, user requests, and the abandonment of IoT service from cloud computing.

因此,在本文中,我们引入新的结构物联网服务代表团和资源分配基于雾和云计算之间的协作。我们提供新的算法线性化决策树决策规则的基于三个条件(服务规模、完成时间和vm容量)管理和授权用户的请求。此外,我们提出我们的新战略等数据分布优化大数据。此外,我们提出一个算法执行资源配置以满足服务水平协议(SLA)和服务质量(QoS)。我们的模拟表明,我们的方法可以提高资源配置的效率,表现出更好的性能与其他方法进行比较。

剩下的纸是组织如下。节2,我们介绍相关工作。节3介绍我们的系统架构和激励方案。节4我们提出我们的代表团提出了服务机制,资源分配,大数据分布的过程。节5,我们提出我们的实现和分析结果。节6,我们提出我们的结论和未来的工作。

2。相关工作

有许多研究试图解决上述问题。在[5),作者介绍了高效的同步在云的分布式文件系统层次结构。作者部署主从架构的概念传播数据来减少交通。在[6),作者介绍了资源调度方法,可以有效地减轻影响的应用程序的影响系统的响应时间和利用率。在[7,8),作者引入数据传输延迟的性能的影响。在[9),作者介绍了一种方法使大数据的并行处理可以增加联邦云计算的性能。然而,这些研究没有提到多少资源应该利用。

也有很多研究处理资源分配完成。在[10),作者解释通过他们的共享分配优于专门分配的工作。然而,作者没有进行实验与任意数量的sla。此外,作者没有显示服务器速度需要为了保证服务质量(QoS)。在[11,12),作者提供服务大量的sla很很难获得性能之间的共享和保留分配。在[13),作者介绍了模型在云计算安全的资源分配,在作者设计的模糊——基于逻辑的信任和声誉模型。

许多研究已经完成为了提供有效方法集成移动设备和云计算环境。在[14],提出的概念,云计算是利用以提高移动设备的能力。在[15),作者做了一些修改,蹄兔使移动设备利用云计算平台。部署移动设备的概念作为一个提供者的资源提出了实验虽然没有集成。在[16),作者只专注于分区的使用政策应用在移动设备上的影响。然而,他们并没有解决任何问题关于移动云计算或雾计算。

雾计算技术仍处于早期阶段,需要更多的时间来发展云计算等。我们所知,没有很多研究考虑合作的雾和云计算提供有效的方式将雾和云之间的物联网服务委托给更好的平衡工作负载/请求的服务资源。此外,我们引入新的方法将服务委托给多个雾和云计算基于线性化决策树认为三个条件(服务规模、完成时间和vm的容量)。此外,我们引入新的数据分布策略,介绍一种算法保证SLA和QoS粗加工的资源分配。

3所示。建议的体系结构和场景

在本节中,我们将介绍我们的新系统架构,解释其组件和场景,并解释雾和云协作的优点和缺点。

3.1。系统架构

图1说明我们提出的系统架构由三层;上层、中层和下层。表1说明了我们的系统组件和解释他们的角色。

我们为建筑提供详细的假设。我们的假设如下:(1)我们假设有3雾计算环境具有相互之间近距离和用户智能设备之间以及长途雾和云。每个雾计算环境将包括雾代理管理请求服务,获取信息的vm能力在其他雾/云环境,等等。(注意:在较大的网络区域来说,是有可能有超过3雾计算环境。)(2)我们假设所有的服务将从雾要求计算环境。基于三个条件,如服务规模,完成时间,和vm的能力,雾代理将决定处理当前请求服务在当前雾或其他雾/云计算环境。(3)我们假设有对延迟敏感和nondelay-sensitive请求服务、应用程序和数据。(4)我们假设所有服务监控服务器在雾将同步VM能力现状和当前监控服务器在云服务处理服务。当任何雾需要更多的VM能力,雾代理将获取信息服务监控服务器在云将减少VM的搜索时间在其他雾或云计算环境的能力。

3.1.1。上层的系统架构

上层代表云计算环境。这一层由云代理、服务监控服务器,云服务器,和第三方云服务器。如果没有可用容量雾过程服务和请求的服务需要之后,雾可以将这些服务委托给云计算。

3.1.2。系统架构的中间层

中间层代表雾计算环境,由三个雾计算环境。每个雾雾的计算环境由经纪人,雾计算服务器和服务监视服务器。每一层可以知道彼此通过使用独特的通信地址配置为每个环境政策或由云本身。请注意,可能有超过3雾计算环境当我们覆盖面积较大/状态。无处不在的和未来的服务/所有资源可以从任何雾环境要求以及基于云服务的大小(例如,大小),请求的时间(例如,现在或以后),和vm的能力(例如,占领占领)。

3.1.3。较低的层系统架构

较低的层代表用户智能设备。用户智能设备可以由智能手机、智能平板电脑、智能传感器、智能可穿戴设备,瘦客户机,智能家电,等等。其中的一些智能设备有不同的规范和功能(例如,计算过程中,存储空间,屏幕分辨率,和带宽)。雾计算可以为他们提供有效的方式执行这些任务在互联网上减少响应时间和高效的性能。

3.1.4。服务监视服务器的角色

监视服务器的服务包括两个重要的组件,比如虚拟机占用表和服务映射表。

虚拟机占用表是用来防止虚拟机容量和入住率的列表(例如,占领,而不是占领)在每个雾和云计算环境。这个表的好处是为代理提供快速的方式来决定在哪里处理当前服务基于服务规模和完成所需的时间。如果没有足够的能力在当前VMs在当前雾,然后代理可以将请求发送到服务监视服务器在云存储/保持记录的所有其他vm能力雾和云环境。这里,代理可以请求保留这些虚拟机当前的服务从其他雾/云环境。图2演示了一个示例的虚拟机占用表。

服务映射表是用来防止/存储列表目前加工服务和它们的位置。例如,有时候,服务请求从当前雾/云环境和完成这个服务我们需要2或3 vm的协作;然而,我们只有1个虚拟机目前的雾。因此,代理不会占用vm搜索云,储备,请求处理其余的云服务。这里,这个表将列表服务ID、虚拟机数量,位置,进展时间,预计完成时间,IP地址是用来发送服务。

3.2。场景

像雾计算是获得更多接近底层网络的普及和扩展云计算服务/资源接近用户位置,想象一些情况下物联网设备用户可以受益于使用雾计算环境来解决任何问题,尤其是当他们在公共场合或在家里。我们可以使用的例子很多物联网智能设备如谷歌玻璃、智能烤箱,冰箱和智能。在第一个示例中,用户想要使用他们的智能烤箱烹饪一些食物。为了这样做,智能烤箱想搜索互联网获得合适的温度是需要煮的食物。然而,智能烤箱功能有限搜索互联网。因此,智能烤箱可以连接到本地雾计算环境在返回搜索正确的信息,最后,将信息存储在智能烤箱的应用程序。此外,用户可以输入的名字很多食物,让雾寻找正确的配方。这里,智能烤箱接收请求的信息在方便和短的时间。

另一个例子可能是谷歌眼镜。让我们假设谷歌眼镜用户拍照需要获取信息,如观光和衣服。谷歌眼镜可能有能力有限搜索这可能消耗更多的权力和需要更多的资源,大存储,和更高的带宽。在这里,用户可以采取一些图片的视频和发送他们在雾雾代理计算的信息搜索。以防有许多服务请求/分配给当前的雾,雾代理将与其他雾/云计算环境和委托服务。在雾/云环境中,服务将被分成许多块将分配给虚拟机进行处理。处理完成后,这些块将被发送到雾/云代理,他们会结合并发回给用户设备。

我们建议的场景说明了利用的优势雾和云计算之间的协作的工作环境。这种合作有效地增加的可能性为服务代表团提供有效方法,优化资源,优化数据分布之间的雾和云计算环境。

3.3。雾和云协作

在本节中,我们将介绍雾和云计算合作的优势和劣势。

雾和云计算合作的优势如下:(1)分裂雾和云之间的工作负载导致快速的完成要求任务当有许多请求(例如,视频、电影和剪辑),同时要求/峰值时间(例如,世界杯和奥运会事件)。(2)雾和云之间的合作带来更好的网络性能管理划分要求服务的一小部分并将它们通过网络发送给不同的雾或云进行处理。这将减少网络过载的回报将减少雾和云性能过载。(3)快速资源分配请求的服务导致体验质量和有效管理资源,各种各样的雾和云消费者。(4)雾和云代理可以沟通管理和组织要求的服务和vm的能力。

雾和云计算合作的缺点如下:(1)可能需要更多的时间来寻找免费的虚拟机从其他雾或云计算环境的能力。为了解决这个问题,我们包括在雾和云环境服务监视服务器保持记录当前的免费虚拟机和虚拟机状态。当需要更多的vm的雾,雾代理将请求vm能力的其他雾环境服务监控服务器在云存储虚拟机容量和当前流程服务的雾环境。(2)分很多服务小部件并将它们发送给其他雾或云环境可能会产生更大的表大时请求某些服务规模更大。

4所示。提出的机制

在本节中,我们将介绍我们的方法,我们使用物联网服务的代表团,优化资源配置,优化数据分布。此外,我们也将提供算法和数学方程。

4.1。服务授权的过程

在本节中,我们将解释方法用于委托服务到其他雾环境和云计算环境。代表团的任何服务请求从雾/云环境决策规则是基于三个条件的线性化决策树(服务规模、完成时间和vm的容量)。所请求的服务规模可大可小,可以现在或以后,要求完成时间和vm的能力可以占领占领目前雾/云环境。我们认为4例表2并提供2算法,详细解释这些情况的过程。情况如表所示2。

请注意,在某些情况下,我们不得不考虑的情况有服务队列或尚未决定,处理请求的服务(例如,在雾或云)。

这两种算法1和2旨在找出委托服务处理基于服务大小(例如,小型或大型),服务完成时间(例如,现在或以后),和vm的能力(例如,不够或不够)和在某些情况下,我们的服务包括在队列(例如,服务队列,“是”或“否”)。至于服务规模,我们可以,例如,确定大小根据检查大小大于500 mb。此外,我们还致力于在雾和云环境管理这些服务。图4说明了序列流图的任何服务请求从雾环境中有足够的vm能力。图5说明了序列流图的服务请求从雾环境,没有足够的vm能力。

4.2。资源分配和数据分布的过程

许多以前提出的方法利用1 / m / 1模型前面提到的问题提供解决方案。然而,在我们的提议,我们利用1 / m / m / 1解决同样的问题,(1)是指云经纪公司(m)是指许多路径,(m)是指许多雾经纪人在雾的环境中,和(1)指的是物联网设备的用户。详细,物联网设备将发送服务请求在雾雾代理环境。雾代理将把数据分成多个块,他们将分配给特定的虚拟机。每一块将被分为多个块将被发送到多个处理器进行处理。在收到处理过的数据,处理器重新结合成一个大数据并将处理的结果返回给用户物联网设备。

通过使用这种方法,我们减少/消除系统的负担,当我们处理大数据的大小。因此,我们保证服务器的可用性在雾或云环境中处理大量请求服务在高峰和非高峰时间的时间,保证快速响应时间,保证满意的服务质量(QoS)。

接下来,我们将解释我们的工作过程由两个阶段。在阶段1中,首先,我们确定最小数量的虚拟机需要做的工作和他们的速度。其次,我们基于vm能力划分和分配数据。在阶段2中,首先,我们分发数据有不同的处理器的能力。其次,处理完成后划分块,他们将回到云/雾代理将其结合起来,最后,他们将被发送到物联网设备用户。

4.2.1。准备第一阶段提出的机制

在第一阶段,我们确定最小数量的虚拟机需要做的工作和他们的速度。其次,我们基于vm能力划分和分配数据。

(一)确定虚拟机的数量和速度。我们使用算法3确定所需的最小数量的vm做这项工作取决于服务水平协议(SLA)。此外,我们使用累积分布函数(CDF)时间反应可在[17]。vm的最小数量继续增加,直到到达预期的目标概率。因此,我们可以接收所需的SLA。接下来,我们提出的描述函数它如下: 在哪里。

到达率和吗服务速率。

雾计算基础设施可以提供多样化的服务,以满足大量的sla等通过利用独特的调度方法先在图所示6。因此,我们建议分配虚拟机分成两组,第一组将用于共享分配(SA)和第二组将用于保留分配(RA)。至于共享分配,SLA的到来工作合并在一个蒸和服务vm。

至于保留分配,我们为每个到达的工作提供一个虚拟机在图所示7。雾和云计算将利用模型共享的分配和保留分配。

所有sla的共享分配提供相同的响应时间和到达率。因此,虚拟机的最小数量以满足sla是由

虚拟机的数量必须满足的用户被称为。让vm的最小的数是需要满足SLA保留分配。作为一个结果,是由

在这种情况下,当用户请求服务超过1相同的sla,共享分配可以提供相同的甚至比保留分配增强性能。然而,在案件和共享配置是不一样的,那么它将很难确定是否共享分配比保留分配或相反。表3将提供共享和保留分配两种情况的例子。

通过分析这两种情况下表3我们注意到,在第一种情况下,已经显示出更好的性能比吗在第二种情况下,已经显示出更好的性能比吗。我们试图确定最佳合适的共享和保留策略分配为目的的满足和。此外,虚拟机可以保证服务质量(QoS)。让vm的平均数量是需要满足给定的SLA视为到达时间:

让指之间的区别和。作为一个结果,是由

算法4说明了我们的分配策略来满足服务水平协议(SLA)和服务质量(QoS)。

之间的关系和角度α解释在表4。如表中所示4,每一个到达时间的变化是固定的吗,在(0,30)和SLA的平均角是不同的每一个范围。

我们国家的角度由下一个公式:

下一步是发现虚拟机的速度,以保证服务质量(QoS)为每个请求的服务。我们也部署小法律解释的(18]:

在(8),我们将在系统中工作的数量。方程(9介绍了处理时间的期望:

为了满足服务质量(QoS),我们设置了以下公式:

通过使用这个公式,我们能够发现虚拟机的服务。此外,我们引入一个在下面的例子说清楚。例如,让我们假设我们想要的第二,工作/第二,然后需要的vm率如下:

(B)确定虚拟机能力。当系统接收到任何服务,首先,我们必须知道我们需要处理它在当前位置或委托其他雾/云计算环境的基础上我们提到的算法部分4.1。然后,我们可以确定虚拟机能力。为了确定虚拟机能力,我们将排序,划分,将数据分配给虚拟机当前的能力。我们还设置优先级的数据利用训练数据整理数据。因此,优先级高的数据将被转移,一个较低的优先级将被转移。

我们把数据块大小不同的(例如,,,)。为了选择最好的vm基于他们的能力,我们利用贪婪算法。最后,vm与高容量将分配给大大小的块。

4.2.2。第二阶段提出的机制

(一)数据块分配的过程。我们开始分发数据块不同的处理器能力。当我们接收数据时,它将分成的数据块。这些块将被分为体积小,被称为块(例如,)。每一块可能有不同的大小根据带宽的力量。

让我们表示每个块的块块的大小,虚拟机之间的带宽和处理器。让表示所花费的时间(块)从虚拟机处理器发送数据。请注意,当我们考虑并行化的方法,所花费的时间甚至发送大块数据处理器应该:

因此,

如上所示,我们可以确定每个块的大小适应带宽。接下来的过程是解决处理器基于处理器的能力。例如,如果数据更大的块,那么它将被发送到处理器具有更高的处理能力。

(B)的合并数据块的过程。在本节中,我们解释了合并后数据块处理的过程。正在处理数据块之后,它将被发送回雾雾环境合并过程中代理。服务监视服务器的服务映射表将记录这些块和他们的位置的处理,如图3。

数据4和5说明概念数据分成块,然后分配给虚拟机在雾云或他们两人。处理这些数据块之后,他们回到了雾代理合并它们,然后将它们发送到用户设备。

雾计算将作为主人将接收所有大块的数据减少复杂性,是由于现有处理器在雾或云环境之间的防火墙。

5。实现和分析

在本节中,并给出了数值实验结果来检查共享配置效率(SA)和保留分配(RA)以及我们的方法的性能比较与其他方法的处理时间从雾大的多媒体数据传输/云代理用户智能设备。比较方法使用一个处理器(19]从雾/云代理接收数据,在我们的例子中,我们使用多个处理器。

5.1。实验设置

我们的目标系统的特点见表5。在我们的电脑,我们使用一个英特尔酷睿TM i7 965和8 GB RAM。算法模拟CloudSim [20.]。CloudSim是建模与仿真的框架基础设施和服务的Java jdk-7u7-i586和netbeans - 7.2。

每一个参数在仿真不同的到达率、响应时间和目标的概率。一些大的文件对上述算法来估计所需的最小数量的虚拟机两种类型的资源分配和数据分布。表6说明了SLA和表设置7说明了请求和响应服务的速度。

实验结果证明共享分配和保留分配几乎有相同的影响当SLA是相同的两人不同的到达率、响应时间、概率和目标。在同样的情况下我们做的实验。然而,不同于其他方法,我们使用多个SLA,而不是一个单一的SLA。

图8说明了不同反应时间的共享和分配。我们的实验结果显示,当vm的最小的数减少,共享和分配预留的响应时间增加。此外,它表明,概率几乎是相同的共享和保留分配当我们设置不同的响应时间和保留分配共享。

图9说明了SLA共享和保留不同的目标概率分配。我们的实验结果显示了最小数量的虚拟机需要满足SLA的满意度。例如,当目标概率满足SLA是0.4,我们需要至少5 vm共享和分配。因此,它可以满足不同目标概率SLA共享和保留分配。

图10说明了不同到达率的共享和分配。我们的实验结果显示所需的最小数量的虚拟机来满足SLA相当于不同的到达率。例如,当服务的到达率是2,我们所需要的最小数量的3 vm。

如果我们考虑使用多个sla,建议的策略共享和保留分配资源更加高效而保留的分配。

图11说明了不同的共享和sla保留分配。结果表明,保留分配使用vm比共享分配当sla的数量减少。因此,保留配置可以提供担保率由于提供的资源。例如,当sla的数量是1,那么我们需要最小数量少于5 vm来做这项工作。然而,当sla的数量是5,那么所需的最小数量的VM共享分配10 VM和保留超过11 VM分配。

处理时间在发送大尺寸的比较数据目的地为我们提出了系统与其他方法(19),使用一个单处理器只有如图12。例如,通过观察图12,我们注意到,我们建议的方法生成处理时间比其他方法当我们试图发送大数据,如400 mb的大小。此外,我们建议的方法显示出更好的性能比其他方法只使用单处理器(19]。其他方法只使用一个处理器,我们的方法使用多个处理器。

结果,关于数量的雾/云计算环境对物联网设备负载,提出了数字13。我们计算最小数量的雾/云计算环境能够满足物联网设备负载。雾的数量计算环境增加当工作负载物联网设备的数量增加时,同样的适用于云计算请求委派给云计算服务。例如,当物联网设备的工作负载是30 mb,那么最小数量的雾计算环境来满足物联网设备增加到2雾计算环境。

6。结论

智能物联网设备正在迅速成长,成为访问互联网随时聪明,任何地方。然而,智能设备、服务和应用程序不能够充分受益于这迷人的云计算模式由于以下问题:(1)智能设备可能缺乏的能力(如处理、内存、存储、电池、和资源分配),(2)他们可能缺乏网络资源,和(3)网络延迟高集中的服务器在云可能不是有效的对延迟敏感的应用程序,服务和资源分配请求。此外,发送或接收的大尺寸的数据集中的服务器在云网络云性能退化和负担云网络导致可怜的QoS,长响应延迟,使用网络资源不足。这样的局部环境雾计算可以有效地解决上述问题。尽管如此,快速增加的服务将从雾要求计算将产生的开销从云服务和更少的服务请求将导致糟糕的管理环境和可怜的QoS。

因此,在本文中,我们提出了一个物联网的体系结构服务代表团和资源分配基于雾和云计算之间的协作。我们提供新的算法线性化决策树决策规则的基于三个条件(服务规模、完成时间和vm容量)管理和授权用户的请求。此外,我们提出了新的战略优化大数据分布在雾和云环境。此外,我们提出算法分配资源以满足服务水平协议(SLA)和QoS。我们的模拟结果表明,我们建议的方法可以改善服务代表团,管理大数据分布,资源配置效率和显示更好的性能比现有的其他方法。

相互竞争的利益

作者宣称没有利益冲突。

确认

这项研究支持MSIP(科技部、ICT和未来规划),韩国,在期(信息技术研究中心)支持程序(IITP - 2016 (h8501 - 16 - 1015))监督的IITP(信息和通信技术促进研究所)。

引用

1. y锅和n .胡“云计算系统的可靠性,研究”学报第十届国际会议上的可靠性、可维护性和安全性(ICRMS 14)IEEE,页435 - 439年,广州,中国,2014年8月。视图:出版商的网站|谷歌学术搜索
2. w·刘,“云计算安全问题和研究策略,”第二届国际会议上消费电子、通信和网络(CECNet 12)宜昌,页1216 - 1219年,中国,2012年4月。视图:出版商的网站|谷歌学术搜索
3. m . Aazam E.-N。嗯。”intercloud计算资源管理框架”,数学问题在工程ID 108286条,卷。2014年,9页,2014。视图:出版商的网站|谷歌学术搜索
4. m . Aazam和e . n .嗯,“动态资源配置通过雾微数据中心”学报》第12届IEEE国际研讨会管理无处不在的沟通和服务(民大的15)2015年3月,页105 - 110。视图:谷歌学术搜索
5. 美国Uppoor、m·d·弗洛里和a . Bilas“云同步分布式文件系统层次结构,”诉讼IEEE国际会议上的集群计算车间和海报,集群2010年9月,页1 - 4,。视图:出版商的网站|谷歌学术搜索
6. j . Delgado s . m . Sadjadi l .方n . Bobroff y . Liu和s . Seelam”效率评估并行工作负载对虚拟化资源,”学报》第四届IEEE效用和云计算国际会议(UCC的11)IEEE,页89 - 96年,墨尔本,澳大利亚,2011年12月。视图:出版商的网站|谷歌学术搜索
7. z . p .粉丝,j . Wang郑,m . r .律,“向最优本云应用程序的部署,”《IEEE 4日云计算国际会议(云”11)2011年7月,页460 - 467。视图:出版商的网站|谷歌学术搜索
8. m .郭分布式虚拟环境的性能分析[博士。论文)滑铁卢大学,滑铁卢,加拿大,2006。
9. g . y .荣格:Gnanasambandam, t·穆克吉”同步并行处理大数据分析服务来优化性能的联合云,”《IEEE五云计算国际会议(云”12)IEEE,页811 - 818年,檀香山,夏威夷,美国,2012年6月。视图:出版商的网站|谷歌学术搜索
10. g . y . Hu j . Wong Iszlai, m . Litoiu“云计算资源供应,”诉讼会议的高级研究中心的合作研究(CASCON ' 09)2009年11月,页101 - 111。视图:出版商的网站|谷歌学术搜索
11. 这个j . j . Li, m·伍德赛德和m . Litoiu“快速可伸缩的优化配置服务系统有成本和服务质量约束,”学报第六届国际会议上自主计算(廉政公署' 09)2009年6月,页159 - 168。视图:出版商的网站|谷歌学术搜索
12. a . Lenk m . Klems j . Nimis Tai, t·桑德霍尔姆,“在云是什么?架构的云景观地图”软件工程学报ICSE研讨会云计算的挑战(云' 09)页23-31 IEEE,温哥华,加拿大,2009年5月。视图:出版商的网站|谷歌学术搜索
13. c . Kamalanathan s Valarmathy, s . Kirubakaran”设计一个基于模糊逻辑的信任和声誉模型在云计算安全的资源分配,”阿拉伯国际信息技术杂志》上,13卷,不。1,30-37,2016页。视图:谷歌学术搜索
14. l .荀”,从增强现实增强计算:一看cloud-mobile收敛,”程序的国际研讨会上无处不在的虚拟现实(ISUVR ' 09)页,29-32光州,韩国,2009年7月。视图:出版商的网站|谷歌学术搜索
15. e·e·马里内利岩狸:云计算在移动设备上使用MapReduce[硕士论文)时,计算机科学系,宾夕法尼亚州匹兹堡,美国,2009年。
16. 朱尔朱,欧莉娃,d . Juric Krivulev, g·阿隆索,“调用云:启用手机作为云应用程序界面,”中间件2009Eds, j·m·培根和b·f·库珀。卷,5896在计算机科学的课堂讲稿施普林格,页83 - 102年,纽约,纽约,美国,2009年。视图:出版商的网站|谷歌学术搜索
17. m . Andreolini s Casolari, m . Colajanni”自动请求管理算法对于地理上分布的网络系统,”第二届IEEE国际会议上自适应和自组织系统(SASO ' 08)IEEE,页171 - 180年,威尼斯,意大利,2008年10月。视图:出版商的网站|谷歌学术搜索
18. r·谢尔登介绍了概率模型爱思唯尔,第十版,2010年版。
19. h·c·冈萨洛·d·m·李,“虚拟云计算提供者为移动设备,”学报第一ACM研讨会移动云计算与服务:社交网络,没有。6,页1 - 5,旧金山,加州,美国,2010年6月。视图:谷歌学术搜索
20. Cloudsim”框架建模与仿真的云计算基础设施和服务,“https://code.google.com/p/cloudsim/downloads/list视图:谷歌学术搜索

版权

版权©2016 Aymen阿卜杜拉Alsaffar et al。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。