云虚拟机资源效益最大化分配模型及其实证研究
需积分: 14 128 浏览量
更新于2024-09-07
收藏 993KB PDF 举报
该篇论文深入探讨了在云计算环境下,云虚拟机资源分配研究中的一个重要问题,即如何更好地衡量和优化用户对资源的实际收益。针对这一问题,研究人员提出了一个以计算资源为中心的用户效益最大化的云虚拟机资源分配模型。这个模型借鉴了网络带宽分配效用最大化的(NUM,Network Utility Maximization)理论框架,旨在确保在满足服务质量的同时,最大化用户的使用效率和满意度。
模型构建过程中,通过拉格朗日函数的方法,复杂问题被简化为求解拉格朗日对偶函数,这种方法使得模型的求解过程更加清晰和系统化。作者引入了模糊次梯度算法,这是一种数学工具,用于理论上证明该模型具有全局最优解,意味着找到了最佳的资源分配策略,既能满足用户需求,又能最大化整体效益。
实验部分,作者将提出的模型应用于实际的云虚拟机资源分配场景,将所得的分配方案与业界标准的优化工具Lingo软件的结果进行了对比分析。结果显示,新模型不仅实现了用户效益的最大化目标,而且其算法表现出良好的收敛性,这意味着在实际运行中能快速找到最优解,不会陷入局部最优陷阱。
此外,论文还强调了作者团队的研究背景,包括来自不同领域的研究人员,如罗杰专注于云资源管理,张之明是云计算和模糊次梯度算法的专家,高志强专攻智能计算和优化算法,而程川则关注云计算和数据挖掘。他们的合作展现了跨学科视角在解决实际问题中的价值。
这篇论文提供了一个创新的思路和方法,对于提升云服务提供商的资源利用效率,以及满足用户多样化的需求有着重要的实践意义。通过将理论与实际相结合,为云计算环境下的虚拟机资源分配问题提供了新的解决方案,推动了该领域的发展。
2019-08-14 上传
2019-08-16 上传
2019-08-25 上传
2021-07-18 上传
2021-09-29 上传
2021-07-10 上传
weixin_39840924
- 粉丝: 495
- 资源: 1万+
最新资源
- 掌握Jive for Android SDK:示例应用的使用指南
- Python中的贝叶斯建模与概率编程指南
- 自动化NBA球员统计分析与电子邮件报告工具
- 下载安卓购物经理带源代码完整项目
- 图片压缩包中的内容解密
- C++基础教程视频-数据类型与运算符详解
- 探索Java中的曼德布罗图形绘制
- VTK9.3.0 64位SDK包发布,图像处理开发利器
- 自导向运载平台的行业设计方案解读
- 自定义 Datadog 代理检查:Python 实现与应用
- 基于Python实现的商品推荐系统源码与项目说明
- PMing繁体版字体下载,设计师必备素材
- 软件工程餐厅项目存储库:Java语言实践
- 康佳LED55R6000U电视机固件升级指南
- Sublime Text状态栏插件:ShowOpenFiles功能详解
- 一站式部署thinksns社交系统,小白轻松上手