优化云资源利用：基于SLA的异构资源管理策略

"这篇博士学位论文探讨了如何利用云环境中未使用的异构资源来为应用程序提供服务质量（Service Level Agreement, SLA）保证。论文作者让-埃米尔·达图瓦在IRISA研究所进行了此项研究，该研究所专注于计算机科学和随机系统。论文的评审团包括了来自图卢兹大学和里尔大学的专家，并由奥利维尔·巴拉斯和贾利勒·布霍布扎指导。论文中提到的几项研究成果已在国际期刊和会议上发表，涉及到云资源管理、SLA保证、容器虚拟化、机器学习算法以及大数据应用程序在不可信云环境中的安全问题。 1. 云资源管理：论文提出了利用未使用的云资源，尤其是那些短暂和异构的资源，以提高资源利用率并确保SLA的实现。这涉及到对资源的智能调度和映射策略，如论文中提到的"Cuckoo"算法，这是一种针对短暂和异构资源的机会性映射方法。 2. 容器虚拟化性能建模：研究使用了机器学习算法来建模和预测基于容器的虚拟化的存储输入/输出（SSDI/O）性能。这有助于更准确地预测和管理云资源的需求，从而更好地满足SLA。 3. SLA保证下的资源回收：通过分位数回归技术，论文提出了一种方法，可以在保证SLA的同时回收未使用的云资源。这种方法能够动态调整资源分配，以适应不断变化的工作负载需求。 4. 安全与破坏检测：论文还关注了在不可信的云环境中如何通过跟踪应用程序的指纹来检测潜在的破坏行为。这涉及到对云环境中的安全威胁进行监控和分析。 5. 大数据应用的资源利用：在实现SLA的同时，论文探索了如何利用云中的未使用资源来优化大数据应用程序的执行。这可能涉及对大数据工作负载的智能调度策略，以确保高效且可靠的执行。 6. 整体作业规划：最后，论文中还提到了"Salamander"，这是一个针对短暂云资源的整体作业规划方案，旨在优化工作负载分配，提升资源利用率。 这些研究成果为云服务提供商和应用程序开发者提供了理论基础和实用工具，以更有效地管理和利用云资源，同时确保服务质量的承诺。"