師雪霖，趙 英，李 娜

（北京化工大學(xué)信息科學(xué)與技術(shù)學(xué)院 北京100029）

1 引言

公共安全近年來(lái)越來(lái)越受到世界各國(guó)政府的重視，我國(guó)的應(yīng)急管理工作也取得了長(zhǎng)足進(jìn)展，以“一案三制”（一案指制訂修訂應(yīng)急預(yù)案；三制指建立健全應(yīng)急的體制、機(jī)制和法制）為核心的應(yīng)急管理體系基本形成，應(yīng)急管理綜合能力得到提高[1]。但是與較為完善的應(yīng)急管理辦法相比，公共安全的基礎(chǔ)技術(shù)支撐環(huán)節(jié)薄弱，總體公共安全形勢(shì)仍然趨于嚴(yán)峻，這同時(shí)也是各國(guó)面臨的問(wèn)題。以日本2011年3月11日地震引發(fā)的核泄漏事件為例，其暴露出全局或重點(diǎn)區(qū)域部署智能化識(shí)別和定位核、生、化危險(xiǎn)物質(zhì)的無(wú)線傳感監(jiān)控網(wǎng)絡(luò)的重要性。在我國(guó)，《國(guó)家中長(zhǎng)期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要（2006—2020年）》已將“公共安全”列為重點(diǎn)領(lǐng)域，其優(yōu)先主題明確包括了“危險(xiǎn)化學(xué)品泄漏”、“核生化恐怖源的遠(yuǎn)程探測(cè)”。因此，基于物聯(lián)網(wǎng)（Internet of Things）技術(shù)的危險(xiǎn)核、生、化監(jiān)測(cè)和遙感研究，受到業(yè)界和政府相關(guān)部門的高度重視，同時(shí)不可忽視的是，這也對(duì)與其配套的監(jiān)測(cè)數(shù)據(jù)處理分析計(jì)算平臺(tái)提出了更高的要求。面對(duì)實(shí)時(shí)收集的海量數(shù)據(jù)，如何提供高效、經(jīng)濟(jì)、便捷又有QoS（quality of service，服務(wù)質(zhì)量）保證的計(jì)算服務(wù)和存儲(chǔ)服務(wù)，成為公共安全支撐技術(shù)領(lǐng)域的難點(diǎn)和熱點(diǎn)。面對(duì)這種需求，云計(jì)算無(wú)疑是一種可行的解決方案。

Buyya定義了云的概念：“云是由很多彼此互聯(lián)、虛擬化的計(jì)算機(jī)組成的并行、分布式系統(tǒng)，服務(wù)提供者和用戶之間通過(guò)協(xié)商達(dá)成一致服務(wù)協(xié)議，動(dòng)態(tài)提供統(tǒng)一計(jì)算資源”[2]。通過(guò)這個(gè)定義，可以看出云計(jì)算要解決的問(wèn)題是如何有效安全地管理和共享接入云的各種資源，并提供相應(yīng)的服務(wù)，它強(qiáng)調(diào)的是全面的共享資源、全面的應(yīng)用服務(wù)。云計(jì)算提出了全互聯(lián)網(wǎng)范圍內(nèi)共享資源的最高目標(biāo)，最大限度地充分利用計(jì)算/存儲(chǔ)資源，是整合全社會(huì)高性能計(jì)算資源的有效方法[3,4]。

由此可見(jiàn)，云的特點(diǎn)和優(yōu)勢(shì)十分適合為公共安全監(jiān)控預(yù)警提供計(jì)算、存儲(chǔ)服務(wù)。本文提出了一種用于公共安全監(jiān)控預(yù)警的混合云體系統(tǒng)架構(gòu)，借鑒傳統(tǒng)IaaS（infrastructureas a service）云架構(gòu)，集成了高性能計(jì)算和虛擬私有云兩種計(jì)算資源的管理模式，實(shí)現(xiàn)統(tǒng)一的服務(wù)部署、調(diào)用管理，為用戶提供了SaaS（software as a service）方式的云計(jì)算和存儲(chǔ)服務(wù)，還設(shè)計(jì)了此平臺(tái)的資源調(diào)度模型、算法、QoS策略及其實(shí)現(xiàn)方式。

2 HCPSMF系統(tǒng)框架

公共安全監(jiān)控預(yù)警最核心的兩個(gè)問(wèn)題就是數(shù)據(jù)感知和數(shù)據(jù)處理，其對(duì)計(jì)算資源的要求與目前商用云有所不同。云商業(yè)應(yīng)用，如亞馬遜公司的Amazon EC2平臺(tái)、谷歌公司的Google App Engin(GAE)平臺(tái)等，往往以虛擬化技術(shù)為基礎(chǔ)滿足不同用戶的不同計(jì)算需求。但是公共安全監(jiān)控預(yù)警中主要是對(duì)所采集數(shù)據(jù)的分析，所需計(jì)算服務(wù)類型相對(duì)固定（即使用特定的幾種軟件），但對(duì)并發(fā)計(jì)算性能要求更高。基于此，公共安全監(jiān)控預(yù)警計(jì)算平臺(tái)要支持對(duì)HPC（high performance computing，高性能計(jì)算）資源的管理和調(diào)度。此外，平臺(tái)也需要為監(jiān)控領(lǐng)域?qū)＜摇⒐ぷ魅藛T提供計(jì)算服務(wù)、軟件服務(wù)，所以同樣需要支持虛擬化計(jì)算資源的管理和調(diào)度。因此，本文提出了一種混合云平臺(tái)架構(gòu)——HCPSMF，支持對(duì)HPC資源和虛擬化資源（指VPN）進(jìn)行混合管理。

2.1 公共安全監(jiān)控預(yù)警體系框架

公共安全監(jiān)控預(yù)警是一個(gè)系統(tǒng)工程，包括數(shù)據(jù)的采集、接入、傳輸、分析、監(jiān)控以及用戶服務(wù)。因此可以用圖1所示的5層結(jié)構(gòu)描述。

公共安全監(jiān)控預(yù)警體系框架可分為5層：感知層、接入層、網(wǎng)絡(luò)層、云計(jì)算層和用戶層。

感知層是用來(lái)識(shí)別核、生、化物質(zhì)和采集數(shù)據(jù)的，是整個(gè)體系框架的基礎(chǔ)，由各種類型的采集終端和控制模塊組成，如無(wú)線傳感器網(wǎng)絡(luò)（wireless sensors network，WSN）和其他移動(dòng)監(jiān)控終端。WSN是由許多在空間上廣泛分布的自動(dòng)裝置組成的網(wǎng)絡(luò)，這些裝置使用傳感器協(xié)作監(jiān)控不同的環(huán)境狀況。WSN集分布式信息采集、傳輸、處理技術(shù)于一體，能夠通過(guò)各類傳感器協(xié)作實(shí)時(shí)監(jiān)測(cè)、感知和采集核、生、化危險(xiǎn)物質(zhì)含量，并通過(guò)隨機(jī)自組織無(wú)線通信網(wǎng)絡(luò)以多跳中繼方式將感知信息傳送到接入點(diǎn)或網(wǎng)關(guān)。此外，還可使用其他移動(dòng)監(jiān)控終端，如為巡邏警車安置GPS、攝像頭、危險(xiǎn)物質(zhì)檢測(cè)設(shè)備等，即可成為一個(gè)數(shù)據(jù)感知節(jié)點(diǎn)，通過(guò)基站傳送數(shù)據(jù)。移動(dòng)監(jiān)控終端增加了數(shù)據(jù)采集監(jiān)控的靈活性，可根據(jù)反饋情況快速調(diào)整監(jiān)控目標(biāo)。因此，感知層的功能是完成不同環(huán)境中危險(xiǎn)物質(zhì)含量的數(shù)據(jù)采集和設(shè)備控制。

接入層由接入網(wǎng)關(guān)和基站節(jié)點(diǎn)組成，負(fù)責(zé)感知層設(shè)備的組網(wǎng)控制、信息匯集、協(xié)議轉(zhuǎn)換等功能。保證上行數(shù)據(jù)符合承載網(wǎng)絡(luò)的傳輸需要，并將承載網(wǎng)絡(luò)下達(dá)的控制指令轉(zhuǎn)換成感知層可接收的下行數(shù)據(jù)。

網(wǎng)絡(luò)層提供所有數(shù)據(jù)傳輸?shù)某休d網(wǎng)絡(luò)，可以根據(jù)應(yīng)用環(huán)境和具體需求設(shè)定，可以是互聯(lián)網(wǎng)、局域網(wǎng)、移動(dòng)通信網(wǎng)絡(luò)等，完成接入層和元計(jì)算層之間的信息傳送功能。

云計(jì)算層是整個(gè)體系框架的核心，由各種HPC服務(wù)器、虛擬機(jī)、數(shù)據(jù)存儲(chǔ)設(shè)備組成，主要功能是對(duì)采集數(shù)據(jù)進(jìn)行多源信息融合、轉(zhuǎn)換、分析，同時(shí)在需要對(duì)終端設(shè)備進(jìn)行實(shí)時(shí)控制時(shí)，生成控制指令并下發(fā)。此外，還要響應(yīng)用戶層用戶提交的各種服務(wù)請(qǐng)求。

用戶層為用戶提供了公共安全監(jiān)控預(yù)警的各種應(yīng)用接口?？赏ㄟ^(guò)監(jiān)控界面實(shí)時(shí)調(diào)取不同區(qū)域的監(jiān)控?cái)?shù)據(jù)和分析結(jié)果、下達(dá)控制指令。由于云計(jì)算層提供一些領(lǐng)域的軟件服務(wù)，如流體力學(xué)分析軟件、擴(kuò)散模擬軟件等，用戶可通過(guò)用戶界面提交一些服務(wù)請(qǐng)求。

2.2 HCPSMF結(jié)構(gòu)

HCPSMF是公共安全監(jiān)控預(yù)警體系中的云計(jì)算層，它是一種混合云平臺(tái)架構(gòu)，支持對(duì)HPC資源和VPC的混合管理。HCPSMF和其他常見(jiàn)的商用云平臺(tái)不同，它不僅僅是虛擬機(jī)的集合，還包含很多集群服務(wù)器和海量數(shù)據(jù)存儲(chǔ)設(shè)備。因?yàn)樵诠脖O(jiān)控預(yù)警體系中，大量的數(shù)據(jù)需要高性能的并行計(jì)算處理，以普通計(jì)算機(jī)網(wǎng)絡(luò)相連的虛擬機(jī)無(wú)法滿足計(jì)算要求，往往需要由高速連接（如Infiniband）的多個(gè)計(jì)算節(jié)點(diǎn)、專業(yè)I/O存儲(chǔ)組成的集群服務(wù)器，僅靠虛擬機(jī)是無(wú)法滿足的[5]。此外，HCPSMF也需要考慮專業(yè)人員的計(jì)算需要，此類計(jì)算可能對(duì)高速連接、存儲(chǔ)沒(méi)有要求，但是往往需要多種不同的虛擬機(jī)，因此也提供基于虛擬技術(shù)的多種軟件服務(wù)。

針對(duì)上述需要，HCPSMF提供了兩種資源管理方式：管理調(diào)度HPC的任務(wù)管理系統(tǒng) （load management system，LMS）和管理VPC的虛擬架構(gòu)管理系統(tǒng)（virtual infrastructure management system，VIMS）。圖2給出了HCPSMF的架構(gòu)。

HCPSMF管理的計(jì)算節(jié)點(diǎn)可以分成兩類：一類是HPC的計(jì)算節(jié)點(diǎn)，即一臺(tái)傳統(tǒng)的硬件計(jì)算機(jī)上只運(yùn)行一種操作系統(tǒng)，稱之為物理機(jī)（physical machine，PM）；另一類是VPC節(jié)點(diǎn)，可根據(jù)需要在一臺(tái)硬件計(jì)算機(jī)上運(yùn)行多個(gè)操作系統(tǒng)，稱之為虛擬機(jī)（virtual machine，VM）。

需要HCPSMF處理的任務(wù)首先提交給作業(yè)調(diào)度器，作業(yè)調(diào)度器將任務(wù)組成提交隊(duì)列，分配給LMS或VIMS管理，最終提交到PM節(jié)點(diǎn)或VM節(jié)點(diǎn)上執(zhí)行。

PM節(jié)點(diǎn)上配有相對(duì)固定的軟件，主要用于對(duì)監(jiān)控?cái)?shù)據(jù)的分析和處理，由LMS統(tǒng)一管理。無(wú)線傳感器、移動(dòng)監(jiān)控設(shè)備收集的數(shù)據(jù)通過(guò)承載網(wǎng)絡(luò)傳遞給HCPSMF云計(jì)算平臺(tái)，由作業(yè)調(diào)度器形成的計(jì)算任務(wù)，再由LMS分配給不同的PM節(jié)點(diǎn)進(jìn)行執(zhí)行。任務(wù)可分成不同的優(yōu)先級(jí)，但發(fā)生突發(fā)事件時(shí)，可對(duì)重點(diǎn)監(jiān)控區(qū)域反饋的數(shù)據(jù)優(yōu)先進(jìn)行分析處理。實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)量非常大，歷史數(shù)據(jù)的記錄也十分必要，往往需要和歷史數(shù)據(jù)比對(duì)，形成核、生、化物質(zhì)變化趨勢(shì)，以供決策分析。

此外，專業(yè)人員也需要進(jìn)行一些模擬計(jì)算、科學(xué)研究計(jì)算，此時(shí)需要的軟件可能是不固定、多變的，而且每種軟件所要求的操作系統(tǒng)也各不相同，VM節(jié)點(diǎn)主要用于執(zhí)行此類任務(wù)。通過(guò)用戶接口（即云portal）提交的計(jì)算任務(wù)，由作業(yè)調(diào)度器分配給VIMS，VIMS根據(jù)任務(wù)需求，選擇空閑硬件節(jié)點(diǎn)動(dòng)態(tài)創(chuàng)建虛擬資源，安排任務(wù)執(zhí)行。

這種設(shè)計(jì)架構(gòu)易于集成現(xiàn)有HPC調(diào)度軟件和虛擬軟件。在HCPSMF中，LMS選用商業(yè)軟件Platform公司的 LSF(load sharing facility)[6]實(shí)現(xiàn)，VIMS采用開(kāi)源軟件OpenNebula[7]實(shí)現(xiàn)對(duì)虛擬資源的管理。作業(yè)調(diào)度器只需要管理LMS和VIMS即可，即開(kāi)發(fā)與二者的集成接口，不用關(guān)心具體的底層資源調(diào)配，這樣既能保證HCPSMF的運(yùn)行效率，又使之具有可擴(kuò)展性，通過(guò)更新作業(yè)調(diào)度器與LMS或VIMS的接口，即可支持新的HPC調(diào)度軟件或虛擬軟件。

3 資源調(diào)度模型及調(diào)度算法

現(xiàn)有的云調(diào)度研究往往假定排序問(wèn)題中的約束參數(shù)都是確定性的，屬于排序理論中的確定性排序。而實(shí)際云環(huán)境下，資源調(diào)度要受到很多不確定、隨機(jī)因素的影響，而且云資源是動(dòng)態(tài)變化的，這就需要利用隨機(jī)模型解決排序問(wèn)題，即隨機(jī)排序。從效率角度考慮，基于經(jīng)濟(jì)度量的調(diào)度模型更具意義。在HCPSMF框架中，集成的LMS和VIMS固有的調(diào)度策略往往是基于確定性排序的簡(jiǎn)單模型，因此建立了一個(gè)包含成本、懲罰代價(jià)等經(jīng)濟(jì)參數(shù)的、基于隨機(jī)變量的經(jīng)濟(jì)模型，并設(shè)計(jì)了相應(yīng)的進(jìn)化調(diào)度算法，在作業(yè)調(diào)度器上實(shí)現(xiàn)。

3.1 云經(jīng)濟(jì)調(diào)度模型

建立調(diào)度模型即分析云環(huán)境下不確定資源因素的隨機(jī)分布特征，建立它的隨機(jī)模型，并增加經(jīng)濟(jì)衡量參數(shù)，將資源調(diào)度問(wèn)題轉(zhuǎn)換為尋找目標(biāo)函數(shù)數(shù)字特征最小化排序問(wèn)題。設(shè)C為HCPSMF中所有節(jié)點(diǎn)的集合（包含PM節(jié)點(diǎn)和VM節(jié)點(diǎn)），C中節(jié)點(diǎn)數(shù)量為m，C={C1,C2,…,Cm}，設(shè)J為作業(yè)集合，J中包含n個(gè)作業(yè)，J={J1,J2,…,Jn}。參考現(xiàn)有網(wǎng)格調(diào)度方法[8]，本模型定義了如下調(diào)度參數(shù)。

tij:第i個(gè)作業(yè)使用第j個(gè)節(jié)點(diǎn)所需處理時(shí)間；

pj:第j個(gè)節(jié)點(diǎn)的使用代價(jià)；

aj:第j個(gè)節(jié)點(diǎn)可用的時(shí)間；

uj:第j個(gè)節(jié)點(diǎn)不可用的時(shí)間；

bi:第i個(gè)作業(yè)的預(yù)算；

di：第i個(gè)作業(yè)執(zhí)行的最后期限；

ri：第i個(gè)作業(yè)的到達(dá)時(shí)間；

li：第i個(gè)作業(yè)調(diào)度失敗的懲罰代價(jià)。

作業(yè)在節(jié)點(diǎn)上的執(zhí)行時(shí)間（tij）可以預(yù)先估計(jì)[6]，假設(shè)tij滿足指數(shù)分布：

將tij作為指數(shù)分布的隨機(jī)變量可以簡(jiǎn)化調(diào)度問(wèn)題。如果在此假設(shè)下調(diào)度算法的性能較好，那么在實(shí)際云平臺(tái)隨機(jī)環(huán)境下，調(diào)度算法的性能也依舊會(huì)很好。

為了簡(jiǎn)化模型，假設(shè)作業(yè)預(yù)算bi足夠大，因此可忽略該參數(shù)。作業(yè)失敗的懲罰代價(jià)li是指作業(yè)在最后期限前仍未執(zhí)行完畢的損失。因此，調(diào)度算法不僅要保證使用節(jié)點(diǎn)的總花費(fèi)∑tijpj小，還要盡量減少損失，即要考慮作業(yè)最后期限di和懲罰代價(jià)li。因此，就得到了調(diào)度模型的數(shù)學(xué)表達(dá)：

其中，si表示第i個(gè)作業(yè)開(kāi)始執(zhí)行的時(shí)間，max(0,li(si+tij-di))是第i個(gè)作業(yè)失敗的懲罰代價(jià)，如果該作業(yè)在最后期限之前執(zhí)行完畢，則懲罰代價(jià)是0，否則是 li(si+tij-di)。懲罰代價(jià)可以標(biāo)記出不同作業(yè)的優(yōu)先級(jí)。調(diào)度模型的目標(biāo)函數(shù)是E(∑(tijpj+max(0,li(si+tij-di))))。使用上述隨機(jī)調(diào)度模型，HCPSMF平臺(tái)的調(diào)度目標(biāo)就抽象為尋找總花費(fèi)∑ (tijpj+max(0,li(si+tij-di)))的最小數(shù)學(xué)期望。

3.2 進(jìn)化調(diào)度算法

針對(duì)隨機(jī)期望調(diào)度模型，利用EA設(shè)計(jì)云調(diào)度算法。EA的關(guān)鍵是設(shè)計(jì)合適的優(yōu)化編碼，即選擇染色體，確定目標(biāo)函數(shù)，通過(guò)迭代獲取最優(yōu)解。在本調(diào)度算法中，染色體就是（作業(yè)，節(jié)點(diǎn)）序偶的組合，最優(yōu)解是使∑(tijpj+max(0,li(si+tij-di)))期望值最小的組合方式。令βi表示第i個(gè)作業(yè)，γj表示第 j個(gè)節(jié)點(diǎn)，二者組成的序偶(βi,γj)為基因，基因的不同組合構(gòu)成不同染色體。通過(guò)遺傳進(jìn)化，迭代選取不同基因，獲得最后解。調(diào)度算法工作原理如圖3所示。

最終調(diào)度排序結(jié)果實(shí)質(zhì)就是哪個(gè)作業(yè)（記作βi）分配到哪個(gè)節(jié)點(diǎn)（記作γj）執(zhí)行，也就是序偶(βi,γj)的集合。因此，調(diào)度算法的目標(biāo)就是選擇最優(yōu)的集合，保證所有作業(yè)執(zhí)行后的經(jīng)濟(jì)效益最優(yōu)，這就靠選擇初始種群P、優(yōu)選精英基因比例進(jìn)行進(jìn)化迭代，從而獲得調(diào)度模型的最優(yōu)解。為了在進(jìn)化過(guò)程中優(yōu)選后代，定義了如下優(yōu)選函數(shù)：

通常EA算法隨機(jī)選擇初始種群，如果初始種群性能優(yōu)于平均水平會(huì)提高算法效率。但是在本調(diào)度算法中，為了防止早熟，仍然隨機(jī)選擇初始種群P。將P中的所有基因 (βi,γj)按照 tijpj+max(0,li(si+tij-di))升序排列，選出模板種群TP。算法每次迭代都按照如下方式生成新的種群Pnew：

其中，x為預(yù)先定義的參數(shù)，以保證迭代過(guò)程中父種群的精英基因能夠保留下來(lái)，可以根據(jù)算法需要調(diào)整x的值，在HCPSMF中將x設(shè)置為50%。

算法流程如圖4所示。

重組變異是EA算法的核心，在本調(diào)度算法中，采用最基本的交叉操作實(shí)現(xiàn)基因重組。預(yù)先設(shè)定了迭代終止條件，當(dāng)找到滿足此條件的組合時(shí)，算法停止。

4 QoS策略

HCPSMF平臺(tái)采用的調(diào)度模型和進(jìn)化調(diào)度算法雖然以經(jīng)濟(jì)參數(shù)方式可以區(qū)分任務(wù)優(yōu)先級(jí)，但是從服務(wù)效率上考慮，僅僅使用調(diào)度優(yōu)先級(jí)是不夠的，還必須有其他策略保證“重要”作業(yè)優(yōu)先使用資源，并且減少資源浪費(fèi)，如在“重要”作業(yè)到達(dá)前，節(jié)點(diǎn)已經(jīng)分配了普通作業(yè)進(jìn)行計(jì)算，此時(shí)中斷普通作業(yè)計(jì)算可能會(huì)造成資源浪費(fèi)，但是如果通過(guò)挖掘資源使用規(guī)律，預(yù)測(cè)“重要”作業(yè)到達(dá)情況，設(shè)計(jì)資源協(xié)商預(yù)留策略就可以避免此種情況。因此，HCPSMF中設(shè)計(jì)了QoS策略以實(shí)現(xiàn)有差別的服務(wù)，即QoS保證，從而在整體上提高了云調(diào)度效率。

制定QoS策略前，首先要定義基本約束概念。在ISO 13236標(biāo)準(zhǔn)中定義了分布式計(jì)算技術(shù)涉及的QoS基本概念集合[9]。參照此集合，本文定義了基于使用模式分析（use pattern analysis，UPA）的資源預(yù)測(cè)調(diào)度機(jī)制。

資源預(yù)測(cè)調(diào)度是提高調(diào)度效率的一種方式，其關(guān)鍵是學(xué)習(xí)資源使用模式，多采用聚類分析、狀態(tài)空間模型等實(shí)現(xiàn)。在HCPSMF平臺(tái)上通過(guò)采用機(jī)器學(xué)習(xí)方法挖掘云資源使用模式（use pattern,UP），通過(guò)分析各節(jié)點(diǎn)資源的歷史數(shù)據(jù)，找出支持調(diào)度決策的規(guī)律，這就將問(wèn)題的本質(zhì)轉(zhuǎn)換為云資源使用日志的聚類分析問(wèn)題。將日志中的每條數(shù)據(jù)按照其資源使用情況，量化為權(quán)重wjk（表示第j個(gè)作業(yè)使用第k種資源的情況），對(duì)作業(yè)使用資源情況進(jìn)行分類，計(jì)算作業(yè)i與j兩兩之間UP的相似度：

通過(guò)計(jì)算相似度，確定合理閾值，即可將UP分類，調(diào)度時(shí)，可以據(jù)此規(guī)則預(yù)先保留資源，從而提高整體調(diào)度效率。

5 結(jié)束語(yǔ)

本文的創(chuàng)新之處在于：根據(jù)公共安全監(jiān)控預(yù)警數(shù)據(jù)采集、分析的需要，設(shè)計(jì)了一種公共安全監(jiān)控預(yù)警混合云平臺(tái)HCPSMF；提出的基于經(jīng)濟(jì)度量的調(diào)度模型以可量化的經(jīng)濟(jì)效益參數(shù)方式將調(diào)度效率考慮在內(nèi)，同時(shí)設(shè)計(jì)了針對(duì)此種模型的進(jìn)化調(diào)度算法；設(shè)計(jì)了QoS策略及在HCPSMF上的實(shí)現(xiàn)方法。與所有服務(wù)一樣，為了實(shí)現(xiàn)效益最大化，“非公平可控”的QoS策略也是必不可少的。有差別的服務(wù)策略，優(yōu)先“重要”應(yīng)用將極大提高整體資源利用效率。

1 馬鑫，黃全義，疏學(xué)明等.物聯(lián)網(wǎng)在公共安全領(lǐng)域中的應(yīng)用研究.中國(guó)安全科學(xué)學(xué)報(bào)，2010,20(7):170～176

2 Rajkumar Buyya,Chee Shin Yeo,Srikumar V,et al.Cloud computing and emerging IT platforms:vision,hype,and reality for delivering computing as the 5th utility.Future Generation Computer Systems,2009(25):599～616

3 Hong-Linh Truong, Schahram Dustdar. Composable cost estimation and monitoring for computational applications in cloud computing environments.Procedia Computer Science,2010(1):2 169～2 178

4 Arnon Rosenthal,Peter Mork,Maya Hao Li,et al.Cloud computing:a new business paradigm for biomedical information sharing.Journal of Biomedical Informatics,2010(43):342～353

5 Gabriel Mateescu,Wolfgang Gentzsch,Calvin J Ribbens.Hybrid commputing-where HPC meets grid and cloud computing.Future Generation Computer Systems,2011(27):440～453

6 Sotomayor B,Montero R,Llorente I,et al.Virtual infrastructure manaagementin pirvate and hybird clouds.IEEE Internet Computing,2009,13(5):14～22

7 Subodha Kumar,Kaushik Dutta.Maximizing business value by optimal assignment of jobs to resources in grid computing.European Journal of Operational Research,2009(194):856～872

8 Richard Onchaga.Quality of service management framework for dynamic chaining of geographic information services.International Journal of Applied Earth Observation and Geoinformation,2006(8):137～148