前言：中文期刊网精心挑选了云计算数据论文范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
云计算数据论文范文1
基本的大数据的处理流程可以分成数据采集、数据处理与集成、数据分析和数据解释4个阶段。首先获取数据源的数据，因为在数据源端的数据包含各种各样的结构，需要使用某种方法将其进行预处理，使数据成为某种可以用一种算法分析的统一数据格式，接着需要找到这种数据分析的算法，将预处理过的数据进行算法特定的分析，并将分析的结果用可视化等手段呈现至用户端。
1.1数据采集
大数据的采集是整个流程的基础，随着互联网技术和应用的发展以及各种终端设备的普及，使得数据的生产者范围越来越大，数据的产量也越来越多，数据之间的关联也越来越复杂，这也是大数据中“大”的体现，所以需要提高数据采集速度和精度要求。
1.2数据处理与集成
数据的处理与集成主要是对前一步采集到的大量数据进行适当的预处理，包括格式化、去噪以及进一步集成存储。因为数据采集步骤采集到的数据各种各样，其数据结构也并不统一，不利于之后的数据分析，而且，一些数据属于无效数据，需要去除，否则会影响数据分析的精度和可靠性，所以，需要将数据统一格式并且去除无效数据。通常会设计一些过滤器来完成这一任务。
1.3数据分析
在完成了数据的采集和处理后，需要对数据进行分析，因为在进行数据分析后才能体现所有大数据的重要价值。数据分析的对象是上一步数据的处理与集成后的统一格式数据，需要根据所需数据的应用需求和价值体现方向对这些原始样本数据进一步地处理和分析。现有的数据分析通常指采用数据仓库和数据挖掘工具对集中存储的数据进行分析，数据分析服务与传统数据分析的差别在于其面向的对象不是数据，而是数据服务。
1.4数据解释
数据解释是对大数据分析结果的解释与展现，在数据处理流程中，数据结果的解释步骤是大数据分析的用户直接面对成果的步骤，传统的数据显示方式是用文本形式体现的，但是，随着数据量的加大，其分析结果也更复杂，传统的数据显示方法已经不足以满足数据分析结果输出的需求，因此，数据分析企业会引入“数据可视化技术”作为数据解释方式。通过可视化结果分析，可以形象地向用户展示数据分析结果。
云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源，是一种按使用量付费的模式。这种模式提供可用的、便捷的、按需的网络访问，进入可配置的计算资源共享池（资源包括网络、服务器、存储、应用软件、服务），这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。目前，国内外已经有不少成熟的云计算的应用服务。数据分析是整个大数据处理流程里最核心的部分。数据分析是以数据的价值分析为目的的活动，而基于大数据的数据分析通常表现为对已获取的海量数据的分析，其数据来源可能是企业数据也可能是企业数据与互联网数据的融合。从目前的趋势来看，云计算是大数据的IT基础，是大数据分析的支撑平台，不断增长的数据量需要性能更高的数据分析平台承载。所以，云计算技术的不断发展可以为大数据分析提供更为灵活、迅速的部署方案，使得大数据分析的结果更加精确。另一方面，云计算的出现为大数据分析提供了扩展性更强，使用成本更低的存储资源和计算资源，使得中小企业也可以通过云计算来实现属于自己的大数据分析产品。大数据技术本身也是云计算技术的一种延伸。大数据技术涵盖了从数据的海量存储、处理到应用多方面的技术，包括海量分布式文件系统、并行计算框架、数据库、实时流数据处理以及智能分析技术，如模式识别、自然语言理解、应用知识库等等。但是，大数据分析要走向云计算还要赖于数据通信带宽的提高和云资源的建设，需要确保原始数据能迁移到云环境以及资源池可以随需弹性扩展。
3基于云计算环境的Hadoop
为了给大数据处理分析提供一个性能更高、可靠性更好的平台，研究者基于MapReduce开发了一个基于云计算环境的开源平台Hadoop。Hadoop是一个以MapReduce算法为分布式计算框架，包括分布式文件系统（HDFS）、分布式数据库（Hbase、Cassandra）等功能模块在内的完整生态系统，已经成为当前最流行的大数据处理平台，并被广泛认可和开发应用。基于Hadoop，用户可编写处理海量数据的分布式并行程序，并将其运行于由成百上千个节点组成的大规模计算机集群上。
4实例分析
本节以电信运营商为例，说明在云计算环境中基于Hadoop的大数据分析给大数据用户带来的价值。当前传统语音和短信业务量下滑，智能终端快速增长，移动互联网业务发展迅速，大数据分析可以为运营商带来新的机会，帮助运营商更好地转型。本文数据分析样本来自于某运营商的个人语音和数据业务清单，通过Hadoop2.6.0在Ubuntu12.04系统中模拟了一个大数据分析平台来处理获得的样本。希望通过对样本数据的分析与挖掘，掌握样本本身的一些信息。以上分析只是一些很基本的简单分析，实际上样本数据中所蕴含的价值要远远大于本文体现的。以上举例意在说明基于云计算的大数据分析可以在数据分析上体现出良好的性能，为企业带来更丰富更有效率的信息提取、分类，并从中获益。
5结束语
云计算数据论文范文2
【关键词】云计算；IaaS数据中心；网络虚拟化；存储虚拟化
【中图分类号】G40－057 【文献标识码】A 【论文编号】1009－8097(2012)03－0099－05
引言
随着的IT(Information Technology，信息技术)逐渐渗透到高校的教学、科研和办公等核心业务，各类信息系统数量和存储的数据越来越多，数据中心规模越来越大，学校对数据中心的可靠性、安全性、灵活性提出了更苛刻的要求，传统的数据中心建设管理模式己无法满足当前数字化校园的建设需求。服务器虚拟化以其高效、节能、高可用等诸多优点已经为人们所熟知，在高校校园网中服务器虚拟化的应用也越来越广泛。许多高校在使用虚拟化技术改造或新建数据中心时，仅实现了服务器的虚拟化，对实现数据中心整体虚拟化及云计算技术在数据中心的研究和应用较少。服务器虚拟化提升了服务器硬件使用效率，但如果不能实现数据中心的整体虚拟化，虚拟机得不到存储及网络系统的支持，虚拟化技术提供的高可靠性、高可用性、灵活性等更有价值的功能将无法得到应用。本文分析了利用云计算、虚拟化和无状态计算等技术对服务器、存储、网络和应用交付设备进行全面虚拟化整合的方法，并对关键技术的选择进行了深入的探讨。最后在徐州师范大学数据中心建设方案的基础上，提出了一套基于云计算以实现数据中心计算服务化、资源虚拟化和管理智能化为建设目标的数据中心优化解决方案。
一、高校数据中心建设的现状
不断成熟的虚拟化技术正在帮助更多的高校数据中心减少服务器数量、优化资源配置并简化管理，利用虚拟化和云计算技术可以实现动态IT基础设施环境，进一步改善现有的架构和管理模式，得到了诸多高校的认可。但是目前多数高校仅实现了用虚拟服务器简单代替物理服务器，而没有把数据中心内的存储、网络及应用交付系统进行针对性调整，虚拟化技术提供的高可用性、高可靠性和资源动态分配等非常有应用价值的功无法实施，传统数据中心普遍存在的业务连续性差、灵活性差、业务部署周期长、管理维护成本高和高负载应用(如每学期的集中选课)等问题依然没有得到解决。
在数据中心仅对服务器进行虚拟化，而不对其它硬件资源进行针对性的调整，各类信息系统仍然无法与其使用的硬件资源彻底脱离关系。当应用系统使用的硬件资源性能无法满足需要或出现故障时，信息系统的运行仍将受到影响。在利用云计算技术实现了存储、网络应用交付系统整体虚拟化的数据中心，所有的硬件资源都在一个统一管理、分配并具有弹性伸缩能力的资源池中，这可以为应用系统屏蔽底层硬件架构的复杂性，使应用系统与硬件资源彻底分离，系统使用的计算、存储和网络资源可以从数据中心的资源池中按需获取，资源池中的设备出现故障时或系统需要更多的计算、网络和存储资源时，云计算管理平台可自动从资源池中分配新的可用资源，从而保证业务的连续性和可用性。数据中心整体虚拟化基础架构与服务器虚拟化架构比较如图1所示。
在高校数据中心建设中可以通过云计算技术解决服务器虚拟化带来的问题。云计算是通过整合、管理、调配分布在数据中心的各类资源，并以统一的界面向用户提供安全可靠的数据存储、网络和计算能力。作为一种共享的网络交付信息服务的模式，云计算的使用者看到的只有服务本身，而不用关心相关基础设施的具体实现，利用云计算和虚拟化技术构建数据中心，对数据中心的服务器、存储、网络和应用交付系统进行整体虚拟化，使整个数据中心的运行实现高效、可靠、安全和高可用的同时，还可对硬件资源进行智能管理、灵活部署、动态调整和按需分配，最终实现IaaS(Infrastructureas a Service，基础设施即服务)的目标。利用云计算技术可根本解决高校传统数据中心普遍存在的多种问题，考核数据中心运维情况的TCO、服务器利用率、节能、稳定性、容灾、可用性、安全性等指标，与传统无虚拟化的数据中心和仅对服务器做了虚拟化的数据中心相比有明显提升，根据[3]中调查数据，利用雷达图对相关指示做了比较如图2所示。
二、云计算数据中心的关键环节
建设云计算数据中心时，除了已被广泛接受的虚拟化技术以外，资源池化、资源动态管理和资源动态扩展等技术是实现高校云计算数据中心的关键环节。本节将分析这些环节实现技术的特点及其在数据中心建设过程中的作用。
1.资源池化
资源池化是指通过虚拟化手段，将数据中心内的软、硬件资源虚拟成一个大的“资源水池”，从而简化硬件资源管理、调度难度，实现资源按需获取和空闲资源自动释放，是实现云计算数据中心的关键技术之一，也是实现云计算数据中心的基础。云计算数据中心对虚拟化的要求不仅仅是将一台服务器变成多台这么简单，它需要把数据中心的各类硬件资源虚拟并转化为多个资源池，包括计算资源池、网络资源池、存储资源池、安全和应用交付池等。资源池化是云计算的一个典型特点，只有实现了资源的池化，才有可能实现资源的灵活分配。
实现资源池化可以使数据中心的硬件资源管理方式由管理离散的硬件更改为管理虚拟化的共享资源池，管理工作将变得更加简单和高效，同时还可以提高硬件资源利用率并针对关键应用优先进行动态的资源分配。从资源池可以按应用系统需要分配出个性化的逻辑构造块(包含计算、网络、存储和安全能力)，根据应用系统需求这些从资源池中获取的逻辑构造块经过针对性调整，可提供修改化的服务级别或业务需求。实现资源池还有一个优势就是可以实现业务的快速部署，将资源池中的资源动态的分配给应用程序。每个应用程序与。个vApp(Virtual Application，虚拟化应用程序)堆栈捆绑，而vApp配有应用程序需要的应用服务器、数据库和服务器操作系统配置，这使得业务部署变得更加灵活、高效。
2.资源动态管理
资源动态管理可以简化资源管理、调度难度，实现资源按需获取和空闲资源快速释放是云计算数据中心必须具备的能力。变更指定给应用系统负载的硬件资源或硬件资源离线维护时，负载需要在硬件资源之间进行转移，这需要数据中心对资源池进行动态管理。如何智能化的分配、调整、回收资源池中的资源是云计算数据中心必须解决的问题。数据中心资源的动态管理可有效提高设备利用率和数据中心可用性、可靠性和灵活性。
数据中心资源池的管理和调度可以通过负载均衡设备及虚拟化软件的DRS(Distributed Resources Scheduler，分布式
资源调度)、HA(VMware High Availability，高可用性)、FT(Fault Tolerance，系统容错)等功能实现各类应用程序产生的负载在不同的硬件资源上动态移动，从而实现硬件资源的按需分配、动态调整和自动回收。通过多种资源管理技术的实施可以整合工作负载、提高利用率、减少单点故障、实现故障自动切换等功能，使各类应用系统不必再去关心硬件资源的分配及运行情况，应用系统面对的只是一台虚拟机，虚拟机产生的数据流被灵活、均衡地分配到资源池中，从而实现了资源的动态管理。
3.动态扩展
现有资源池内的资源无法满足应用系统的需求时，就需要数据中心的资源池可以在不中断服务的情况下实现快速扩容。采用模块化数据中心(Portable Optimized Datacenter.POD)的建设方式，在每个模块里有支撑业务部署的计算、网络、及存储资源，这种方式实现了资源的高度整合，缩短了建设周期，避免了大型平台建设中不必要的衔接问题。同时每个模块具有独立承载业务能力，提升了后期设备选型的灵活性。随着技术的发展，IT行业越来越意识到把应用部署在单一支撑点的缺陷，云计算环境建议采用并行分布部署方式将业务加载到多个物理上完全独立的模块上，从而确保云环境下应用的高冗余及业务连续性。通过POD建设方式动态扩展资源池的过程如图3所示。
三、关键设备和软件的选型
本节将介绍各资源系统实现方法并给出一些高校在建设云计算数据中心时技术、设备选择的建议。重点介绍计算系统、网络系统、存储系统和安全应用交付系统和云管理平台的建设方法。
1.计算系统设计与实现
计算资源的虚拟化是通过服务器虚拟化软件来实现的，关于服务器虚拟化软件的选择争议并不大，在高校中应用最广泛、最具有代表意义的服务器虚拟化软件是VMware公司的vSphere，也有部分高校使用了少量的Hyper－V、XenServer和Virtuozzo。vSphere是目前唯一可供生产环境使用的虚拟化套件，与同类产品相比其整合比最高，优势明显。
在服务器的选择上首先考虑的是设备的性能，系统最终能否支持海量用户服务及时响应的需求是系统设计是否成功的关键。其次是系统结构应该具有伸缩能力，保证系统能够在维持系统框架、追加少量备件或设备的前提下，满足数年内学校业务增长的需要。徐州师范大学计算系统采用统一计算、一体化架构设计，计算能力主要由两台Cisco UCS 5108刀片服务器提供。UCS采用了Service Profile和无状态计算概念，UCS中的所有服务器在没被启用前均可视为裸机，其物理特性已经不再重要。配置文件会自动寻找第一个可用的服务器，并和它关联。当该服务器损坏，配置文件会自动寻找第二个可用服务器。由于配置文件中设置了服务器的物理参数，备用服务器也会获取和原服务器一样的物理参数，因此，无需在网络和存储设备上做任何重新设置，备用服务器就能具有原服务器所有物理特性，操作系统和应用还可以实现自动重启，完全无需人工干预即实现了备机的自动上线。
高校公共数据平台使用的数据库产品多数是Oracle，因Oracle公司不建议将其产品部署于第三方公司的虚拟化平台上，同时高校公共数据平台是整个数字化校园的基础，对硬件性能、可靠性、可用性要求都非常高。因此在徐州师范大学计算资源中还另外增加了两台IBM公司的Power 740小型机供数据库系统使用，同时服务器负载均衡，这在提升了服务器处理能力的同时实现了双机热备，该方案整体性能可满足学校公共数据平台运转需求。
2.网络系统设计与实现
云计算数据中心网络区别于传统的数据中心网络及校园网，网络资源调用方式是面向云服务而不是面向复杂的物理底层设施进行设计的。通过网络虚拟化可以把数据中心的网络设备以一种与物理位置、物理存在和物理状态无关的方式进行调用，这是云计算架构中IT资源池形成的关键环节。网络虚拟化是实现网络资源复用、降低管理维护复杂度、提高网络设备利用率、保证全局服务策略一致性的关键，同时也是为自动化资源调用和配置打下基础。
高校数据中心承载业务的应用特点决定了其网络既要考虑传统校园网络接入，又要考虑数据中心网络接入，因此在方案设计上采用超大规模数据中心交换机Cisco Nexus 7000作为核心，在性能上实现了网络核心和数据中心汇聚交换机资源的共享和复用，解决了核心层数据量和数据中心数据量可能存在较大差异的问题。数据中心核心配备了两台10插槽Nexus 7000，通过虚拟交换技术以双机冗余的方式部署在网络核心。配置了1块48端口1／10G板卡，通过选配不同的光纤模块，可同时实现万兆和千兆的接入。在网络虚拟化方面，Nexus采用了VDC(VirtualDeviceContent，虚拟化数据中心)技术，可以将一台物理交换机逻辑上模拟成多台虚拟交换机，从而实现更加灵活的、与物理设备无关的跨平台资源分配能力，为数据中心这种底层设施资源消耗型网络提供更经济高效的组网方式，也为管理和运营智能化、自动化创造了条件。
另外还可以通过改进虚机系统平台内的软交换机运行方式来提升虚拟化网络的运行质量。Cisco与VMware联合推出了一款内置于vSphere系统的分布式交换机Nexus 1000v，替代V／V1ware原有的vSwitch和分布式交换机。该交换机使得在一个集群内主机上的所有虚机可以看成连接在单一的一台智能化交换机上，如图4所示，它可实现无论虚机如何迁移，配置在虚拟交换机上的所有网络策略都随虚机迁移而自动跟随，这在降低管理复杂性的同时提升了虚拟机的迁移速度。
3.存储系统设计与实现
云计算采用分布式存储的方式来存储数据，在云计算数据中心对服务器稳定性的要求有所降低，但对存储可靠性与性能要求大幅提高。存储系统是数据中心的核心基础，其性能的优劣、质量的好坏，对全局影响重大，因此如何保证数据中心的存储系统能够不断地完善、发展，保持系统的实用性和技术的先进性是在整个数据中心建设方案中必须重点考虑的问题。在存储系统平台的选型上应充分考虑系统应用水平和处理数据量的大小，在云计算数据中心因虚拟化带来的服务器密度增加，导致I／O(Input／Output，输入输出)成为系统性能瓶颈，因此需要根据实际情况重点考虑系统I／O性能。
云计算数据中心存储系统建设基本原则是利用虚拟化技术和先进的大容量存储设备，集中、智能管理所有存储设备，形成存储资源池。系统应能提供完善、便捷的备份恢复解决方案，保证数据的高可用性。EMC公司VNX存储系统在以上几个方面都有卓越的表现，并且和本方案的软、硬件基础架构有机结合，形成一个完善的软硬件存储系统虚拟化解决方案。徐州师范大学数据中心建设方案中，我们采用一台EMC VNX5300存储作为数据中心主存储，配置两个SAN(Storage
Area Network，存储区域网络)控制器，已提高系统的可靠性，配置一个NAS(network attached storage，网络附加存储)控制器以提高系统的灵活性。配置SAS硬盘，用于对I／O性能要求高的应用。为了降低成本，还配置了SAT硬盘用于存储对容量要求高，但对性能不太敏感的数据。另外设计一台EMC VNX5100存储作为数据中心的容灾存储。存储网络通过FC(Fiber Chanel，光纤通道)和FCoE(Fibre Channel over Ethernet，以太网光纤通道)共存的方式实现，这样不仅解决了新旧技术过渡问题，还减少了接入交换机类型、数量和复杂性，整合了网络资源，提高了数据中心资源部署效率，降低了功耗。
4.安全应用交付系统设计与实现
虚拟化环境下虚拟机的数量及密度迅速膨胀，为了减少防毒过程中的资源消耗、简化管理手段并加强虚拟机的透明性和安全性，我们在虚拟机安全产品上选择的是Trend公司的Deep Security。该系统是一套保护服务器和应用程序的综合安全系统，拥有无安全防护技术，该系统通过与VMware的控管中心整合，无需在虚拟机中安装任何插件，即可实现对虚拟机的安全防护，这进一步减少了虚拟服务器的资源消耗，提升了计算资源工作的有效性。
虚拟化平台本身具备部分对平台内的计算资源、存储资源的负载均衡能力，可以在运行期间持续监控群集内所有主机和虚拟机的CPU、内存资源的分布情况和使用情况，根据运行情况执行相应虚拟机迁移或提供迁移建议，从而保持计算资源的负载平衡。徐州师范大学数据中心建设中，轻负载通过创建基于VMware vSphere的主机DRS集群和存储SDRS(Storage Distributed Resources Scheduler，分布式资源调度)集群实现管理。大型负载如选课、统一身份认证的负载分流由F5公司的本地流量管理设备BIG－IP LTM实现。该设备通过与vSphere的深度整合，维护方便，利用虚拟化环境软件的自动迁移功能，可靠性也较高。
根据主流备份系统的搭建准则，徐州师范大学通过具有重复数据删除功能的EMC Avama备份系统组建了统一的智能备份系统。通过新的数据备份技术，实现了在存储系统中完成对所有数据的备份工作，备份工作不再基于数据所处的操作系统，这在大幅简化数据备份工作难度的同时，提升了数据备份的效率。同时因备份工作不再通过服务器，从而节省了大量的计算和网络资源，降低了数据中心的负载。Avama直接运行于VMware vSphere虚拟化平台之上，无需其他操作系统支持。另外系统支持操作系统的快速恢复，且备份的操作系统可以灵活的恢复到不同的硬件服务器上。恢复数据时不需采用全备份叠加增量备份来恢复至指定的时间点，而是采用任意时间点恢复的方式。
5.云管理平台
云管理平台负责整个数据中心资源管理，是各资源池的管理和工作负载交付管理平台，是实现IaaS的关键环节。云管理平台应能针对不同的资源池，提供统一的云管理接口，以实现对本架构中的各资源池集中管理，包括资源管理、监控、配置、诊断、故障检测、审核及统计数据收集等方面的管理。徐州师范大学云管理平台是在vSphere为云计算系统提供的基础设施架构的基础上，通过第三方个性化开发软件实现了与vSphere的对接。该平台具有良好的跨平台和功能扩展性，系统用户通过Web界面就可以实现自助式申请和管理，系统管理员不再需要手工生成和配置用户所要求的虚拟机，而是交由管理平台自动完成。
6.数据中心拓扑
根据本文论述的建设思路及建设方法，在我校数据中心建设的基础上结合云计算技术，完成了数据中心的整体方案设计及关键设备、软件的选型工作。数据中心核心交换通过万兆光纤实现了与校园网的冗余连接。通过POD的建设思路对学校原有硬件资源进行了整合，整个数据中心服务器、网络、存储和应用交付设备都实现了冗余和负载均衡，数据中心的拓扑关系如图5所示。
云计算数据论文范文3
关键词：VC；数控机床；可靠性；信息管理系统
中图分类号：TH16， TP311 文献标识码：A 文章编号：1007-9416（2017）02-0108-01
1 系统设计
1.1 系统软件的开发平台
数控机床可靠性管理系统采用SQL Server 2000作为数据库软件，采用VC++6.0作为应用程序。VC++6.0是微软公司推出的一种可视化的、面向对象的Windows应用程序开发工具，VC既具有C++的强大功能和高效性，同时又具有可视化编程的方便性，所以越来越受到使用者的欢迎。
1.2 系统的功能模块[2]
该系统主要包括：用户管理模块、数据信息管理模块、设备运行状态查询模块、可靠性指标分析模块、报表输出模块。
2 SQL数据库的建立
2.1 ADO数据连接技术
ADO（ActiveX Data Objects）是微数据库应用程序开发的新接口，可以通过VC++先建立一个ADO连接对象，然后通过该对象打开到数据库的连接。为了简化操作，在使用ADO对象时可以将其封装到类中，这样只要引用封装类的头文件，即可使用封装过的ADO对象。[3]
2.2 数据的录入
系统主要录入机床名称、故障维修时间、故障部位、故障现象和故障原因等数控设备基本数据信息。
3 功能模块实现
3.1 用户管理模块
该模块主要是为了确保系统数据的安全，将登录用户分为：普通、高级、管理员三类用户。
三类用户的权限如下：普通用户可以浏览和导出数据，不能编辑数据；高级用户可以编辑数据；管理员用户除了可以编辑数据外，还可以对普通和高级用户进行权限管理。
3.2 数据信息管理模块
该模块主要实现数控设备故障信息的添加、修改、删除、保存、导出等功能。
3.3 数控设备运行状态查询模块[4]
该模块是对数控机床的故障状态进行统计和查询，可以根据字段名、逻辑关系、过滤条件等进行查询，也可以导出相关的机床编号、故障编号、运行时间、故障率等信息，以方便进行故障分析。
3.4 可靠性指标分析模块[5]
该模块主要计算数控机床可靠性分析常用的三个指标MTBF、MTTR、A的值。
（1）平均故障间隔时间MTBF，一般可用式（1）计算。
（1）
其中，N0 为在评定周期内机床累计故障频数；
n为机床抽样台数；
ti为在评定周期内第i台机床的实际工作时间（h）；
ri为在评定周期内第i台机床出现的故障频数。
（2）平均维修时间 MTTR，一般可用式（2）计算：
（2）
其中：tMi ――在评定周期内第i台数控床的实际修复时间（小时）。
（3）固有可用度 A，固有可用度A 综合了可靠度和维修度的可靠性特征量，其计算公式为：
（3）
3.5 报表输出模块
该模块主要是打印功能，可以输出数控设备的故障信息表、数控设备的运行状态、数控设备的可靠性指标分析等数据信息。
4 结语
数控机床可靠性管理系统是针对数控机床产品的基本故障信息管理和可靠性评估而开发的，通过软件的使用可以实现用户管理、数据信息管理、设备运行状态查询、可靠性指标分析、报表输出等功能，实现了设计的目的和要求。此外， 通过该软件的数据结果可以分析出数控机床的薄弱环节和潜在缺点，方便生产厂家采取改进机床的可靠性的措施， 并为机床使用厂家的维修计划提供建设性的依据，增加企业的经济效益。
参考文献
[1]李南，卢晓红，韩鹏卓，武文毅.数控机床及其关键功能部件可靠性研究综述[J].组合机床与自动化加工技术，2012（11）.
[2]郑锐.基于可靠性分析的数控机床维修策略研究[D].吉林：吉林大学硕士论文，2011.6.
[3]王锐，于速，张雨.Visual C++ 数据库系统开发完全手册[M].北京：人民邮电出版社，2006.7.
云计算数据论文范文4
计算机技术发展出的云技术在各行各业都得到了大量的应用，并且取得了非常好的效果。反过来将云技术应用于计算机的创新教学中，可以促进学生自主学习。云技术的本质是共享，同时具有大量、高速、多样和准确的特点。云技术突破了传统教育的桎梏，推动了计算机教学方式的改革。本文分析了云技术的特点，并且对其在计算机数字媒体艺术设计专业创新教学中的应用进行了分析。
【关键词】云技术 云计算 计算机教学 数字媒体艺术
云教育技术推动了教育信息化，让学生的学习更加自由化和个性化。计算机是一个需要学生有较强自主学习能力的学科，同时需要有大量的新技术和新资源，云教育正可以为计算机教育提供这些便利。
1 云技术特点
云时代使得教育进入了一个全新的时代，云的最大特点就是资源共享。共享是云的本质特征，云技术可以提供虚拟化的计算模式，处理设备和计算设备并不再局限于用户正在使用的某台设备，用户的计算机在使用云技术的情况下仅仅作为交流需求和结果的输入输出终端设备。云技术具有较强的计算能力、存储能力、软件应用能力。云的本质是共享，云的特点是大量、高速、多样和准确。云技术的计算能力远远超过单独地一台计算机的CPU处理能力，云的存储量可以高达YB计算。云技术应用于教育中将会带动教育中的一场改革创新，是推动资源共享，个性化学习的一大助力。云技术应用在计算机的教学中将会大大带动学生的学习效率。
2 传统教育存在的问题
计算机技术是一个发展与变化都十分迅速的学科，对于资源的需求量以及更新速度都有较高的要求。计算机的学习需要大量的共享资源，很多技术人员为了方便学习都将自己的研究成果与源代码公开。传统的教学方式中，丰富与充实学生学习资源是非常困难的，导致计算机专业的学生学习的都是过时的技术，与社会上公司的应用需求完全不符合。目前的计算机教学中资源的方面存在的主要问题是：
2.1 教学资源分布不平衡
对于资金充足的学校，可以购买先进设备和技术进行实验，尤其是进行大数据的计算时，需要有资金购买计算数倍。但是大部分的学校资金是有限的，拥有的技术是较为落后的，计算资源严重不足。
2.2 先进技术更新速度慢
计算机学生的学习到的资源如果跟不上时代，就会导致进入社会的时候无法适应。例如学习FLASH动画设计的时候，很多高校在进行教育的时候教学重点仍然是较为落后的普通帧动画技术，对于最新的ActiveX等技g却没有教学。
2.3 共享程度低
每个学校都拥有一定量的教育资源，这些资源有重合部分也有不交叉的部分。但是无论哪个学校的资源都是无法完全满足学生的需求的，因此进行这些资源的整合也是十分有必要的。
3 云教育技术在计算机数字媒体艺术设计专业教学方式中的应用
3.1 以地域范围为单位建立分布式教育资源网
域域网教育资源使用的组织结构是三层结构，即为校、县和城。可以在一定的地域范围内建立一定的资源共享机制。国内已有省份建立了高校论文搜索共享的平台，很多高校已将图书馆资源进行了整合。域域网的共享资源中心并不是传统意义上的一个网站，而是多个站点组成的。这三层组织结构从低级向高级进行资源整合，因此资源中心是组织结构中的上级，而不是某一个站点。通过三层组织结构整合的资源非常丰富，并不只是教育和学习素材，一同整合的还有很多数字媒体艺术设计学习需要的工具资源，例如搜索引擎，讨论组和邮件等。
3.2 建立“分布建设，共享使用”的资源建设模式
计算机本身就是一个计算的工具，学习计算机的最终目的是为了利用这个工具对其他行业进行服务，因此计算机有学科交叉的性质是必然的。不同的学校、不同的实验室的计算机研究方向不同，各个实验室研究的方面更具有专业性。为了建设基础教育可以按照学科和教材两个维度建立分类管理的资源群。虽然学生的研究方向是不同的，但是计算机的特点导致研究时存在较大的交叉性，因此为了整合区域内的教师资源、软件资源和硬件资源可以建立分类管理数字化网群。学科群资源网站的建设模式可以表示为如图1所示。计算机的研究方向非常多，按照学科进行组织和管理方便学生进行查找和学习。在涉及到交叉学科的知识的时候， 学生可以通过检索工具迅速进行学习。但是实际上资源库存储的是资源的索引目录，并不是资源，这样可以提高云技术的运行效率和用户的使用体验。
3.3 利用MOOC等网上教学模式
云技术改变的不仅是资源共相的模式和范围，同时改变的还有学生的学习方式。云技术对于终端设备的要求非常低，只要有作为输出的连接网络的设备即可，既可以是平板、手机等手持设备，也可以是计算机等计算设备。目前的云教学平台的搭建模式主要是“云+网络+终端设备+应用软件”。最典型的的教育方式就是mooc学习方式。网络教学是计算机教学方式的重要改革，计算机的学科本身是需要学生具有极强的自学能力的，因为计算机技术不断有新知识和新技术，甚至一些领域还无人涉及。通过mooc，不仅可以让学生学习的时间更加自由，而且可以使得学习的范围突破教室。而且云技术为教学提供了一条不受时间于空间限制的交流渠道。
3.4 云技术科学进行教学评价
云平台可以存储各种数据，包括教师的教案以及学生的课堂交互等。这些数据是具有很高的潜在价值的，通过合适的算法对数据进行分析和核实，可以进行科学迅速的教学评价。例如学生的作业情况得分是否符合正态分布，学生学习的峰值在什么时间等。教师可以有更多的数据对学生进行了解和评估，这样可以针对性的调整教学态度和教学策略。
4 结语
本文分析了“云”的特点，以及目前传统教学中存在的弊端和问题。云技术在教育中的应用可以很好地解决这些问题。云教育具有很大的发展空间，目前的共享程度还存在一定局限，无论教师还是学生对于这种新型的教育方式也都需要进一步适应，因此还需要进一步的研究和探讨。
参考文献
[1]朱骁.论“多媒体”教学在学前教育专业音乐课程中的应用[D].大连：辽宁师范大学，2014，04（01）.
云计算数据论文范文5
关键词：云计算；公共云；私有云
中图分类号：TP308 文献标识码：A 文章编号：1009-3044（2013）29-6674-03
1 概述
从08年到现在，云计算这个词进入大家视野已有5年多的时间，有关云计算的论文和报道也很多，同时，今年的十二五规划纲要中也出现云计算的概念，可见云计算已经热到了国家关注的高度。但到底什么是“云”，为什么会出现“云”，云到底能干什么，它的基本特征是什么，云实现的基础是什么，云实现的关键问题是什么，云的目的是什么，为什么很多常规的应用要冠以云的称谓，云应用现在落地了吗，云和图书馆服务能有何交集，对云计算有哪些认识误区，该文将给大家进行拨云见日求真云，并进一步探讨图书馆服务遇到的现实困境，以及这朵真云能给图书馆带来什么。
2 云计算产生的背景——两对不可调和的矛盾
传统数据中心发展遇到了困境，光靠硬件升级替换提高性能的老路已走到尽头，迫切需要一种革命性的技术来为数据中心的未来发展铺平道路。
2008年世界金融危机爆发，全世界各行各业都在缩减开支度难关，IT部门也一样，预算被缩减之后，靠硬件投资更新设备提高性能的老路就被堵住了，此为困境一；传统更新设备提高性能的办法浪费大，新设备替换旧设备，性能的提升是以一种革命式而非积累式，无法照顾好已有的投资，此为困境二；各种应用各自独占一定计算资源，有的严重过剩，有的严重不足，有的此时过剩彼时不足，计算资源不能共享，不能协调，缺乏灵活性，不能按需投放计算资源，此为困境三。所有这些导致缺乏与浪费并存，不足与过剩同在，两对矛盾的不可调和呼唤一种新技术的出现，这就是云计算产生的背景。
3 云定义
云计算的出现将首先在IT业界产生一场生态革命，很多的IT企业如不以变应变将被淘汰，这也导致很多企业慌忙给自己的产品贴上云计算的标签，站在有利自己的角度解释着各自的“云”，导致了“云”的混乱，到目前为止还没有一个准确完整的定义，何为真正的云？
为从本质上把握云计算，在此给出如下定义：
云计算是以虚拟化技术为基础，用自动化管理软件相配合，以便对数据中心相关硬件（包括计算、存储、网络）资源在虚拟化的基础上进行有机整合、统一管理调配，达到能按需积累式扩展（或减少关闭）硬件资源、自动监控资源使用情况、自动按需投放计算资源、用户能自助申请按需得到计算资源等目的而形成的一种虚拟的集大成的开放式的超级计算机。
此定义很好地体现了云计算对云计算产生背景中两对矛盾的解决。
4 云定义是照妖镜，纷纷扰扰全看清
有了定义，有上面对定义全面透彻的剖析，对于云计算是怎么回事应了然于胸了。下面用云定义为工具来解释一下纷纷扰扰的云现象。云计算是一场IT技术革命，是一种有别于传统的破坏性创新，必然导致一场IT产业革命[1]，所以从生态链、利益链角度来看云计算是比较合适的。既然云计算是方向，从生产方来说，它就必然促使商家往此方向靠拢，否则就面临生存危机；从消费方来说，云计算既是为解决某种需求而产生的技术，也必受到用户的欢迎。
云计算是一台虚拟的、集大成的、开放的超级计算机，从生产它的角度说，它由各种部件构成，由多商家以协作开放的姿态共同完成，与此生产相关的商家、行为和产品都可以冠以云名称，比如云生产商，云开发商、云生产、云开发，产品有云服务器、云交换机、云存储、云网络、云虚拟软件、云集成软件、云存储管理软件、云操作系统、云应用软件、云应用开发平台软件、云网站等。
从消费服务的角度来说，炒的比较热几个概念，如IAAS（基础设施即服务）、PAAS（平台即服务）、SAAS（软件即服务）、HAAS（硬件即服务）、BPAAS（业务流程即服务）、XAAS（一切皆服务）几乎成了云计算的代名词，其实不过是讨论如何消费这台超级计算机而已，没有云计算这些服务照样可以进行，只是没有那么方便，云计算只是为这种服务提供了一个有力的工具。
再来看看公共云、私有云、混合云这几个概念，说的只是这台云计算机放在什么地方，服务范围多大而已。公共云放在公用网络上，能为所有网民服务，私有云放在企业单位内部网上，主要为内部员工服务。公共云和私有云同时存在，当然就构成混合云。
还有什么教育云、健康云、监控云、位置云、视频云、办公云、营销云、科研云、政务云等，说的只是那些行业在使用云计算机提供行业服务，由于云计算的开放性、存储容量、运算能力、接入带宽理论上可按需无限扩展性，为将行业信息服务集中整合到云计算上提供了可能。各种资源及信息服务早已存在，在此只是利用云计算将以前这种分散资源服务加以整合在一起统一服务罢了。
5 求云计算与图书馆的交集
以上说清一个问题，云计算到底是什么，没有明白这个问题，如何求交集？说清了这个问题，求交集又有何难。云计算是一台计算机，只是一种工具，它为解决两对尖锐矛盾而生，具有某些特异功能，和图书馆有没有交集，就看图书馆是否有需求，是否用得上它。
5.1两对矛盾图书馆普遍存在，当然需要云计算
前文提到两对矛盾（缺乏与浪费并存，不足与过剩同在。）在图书馆是普遍存在。纵观一下现在的图书馆，不管是公共图书馆还是高校图书馆，经过十多年信息化数字化建设，都有了各自或大或小的数据中心，里面有好多的服务器、网络设备、存储设备，运行着各种数据库，有自建的，但大部分是买来的 ，也运行着各种应用管理程序。应用项目随年月增多，基本每个应用都是独占一台服务器，机房越来越满，都快没处搁了，等着新建大机房吧！有些数据库，经过这么些年的积累，数据在不断的增加，原先预留的空间越来越不够用了，运算响应能力越来越跟不上需求了，怎么办啊？等着申请经费批复了买新设备替换吧，可图书馆要申请到点经费一般还是比较难的。能换新设备是好，可对管理员来说也是个麻烦事，耽误使用不说，新设备又得装系统，重新配置好运行环境，再将数据进行迁移，有时迁移还会很不顺利。可事情还是没个头，照这速度发展下去，过不了几年又得换。被替换下来设备，报废吗？可它并没有坏啊，在它的能力范围还是可以发挥余热的，可是能让它独自承受的活实在少了，真是拾之不起，弃之可惜，无奈，只有报废处理了。但还有另一种现象，有的数据库，使用的人比较少，数据增加慢，为其预留的空间和运算能长期处在闲置状态而得不到利用，严重性能过剩。还有，不光各数据库之间存在负荷不均匀的现象，同一数据库不同时段 也存在不均匀的现象，有时负荷可能超限，导致服务器不响应，有时负荷不足，服务器处于闲置状态。而且不同数据库的访问高峰时段还不一样，可惜这些服务器都是各干各的活，闲的也帮不上忙的服务器的忙。
再放眼看看各个图书馆之间，哪怕是离得很近，处于同一个高校园区的各高校图书馆，你有的数据库我不能没有啊，大家都在竞相买同样的数据，建机房，购设备，最后都面临着同样的困境。重复投资，大大的浪费。
所以这些问题不都反应为两对矛盾吗，缺乏与浪费并存，不足与过剩同在，当然迫切需要一种技术来解困，这就是云计算。
5.2图书馆公共云建立有利于资源整合
云计算的能力，从整合基础硬件设施资源中来，又用到对信息资源的整合应用中去，从整合到整合，完成一个轮回。以整合对付整合，以毒攻毒吗？类似，确实有效。云计算的开放性，导致它可用积累式扩容替代淘汰革命式扩容，纳新不弃旧，照顾了旧有投资，避免了浪费，同时也为不断的运算处理能力、存储能力、带宽的扩容，拆除了“天花板”，理论上能做到无限扩展。云计算的虚拟整合，按需投放资源的特性，更是造就了团结的力量、整合的力量，使基础资源得到有效充分的利用，也能从容面对各种高峰负荷。
5.3开发商的数据库可以物归原主，我要的只是服务
理想云和现实有距离，云计算目前可逐步可做到的是怎么样呢？问题集中在图书馆的数据中心，当然是从解救数据中心开始。如何解救？减负。且看云计算如何为图书馆减负。
先在大部分图书馆数据中心，运行的数据是买来的，是数据商数据的本地镜像。这些数据本是可以不用图书馆本地镜像的，直接访问数据商提供的网上数据就行，也就是所谓的包库使用模式，我只花钱买服务，这本是顺理成章的事情，但是如果都如此的话，问题就来了，数据商的服务器接待能力有限，当访问量超过一定的数量，就会造成拒绝服务攻击的效果，概不接待了，这样就谁也使用不了，所以又必须建镜像站。然而这种情况在各地云计算数据中心建立起来后就不同了，数据商可以在云数据中心按需申请购买基础资源，将数据库运行在云计算服务器上，云计算的按需投放资源的能力，使它可以从容应对各种爆发性的访问量。这样以后各图书馆就可以不用建镜像站了，直接按需付费或年包库的方式使用数据商的各种数据库，真正实现将开发商的数据还给开发商，我要的只是服务。
5.4私有云，这个可以有
当所有的商业数据库离开了图书馆，你会发现，图书馆的数据中心几乎要空了，这是好事！庆幸之余我们会发现还有些数据必须留在数据中心，那就是各馆自建的特色数据库，还有就是各馆的纸质图书管理系统。这些可是立馆之本，没有这部分数据图书馆服务可就要瘫了。这么重要的数据，其实也可以放到租用的云计算服务器上，但你总有点担心，所以，这时建私有云就有必要了。我们可以购买虚拟化软件，购买自动化整合软件，对本馆现有的硬件资源进行虚拟化、整合、统一管理、按需分配实现云化，构建出一台虚拟、集成、开放的超级计算机，然后将相应的应用放到云计算机上运行服务，这就私有云应用模式。
当然，要构建这台私有云计算机，光购买软件的费用就会很高的，一般的馆目前基本难接受，幸好这部分自建数据量不是很大，被访问使用量不会很高，用传统的服务器就能对付，到实在需要的时候再建私有云也不迟。
6 总结
本文从给云计算下定义出发，探寻出云计算的本质，并详细分析了图书馆信息化建设面临的困境，和云计算的出现给图书馆带来的利好情势，求出了云计算和图书馆真正的交集。云计算的本质特征也决定了它适合用于具有海量数据整合，具有阵发性巨大访问量的应用场合。一般普通的规模较小、面对用户较窄、数据增加较慢，数据比较重要的应用，传统的一个应用一服务器的本地方式还是比较好，毕竟起点低，易上手、给人实在踏实感。云计算是新生事物，得随时间慢慢成熟，云计算全面应用是一个很大的系统工程，也需要其他各方面条件的成熟，所以在相当长时间内，传统应用方式和云计算方式将会并行存在。图书馆对于云计算的态度，用一句养生名言来总结一下：未事不可先迎，遇事不可过忧，听其自来，应以自然。从容、适时、按需、谨慎地迎接云计算，这样应是比较合适的。
云计算数据论文范文6
关键词：云计算；资源调度；负载均衡；加权最小连接算法；双加权最小连接算法
中图分类号：TP18
计算机技术和互联网技术催生了互联网应用的迅猛发展，用户通过网络共享计算机资源演变至云计算商业模式划时代的诞生，其计算能力近乎无限，信息服务丰富多样，用户对计算资源和服务随时可得、易于扩展、按需计费。在云计算商业模式下，构建的云数据中心已成为一个高性能计算机集中地，物理服务器和网络设备规模大，但由于用户需求的多样、动态变化以及服务器的资源异构性会导致数据中心出现负载不均衡的情况，致使一部分物理机的负载过重，效率降低，而另一些则负载较轻处于空闲状态。因此如何通过合适的资源调度算法来平衡物理机之间的负载以提高云数据中心资源利用率和整体性能是目前云计算领域的一大关键问题。
1 负载均衡及研究现状
负载均衡是实现资源有效利用和共享的一个重要手段，分为基于任务的负载均衡和基于资源的负载均衡。基于任务的负载均衡是指把任务在多个计算、磁盘、进程或者其他资源间进行分配以获得最优的资源利用率，用来降低计算时间[1]。基于资源的负载均衡就是通过对资源的分配以及再分配来实现各个节点负载的大致平衡，从而提高整个系统的性能。
目前常用的负载均衡算法包括两大类：（1）静态的负载均衡算法，比如轮询算法（RR）、加权轮询算法（Weighted Round Robin，WRR）、随机放置算法等，它不考虑服务器的实时负载情况，只是按照预先设定好的决策来分配任务；（2）动态负载均衡算法，如最小链接算法（Least-Connection，LC）和加权最小链接算法（Weighted Least-Connection Scheduling，WLC），它根据系统的实时负载情况动态来分发请求。
文献[2]介绍了Eucalyptus平台采用RR调度算法将虚拟机按照顺序分配到不同的物理机上，实现负载均衡。WRR算法用相应的权值表示服务器的处理能力，权值较大的会被分配给较多的请求。该算法在Vmware资源负载均衡中得到了采用。随机算法就是将虚拟机请求随机分配到合适的物理机上。
2 双加权最小连接算法的负载均衡算法研究设计
2.1 加权最小连接调度算法
加权最小连接调度算法是在做少连接数调度算法的基础上，根据服务器的不同处理能力，给每个服务器分配不同的权值，使其能够接受相应权值数的服务请求，是在最少连接数调度算法的基础上的改进。它是最小连接调度的超集，各个服务器用相应的权值表示其处理性能。服务器的缺省权值为1，系统管理员可以动态地设置服务器的权值。加权最小连接调度在调度新连接时尽可能使服务器的已建立连接数和其权值成比例。调度器可以自动问询真实服务器的负载情况，并动态地调整其权值。
加权最少连接调度算法流程如下：
（1）对服务器性能权值的设置不能准确地反映节点真实的实时处理能力，造成整个系统的负载不均衡，影响系统的性能。
（2）仅仅以连接数来表示节点负载，没有考虑请求所需的服务时间和系统资源的差异，并不能很准确的表示服务节点的实时的负载情况。
2.2 基于任务类型的加权最小连接算法的负载均衡调度算法改进
2.2.1 设计思想
为了实现更好的负载均衡，有必要改进上述的算法，将服务器的性能进行综合的考虑，实现动态赋值；同时根据任务的复杂程度，确定每个任务的权值。从而使负载均衡器能够更为准确地了解各个服务器节点的实时处理性能和负载情况，选取一个最合适的服务节点。改进后的算法设计思想如下：
（1）采用实时信息动态地表示服务器性能的权值，从而充分评估和利用各个节点服务器的剩余处理能力。
（2）根据任务中文件的类型为任务赋予相对应的权值。任务中文件的扩展名可确定文件的类型，从而确定任务的权值。为简化处理，本文根据任务中不同类型所需要的资源不同，讲任务分为四个类型，任务中文件所需资源越多，任务权值越高。服务器节点的实时负载就是服务器所有任务的权值之和。在每次分配任务之前，调度器将计算出每个服务器上所有任务的权值之和。
（3）为了保证系统在长时间运行状态下各个节点的负载不发生较大的倾斜，每次分配任务之前，调度器将计算出每个服务器上所有任务的权值之和和服务器性能的权值之比，将新任务分配给比值最小的服务器。
2.2.2 核心设计
算法流程设计如下：
（1）对每台服务器进行编号1-N。
（2）根据服务器的处理能力设定服务器权值。
（3）根据任务类型的复杂度设定任务权值。
（4）对于每台服务器，计算出服务器上所有的任务权值之和与服务器权值之比。
（5）将任务分配给比值最小的服务器。服务器上已有的任务越简单，其任务权值越小；且服务器的处理能力越强，其权值越大。故当有新的请求到达时，总是将任务分配到服务器上已有的任务权值之和与服务器性能权值之比最小的服务器上。即当且仅当服务器Sm满足下面公式时，新的请求会被发送至服务器Sm：
在实际运行时，为简化处理，根据任务中不同文件类型所需资源不同，将任务分为四种类型，即将任务中的文件分为四个大类，对应四种任务，表示如下：
3 仿真及其结果分析
3.1 仿真实验设计
为了验证双加权最小连接调度算法的性能，在CloudSim平台上进行了仿真，在实验中模拟一个云数据中心，比较在使用几种不同负载均衡调度算法时数据中心系统的负载均衡度，系统效率。实验分为3组，每组服务器数目相同，均为15个；但任务数不同，分别为150个，1500个和15000个。每个任务均随机产生且大小不同。每组实验数据都使用了3种调度算法，即最小连接算法、加权最小连接算法与本文提出的双加权最小连接算法。
3.2 仿真结果与分析
3.2.1 150个任务时
4 结束语
针对云计算中的资源调度问题，以及如何协调服务器之间的负载以提高云计算平台和云数据中资源利用率和系统性能，本文提出了一种基于双加权最小连接的资源调度算法。传统的加权最小连接算法对服务器的权值是事先根据服务器节点的配置情况和管理员的经验设定的，以连接数来表示节点负载。在加权最小连接算法的基础上，综合考虑服务器的实时负载情况，实现对服务器的动态赋权值；同时根据任务类型的复杂度，对任务类型也进行了加权计算；给出了双加权最小连接算法的设计思想、基本流程及实现过程。通过在CloudSim平台上的仿真结果表明，与加权最小连接算法相比，双加权最小连接算法能够得到更高的负载均衡度和更好的系统效率。
参考文献：
[1]李坤，王百杰.服务器集群负载均衡技术研究及算法比较[J].计算机与现代化，2009（08）：7-10.
[2]Berral J L，Goiri ?，Nou R.Towards energy-aware scheduling in data centers using machine learning[A].Proceedings of the 1st International Conference on energy-Efficient Computing and Networking[C].ACM，2010：215-224.
[3]邓维，刘方明，金海.云计算数据中心的新能源应用：研究现状与趋势[J].计算机学报，2013（36）：582-598.
[4]叶可江，吴朝晖，姜晓红.虚拟化云计算平台的能耗管理[J].计算机学报，2012（06）：1262-1285.
[5]罗军舟，金嘉晖，宋爱波.云计算―体系架构与关键技术[J].通信学报，2011（32）：3-21.
[6]潘飞，蒋从锋，徐向华.负载相关的虚拟机放置策略[J].小型微型计算机系统，2013（34）：520-524.
[7]高宏卿，邢颖.基于经济学的云资源管理模型研究[J].计算机工程与设计，2010（19）：4139-4142.
[8]田文洪，赵勇.云计算―资源调度管理[M].北京：国防工业出版社，2011：81-88，7-10.
作者简介：彭红姣（1975-），女，湖南祁东人，实验师，硕士，博士研究生，研究方向：网络虚拟化、云计算、网络与通信、计算机应用。