基于应用特征的PaaS弹性资源管理机制
摘要：如何在保障服务质量的前提下,尽可能地节省服务器资源,是云计算环境中弹性资源管理面临的主要问题之一.目前关于云计算环境中弹性机制的研究多数集中在IaaS层,且较少考虑不同应用的具体特征.文中提出了一种基于应用特征的PaaS弹性资源管理机制AFERM（Application Feature based Elastic Resource Management mechanism）,主要贡献包括：（1）定义了包含资源开销信息与请求率变化信息的应用特征;（2）设计了一种基于应用执行单元的请求分配机制,在请求数量较大时,将它们划分给多个资源开销相对固定的应用执行单元分别处理;（3）基于应用特征将不同类型的应用搭配部署.作者在自主开发的PaaS平台PAE（Peking university Application Engine）上验证了该机制的可行性和有效性.实验证明,AFERM能够在保证服务质量的前提下,有效地减少服务器的使用：与对比策略相比,AFERM平均可以减少28.3%的虚拟机占用,最多可以减少50%.一种基于多约束组合的多租户系统配置测试技术
摘要：通过灵活配置实现在线软件定制是多租户（Multi-Tenancy Architecture,MTA）软件即服务（Software-asa-Service,SaaS）系统的一个重要特征.由于参数和行为配置的复杂多样,配置错误是系统质量所面临的主要风险之一.对各种配置的组合测试,是MTA SaaS系统测试的一个重要内容.该文针对配置之间的约束依赖关系,提出建立约束依赖图,利用图搜索算法获取具有依赖关联的配置项集合,采用组合测试算法,生成不同的配置测试场景,满足多配置组合覆盖率要求.实验以多租户游戏系统为例,对比多种测试生成算法,实验显示该方法在检测由约束违反引起的系统缺陷方面有显著改善效果.云计算环境中面向OLTP应用的数据分布研究
摘要：云计算为大型OLTP应用中分布式数据的高效存储和管理带来了新的机遇,大数据则对分布式数据的存储与管理提出了新的挑战,自动数据分布逐渐成为分布式系统中的研究重点和难点.该文对影响数据分布问题的三要素数据、负载和节点进行分析,将该问题抽象为数据分片、数据分配和负载执行3个相互关联的子问题,提出了数据分布问题的三角架构DaWN.由于不同的系统有不同的应用需求,DaWN架构以代价模型为枢纽,对特定应用需要达到的效能目标和资源限制进行调配,并提出了数据分布问题所面临的技术挑战.该文对DaWN架构中以顶点为代表的3个基本要素进行详细分析,着重对以边为代表的3条关联关系进行阐释,并据此对云环境中大规模OLTP应用的数据分片、数据分配和负载执行3个数据分布子问题的研究成果和进展进行归纳和总结.基于以上分析,该文以数据分片、数据分片和负载执行为变量,使用真值表覆盖数据分布问题中的8种类型,并采用三维立体坐标系的方式对相关工作的分布进行归纳总结和呈现.最后,该文从代价模型研究、测试基准研究、自动化数据分布技术研究、特定应用研究等4个角度,对数据分布问题的未来发展方向进行展望.基于Chord的多租户索引机制研究
摘要：多租户数据管理是支持SaaS应用高效运行的重要组成部分.随着租户规模的不断扩大,多租户数据库需要云计算环境下的每个节点都存储并处理租户数据,因此适合利用对等结构（P2P）组织管理多租户数据.组织良好、易扩展的云中多租户索引机制是高效查询的关键.文中基于P2P结构对多租户索引机制展开研究,针对不同租户的索引易相互干扰、租户数据分布无序的问题,通过对Chord的映射方法进行改进将所有租户索引统一映射到一个标识符空间,给出的映射函数使单个租户索引可以隔离、保序地在空间分布.同时设计了各节点所负责的标识符空间范围的分配算法,使租户索引及数据可均衡、聚集地放置在各节点,从而使查询时既能通过对等结构避免性能瓶颈,也降低了数据传输成本.文中给出了多租户索引机制的动态维护策略,提出的标识符空间增倍方法使该索引机制能够适应租户数量与索引不断增加的应用场景.实验结果表明,该机制在租户规模较大时,与集中式索引相比查询时间至少可以节省50%,吞吐量提高1.5倍.基于可验证计算的可信云计算研究
摘要：云计算的可信性直接决定了其能否被广泛使用和推广.如果能使得云计算用户验证存储在云平台的数据的完整性或者在云平台执行的程序的正确性,将会大大加快云计算的应用.而可验证计算协议可检测出远程服务器返回的程序执行结果是否正确,且不需要将远程服务器所执行的程序再重新执行一遍.因此,近年来,可验证计算协议引起了学术界和工业界的广泛关注,成为实现可信云计算的一种建设性思路.文中在系统梳理和总结可验证计算协议国内外相关研究的基础上,依据可验证计算协议的实施流程对其按照编译处理和证明系统分类.其中,依据可验证计算协议使用的编译器的复杂程度,分为使用简单编译器的可验证计算协议和使用复杂编译器的可验证计算协议;依据证明系统的分类,主要研究基于交互式证明系统的可验证计算协议和基于论证系统的有预处理的可验证计算协议.随后对依据证明系统划分的每一分类,围绕基本定义、典型协议原理及流程、适用应用场景、性能分析等问题,对基于可验证计算的可信云计算进行了综述.最后,总结和展望了待解决的关键性问题和未来的研究方向.上述工作将对可验证计算协议在云计算中的应用起到一定推动作用.面向动态环境的复合服务自适应方法
摘要：质量敏感的自动服务组合技术旨在从海量Web服务中生成满足用户功能性和非功能性需求的复合服务.这类技术通常假设服务环境静态不变.然而,对真实网络环境下服务的调研结果表明,实际情况与此不符：互联网中每天都会新增或消失大量的Web服务,出现因网络故障、延迟等原因而失效或QoS发生变化的Web服务.该文针对动态服务导致复合服务失效或QoS变差的问题,提出了一种基于事件驱动机制的复合服务自适应方法,可实时处理多种不同类型的动态服务,自动地对复合服务进行检查和更新.最后,文中对自适应方法进行了理论分析及实验验证：与WS-Challenge 2009和2010的冠军系统QSynth相比,文中方法在人工服务数据集和真实QoS数据集上均获得更优的性能.一种优化MapReduce系统能耗的任务分发算法
摘要：MapReduce是一种典型的分布式计算模型,一经提出就被迅速应用到大数据处理系统中.文中认为MapReduce系统在能耗方面存在优化空间.对于一个分布式并行计算系统,任务的并行性对任务执行性能影响显著,并行性保证方法在优化性能的前提下还应该考虑系统能耗.在MapReduce系统中,传统的Map任务分发算法采用＂小任务多次分发的策略＂,这种策略虽然保证了并行性,但会浪费节点的处理能力,消耗额外的能量;而Reduce任务分发算法尚不能保证Reduce任务间的并行性.文中提出通过动态地调整Map任务和Reduce任务大小,也即任务处理数据量的规模来保证任务并行性,降低MapReduce系统的整体能耗.文中通过实验证明该方法能够有效地降低典型MapReduce作业的能耗.可信的云计算运行环境构建和审计
摘要：可信的云计算运行环境很大程度决定了云服务的推广和有效使用.采用可信计算技术的基本假设是所有在运行环境中安装的内核模块和应用程序都需要事先指定并已知其执行代码的完整性信息.这个假设在云用户实际使用时往往是不可能的.所以该文提出了一种将虚拟可信根vTPM和可信审计技术结合起来的用户可信运行环境构建与审计机制.对于体系结构栈中可事先固定的、在启动和运行时不变的组件,通过vTPM作可信根保证可信启动;对于运行过程中变化的、无法事先确定的组件,文中提出了一种可信审计的方法,即对用户虚拟机的运行态环境进行证据收集和证据审计,监测实际使用中用户运行环境的可信性.若用户运行环境处于不可信状态,则及时通知用户采取相应措施.最后文中基于该可信机制的原型系统对其有效性和性能代价进行定量测试和评价,实验结果表明：该机制针对典型的不可信威胁是有效的,且引入的性能代价对用户实际使用的影响可以忽略.一种基于遗传算法的虚拟机镜像自适应备份策略
摘要：虚拟机镜像备份是保障虚拟化数据中心服务可靠性的关键技术.同时,为了节省存储空间,镜像备份过程往往伴随着数据去冗余操作.然而,镜像备份和数据去冗余都会占用大量系统资源,会对在数据中心托管的应用性能造成严重干扰.如何缩短备份与去冗余时间以降低对应用造成的性能干扰成为数据中心管理的关键问题.当前常用的备份策略可以分为3种：先去冗余再备份、先备份再去冗余和边去冗余边备份.每种策略都有不同的资源需求,适用于不同的应用场景,而合理的组合策略可以有效缩短备份时间.该文提出一种基于遗传算法的虚拟机镜像自适应备份策略.我们首先针对不同的虚拟机镜像备份策略,分别建立资源需求模型,然后根据系统当前资源占用情况自适应的进行策略规划,以最小化备份时间.实验结果表明：该文所提出的模型可以在2%~10%误差范围内预测去冗余备份时间,采用所提出的组合策略可以减少20%左右的备份时间.一种基于预测控制的SaaS系统自适应方法
摘要：对于部署在虚拟服务器集群上的多层云端应用系统而言,可以通过调整运行时架构以适应需求和上下文环境的变化,并保证其在动态负载下的性能.然而,由于缺乏通用的方法,如何从问题空间上的需求自适应地映射到解空间上的架构就成为了一个关键的问题.为解决这个问题,目前存在3种驱动方法：需求驱动模型、架构驱动模型和综合需求和架构模型的驱动方法.然而,这些方法的性能是有限的,并且忽视了时间变化规律,对横切系统多个层次的需求演化支持也不足.文中提出了一个基于预测控制的自适应方法（SAPC）,它采用综合需求和架构的模型来驱动系统的自适应.该方法根据监控获取的运行时状态信息日志得到服务组件QoS值,学习基于小波变换的模型以准确预测服务组件的QoS,并通过预测控制诱导需求进化或实现运行时架构的模型转换来达到系统的自适应.更进一步,其根据当前的服务组件的QoS以及目标QoS做出优化决策.在控制操作部分中,判别当前情况下是做框架调整还是需求调整.如果存在可行的运行时模型,则通过预测控制产生操作向量,继而自动生成面向方面的脚本;该脚本被执行后会重构运行时模型并生成相应实例,该实例被传递给并行计算架构（比如MapReduce、Yarn或Spark等）来执行.否则,运用训练好的模型标识出进化点,然后将进化点与初始的需求混合起来以诱导需求进化.为验证上述方法,文中以一个名为CloudCRM在线SaaS平台为基准进行了大规模的实验,该平台基于RGPS元模型框架,通过对开源软件SuperCRM进行服务化改造来获得,其支持多租户.为观察平台在不同模型驱动方法的性能表现,文中对于该平台进行了剪裁,构造了4种由不同模型驱动的系统（包括Static、Req、Arch与SAPC）,实验结果验证了文中方法的有效性.其中,在用户数为20时文中方法相对于其他3异构云环境多目标Memetic优化任务调度方法
摘要：云计算系统的高效能调度优化是当前重要的研究课题,面向异构云环境的多目标优化调度方法研究具有重要意义.云计算环境下的能耗和性能优化管理是NP-HARD的多目标组合优化问题,目前一般启发式调度系统大多采用带约束的性能或能耗的单目标优化计算方法,不能完全满足复杂云计算系统资源约束动态性与管理需求多样性的需求.基于传统进化优化的随机搜索算法应用于云环境下的DAG任务的多目标调度优化,计算开销大、计算实时性不足,文中提出了新的Memetic优化方法以解决异构云环境多目标调度优化问题.首先,文中针对异构云环境多目标调度优化问题,构建了一般性的数学定义;其次,针对该问题设计了多目标Memetic优化算法,采用基于解结构相关信息的Memetic局部搜索算子加速调度方案的局部优化能力,以提高算法的收敛速度、降低计算开销.实验结果表明,应用所提出的多目标Memetic优化算法进行异构云环境能耗和性能多目标调度优化,比传统方法具有更好的计算效率、解集多样性与收敛性能.一种基于Bio-PEPA的分布式虚拟化系统脆弱性扩散模型
摘要：脆弱点类型差异和脆弱性演化对脆弱性扩散过程具有显著影响,而现有脆弱性扩散模型对此还缺少深入研究.该文提出一种基于分簇思想的分布式虚拟化系统脆弱性扩散模型,首先按照节点包含脆弱点类型的不同进行分簇,其次利用Bio-PEPA静态分层特性,对脆弱性在簇内、簇间传播,以及簇间迁移演化过程进行建模.最后,将Bio-PEPA模型转化为常微分方程求解,分析分布式虚拟化系统脆弱性扩散的特点和规律,避免了传统分析方法的状态空间爆炸问题.实验结果显示,可以通过提升系统修复能力、降低簇间传播速率、减小簇间变迁速率,抑制分布式虚拟化系统的脆弱性扩散.基于位置签到数据的城市分层地标提取
摘要：为了及时准确地获取用于智慧位置服务的城市层次性空间知识,该文提出了一种依据签到属性显著度的差异从位置签到数据中提取城市分层地标的方法.首先,针对传统基于调查问卷的公众认知度计算方法存在的不足,该文从位置签到数据中的签到次数、签到用户数和用户影响因子3个方面入手讨论POI显著度的影响因素,进而提出了一种基于签到数据的POI显著度计算模型;然后,利用Voronoi图对POI空间作用范围进行分割并结合邻域分析与合并算法逐层迭代,形成了基于签到POI显著度与Voronoi图的分层地标提取算法;最后,以北京市的位置签到数据为例,进行了POI显著度计算与分时分层地标提取,通过与现有实体、网络地图资料的比对,验证了算法的有效性,并进一步分析了分层、分时地标反映的空间现象和规律,为个性化智慧位置服务提供城市层次性空间知识.面向DaaS保护隐私的模糊关键字查询
摘要：由于在数据库服务（Database as a Service,DaaS）模式下,数据库服务提供者是半可信的（Honest-But-Curious）,因此,为了保证外包数据的机密性和安全可查询,数据拥有者通常采用特定的加密技术加密外包数据,如采用可搜索加密技术、同态加密技术等实现外包加密数据上的安全查询.然而,且当前提出的大多数方法都基于关键字精确匹配查询,即使存在少量针对加密数据上的模糊查询,也在查询效率、存储开销和安全性方面存在一定的局限性,不适用于DaaS数据库服务模式.文中首次提出了融合具有高编码效率的Huffman编码和具有数据存储优势的布鲁姆过滤器,并结合现有的安全加密方法,实现了DaaS模式下保护隐私的模糊关键字查询处理.一方面,基于Huffman编码的树型索引提供了较高的查找效率;另一方面,基于布鲁姆过滤器的模糊关键字集合实现了较小的存储开销.安全分析、性能分析以及真实论文集上的实验结果进一步验证了文中查询算法的安全性、存储开销和查询效率.云平台下基于隐私保护的桶划分方案
摘要：DAAS（Database as a Service）模式以其管理便捷的特性受到大量组织机构的青睐,同时托管数据的安全也成了迫切需要解决的难题.数据加密对于外包数据的安全起着重要作用,这会降低数据查询效率,因此高效安全的密文查询成为解决数据机密性的突破口,然而,云计算环境下国内外针对DAAS模式密文查询的研究缺少攻击模式下对隐私的深度分析.针对该问题,该文提出了一种DAAS模式下基于隐私保护的桶划分算法.首先根据查询效率指标提出了一种基于遗传算法的桶划分方案;在此基础之上,针对查询的过程中隐私泄漏情况提出了信息泄露的隐私指标体系,并将该指标体系与查询效率进行结合,最后基于遗传算法的桶划分算法对隐私与效率的模型进行最优化,从而获得最优的桶划分方案来确保查询过程中的隐私与查询效率最优的平衡.该算法可以在提高范围查询精确度和系统效率的基础上,降低密文查询中隐私泄露的信息,从而提高云平台中隐私数据的可用性和隐私性.最后,为了验证文中所提方案的可行性,将文中的算法与目前采用的几种桶划分方案进行对比,发现文中的方案在查询精准度上以及在隐私的保护上均优于其他方案.