众多的云计算信息技术一个¢€“调查

信息技术改变了风格的人每天都在组织。信息技术使用的不断增加也带来了管理费用的实现和维护内部计算机系统。和财务的时间花在管理呈指数增加;自1970年代以来每10年的进化成新的现象。在1990年代初,互联网改变了业务交流。到90年代中期,电子商务虚拟采购客户和业务合作伙伴。

今天,云计算起着至关重要的作用,承担广泛的IT服务方式的变化设计,交付、使用和管理。云计算的蓬勃发展在过去的几年里已经导致了情况是常见的许多创新和新技术:“云计算”是当应用程序和设施创造进入了“云”的世界。云计算允许用户,无论他们在哪里,通过互联网获取计算能力从一个远程的网络服务器。云计算不是一夜之间突然出现;以某种形式可以追溯到当时计算机系统远程共享计算资源和应用程序。不过,更目前云计算指的是许多不同类型的服务和应用程序交付在互联网云,事实上,在许多情况下,用于访问这些服务的设备和应用程序不需要任何特殊的应用程序。infrastructure1共享云计算的特点,动态provisioning2网络access1 metering2管理等等。

这些服务超过服务部署的支持互联网协议语音(VOIP) systems3,协作系统,语音和视频会议系统。他们可以从任何位置访问,链接到当前的服务来扩展他们的能力,以及独立的服务。在社交方面,使用基于云的通信从社交网站提供点击呼叫功能,即时通讯系统和视频通信,扩大社交圈子内的人的互连。公众cloud2,私人cloud2混合cloud2和社区cloud2不同类型的云部署模型。

一些可能的好处对于那些提供云computing-based服务和应用程序节省费用,可伸缩性/灵活性,reliability1、维护和移动的可访问性。剩下的纸是组织如下。第二章阐述了常见的云环境的结构及其应用。第三章阐述了工作方法的图像处理应用程序云。第四章交易数据的安全机制后得到高信心在云环境。它还讨论了云的数据放置方法在第5章。不同的分配模型的资源通过云将在第六章讨论。第七章给出了调度应用程序的云。第八章解释了云模型的挖掘算法及其应用程序之后,第九章的结论。云计算的通用结构见图1。

基于云的图像处理

图像处理区域在云计算技术中扮演重要的角色。外包的图像恢复服务(OIRS)专长不同领域技术和安全,效率和设计复杂性考虑从一开始的服务流。数据所有者只需要外包压缩样本为减少云存储。OIRS,数据用户可以利用云安全地重建图像没有透露的信息压缩样本或底层的图像内容。OIRS设计是压缩传感的应用场景象征,然后显示它的自然延伸的通用数据有意义的效率和准确性之间的权衡。这是彻底分析OIRS的隐私保护,开展广泛的实验演示系统有效性和efficiency4。

有关遥感图像处理算法已经被测试和Hadoop MapReduce并行平台上使用。尽管已经有相当大的研究利用Hadoop的图像处理平台,而不是原来的文本处理的目的,它从未被证明Hadoop可以

成功地用于大容量图像文件。有八个实用的图像处理算法研究了图像处理知道使用Hadoop的优势。它是扩展Hadoop文件的方法把整个TIFF图像文件作为一个单元通过扩大Hadoop使用的文件格式。实验表明,该方法具有可扩展性和高效的处理多个大型主要用于遥感图像应用程序,和唯一的区别电脑运行时和Hadoop运行时显然是noticeable5。Reduce函数的动态开关(DSRF)对MapReduce算法动态地切换到下一个任务根据完成任务的百分比和减少的空闲时间减少。DSRF方案有效地改善了MapReduce运行2 d到3 d applications6的性能。节能是通过移动设备使用图像处理计算到云,使移动设备节约能源在空闲模式。当地执行能源消费取代了额外的移动设备之间的传输和云。云计算定义为应用程序提供服务的网络和数据中心的硬件和软件提供这些服务。云计算允许快速利用廉价的、可伸缩的services7。 Cloud computing, and subsequently cloud robotics have risen as an alternative to offer solutions to the expanding needs in robotics. Rather than limiting the robot to use only the onboard software, cloud robotics offers access to vast resources; in most cases through wireless internet to complete computational needs remotely. A local network and an external camera are used to control the robot and perform image recognition utilizing the cloud system. Cloud robotics minimizes the need of hardware, which traditionally translates to lower prices for products that are highly technologically advanced. Cloud robotics is additionally appealing due to the simple way in which it can be continuously improved and easily shared8.

图片和视频是今天的主要新生成的大数据所产生的各种来源。除了

算法变得更复杂,这姿势好数据存储和计算能力的要求。这个图像处理云项目目标支持图像处理研究利用云计算和大数据分析技术。一个新的设计为图像处理开发的云架构,基于Hadoop和大数据处理引擎。也报道了可伸缩性和性能分析使用一些广泛使用的图像处理algorithms9云。医学图像数据的管理在云计算环境中访问手机用户通过手机应用来帮助病人和医生查看病人病历和处方支持安卓系统的手持设备。的应用有效地实现允许灵活的媒介方便病人访问至关重要的健康记录什么,不需要去医院查看相同的。应用程序是一个优势人居住在偏远地区和无法访问在tease10医院在城市。云安全

云计算允许用户使用应用程序没有安装软件和访问他们的个人文件和应用程序在任何计算机与互联网或局域网访问。许多用户数据在云端,所以数据的正确性和安全性是关键问题。软件启用工作改变软件工作环境是通过云计算为下一代。连接的大规模计算资源的有效整合,并计算资源作为服务用户。确保数据的正确性,它被认为是允许第三方审计的任务(TPA),代表云客户端验证的完整性

数据存储在云上。审计过程应该引进任何新的漏洞向用户数据隐私,并介绍没有额外的在线用户的负担。提出了一个安全的云存储系统支持隐私,保护公共审计。是进一步扩展结果使TPA对多个用户同时执行审计和有效RC5加密算法。这表明该方案是高效、数据修改攻击,甚至服务器attacks11勾结。最重要的一个方面是指安全:有些是继承了云计算安全问题的解决方案采用了创建这些服务,许多新的安全问题,特别是这些解决方案等也会出现,包括相关服务是如何组织和哪种服务/数据可以放在云端。旨在提供一个更好的理解这个复杂的场景中,有必要识别和分类的主要安全问题和解决方案云计算,云计算的安全,并提出分类给安全现状的概述在这个新兴technology12。保证企业数据的安全在云是很困难的。每个服务都有自己的安全问题。云计算的安全问题相关的不同方面,提出here13及其可能的解决方案。 Security issues for cloud computing and present a layered framework for secure clouds and then focus on two of the layers, i.e., the storage layer and the data layer. A pattern for secure third party publications of documents in a cloud will converse secure federated query processing with map Reduce and Hadoop, and discuss the use of secure co-processors for cloud computing. The XACML implementation for Hadoop that building trusted applications from untrusted components will be a major aspect of secure cloud computing14. Successful implementation of cloud computing in an enterprise requires proper planning and understanding of emerging risks, threats, vulnerabilities, and possible counter- measures. It is believed enterprise should analyze the organization security risks, threats, and available Counter measures before adopting this technology. The security risks and concerns in cloud computing and enlightened steps an enterprise can take to reduce security risks and protect their resources15. A detailed analysis of the cloud computing security issues and challenges focusing on the cloud computing types and the service delivery types16. The security for Cloud Computing is emerging area to provide security topic in terms of cloud computing based on analysis of Cloud Security treats and Technical Components of Cloud Computing17.

这是深思熟虑的任务允许第三方审计员(TPA),代表云客户端确认动态数据的完整性或信息存储在云。TPA的引入消除客户端通过审核的参与他的数据存储在云是否确实是完好无损,可重要的云计算实现的规模经济。支持数据动态通过最一般形式的数据操作,如块修改、插入和删除,实用性也是一个重要的一步,因为云计算服务并不仅限于归档或备份数据。直接扩展的潜在安全问题完全动态数据更新标识和优雅的验证方案这些由设计的无缝集成。实现高效的数据动态存储模型通过操纵经典Merkle哈希树建设块改进认证标签。支持多个审计任务的高效处理,使用双线性聚合签名技术向多用户setting18扩展的主要结果。数据保护应用程序安全隐私是一个重要的安全问题,必须包括在云计算中。模型系统的云计算系统是结合集群负载平衡,SSL / AES和安全会话。在这个模型中,一些重要的安全服务,包括认证、机密性和完整性,提供云计算system19。

云计算有很大的潜力,为社会提供强大的计算能力降低成本。它赋予客户有限的计算资源外包他们的大型云计算工作负载,和经济上享受巨大的计算能力、带宽、存储甚至适当的软件,可以按使用率的方式共享。尽管巨大的实际利益,安全是主要的障碍阻止了这个有前途的计算模型的广泛使用,尤其是对客户消费和产生的机密数据时,在计算。将云计算作为一种本质上不安全计算平台从云客户的角度,它必须设计机制,不仅保护敏感信息通过使计算加密数据,但也保护消费者免受恶意行为通过使计算结果的验证。这种机制的一般安全计算外包最近在理论上是可行的,但设计机制实际上效率仍然是一个非常具有挑战性的问题。专注于工程计算和优化任务,探讨安全外包的广泛适用的线性规划(LP)计算。为了实现实际效率,我们的机制设计明确分解LP计算外包到公共LP解决在云上运行和私人LP参数由客户。由此产生的灵活性允许我们探索适当的安全或通过更高层次的抽象LP效率权衡计算比一般电路表示。特别是,通过制定私人数据由客户LP问题的矩阵和向量,我们能够开发一套高效的隐私,保护问题转换技术,它允许客户将原始LP问题转换成任意一个输入或同时保护敏感

输出信息。验证计算结果,进一步探讨LP的基本对偶定理计算和推导出正确的结果必须满足的必要和充分条件。这样的结果验证机制是非常有效和带来接近零额外成本对云服务器和客户。广泛的安全分析和实验结果显示的直接实用性design20机制。研究使用多重云提供商保持安全受到研究界的关注比使用单一的云。使用多重云由于其设施减少安全威胁各ways21影响云计算用户。将数据存储在第三方的云系统造成严重的数据机密性的担忧。通用加密方案保护数据机密性,但也限制了存储系统的功能,因为一些操作支持加密的数据。构建一个安全的存储系统,支持多种功能是具有挑战性的分布式存储系统时,没有中央权威。提出一个阈值用分散的擦除代理re-encryption方案和集成代码,这样制定一个安全的分布式存储系统。 The distributed storage system not only supports secure and robust and data storage and retrieval, but also lets a user forward his data in the storage servers to another user without retrieving the data back. The main technical contribution is that the proxy re- encryption scheme supports encoding operations over encrypted messages as well as forwarding operations over encoded and encrypted messages. This method fully integrates encrypting, encoding, and forwarding. It is analyzed and suggested suitable parameters for the number of copies of a message dispatched to storage servers and the number of storage servers queries by a key server. These parameters allow more flexible adjustment between the number of storage servers and robustness22.

数据位置在云

安全的多数据共享方案,老板叫莫娜,动态组的云。利用群签名和动态广播加密技术,任何云匿名用户可以与他人分享的数据。与此同时,这个方案的存储开销和加密计算成本是自我管理与撤销用户的数量。此外,它分析了该方案的安全性与严格的证明,并展示在experiments23这个方案的效率。所使用的数据中心数据管理器有效地存储数据。当一个任务需要几个数据集位于不同的数据中心,大量数据的运动变成了一种挑战。基于矩阵k - means聚类策略数据放置在科学云工作流包含两个集团现有的数据集的算法k数据中心在工作流构建时阶段,新生成的数据集和动态集群基于依赖关系最合适的数据中心中运行时stage24。

许多科学工作流数据密集的:大量的中间数据集生成期间执行。一些有价值的中间数据需要存储共享或重用。传统上,他们是有选择地存储根据系统存储容量,手动确定。像做科学云已成为流行的今天,更多的中间数据集在科学云工作流可以存储在不同的存储策略基于工资——当你模型。建立一个中间数据依赖图(IDG)产地在科学工作流数据删除中间数据集可以再生,因此开发一种新颖的算法,可以找到一个最小成本的中间数据存储策略科学云工作流系统。策略达到最好的平衡计算成本和存储成本通过自动将最合适的中间数据存储在云存储。这种策略可以根据需要利用作为所有其他中间的最小成本基准数据集在云中存储策略。亚马逊云的成本模型是利用该算法适用于一般随机以及特定天体物理学脉冲星搜索evaluation25科学工作流。继续在可信计算研究进展和computation-supporting加密,云可以有利的生活在孤立的选择从商业智能的角度来看这是today26更为普遍。

基础设施即服务(IaaS)云计算已经彻底改变了思维方式获取资源的介绍一个简单的改变:允许用户租赁计算资源从云提供商的数据中心在短时间内通过部署虚拟机(vm)这些资源。这个新模型提出了新的挑战,IaaS的中间件的设计与开发。这些挑战之一是需要部署大量(数百甚至数千)同时VM实例。一旦部署VM实例,另一个挑战是同时捕获许多图像的快照并将其传输到持久性存储支持管理任务,如suspend-resume和迁移。重要的是要使高效的并发部署和快照,同时管理程序独立,确保最大兼容不同的配置。的挑战提出了一个虚拟文件系统专门为虚拟试机时图像存储优化。这是基于一个懒散的转移方案加上对象版本处理快照透明地管理程序,独立的方式,确保为不同configurations27高可移植性。

企业可以节省存储基础设施投资和减少管理成本巨大而外包第三方云存储提供商的数据。然而数据隐私和完整性是阻碍他们的数据迁移步骤灵活和成本效益的云存储。和传统安全方案可以为这个复杂的云环境提供数据保护通过牺牲方便操作,例如搜索和分享,冲突云环境的灵活性和可用性与多种多租户。这就提出了一个需求创新保护数据隐私和安全的搜索方案,数据存储和检索的过程,对云存储访问数据灵活。隐私保护数据共享计划在云存储是用于保护数据隐私不牺牲云计算的灵活性和可访问性:1)隐私保护数据搜索计划提供安全,有效的搜索和分享隐私隐藏数据云存储;2)基于策略的访问控制提供了灵活但在隐私保护data28数据访问能力。

预测与健康管理(榜单)近年来被广泛研究,有许多先进的技术和智能算法为机械开发数据分析、健康评估和决策。典型物理加工解决方案组件,比如滚柱轴承和机床已经被证明是足够可靠的工业应用。然而利用物理加工解决方案行业仍然是有限的由于高的研究,开发和实施成本。这样的限制是在规模较小的工厂和作坊更严重,没有充足的资源来实现物理加工系统。可以提供的优势

新兴的云计算模式,云计算预测和健康管理系统基于监督代理人的制造业发展®工具和物理加工服务的意识形态。除了传统的数据采集和管理功能在机器状态监测系统中,基于云的物理加工平台能够进一步提供随需应变的、可定制的、低成本的数据分析服务。机械数据积累在云系统进一步支持更先进的服务,如机器对机器比较,数据挖掘和知识discovery29。

一个Web 2.0服务的存储管理框架用户在控制他们的数据的地方。由于数据锁定当前Web服务的复杂的数据管理和缺乏可用的保护机制,这使得款跨共享风险。我们的框架允许多个Web服务共享访问一个副本的数据驻留在个人存储库中,用户从一个云存储提供商获得。访问控制是基于分层次、过滤视图、简化横切政策,支持最小特权management30。保证隐私的概念可否认的云存储的数据即使通信和存储可以打开的一个对手。它清楚地表明,现有的技术和系统不充分解决这个问题。这是第一次发送方和接收方可否认的公共密钥加密方案,既实用又由标准工具。用户的实际方面的合作提供了一个可否认的共享文件系统的实现,DenFS31。

通过云资源分配

云可以用来在必要时提供额外的资源的企业或组织。要实现这个愿景,需要政策定义当和云资源是如何分配给应用程序和一个平台实现整个软件栈不仅这些政策也支持应用程序和资源的管理。Aneka是配置资源的云应用平台能够从各种各样的来源,包括私人和公共云、集群、网格和桌面网格。Aneka期限的驱动配置机制是负责支持的服务质量(QoS)意识到执行的科学应用组成的混合云从各种渠道获得的资源。Aneka来自不同来源的能够有效地分配资源以减少应用程序执行times32。

云模型中的许多吹捧收益来自资源复用通过虚拟化技术。系统资源复用技术用于根据应用程序需求动态分配数据中心的资源和支持绿色计算通过优化的服务器数量。“偏斜”的概念用来测量不均匀的多维服务器的资源利用率。通过最小化偏态,我们可以很好地结合不同类型的工作负载,提高服务器的整体利用率resources33。提供服务的需求增加,大量的用户,他们需要为用户提供差异化服务和满足其质量的期望。现有的资源管理系统在数据中心还支持服务水平协议(SLA)的资源配置类似,因此需要加强意识到云计算和效用计算。此外,没有集体的工作已经完成,并将面向消费者的服务管理,计算风险管理,自主向市场资源管理资源管理系统针对云计算的快速变化的企业需求。SLA -面向资源管理架构支持集成的基于市场的供应政策和灵活的资源配置应用程序的虚拟化技术。从我们的工作原型系统显示获得的性能结果的可行性和有效性在Clouds34到基于sla的资源配置。

资源配置的一个全面的解决方案是任何云计算服务提供商的基础。任何资源分配模型必须考虑计算资源以及网络资源准确反映实际的要求。另一个方面,应考虑同时供应资源能源消耗。这方面越来越关注工业和政府的政党。呼吁绿色云获得动力的支持。有鉴于此,资源分配算法的目标是完成这项任务的调度虚拟机服务器上驻留在数据中心,因此调度网络资源,同时遵守约束的问题。几个外部和内部因素影响资源分配模型介绍了设计的性能挑战进行了探讨,目的是提供一个参考设计时使用一个全面的节能意识为云计算数据centers35资源分配模型。

建立一个管理框架致力于自动资源配置在虚拟化应用程序中,从实验中确定的来源不稳定的控制系统。两种类型的政策进行了分析,基于阈值和强化学习技术动态规模资源。这两种方法是棘手的,试图实现一个控制器没有看的方式控制系统反应行动,在时间和振幅,注定要失败。建立良好的资源管理策略和长期问题目前工作有效地管理合同和强化学习云controllers36。

用户群体正在迅速转变他们的“传统桌面”,有专门的硬件和软件安装到“虚拟桌面云”(vdc)通过瘦客户机访问。分配和管理VDC网际网路规模的桌面交付资源,现有的工作重点放在管理服务器端资源基于效用函数的CPU和内存负载,而不考虑网络健康和瘦客户机的用户体验。资源分配没有utility-directed系统负载的信息相结合,网络健康和瘦客户机的用户体验VDC平台在昂贵的猜测和不可避免的结果-供应资源。在本文中,我们开发一个分析模型即,“效用——指导资源分配模型(U - RAM)”来解决合并后的效用在直流——指导资源分配问题。解决方案涉及到一个迭代算法,利用效用函数的系统,网络和人类组件获得使用一种新颖的虚拟桌面性能基准测试工具包即。,“VDBench”了。合并后的效用函数是用来直接决定方案基于Kuhn-Tucker创建用户桌面池的最优性条件和确定最优资源分配大小/位置。它部署VDBench VDC试验台包括:(a)流行的用户应用程序(电子表格计算器,互联网浏览器,媒体播放器,交互式可视化),和(b)基础thinclient TCP / UDP协议(RDP,该PCoIP)在各种用户负载和网络健康状况。基于效用函数的仿真结果从实验证明我们的解决方案获得最大化即VDC的可伸缩性。VDs公司/核心密度”,和“用户连接数量”,而用户experience37交付满意的瘦客户机。服务需求者打算解决复杂的并行计算问题,在基于云的网络请求资源的使用,和每个计算服务取决于成本的计算。博弈理论用于解决资源分配的问题。 A practical approximated solution with the two steps is proposed. First, each participant solves its optimal problem independently, without consideration of the multiplexing of resource assignments. A Binary Integer Programming method is proposed to solve the independent optimization. Second, an evolutionary mechanism is designed, which changes multiplexed strategies of the initial optimal solutions of different participants with minimizing their efficiency losses. The algorithms in the evolutionary mechanism take both optimization and fairness into account. It is demonstrated that Nash equilibrium always exists if the resource allocation game has feasible solutions38.

特别的并行数据处理已经出现的最必要的申请“基础架构即服务”(IaaS)。主要的云计算公司已经开始集成框架的并行数据处理在他们的产品组合,方便客户访问这些服务和部署程序。目前使用的处理框架为静态设计,均匀集群设置和无视一个云的特殊性质。分配计算资源可能不够大的部分提交工作,不必要地增加加工时间和成本。Nephel的体系结构提供了有效的并行数据处理的云。它是第一个数据处理框架提供的动态资源分配今天的IaaS云都,任务调度和执行。特定任务的处理工作可以分配给不同类型的虚拟机自动实例化execution39期间和终止工作。

邻近地区是一个MapReduce资源分配系统,旨在提高云中的MapReduce工作的性能。邻近地区规定虚拟MapReduce集群位置感知的方式使MapReduce虚拟机(vm)获得输入数据和重要的是,中间数据从本地或附近的物理机器。locality-awareness在map和reduce阶段的工作不仅提高了运行时性能的个人工作,但是也有一个额外的优势减少网络流量生成center40云中的数据。新兴的云计算模式为管理员和IT组织提供了巨大的自由动态在物理服务器之间迁移虚拟计算服务在云数据中心。虚拟化和虚拟机迁移能力使数据中心整合计算服务、使用最少数量的物理服务器。虚拟机迁移提供了巨大的好处,如负载平衡、服务器整合、在线维护和主动容错。在云计算环境下虚拟机迁移的成本需要彻底的考虑。每个VM迁移可能导致违反SLA,因此有必要迁移的数量尽可能最小化。不这么做将导致性能下降和云提供商将不得不承担货币方面的成本。这将会扮演重要的角色在避免迁移VM41遇到的性能下降。

资源分配是一个积分,进化的一部分,许多数据中心的管理问题,如虚拟机放置在数据中心,网络虚拟化,和多路径网络路由。从本质上是np难问题,大多数现有系统使用自定义——设计启发式找到合适的解决方案。这种启发式通常是刚性的,很难扩展需求的变化。濑鱼是一个通用的、可扩展的云环境的工具,可以使用它来解决他们的具体分配问题。濑鱼提供了一个简单而富有表现力的规范语言,捕获范围广泛的资源分配问题。后端,它利用gpu的力量来提供解决方案的快速和及时的分配问题。濑鱼的可扩展性表达规范language42几个分配问题。云计算的主要缺陷之一是相关优化资源分配。因为模型的独特性,资源分配与执行相关的成本最小化的目标。资源分配的其他挑战requirements43满足客户需求和应用。

主要的云计算公司已经开始集成框架的并行数据处理在他们的产品组合,方便客户访问这些服务和部署程序。处理框架目前设计用于静态的,同构集群设置和无视一个云的特殊性质。分配计算资源可能不够大的部分提交工作,不必要地增加加工时间和成本。涅斐勒是第一个数据处理框架来显式地利用所提供的动态资源分配今天的IaaS云都,任务调度和执行。特定任务的处理工作可以分配给不同类型的虚拟机自动实例化和终止工作期间执行。基于这个新的框架扩展MapReduce的评估——启发处理作业在一个IaaS云系统执行结果受欢迎的Hadoop是compared44数据处理框架。云环境中由多个客户请求资源在动态环境中可能的约束。在云计算的现有经济基础模型,有效地分配资源是一项具有挑战性的工作。发达资源分配算法是基于不同的参数,如时间,成本,没有处理器请求等等。开发优先级算法用于更好的资源分配工作在云环境中用于模拟不同的模型或工作在一个有效的方法。有效的资源分配后的各种工作,评估正在进行的与profit45说明了云计算的更好的性能。

调度

最重要的一个方面,云工作流系统有别于其他同行是面向市场的商业模式。这是一个重大创新,它带来了许多挑战传统工作流调度方法和策略。探讨这样的问题,提出了以市场为导向的分层调度策略在云工作流系统。特别是,服务水平的调度处理Task-to-Service分配个人任务的工作流实例映射到云服务在全球云市场基于他们的功能性和非功能性的QoS需求;任务级别的调度处理的优化Task-to-VM(虚拟机)分配地方云计算数据中心云工作流系统的整体运行成本将最小化给定QoS约束的满足个人的任务。基于我们的分层调度策略,基于包随机调度算法作为候选服务水平调度算法和基于三个代表metaheuristic调度算法包括遗传算法(GA),蚁群优化(ACO)和粒子群优化(PSO)是适应,实现和分析候选人任务级别的调度算法。分层调度策略是实施在我们SwinDeW-C云工作流系统和证明令人满意的性能。实验结果表明,算法的总体性能调度算法比其他基于三个基本测量:极小化的优化率,优化成本和CPU time46率。

云计算的主要贡献之一是利用所有的资源在一个地方形成一个集群和执行基于请求由不同的用户的资源分配。它定义了用户请求的形式要求查询。云计算设备能够交换数据如文本文件以及互联网业务信息的帮助下。从技术上讲,它完全不同于使用新的高度灵敏的红外光学传感器(sso)。传输和存储大量的信息,成为推进光纤加速对40 g / 100 g。其前景是提供安全、快速、便捷的数据存储和网络计算服务由internet47集中。

调度是云计算的一个关键问题,因为一个云提供商已经为许多用户在云计算服务系统。良好的调度技术还有助于正确和高效的资源利用。许多调度技术已经由研究人员喜欢GA(遗传算法),PSO(粒子群优化),敏敏,不等式,X-Sufferage等。提出了一种新的调度算法是遗传算法的一个改良版本。这种调度算法,敏敏和不等式性质合并在标准遗传算法的调度方法。敏敏,最大值,最小值和遗传调度技术进行了讨论和过去的性能标准遗传算法和提出的改进遗传算法是compared48。高效调度用户的角度可能是基于参数任务完成时间和任务执行成本。服务提供商要确保资源得到了有效利用,他们最好的能力。一个调度算法解决了云任务调度的主要挑战。传入的任务分组任务要求的基础上,如最小执行时间或最低成本和优先。资源选择的基础上完成任务约束使用贪婪的方法。 This model is implemented and tested on simulation toolkit. The results validate the correctness of the framework and show a significant improvement over sequential scheduling49. The number of cloud users has been growing exponentially and apparently scheduling of virtual machines in the cloud becomes an important issue to analyze. It is proposed a new algorithm that combines the advantages of all the existing algorithms and overcomes their disadvantages50.

传统调度methodo——呆呆的遇到许多挑战。在云系统的任务调度中,如何充分利用资源,如何有效地选择资源也是重要的因素。同时,通信延迟也扮演着重要的角色在云调度、任务之间,不仅会导致等待但也导致闲置处理单元之间的间隔时间。用模糊聚类方法有效地预处理云资源。结合与任务调度列表复制调度计划,一个新的基于有向无环图的调度算法叫做最早完成时间重复算法提出了异构云系统。最早完成时间重复尝试插入合适的直接电流选择节点的父节点,以减少其对processor51等待时间。

网络任务调度的问题等工作的MapReduce工作,蒙特卡罗模拟和从web文档生成搜索索引,在云计算基础设施。它被认为是虚拟化云计算设置包括机器托管多个相同的虚拟机(VM)现收现付制下充电,启动一个虚拟机需要一个常数设置时间。作业成本计算的数量取决于虚拟机激活,和vm可以激活和关闭。介绍了一种新的bi-objective算法最小化最大任务延迟,和computation52的总成本。

云计算被称为动态服务提供商使用非常大的可伸缩和虚拟化资源在互联网上。由于云计算领域的新奇,没有许多标准任务调度算法在云环境中使用。特别是在云,沟通成本高,阻止众所周知的任务调度器在大规模分布式应用环境。今天,研究人员试图建立作业调度算法兼容,适用于云计算环境中作业调度是云计算环境中最重要的任务,因为用户必须支付资源使用基于时间。因此必须重要资源高效利用和调度起着至关重要的作用,从resources53获得最大利益。蜜蜂群优化算法被称为蜜蜂生活算法有效地安排(BLA)应用到云数据中心计算工作中处理资源。它是np完全问题,旨在传播之间的工作负载处理资源最优的方式来减少总执行时间的工作,以提高整个云计算服务的有效性。BLA灵感来源于蜜蜂生活在自然中表示他们最重要的繁殖和食物来源搜索行为。一组实验测试进行了评估的有效性和性能这algorithm54。

数据挖掘

流行的云计算是分布式计算环境中增加一天。,一个趋势是,越来越多的使用云存储和数据处理需求的环境。使用云计算的潜力,数据传输、处理、检索和存储在外部云提供商。数据所有者非常怀疑他们的数据在自己的控制范围之外的地方。他们的主要担忧是机密性、完整性、安全性和方法挖掘数据的云。导演的努力程度这个怀疑是合理的,提出了云计算模型3 cadm保密原型和数据挖掘。3 cadm是一个循序渐进的框架,创建的映射数据敏感性到最合适的云计算架构和流程非常大的数据集在商品集群使用正确的编程模型。为了达到这个目标,3 cadm确定每个数据敏感性水平所需的安全机制,这些安全控制可能不支持在特定的计算环境中,解决方案可以用来应对所确定的安全云计算的局限性。模型实现数据保密,同时仍然保持完整的云中的协调关系。我也达到一个算法的数据与协会rules55云使用部门/领域框架。 Data Mining is useful for extracting useful data from raw data. Data Mining Techniques are used commonly in our day- to-day lives to extract useful information and to improve businesses by reducing cost. The use of Data Mining techniques through cloud computing will help end users to retrieve meaningful information from virtually integrated data that reduces the cost of setting up the infrastructure and storage place56. A “Collaborative approach” tells how component based systems are used with data mining as well as cloud computing. Data Mining helps for extracting potentially useful information from the raw data. The function of association rules are an important data mining technique used to find the interesting relationship with the other related objects. The logical significance to study the concept of dependency in component based systems with data mining is to show the relation between one or more products where a change of one season to another season leads to a potential for a change of one product offer to another product offer. These association rules can either be use at a single level or in multiple levels. Sometimes, association rules becomes important because of output of one rule may be act as an input for other rules. The limited numbers of association rules are generated at different levels. Data mining techniques help businesses to become more efficient by reducing costs. Here, we uses two types of data mining techniques called “Feature Selection & feature extraction” and “Attribute importance” which helps us for “Product Mining”. Data mining techniques and applications are very much needed in the cloud computing paradigm. While implementing data mining techniques with cloud computing allows the users to retrieve meaningful information from virtually integrated data warehouse that reduces the costs of infrastructure. The major benefit to combine component based systems with cloud computing is easy accessing with “platform as a service”. The other benefits to combine these concepts are making systems more reliable, well maintained and also cost effective57.

一个算法是我宣布从云中数据使用部门/领域框架与关联规则。数据挖掘就是从不同的角度分析数据的过程总结成有用的信息。关联规则挖掘是数据挖掘中最重要的一个阶段。依赖规则是关联规则预测发生的一项基于事件的其他物品。先天是最著名的算法挖掘关联规则。云可以意味着作为一个基础设施,提供资源和/或服务在互联网上。云可以提供块或基于文件的存储云存储服务也可以是一个计算云提供计算服务。的设计和实现部门存储云计算和云计算范围进行了综述。部门是分布式文件系统,而球体是并行存储内数据处理的框架,可以用来处理数据存储在sector58。数据挖掘的集成技术与云计算允许用户从数据仓库中提取有用的信息,减少基础设施成本和存储。 Security and privacy of user’s data is a big concern when data mining is used with cloud computing. An important security concern is privacy attacks based on data mining involving analyzing data over a long period to extract valuable information. A single cloud provider stores the entire client data on a single cloud. This gives the provider and outside attackers an opportunity to gain unauthorized access to cloud, allowing them to analyze client data over a long period to extract sensitive information causing violation of privacy of clients. This is of major concern for many clients of cloud. A cryptography-based scheme can be used for mining the cloud data in a secure way without loss of accuracy. The problem of Knearest neighbor (KNN) classification over horizontally distributed databases is addressed using order preserving symmetric encryption (OPSE) without revealing any unnecessary information. It is very important to use an effective data mining strategy in the cloud to extract interesting patterns that may be forecasting or predictions to be used by the companies in near future to increase their sales. These prediction should be mined securely so as to protect them from interception, thus using a secure cloud mining architecture59.

数据安全性和访问控制是最具有挑战性的研究工作,目前,在云计算。这是因为用户发送敏感数据的云提供商获取他们的服务。在云计算中,数据将被存储在存储区域提供的服务提供者。服务提供者必须有一个合适的方式来保护他们的客户的敏感数据,尤其是保护数据免受未经授权的访问。信息隐私保护的常见方法以加密的形式存储客户的数据。如果云系统负责存储和加密/解密数据,系统管理员可以同时获得加密数据和解密密钥。这允许他们访问客户的信息没有任何授权。这导致敏感信息泄漏的风险,所涉及的方法存储和加密/解密是昂贵的。为了克服这些问题,一个模型(云服务器)提出了只接受那些所需的数据在一个编码形式,执行服务由客户选择和将导致编码格式发送给各自的client60被理解。人们每天都面对定向广告,和数据挖掘技术帮助企业更有效率,减少成本。 Data mining techniques and applications are very much needed in the cloud computing paradigm. The implementation of data mining techniques through Cloud computing will allow the users to retrieve meaningful information from virtually integrated data warehouse that reduces the costs of infrastructure and storage61.

一种新的时间序列数据挖掘和分析框架的灵感来源于中国古代文化易经。该方法将时间序列转换成符号空间运用的概念和原则易经。算法是解决探索和识别时间模式产生的符号空间。使用分析框架中,时间序列数据挖掘的主要话题关于时间序列聚类、关联规则的模式,可以分析和过渡隐藏的马尔可夫过程。动态模式派生和采用调查中存在的特殊事件的发生时间series62。

利用数据挖掘技术对提高效率的时间序列数据使用SPSSCLEMENTINE解决。它有助于一个组织或个人在选择正确的软件来满足其挖掘需求。它利用著名的数据挖掘软件SPSS克莱门泰矿因素影响信息从不同的视角和分析这些信息。目的是审查选定的数据挖掘软件提高效率的时间序列数据。数据挖掘技术的探索和分析数据,以发现有用的信息从庞大的数据库中。这是用于分析大型审计数据有效地提高时间序列数据的效率。SPSS -克莱门泰是面向对象,扩展模块接口,它允许用户添加自己的算法和工具柑橘的可视化编程环境。总体目标是开发高性能数据挖掘算法和工具将提供支持要求分析各种流程所产生的大规模数据集用于预测时间序列数据使用SPSS——Clementine63。

结论

云计算中起着有效的作用在所有的信息技术。云的一些关键因素进行了讨论和报告在这里。云计算技术支持小型,中型和大型组织,机构和世界各地的商业人士。云计算的挑战也会增加一天在每一个方面。因此,要克服的问题是非常重要的,因为大量的民族迁移到云,因为它的好处。