版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、由于人們對網(wǎng)絡(luò)服務(wù)的需求急劇增長,網(wǎng)絡(luò)服務(wù)提供系統(tǒng)的數(shù)量和規(guī)模出現(xiàn)爆炸式增長,同樣網(wǎng)絡(luò)服務(wù)系統(tǒng)的耗電量也在快速增加。網(wǎng)絡(luò)服務(wù)系統(tǒng)耗電量的增加,不僅提高了系統(tǒng)運行代價,而且制約著系統(tǒng)性能的提升,同時還會產(chǎn)生大量的碳排放。無論從環(huán)境角度還是經(jīng)濟角度,網(wǎng)絡(luò)服務(wù)系統(tǒng)的能耗控制日益成為系統(tǒng)設(shè)計的重要因素。在所有網(wǎng)絡(luò)服務(wù)中,多媒體應(yīng)用占據(jù)了網(wǎng)絡(luò)流量的統(tǒng)治地位,而且還在迅速增加,因此多媒體集群系統(tǒng)的能耗控制和性能優(yōu)化具有重要的學術(shù)和實際應(yīng)用價值。
2、r> 本文針對大規(guī)模多媒體服務(wù)系統(tǒng)的能耗控制和性能優(yōu)化進行研究,主要圍繞多媒體集群和多媒體網(wǎng)關(guān),利用成比例計算(proportionalcomputing)思想,在實際工程背景下,通過建立描述系統(tǒng)的動態(tài)演化的數(shù)學模型,在模型下推導(dǎo)系統(tǒng)最優(yōu)控制策略以實現(xiàn)資源與負載的自適應(yīng)匹配。本文的分析思路和數(shù)學模型,具有較好的一般性和實用價值,能夠應(yīng)用到其它網(wǎng)絡(luò)服務(wù)。這些創(chuàng)新工作可以簡要概括如下:
針對VoD(videoondema
3、nd)服務(wù)集群的能耗控制,本文在系統(tǒng)結(jié)構(gòu)上提出使用分層優(yōu)化機制進行能耗控制和性能優(yōu)化,在集群端優(yōu)化集群系統(tǒng)資源的單位收益率,在客戶端利用客戶端自適應(yīng)技術(shù)補償由于集群端調(diào)節(jié)帶來的性能降低。在集群端使用自底向上的思路進行分析,并提出了一種兩層Markov切換狀態(tài)空間控制過程模型來描述集群系統(tǒng)分層動態(tài)特性。該模型將系統(tǒng)分為兩個層級,下層為QoS層,優(yōu)化目標為提高系統(tǒng)的QoS,上層為能量層,優(yōu)化目標為降低系統(tǒng)能耗。兩層結(jié)構(gòu)總的優(yōu)化目標為性能/能
4、耗比的最大化。本文提出了一種遞階協(xié)同優(yōu)化算法來求解最優(yōu)控制策略。在客戶端本文研究自適應(yīng)播放控制技術(shù),來對抗網(wǎng)絡(luò)抖動或者服務(wù)器端資源受限可能帶來的緩沖區(qū)下溢。針對該問題首先提出了一種統(tǒng)計模型來估計緩沖區(qū)的下溢時間,然后在下溢時間估計基礎(chǔ)上,提出了一種基于雙門限的幀率調(diào)節(jié)算法,其中雙門限會根據(jù)網(wǎng)絡(luò)狀態(tài)和緩存狀態(tài)動態(tài)調(diào)節(jié)從而實現(xiàn)速率調(diào)節(jié)的及時性。算法在調(diào)節(jié)幀率時,考慮播放幀的運動強度,從而提供更好的用戶體驗(QoE)。
針對目前
5、流行的時延電視集群系統(tǒng)能耗控制問題,首先建立了具有能耗控制功能的時延電視集群系統(tǒng)結(jié)構(gòu),它能夠動態(tài)監(jiān)測系統(tǒng)資源利用率等狀態(tài)信息,并能通過能耗控制器執(zhí)行控制策略,動態(tài)調(diào)整集群系統(tǒng)可用資源數(shù)量。在該結(jié)構(gòu)下,本文分別考慮使用平穩(wěn)確定和隨機性策略對系統(tǒng)優(yōu)化。當使用平穩(wěn)確定性策略時,本文將集群系統(tǒng)動態(tài)配置問題建模成Markov切換狀態(tài)控制過程模型,通過該模型來優(yōu)化集群服務(wù)器的動態(tài)開啟和關(guān)閉。結(jié)合性能勢理論和性能勢的在線估計,提出了集群動態(tài)能耗控制的
6、在線優(yōu)化算法。該算法通過樣本軌道求解最優(yōu)策略,不需要系統(tǒng)參數(shù)信息。當使用平穩(wěn)隨機性策略時,將節(jié)目和連接數(shù)分等級,實現(xiàn)狀態(tài)空間的大幅度下降。隨機模型同樣采用Markov切換狀態(tài)空間控制過程模型,系統(tǒng)的能耗控制被建模為一個帶約束的隨機優(yōu)化問題,優(yōu)化目標為在滿足阻塞率約束下,最小化系統(tǒng)能耗。結(jié)合Lagrange乘子法和性能梯度韻在線估計,提出了一種策略迭代算法求解最優(yōu)控制策略,并在理論上證明了算法的收斂性。
考慮多媒體服務(wù)提供時
7、網(wǎng)絡(luò)層的能耗控制,研究利用自適應(yīng)鏈路速率調(diào)節(jié)技術(shù),通過控制多媒體網(wǎng)關(guān)的帶寬達到能耗控制的目的。首先對多媒體網(wǎng)絡(luò)流量進行分析,包括并發(fā)流量數(shù)、連接持續(xù)時間、多媒體數(shù)據(jù)特性等;然后引入MMPP模型對多媒體數(shù)據(jù)流進行建模,在該模型基礎(chǔ)上,本文將多媒體網(wǎng)關(guān)能耗控制建模為一個帶約束的半Markov決策過程。推導(dǎo)了基于嵌入Markov鏈的性能靈敏度公式,并在樣本軌道上通過再生周期估計性能梯度,最后提出在線性能優(yōu)化算法。相比于傳統(tǒng)的線性規(guī)劃和基于擬無
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 大規(guī)模網(wǎng)絡(luò)服務(wù)系統(tǒng)在線演化相關(guān)問題的研究.pdf
- 大規(guī)模網(wǎng)絡(luò)服務(wù)系統(tǒng)行為適配方法的研究.pdf
- 大規(guī)模通信網(wǎng)絡(luò)的性能分析及優(yōu)化.pdf
- 網(wǎng)絡(luò)服務(wù)系統(tǒng)基于隨機優(yōu)化的接入控制研究.pdf
- 基于NS2大規(guī)模網(wǎng)絡(luò)服務(wù)類別仿真及其狀態(tài)分析.pdf
- 基于C-S的大規(guī)模網(wǎng)絡(luò)服務(wù)中關(guān)鍵問題的研究.pdf
- 大規(guī)模公交車載網(wǎng)絡(luò)中網(wǎng)絡(luò)性能優(yōu)化算法研究.pdf
- 網(wǎng)絡(luò)服務(wù)性能的反饋控制研究.pdf
- 高性能網(wǎng)絡(luò)服務(wù)應(yīng)用系統(tǒng)開發(fā).pdf
- 降低數(shù)據(jù)中心能耗提高網(wǎng)絡(luò)服務(wù)質(zhì)量優(yōu)化算法研究.pdf
- 大規(guī)模復(fù)雜IT系統(tǒng)可靠性、性能、能耗關(guān)聯(lián)建模理論及其優(yōu)化技術(shù)研究.pdf
- 大規(guī)模復(fù)雜過程系統(tǒng)的高性能優(yōu)化理論與方法研究.pdf
- 大規(guī)模固態(tài)存儲陣列系統(tǒng)性能優(yōu)化方法的研究與實現(xiàn).pdf
- 大規(guī)模云服務(wù)平臺性能分析與預(yù)測方法研究.pdf
- 大規(guī)模認知社會網(wǎng)絡(luò)的性能分析.pdf
- 大規(guī)模交通網(wǎng)絡(luò)的模擬與優(yōu)化.pdf
- 火力發(fā)電機組大規(guī)模脫碳能耗特性研究與系統(tǒng)集成優(yōu)化.pdf
- 大規(guī)模網(wǎng)絡(luò)入侵檢測系統(tǒng)的研究與實現(xiàn).pdf
- 大規(guī)模無線傳感器網(wǎng)絡(luò)性能分析.pdf
- 大規(guī)模定制下產(chǎn)品服務(wù)系統(tǒng)的配置及優(yōu)化研究.pdf
評論
0/150
提交評論