云计算环境下基于用户行为的资源调度机制的研究

Scheduling mechanism in cloud computing environment concerns more about the needs of users due to the commercial purpose of cloud computing. In response to the service-oriented and user-oriented features, this project deep dives the problem of cloud resource scheduling based on user behavior and aims to find out a scheduling mechanism which can not only increase the efficiency of resource scheduling but also provide guaranteed service for users with devise requirements. The detail work includes two parts. First, by introducing the collaborative filtering technology learned from recommendation system, an associated model between user behavior and resource is built to predict the users' real purpose and an on-demand resource clustering method is proposed to reduce the range of search, improving the efficiency and accuracy of resource scheduling in cloud computing. Secondly, by combining with the relevance feedback mechanism, user behavior information collected from the interaction is integrated into the resource scheduling and a user requirement oriented resource scheduling mechanism is developed with the capability of active discovering and automatically adjusting of the needs of users. The research work above can provide a new idea and approach for the resource scheduling in cloud computing environment.

作为互联网资源利用的新模式，云计算的商业性使其调度机制更加关注用户的需求。针对云计算资源调度这种面向服务、面向用户的特点，本项目从用户行为的角度着手，利用用户行为所体现出的相关性和稳定性，深层挖掘用户的真实意图，试图找到提高资源调度效率、满足用户需求的调度机制，从而为具有不同需求的用户提供有保障的服务。主要研究内容包括两方面，一是通过借鉴推荐系统中的协同过滤技术，分析、提取用户行为来预测用户的真实目的，研究按需聚合的资源聚类模型和聚类方法，以减少资源搜索空间，提高资源调度的效率和准确性；另一个是利用用户交互行为，将用户行为信息融入到资源调度过程中，并结合相关反馈机制，研究面向用户需求的资源调度机制，实现用户需求的主动发现和自动调节。本项目的研究为云计算环境下资源调度问题的求解提供新的思路和方法。

资源调度是云计算技术的重要组成部分，其效率直接影响整个云计算环境的工作性能，同时也决定了云计算用户的参与和接受程度。本项目从用户的角度出发，结合机器学习中的聚类技术、推荐技术，以及信息检索中的相关反馈机制，基于用户行为建立了面向用户需求的资源调度框架和调度机制，为云计算环境下资源调度问题的求解提供新的思路和方法。. 本项目按照预定的研究计划，顺利完成了预期的各项成果指标，取得了一些重要的研究成果。在资源的按需聚合方面，本项目基于聚类技术对云计算资源进行预处理，实现资源的合理划分；在此基础上，基于用户行为特征构建用户和资源的关联模型预测用户的真实目的，给出了基于协同过滤推荐机制的资源按需聚合方法，以缩小资源搜索空间，提高资源调度的效率和准确性。在基于用户行为反馈的资源调度的方面，本项目从用户的客观需求和主观偏好两方面出发，构建用户需求信息的表示模型，在此基础上结合相关反馈机制，将用户行为信息融入到资源调度过程中，提出了基于用户行为反馈的资源调度机制，使调度结果更加符合用户的真实需求，从而为具有不同需求的用户提供有保障的服务。此外，本项目构建了先进的云计算实验平台，提出了分布式存储和并行计算模式的优化策略以提高平台性能，研发了基于Web的Hadoop作业提交管理系统，在真实的云计算环境中验证模型和算法的性能。本项目还积极探索资源调度理论和技术在大规模图像检索和特征匹配中的应用，提出了基于云计算平台的并行图像检索方法，提高图像处理的速度和图像检索的效率。. 总体来说，本项目按照研究计划顺利完成。发表学术论文12篇，其中SCI检索的期刊论文5篇，EI检索的期刊论文4篇，其他期刊论文2篇，国际会议论文1篇。依托本项目，项目负责人成功晋升副教授职称，并培养博士生2名，硕士生4名。