多媒体云计算中基于QoS和可信性的资源协同管理研究

Multimedia Cloud Computing is one of the rising hot topics. This project is about cooperative resource management based on quality of services (QoS) and trustworthiness in multimedia cloud computing. Main contents to be researched include: (1) To build a hierarchical QoS framework with multi dimensions firstly, then to give a method of mapping users' QoS requirements to cloud resources' types, quantity and performance. (2) To present a flexible trustworthiness model and a method for evaluating the trustworthiness of cloud resources, considering subject recommendations and object feedbacks. (3) To develop an algorithm for scheduling cloud resources based on the cooperative QoS framework and evaluating results mentioned above. (4) To build a cloud workflow system supporting the above methods and algorithms for multimedia applications. The purpose of this project is to build a complete architecture for cooperative management of cloud resources, whose core contents include mapping users' QoS requirements to cloud resources, evaluating the trustworthiness of cloud resources, and scheduling cloud resources based on QoS and trustworthiness. The expecting results of the project are meaningful for the following potential application areas, such as traditional culture and music of Mongolians, environment inspecting and protecting, etc.

多媒体云计算是新兴的热点研究领域之一。本课题研究多媒体云计算中基于服务质量（QoS）和可信性的协同的云资源管理。主要研究内容有：（1）建立分层次、多维度的用户QoS框架，给出用户QoS需求到云资源类型、数量和性能的映射方法；（2）提出一种主观推荐和客观反馈相融合的方法，研究柔性的云资源信任模型和评估方法；（3）基于协同的QoS框架和信任评估结果，提出多任务的云资源调度方法；（4）基于云工作流技术，实现上述方法对多媒体云计算应用的支持。本课题拟建立完善的云资源协同管理体系，特别是填补现有研究在用户QoS需求到云资源的映射方法、基于QoS的云资源信任评估和多任务下的云资源调度方法上的不足。本课题的研究结果对内蒙古自治区草原文化、民族音乐的传承和推广、环境监测与保护等具有重要意义和潜在的应用前景。

本课题研究多媒体云计算中基于服务质量和可信性的协同的云资源管理。主要完成的研究内容有：（1）建立分层次、多维度的用户QoS框架，基于用户QoS 需求模型和云资源的统一描述模型，给出一种用户QoS需求到云资源数量、类型和性能的映射方法，解决了用户的直观需求到云资源的技术性表述的转换问题；（2）研究主观推荐和客观用户反馈相融合的方法，根据用户偏好相似度计算，聚类用户社团，提出一种基于社团信任对云服务进行评估的方法，为用户如何选择云服务提供可借鉴的支持；（3）研究服务策略和选择策略的制约关系，分析用户和服务商的动态均衡，发现云中基于多QoS需求的服务优化模型，设计面向服务商的基于QoS和可信性的资源协同调度和分配方案，以及研究多任务模式下的资源协同调度和分配；（4）在云平台系统中，基于工作流技术，自动化上述研究内容提供的解决方案；（5）研究在上述过程中出现的其他相关问题，如：基础性算法、云移植、云测试和视频目标跟踪应用等。