Running Noob

• 研究场景：在云数据中心的层次结构上，对虚拟机在实际物理主机上的部署进行研究
• 研究目标：实现实际物理资源的高利用率，并降低能耗
• 算法：使用了两阶段策略，在初始 VM 放置的集群选择阶段，使用超启发式算法；对于长期操作，设计了一个基于博弈论的 VM 监控程序，实现 VM 在不同主机之间的迁移

• https://github.com/Cloudslab/iFogSim
• iFogSim 基于 CloudSim，扩展了基本的 CloudSim 类的抽象，提供了模拟具有大量雾节点和物联网设备（如传感器、执行器）的定制雾计算环境。iFogSim 的核心执行思想：**Sense - Process - Actuate**
• iFogSim 可以实现对端到端延迟、网络拥塞、能耗、执行成本和 QoS 的评估
• iFogSim 主要有三个基本组件构成：physical components、logical components、management components

• 场景：中心云端，没有涉及边缘云端
• 问题描述：给定一个数据中心（云端）以及一个 SaaS 应用程序，将 SaaS 应用程序的不同组件放置在数据中心的不同服务器上，来达到性能最优（应用执行时间最小且服务水平保持在一个合理的等级）。
• 算法：regrouping algorithm 用于子种群中的服务器之间协作进化，cooperative learning strategy 用于不同子种群中的服务器之间交换信息，来达到放置最优。

• 场景：云边协同，复杂且延迟敏感度低的任务卸载到中心云端进行处理，简单且延迟敏感度高的任务卸载到边缘云端进行处理

• 这篇论文考虑了两个问题：

  1. 物联网设备提交的任务应该交由哪个应用模块来执行 -> 动态的启发式任务处理算法
  2. 应用模块应该部署在哪个机器上 -> 改进的离散粒子群优化算法
  • 考虑的因素是延迟和能耗

• 这篇论文通过使用 “矩阵” 的方式来描述应用程序模块和雾设备之间的放置关系。

• 差分数组是一种用于高效处理数据序列上一段区间内每个元素增减同一个值的技术。它常用于数组和列表数据结构中，可以让区间修改的操作时间复杂度降低到O(1)，查询操作的时间复杂度为O(n)。