xk-split:基于k-medoids的分裂式聚类算法

近年来互联网数据规模呈爆炸式增长,如何对大数据进行分析已成为热门话题。然而,采集的数据很难直接用于分析,需要进行一定程度的预处理,以提高大数据质量。通过使用分裂式的迭代过程,可以逐步将数据集分裂为子集,避免了传统聚类算法聚类开始时需要确定集群数的限制,并降低了算法的时间复杂度。此外,通过基于阈值的噪声数据过滤,可以在迭代过程中剔除噪音数据,提升了聚类算法对脏数据的忍耐力。     

基于互斥条件的云数据中心虚拟机整合策略

在云数据中心,虚拟机整合（VMC）是绿色计算和最小化集群功耗问题的关键技术。大多数研究采用基于资源使用率来寻求最合理的虚拟机（VM）整合方式,但在整合过程中并未考虑物理服务器（PM）的可用性及同位VM的稳定性问题。本文提出了基于互斥条件限制的VMC策略,该策略同时考虑PM的可用性和VM之间的互斥性两方面因素;给出了集群服务器统一资源预留计算方法,用于保证PM可用性的问题,并给出了基于VM历史运行数据的相似度判定方法,用于解决互斥条件的判定问题。将该策略应用于运行在OpenStack平台中的VM数据,实验结果表明：该策略可以有效地保证PM的可用性,避免同类型VM被整合在一起,减少同位VM的性能损失和确保服务质量。     

基于能耗降低的虚拟机动态迁移算法

在云计算环境中,有效的虚拟机动态迁移算法有助于降低能耗和SLA违反率。本文提出了一种改进的虚拟机动态迁移算法,通过双阈值策略、基于最小迁移代价的虚拟机选择策略和目标物理节点的概率选择策略来降低能耗,并降低SLA违反率。仿真实验表明,该方法在虚拟机动态迁移中能够降低系统的能源消耗,同时也降低了SLA违反率。