近年來，物聯網、車聯網、雲計算、大數據、量子通信、深度學習等新技術層出不窮。據權威雜誌統計，數據中心的能耗成本已經佔到運營成本的50%。雲計算數據中心設施具有高彈性和虛擬化等特徵。數據中心能量消耗嚴重，已經成為影響雲計算技術大面積推廣的主要障礙和難題。通過應用雲計算虛擬化技術，可以極大降低主要設備能耗。
雲計算平台是一種基於雲計算基礎設施和並行架構、通過互聯網部署的、以服務形式交付的IT資源池。雲計算用户可以在任何時間、任何地點，隨時隨地按需獲取計算、存儲、軟件、應用、網絡等各種IT資源。
1雲計算基本特徵及應用
雲計算是在網格計算技術的基礎上逐漸發展起來的，在全球範圍內已經得到廣泛應用。雲計算是大數據在21世紀的典型應用，其以IT資源交付、共享為核心，是一種IT資源配置、交付和管理模式的創新，其資源的匯聚、交付、共享、管理都是基於雲計算平台展開。雲計算技術是以服務為導向的商業模式創新，以服務模式創新為核心理念和發展模式。
雲計算若按照行業應用分類可以歸納為：教育雲、醫療雲、金融雲、工業雲、政務雲等。教育雲是指在教育領域，以雲計算技術為依託，在現代遠程網絡教育的基礎上，通過構建區級/縣級數據中心，而構建起來的一種新型泛在學習模式。教育雲通過有效整合軟硬件教育資源，對教師的教學能力和學生的學習方式都是一個巨大的變革。醫療雲是在醫療護理領域採用雲計算相關技術和服務理念構建醫療保健服務系統。政務雲是雲計算在政府站建設、政務領域應用的系統建設。金融雲是指利用雲計算技術將金融機構的數據中心與客户端應用整合到雲計算體系架構之中，達到降低運營成本的目的。
2能耗優化與資源分配
雲計算的對象規模大，資源與用户需求各異，且數量巨大，所以系統每時每刻都要處理海量數據，任務調度和資源分配是雲計算的重點和難點，更是雲服務質量高低的重要影響因素。雲計算中的資源分配和調度是雲計算研究的關鍵問題之一。
雲計算資源調度通常根據一定的資源使用規則，在不同資源使用者之間進行資源調度和任務分配。目前，資源調度策略大多數通過虛擬機級別上的調度技術結合一定的調度策略為虛擬機內部應用作資源調度。由於這些調度算法的時間複雜度和空間複雜度比較高，導致算法運行效率比較低，算法整體性能不理想。傳統資源分配方法大都採用預分配的靜態資源調度算法，這種算法已經不適應雲計算資源的異構性、動態性等特徵，而且資源負載能力是動態變化的。國內外雲計算資源分配領域研究主要集中在啟發式仿生算法、負載均衡機制與時間跨度最小化原則、能耗最小化與能耗均勻化管理等方面。圖1為Map Reduce調度模型。
資源管理器將系統調度過程中的所有資源進行全局管理，並對所有資源進行分配，每一個應用的Application Master主要負責相應的資源調度和協調等基本工作。一個應用程序是一個單獨的傳統的Map Reduce任務或者是一個DAG(有向無環圖)任務。
每一個應用的Application Master是一個詳細的框架庫，它結合從Resource Manager獲得的資源和Node Manager協同工作來運行和監控任務。
Resource Manager支持分層級的應用隊列，這些隊列集羣一定比例的資源，根據資源的計算能力和動態負載能力分配適量的計算任務到該節點上，分配結束後將自動從任務等待隊列中刪除任務。同樣，它不能重啟因應用失敗或者硬件錯誤而運行失敗的任務。Resource Manager是基於應用程序對資源需求進行調度，每一個應用程序需要不同類型的資源，因此需要不同的容器。
3實驗測試與結果分析
針對綠色雲計算中資源管理與調度過程，在Map Reduce調度模型基礎上，本文設計了一種並行Map Reduce資源分配算法。PMRRAA算法的實現步驟如下：
步驟1獲取雲計算系統中計算節點相關性能參數;步驟2:根據用户訪問請求獲取資源需求參數;
步驟2:利用Map Reduce資源分配過程，併發訪問雲計算系統各個計算節點;
步驟3:在雲計算系統中選擇計算節點參數符合資源需求參數的'計算節點，並將所選計算節點的資源分配給所述用户，用於執行相應的訪問請求。
步驟4:將用户請求從等待隊列中刪除，資源分配結束。
本文利用Cloud Sim澳大利亞墨爾本大學網格實驗室雲計算仿真軟件Cloud Sim，對PMRRAA算法和Map Reduce算法者性能進行比較。
圖3為兩種算法的能耗對比，圖4為兩種算法系統執行時間比較。通過圖3實驗結果，不難看出：本文設計的PMRRAA算法的能耗少於Map Reduce算法。圖4中，PMRRAA算法的執行時間也比Map Reduce算法少，當系統的任務數量急劇增大後，這種優勢表現得更加明顯Job Tracker兩個主要的功能分離成單獨的組件，分別用來進行資源管理和任務調度/監控。
資源管理器將系統調度過程中的所有資源進行全局管理，並對所有資源進行分配，每一個應用的Application Master主要負責相應的資源調度和協調等基本工作。一個應用程序是一個單獨的傳統的Map Reduce任務或者是一個DAG(有向無環圖)任務。
每一個應用的Application Master是一個詳細的框架庫，它結合從Resource Manager獲得的資源和Node Manager協同工作來運行和監控任務。
Resource Manager支持分層級的應用隊列，這些隊列集羣一定比例的資源，根據資源的計算能力和動態負載能力分配適量的計算任務到該節點上，分配結束後將自動從任務等待隊列中刪除任務。同樣，它不能重啟因應用失敗或者硬件錯誤而運行失敗的任務。Resource Manager是基於應用程序對資源需求進行調度，每一個應用程序需要不同類型的資源，因此需要不同的容器。
4結語
隨着我國雲計算產業的日漸發展，市場需求和行業覆蓋將曰趨完善，並帶動我國市場經濟的快速轉型和高速發展，尤其是以物聯網為技術支撐的戰略新興產業將迎來行業的春天。雲計算將得到充分應用，是未來網絡大發展的有力支撐。通過對比實驗，顯示在系統執行時間和能量消耗兩方面，PMRRAA算法都要比傳統的Map Reduce算法表現出更佳的性能。
文萃咖
