基于银行模型的混合云计算(英文版)

本书从云计算的产生及发展变迁开始，逐步进入到混合云计算领域。针对混合云计算由于其服务的不确定性和异构环境，面临着在服务提供、消费质量保证、定价及交易风险预测等方面的挑战。本书针对混合云计算，研究其模式下的资源交易核心问题。应用建立的云银行模型中资源提供者、消费者及云银行代理三种角色在计算资源及服务提供中面临的问题及关键技术展开研究。通过建立不同交易时期的定价策略，探索适合的定价框架。对因服务不确定性在交易过程中产生的"流动、信用"等交易风险进行分类、预测，并给出解决方案。本书实验环节采用基于开源的Eucalyptus，OpenStack以及OpenNebula对所提出的方法进行测试、验证和比对。随着混合云计算研究的深入，这一研究领域将有潜力改变真实环境下混合云服务提供及消费模式，为其交易过程提供有效的科学依据及实际运用支撑。

1 Cloud Computing Resource Management and Scheduling Based on a Banking Model
1.1 Introduction
1.2 Inspiration for Computational Clouds
1.3 Banking Model Based Cloud Computing Resource Management and Scheduling
1.3.1 The Cloud Computing Requirements Analysis
1.3.2 The Technical Cloud Environment Requirement
1.4 Contributions to Research
1.4.1 Banking Model for Cloud Computing Resource Management
1.4.2 Optimal Deposit-loan Ratio
1.4.3 Risk Mitigation and Prediction Management
1.4.4 Pricing Scheme of the Cloud Resource over the Lifecycle
1.4.5 Cloud Computing Resource Management and Distribution Based on the Pareto Equilibrium
1.4.6 Building a Real Cloud Computing Platform Based on Open Sourcing
1.5 Organization
References

2 Background Study on Cloud Computing， Resource Management and Scheduling
2.1 Computational Clouds
2.2 The Evolution of Cloud Computing Technology
2.2.1 Parallel Computation
2.2.2 Distributed Computing
2.2.3 The Main Difference between Distributed Computing and Parallel Computing
2.2.4 Grid Computing
2.3 Cloud Computing
2.3.1 Background Research
2.3.2 The Definition of Cloud Computing
2.3.3 The Taxonomy of Cloud Computing
2.3.4 Internal Components of Cloud Computing
2.3.5 Main Differences between Cloud Computing and Grid Computing
2.4 Cloud Resource Management
2.4.1 Main Strategies of Cloud Resource Management
2.4.2 The Taxonomy of Cloud Resource Management
2.4.3 Key Cloud Resource Management Technology
2.5 Summary
References

3 Economics and Cloud Computing Resource Management
3.1 Survey of Economic Theories Based on the Grid Resource Management Project
3.2 Economic Theories can Provide a Solution to Solve Cloud Computing Resource Management Issues
3.2.1 Cloud Computing as a Business-driven Technology
3.2.2 Cloud Computing Technology Fit in with the Needs of the Society and Economic Laws
3.3 Using Economic Theories in Cloud Computing Resource Management
3.3.1 The Law of Demand and Supply in Cloud Computing Environment
3.3.2 The Law of Diminishing Marginal Returns in the Cloud Computing Environment
3.3.3 Monopolies in the Cloud Computing Environment
3.4 Summary
References

4 Problem Identification
4.1 Resource Accounting
4.2 Resource Scheduling
4.3 Cloud Computing Resource Transaction Risk Mitigation and Coping
4.4 The QoS Issue
References

5 Research Approaches to Banking Models for Cloud Computing Resource Management
5.1 Banking Model
5.2 How Does the Cloud Computing Follow the Real Bank to Do Transaction
5.2.1 Optimal Deposit-loan Ratio Theory in Cloud Banks
5.2.2 Identifying Factors Affecting the Cloud Bank
5.3 The Pricing Schema for Cloud Computing
5.4 Avoiding Banking Risk in the Transaction
5.5 Cloud Bank Scheduling and the Pareto Optimality
5.6 Interior Components of the Cloud Bank
5.7 Summary
References

6 Research Approaches for Risk Mitigation and Coping
6.1 The Risk Mitigation and Management in Commercial Banks
6.2 The Risk Mitigation in the Cloud Bank
6.2.1 The Classification of Risks in Cloud Bank
6.2.2 The Strategy of Risk Mitigation
6.2.3 The Strategy of the Risk Coping
6.3 Experiment Setup
6.4 Analysis of Experimental Results
6.5 Summary
References

7 Research Approaches for the Pricing Scheme of the Cloud Bank in the Price lifecycle
7.1 The Centralized Synchronous Algorithm
7.1.1 The Theory of Optimal Deposit-loan Algorithm
7.1.2 The Resource Management Model Based on Optimal Depositloan Algorithm
7.1.3 Single Resource Pricing Underlying the Cloud Bank Model
7.1.4 About the Optimal Deposit-loan Algorithm
7.2 Distributed Price Adjustment Algorithm
7.2.1 Pricing Scheme of Cloud Resources in the Initial Stage
7.2.2 Pricing Scheme of Cloud Resources in a Stable Stage
7.3 The Service Level Agreement of the Cloud Bank Model
7.3.1 Why We Need CBSLA
7.3.2 The CBSLA Framework
7.3.3 Signature Process of the CBSLA Contract
7.3.4 Generation of the CBSLA
7.4 Summary
References

8 Research Approaches for the Pareto Optimality Based Scheduling
8.1 The Concept of Pareto Optimality
8.1.1 Pareto Optimality
8.1.2 Pareto Improvement
8.2 Cloud Banks Achieve Optimal Resources Allocation by Pareto Theory
8.3 The Extended Pareto Optimality Model
8.3.1 Relative Proof
8.3.2 To Solve the Problem Under M x N Pareto Optimality
8.4 Cloud Banks Achieve Optimal Resources Allocation by Pareto Optimality Theory
8.5 Improvement of PO-based Allocation Strategy
8.6 The Steps of Dynamic Simulation
8.7 The Simulation Environment Set Up
8.8 Running the CloudSim Instance
8.9 Analysis of Experimental Results
8.1 0Summary
References

9 The Real Laboratory Platform： IaaS Based Cloud Computing Platform
9.1 Introduction
9.2 Setting up the IaaS Based Cloud Computing Environment
9.2.1 The Comparison of the Two Kinds of the Platform Structures
9.2.2 Introduction of EUCALYPTUS
9.2.3 EUCALYPTUS Platform Advantage
9.2.4 EUCALYPTUS Platform Framework
9.2.5 EUCALYPTUS Components
9.2.6 EUCALYPTUS Configuration
9.2.7 EUCALYPTUS Installation Readiness
9.2.8 Installation of EUCALYPTUS Technical Route
9.2.9 Specific Methods of EUCALYPTUS Installation
9.3 Cloud Computing Simulator： CloudSim in Use
9.4 The Structure of the CloudSim
9.5 Summary
References

10 Conclusions and Future Directions
10.1 Summary
10.2 Conclusions
10.3 Future Directions
10.3.1 Supporting Accounting and Visualization
10.3.2 Supporting Complex Service and Task Description
10.3.3 Supporting Real Cloud Computing Environment Experiment Platform
10.3.4 Supporting a Variety of Risks in a Cloud Computing Environment