.png){kind=icon}
返回
Network-Aware Optimization for Efficient Data Placement in Geo-Distributed Cloud Systems
.png){kind=icon}
OA
AI
DOI：10.1007/s10723-025-09818-1.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
物联网和云基础设施的爆炸式增长给地理分布的数据中心之间的数据放置带来了重大挑战。现有的放置策略虽能提升性能，但通常难以显著降低传输延迟并确保这些数据中心之间的负载均衡。本文提出了一种针对地理分布云环境的有效数据放置策略——最优数据放置方法（ODPM）。ODPM包含两部分：第一部分是Vogel近似法（VAM）与修正分配法（MODI）技术的结合，用于处理分布式云数据中心的成本降低、负载均衡分布和容量约束问题。VAM确保了解决数据运输问题的有效起点，而MODI方法则用于优化VAM提供的解决方案。第二部分采用Floyd最短路径算法，寻找物联网设备与云存储之间的最短距离，以最小化数据传输时间和成本。该综合方法关注三个方面：数据传输时间、计算时间和云数据中心之间的负载均衡。实验结果表明，ODPM相比当前技术（如超图上的谱聚类SpeCH和基于拉格朗日松弛的数据放置DPLR）将数据传输时间减少了12%，在最优路径计算的计算时间上减少了8%，同时负载均衡提升了15%。通过整合MODI和Floyd算法，ODPM构成了一种针对当代云环境大数据分配的高效且现实的方法。
Keyword:
Cloud storage
Data placement strategies
Floyd’s algorithm
Vogel’s approximation method
Modified distribution techniques
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.9
论文数:
764
被引数:
1.2K
机构
引用论文
Applying IoT Sensors and Big Data to Improve Precision Crop Production: A Review应用物联网传感器和大数据提高作物生产精度: 综述.png)
AGRONOMY-BASEL
OAAI
AGRONOMY-BASELIF3.4
OAAI分享收藏分享收藏分享收藏A novel hybrid arithmetic optimization algorithm and salp swarm algorithm for data placement in cloud computingSOFT COMPUTINGOAAI
SOFT COMPUTINGIF2.5
OAAI分享收藏SpeCH: A scalable framework for data placement of data-intensive services in geo-distributed cloudsOAAI
OAAI分享收藏Adaptive priority-based data placement and multi-task scheduling in geo-distributed cloud systems
PREAI
分享收藏
查看更多内容