一种云计算管理系统技术方案

一种云计算管理系统，包括云客户数据端、数据采集模块、数据传输模块和云计算中心，所述云客户数据端用于汇总储存本地客户的相关数据，所述数据采集模块用于对云客户数据端中的数据进行采集和安全检测，并将检测的安全数据通过数据传输模块传输至云计算中心，所述云计算中心用于对接收到的数据进行存储和处理。本发明专利技术提供一种云计算管理系统，通过对采集的数据进行安全检测，确保了云计算管理系统的安全性；对云计算中心的数据存储方式和处理方式进行改进，从而有效的提高了云计算系统中数据存储的可靠性，并保证了云节点之间负载的均衡，从而有效的提高了云计算系统的应用处理性能。

A cloud computing management system

【技术实现步骤摘要】
一种云计算管理系统
本专利技术创造涉及云计算领域，具体涉及一种云计算管理系统。
技术介绍
云计算是一种新兴的商业模式，它是分布式计算、并行计算、网格计算、虚拟化、负载均衡等技术融合发展的产物。云计算系统服务的实现主要依靠云数据中心完成，由于云计算技术的发展，对云数据中心的要求越来越复杂。云数据中心主要由数量巨大的服务器和网络设备组成，这些网络设备和服务器的异构性强，用户的需求复杂、要求高质量的服务、要求更合理的动态资源管理，因此对云数据中心提出了更高的要求。但实际上云数据中心目前存在着效率低、成本高、能耗高等问题。而云资源调度技术的进步、数据存储的均衡，将灵活地管理云数据中心资源，使得云资源的利用率不断提高，资源配置更优化，云资源浪费得到改善，降低云基础设施升级的成本，更好地满足用户的使用体验。
技术实现思路
针对上述问题，本专利技术旨在提供一种云计算管理系统。本专利技术创造的目的通过以下技术方案实现：一种云计算管理系统，包括云客户数据端、数据采集模块、数据传输模块和云计算中心，所述云客户数据端用于汇总储存本地客户的相关数据，所述数据采集模块用于对云客户数据端中储存的数据进行采集，并对采集得到的数据集进行安全检测，当检测所述数据集为安全数据时即通过数据传输模块传输至云计算中心，由云计算中心对所述安全数据进行分布式存储和处理；所述数据采集模块用于对采集得到的数据集进行安全检测，包括数据聚类部分和恶意数据检测部分，所述数据聚类部分采用模糊C均值聚类算法将采集的数据集划分为l个子类，并给每一个子类定义一个聚类中心，采用粒子群算法寻找最优聚类中心，设所述数据划分的类别集合为{C＝c1,c2,…,cl}，对应的聚类中心集合为{V＝v1,v2,…,vl}，则定义粒子群算法的适应度函数为：式中，m是模糊指数，vj为类cj的聚类中心，uij为数据集中第i个数据样本在类别cj中的隶属度，n为数据集中的数据总数，l为聚类中心的个数；所述恶意数据检测部分用于判断各分类中的数据是否为恶性数据，当检测为恶性数据时即将该类中的数据删除。优选地，在所述粒子群算法的第k次迭代后，将粒子群中各粒子按其适应度值由大到小进行排列后组成集合F(k)＝{hi(k),i＝1,2,…M}(其中，M为粒子种群规模，hi(k)为粒子i在第k次迭代时对应的适应度值)，将集合F(k)按顺序划分为两个集合H(k)和L(k)，集合H(k)由集合F(k)中前的粒子组成，集合L(k)中由集合F(k)中后的粒子组成，当集合H(k)和集合L(k)中的粒子的适应度值满足条件值满足条件时(其中，为集合H(k)中各粒子适应度值的均值，为集合L(k)中各粒子适应度值的均值，pbest(j)为第j次迭代时的全局最优值，pbest(j+1)为第(j+1)次迭代时的全局最优值，为设定的数值较小的正数)，即采用迭代的方式对粒子群中的较优粒子进行局部调整，具体为：设当前局部调整迭代次数为t，设置局部调整最大迭代次数为Tmax，在集合H(k)中随机选取三个粒子xj(k)、xm(k)和xn(k)(j＜m＜n)，采用下式生成新的粒子：式中，为局部调整第t次迭代时生成的粒子xc在第d维的位置，d＝1,2,…,D，其中，D为粒子群算法的搜索空间，为粒子群算法在第k次迭代时粒子xj在第d维的位置，为粒子群算法在第k次迭代时粒子xm在第d维的位置，为粒子群算法在第k次迭代时粒子xn在第d维的位置，a1和a2为随机生成局部调整方向参数，且a1和a2均为大于0小于1的随机数；设xc(t)为生成的新粒子xc在局部调整的第t次迭代时的位置，xc(t)对应的适应度函数为h(xc(t))，当h(xc(t))＞h(xj(k))时，即用粒子xc(t)替换粒子xj(k)；当适应度值h(xm(k))＜h(xc(t))＜h(xj(k))时，即用粒子xc(t)替换粒子xm(k)；当h(xn(k))＜h(xc(t))＜h(xm(k))时，即用xc(t)替换粒子xn(k)；当h(xc(t))＜h(xn(k))时，即随机初始化a1和a2；当局部调整的迭代次数达到局部调整的最大迭代次数Tmax时，即停止局部调整，当集合H(k)中存在粒子的适应度值高于全局最优值对应的适应度值时，则令该粒子替换全局最优值，成为新的全局最优值。优选地，所述数据采集模块定时检测云客户数据端中是否有数据更新，如果检测到有数据更新则进行数据采集。优选地，云计算中心包括数据存储单元和数据处理单元，所述数据存储单元用于对接收到的数据进行分布式存储，所述数据处理单元用于对存储后的数据进行处理。优选地，所述数据存储单元在Hadoop云计算框架下，将接收到的数据分割成L个大小为N的数据块，并采用下列方式选择云节点存储所述数据块，具体为：(1)定义云节点i的存储优先级为Ci，则存储优先级Ci的计算公式为：式中，N表示分割的数据块大小，fi表示服务器的当前利用率，Fbest表示服务器的最优利用率，Si表示该文件已经分配到云节点i的数据块数量，Oi表示云节点i的磁盘读I/O性能，a和b为权重系数，且a+b＝1；(2)定义各个云节点存储数据块数量的存储阈值为H，则云节点i对应的存储阈值Hi为：式中，L表示分割的数据块总数，Ci为上述计算所得的云节点i的存储优先级，Ck为云节点k的存储优先级，Y表示云节点的总数，μ为调节参数；(3)选择云节点对数据块进行存储，设置存储的数据块副本数为3，当上传该数据块的云节点为本地节点时，NameNode选择本地节点中具有最高存储优先级且存储的数据块数小于其存储阈值的云节点存储该数据块的第一副本(当上传该数据块的云节点不是本地节点时，随意选取一个机架中具有最高存储优先级且存储的数据块数小于其存储阈值的云节点作为本地节点，存储该数据块的第一副本)，选择本地节点所在机架的任一节点存储该数据块的第二副本，选择另一机架上具有最高存储优先级且存储的数据块数小于其存储阈值的云节点存储该数据块的第三副本。本专利技术创造的有益效果：提供一种云计算管理系统，通过对采集得到的数据集进行安全检测，保证了云计算管理系统的安全性；对云计算中心的数据存储方式和处理方式进行改进，从而有效的提高了云计算系统中数据存储的可靠性，并保证了云节点之间负载的均衡，从而有效的提高了云计算系统的应用处理性能。附图说明利用附图对专利技术创造作进一步说明，但附图中的实施例不构成对本专利技术创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本专利技术结构示意图。具体实施方式结合以下实施例对本专利技术作进一步描述。参见图1，本实施例的一种云计算管理系统，包括云客户数据端1、数据采集模块2、数据传输模块3和云计算中心4，所述云客户数据端1用于汇总储存本地客户的相关数据，所述数据采集模块2用于对云客户数据端1中储存的数据进行采集，并对采集得到的数据集进行安全检测，当检测所述数据集为安全数据时即通过数据传输模块3传输至云计算中心4，由云计算中心4对所述安全数据进行分布式存储和处理；所述数据采集模块2用于对采集得到的数据集进行安全检测，包括数据聚类部分和恶意数据检测部分，所述数据聚类部分采用模糊C均值聚类算法将采集的数据集划分为l个子类，并给每一个子类定义一个聚类本文档来自技高网...

【技术保护点】
1.一种云计算管理系统，其特征是，包括云客户数据端、数据采集模块、数据传输模块和云计算中心，所述云客户数据端用于汇总储存本地客户的相关数据，所述数据采集模块用于对云客户数据端中储存的数据进行采集，并对采集得到的数据集进行安全检测，当检测所述数据集中的数据为安全数据时即通过数据传输模块传输至云计算中心，由云计算中心对所述安全数据进行分布式存储和处理；所述数据采集模块用于对采集得到的数据集进行安全检测，包括数据聚类部分和恶意数据检测部分，所述数据聚类部分采用模糊C均值聚类算法将采集的数据集划分为

【技术特征摘要】
1.一种云计算管理系统，其特征是，包括云客户数据端、数据采集模块、数据传输模块和云计算中心，所述云客户数据端用于汇总储存本地客户的相关数据，所述数据采集模块用于对云客户数据端中储存的数据进行采集，并对采集得到的数据集进行安全检测，当检测所述数据集中的数据为安全数据时即通过数据传输模块传输至云计算中心，由云计算中心对所述安全数据进行分布式存储和处理；所述数据采集模块用于对采集得到的数据集进行安全检测，包括数据聚类部分和恶意数据检测部分，所述数据聚类部分采用模糊C均值聚类算法将采集的数据集划分为个子类，并给每一个子类定义一个聚类中心，采用粒子群算法寻找最优聚类中心，设所述数据划分的类别集合为，对应的聚类中心集合为，则定义粒子群算法的适应度函数为：式中，是模糊指数，为类的聚类中心，为数据集中第个数据样本在类别中的隶属度，为数据集中的数据总数，为聚类中心的个数；所述恶意数据检测部分用于判断各分类中的数据是否为恶性数据，当检测为恶性数据时即将该类中的数据删除。2.根据权利要去1所述的一种云计算管理系统，其特征是，在所述粒子群算法的第次迭代后，将粒子群中各粒子按其适应度值由大到小进行排列后组成集合（其中，为粒子种群规模，为粒子在第次迭代时对应的适应度值），将集合按顺序划分为两个集合和，集合由集合中前的粒子组成，集合中由集合中后的粒子组成，当集合和集合中的粒子的适应度值满足条件值满足条件时（其中，为集合中各粒子适应度值的均值，为集合中各粒子适应度值的均值，为第次迭代时的全局最优值，为第次迭代时的全局最优值，为设定的数值较小的正数），即采用迭代的方式对粒子群中的较优粒子进行局部调整，具体为：设当前局部调整迭代次数为，设置局部调整最大迭代次数为，在集合中随机选取三个粒子、和，采用下式生成新的粒子：式中，为局部调整第次迭代时生成的粒子在第维的位置，，其中，为粒子群算法的搜索空间，为粒子群算法在第次迭代时粒子在第维的位置，为粒子群算法在第次迭代时粒子在第维的位置，为粒子群算法在第次迭代时粒子在第维的位置，和为随机生成局部调整方向参数，且和均为大于0小于1的随机数；...

【专利技术属性】
技术研发人员：关怡，
申请(专利权)人：南昌诺汇医药科技有限公司，
类型：发明
国别省市：江西,36