云存储系统中节能关键技术研究

With the explosive growth of digital information, users put forward new demands on the mass data storage. Energy consumption is increasingly serious caused by the increasing scale of data storage. Energy saving technologies based on performance guarantee therefore become a research hotspot. This project studies the key technologies in the process of energy saving based on the cloud storage systems. Specific include: In order to meet the real-time online service of cloud storage systems, it studies the multi-target data hierarchical storage strategy; to meet the reliability and performance of cloud storage systems, it studies an energy saving technology based on data migration that ensures the reliability and performance; to meet the massive data management and reduce the capacity requirements for massive data storage in cloud storage systems, it studies an energy saving technology based on data de-duplication. Finally, it builds an energy-efficient cloud storage platform based on Hadoop to test the proposed energy saving strategies. The main goal of the project is to research on key technologies of energy saving for the cloud storage systems, which starts from the aspects of data storage and management, aims to meet the new characteristics of cloud storage systems, makes the cloud storage systems meet the needs of users while achieving energy saving.

随着数字信息的爆炸性增长，用户对海量数据的存储提出了新的需求，日益增大的数据存储规模所带来的能耗问题也越来越严重，基于性能保证的节能技术因此成为研究热点。本项目在云存储系统的基础上，对节能过程中的关键技术进行研究。具体包括：为满足云存储系统的实时性在线服务，研究基于多指标的数据分级存储策略；为满足云存储系统的可靠性及性能，研究一种可保证可靠性及性能的基于数据迁移的节能技术；为满足云存储系统的海量数据管理、减少海量数据的存储容量需求，研究一种基于重复数据删除的节能技术。最后，基于Hadoop搭建一个低能耗的云存储平台，对所提出的节能方案进行测试。项目的主要目标是从数据存储与管理等方面着手，为满足云存储系统的新特性，对云存储系统中的节能关键技术进行研究，使得云存储系统在实现节能的同时也能满足用户的需求。

为了解决大规模云数据中心所面临的能耗日益增长问题，在不影响用户服务质量的前提下，本项目重点研究了基于性能保证的节能技术。首先，对数据的生命特征进行了研究，根据数据的存储价值提出了一种基于数据预分类的多目标优化分级云存储策略以及一种基于动态阈值调整的分级存储方法，将数据存储到合适的存储级别上，在一定程度上降低了系统能耗，提升了数据访问速率，提出了无需支付的非服从资源供应的战略证明机制，解决了主流计算环境中节点的私有信息的真实性报告的激励问题。其次，研究了基于数据划分和相似度聚类的重复数据删除策略，通过尽可能地删除更多的重复数据来降低系统的存储开销。再次，研究了有期限约束的多任务调度费用公平性评估模型，提高了用户的满意度。最后，随着人工智能的发展，本项目对神经网络进行了深入研究，拟采用神经网络来对文件的分级存储与布局进行优化以节省能耗，针对以上研究，已在国际权威SCI期刊和IEEE国际会议上发表或录用的基金标注的相关论文6篇，申请国家发明专利3项，培养了硕士生7人。此外，我们还开展了与课题研究内容密切相关的应用研究。