图书馆云计算可行性研究

王彦明+薛云+饶洪+刘斌+奉国和

〔摘要〕从海量数据处理、高并发访问和竞争主体多元化3方面阐述图书馆云计算需求。采用统计分析法研究基础设施、资金投入、技术人才和用户接入条件。采用对比分析法将云计算方案分为商业云和开源云，提出基于Eucalyptus的服务器整合、基于MongoDB的高性能网站和基于Hadoop的个性化推荐系统3种典型方案。从初始投资成本、运维成本和扩展能力3个角度评价图书馆云计算效益。

〔关键词〕图书馆；云计算；可行性；分布式；虚拟化；解决方案；效益评价

知识经济时代，创新是发展的动力。图书馆作为科学研究支撑机构承担着信息保障职责。数字资源增长为图书馆信息化建设提出了挑战。传统建设采用一次性投入方法，资金投入表现出明显的周期性。巨额初始投资是图书馆数字资源服务建设的主要障碍之一。为了解决高端硬件价格昂贵，扩展性不足的问题，产生了云计算模式。通过廉价设备，设备购置从集中转为分散，在成本和扩展性方面具有明显优势。一些国外图书馆已经开始采用云计算模式[1]，例如美国俄亥俄图书馆与信息网络（OhioLINK）使用AWS托管数字资源；科罗拉多州西部州立大学采用Google App架设服务；OCLC从2010年开始提供基于云计算的协作管理服务。鉴于云计算的广泛应用价值，我国科技部于2013年9月发布“中国云科技发展十二五专项规划”，提出以需求为导向发展自主可控的云计算技术[2]。本文研究图书馆采用云计算的技术需求、建设条件、建设方案和效益评价，希望为相关建设提供参考。

1图书馆云计算需求分析

11海量数据处理

在信息化社会，科学研究、物联网和互联网领域正在产生海量数据。据统计，美国研究图书馆协会（ARL）的110家成员每年花费数亿美元采购电子资源。我国截至2005年在线数据库达到30多万个。中科院拥有自建数据库388个，容量达13TB。图书馆每年加工的数字化文献达数千万页，平均每个图书馆拥有4个自建数据库。科学研究进入了数据密集型阶段，除了数据规模海量增长外还表现出分布、异构、低质量的特征。多核处理器、GPU计算、FPGA（现场可编程逻辑器件）以及每秒计算速度超过千万亿次的高性能计算设备在一定程度上缓解了海量数据处理压力。除了硬件技术的进步，计算模式的变革对于解决海量数据处理问题具有更为重要的意义。并行计算、分布式计算以及数据流等技术克服了单一节点计算能力的不足，适合海量非结构化数据处理[3-6]。

12高并发访问

图书馆信息系统面向广大读者，并发访问能力是影响服务范围和用户体验的关键因素。采用通用成熟方案能够降低技术风险，但在高流量下会遇到各种瓶颈，通过升级硬件一般不能满足需求。采用IBM等大公司定制的解决方案需要采购大型机，支付软件使用费及各项技术专利费用。一些企业采用自主研发方式，例如淘宝等电子商务企业，但这种方式仍需要投入巨大的资金和技术力量。大型分布式系统依据CAP理论和BASE原则。高并发访问是高性能和高可用的兼顾，是在系统性能达到极限的情况下为尽可能多的用户提供稳定服务。图书馆分布式系统可以在保证最终一致性条件下降低任意时刻一致性。采用SSD、SAS、SATA等读写速度有差异的设备混合搭配，判定和迁移热点数据提供分层存储。NAS架构下通过MemCached分布式缓存能有效降低数据库负载[7-9]。

2014年7月第34卷第7期现？代？情？报Journal of Modern InformationJuly，2014Vol34No72014年7月第34卷第7期图书馆云计算可行性研究July，2014Vol34No713竞争主体多元化

依据波特的竞争战略分析模型，图书馆可以视为具有非营利性和依附性特征的一类企业。其服务不产生盈利，成本来自社会投入。近年来同类机构例如博物馆、档案馆、网络中心和计算机中心等和图书馆在用户和投入资金方面形成了竞争。信息娱乐业、网上书店、搜索引擎等营利性机构通过对信息资源进行开发、管理、经营获取收益，对图书馆的用户产生了分流作用。书刊出版发行商、数据服务商、自动化系统厂商等上游机构随着文献信息量的激增，除了将价格提高以外直接向最终用户提供服务，使图书馆处于不利地位。面对严峻的竞争形势，图书馆在数字资源建设和服务方面应采取差异化竞争、资本领先、联盟共建共享以及个性化服务等措施，提高运营效率改善用户体验。云计算最初产生于网络企业主要原因是为了节约成本提高效率。网络企业作为技术密集型企业数量众多，成本差异决定企业能否生存以及竞争能力高低。廉价和高效云计算技术同样是面临多元化竞争的图书馆的必然选择[10-12]。

2图书馆云计算建设条件

21基础设施

随着数字资源的增长，大多数图书馆采购了服务器、磁盘阵列、交换机等设备。2012年参加统计的463所高校图书馆拥有服务器5 948台，平均每馆13台。有些采用托管或租赁方式的中小型图书馆正在计划建设专用机房。网络带宽稳步增长。截至2012年，有17个图书馆主干网带宽达到10 000Mbps，254个达到1 000Mbps以上[13]。具体统计和汇总见表1～表3。表1高校图书馆存储与带宽

231利用公有云对技术人才的要求

云计算是IT领域的创新，也是商业模式的变革。图书馆利用公有云托管或租赁能够简化信息系统复杂性。有利于发挥本机构在文献加工、信息咨询、知识管理领域的优势。技术岗位从重视架构设计转向终端开发。网络终端应用、移动终端应用、供应商管理和数据分析在各项业务建设中具有关键作用。懂流程管理，SLA服务等级管理、云计算立法以及擅长需求分析的复合型技术人才将倍受欢迎。

232建设私有云对技术人才的要求

图书馆拥有成百上千的服务器，通过虚拟化技术整合建设私有云对技术人员开发和管理能力要求较高。不但要掌握传统的网络存储、关系数据库、负载均衡、容灾备份等核心技术还要掌握开源软件、分布式、虚拟化、数据中心、绿色计算等知识和技术。数据存储设计注重非结构化或半结构化数据。Linux虚拟机和移动云终端将成为重要的开发环境。建设云计算数据中心还要求管理者明确本机构业务需求和带来的投资回报[15]。endprint

233技术人才培养情况

面对信息化浪潮，各国普遍重视信息技术人才的培养。美国将信息技术人才分为基础人才、系统理论人才、实践技能人才以及在岗培训人员。日本通过e-Japan、u-Japan、i-Japan等计划推进基础建设、应用开发、信息利用和人才培育。德国以技能加理论培育贴合生产实际的信息人才。印度采用实用化和市场化的教育模式，根据需求采用产学研互动方式提高人才实践科研能力[16]。国内在管理科学与工程、工商管理、数学、电气信息以及电子信息科学等专业增加GFS、Hadoop、MapReduce、VMware等云计算相关技术，增强需求分析、信息安全、商业智能、分布式计算、并行计算、大数据存储、Linux编程、手机嵌入式开发等技能。北航软件学院已经开设了首个移动云计算软件工程硕士专业，在师资和实验室建设方面受到大企业支持[17]。

24用户接入

据统计，截至2013年底，我国网民规模达591亿，普及率441%。30岁以上网民46%，学生268%，个体工商户与自由职业者178%，企业人员106%，专业技术人员68%。上网设备台式电脑695%，手机785%。上网时长平均每周217小时。截至2013年底，IPV4地址总数331亿，域名1 469万，网站294万，国际出口带宽2 098 150Mbps。用户信息获取主要通过搜索引擎和网络新闻。搜索引擎用户数47亿，使用率796%，除了传统搜索还有微博搜索、社交网站搜索、电商网站搜索以及垂直搜索。网络新闻用户461亿，使用率78%。移动互联下碎片阅读、微博微信新闻传播活跃，并与主流媒介形成联动，新闻类程序大量出现，手机客户端推送效果良好[18]。2010统计数据表明高校图书馆共有微机12万台，馆均259台。在校学生人数2～5万，信息资源检索获取能力普遍提高。拥有个人电脑占比20%～60%。用户接入时间比较集中，并发访问波动明显[19]。

3图书馆云计算建设方案

31云计算方案汇总

311商业云

根据服务方式划分商业云计算有两种形式。第一种是亚马逊、Google、微软提供的公有云服务。一般采取免费形式提供一定存储空间和计算能力，对超出的部分按量收费。第二种是IBM、浪潮、华为等硬件厂商提供的商业性整体解决方案。通过开源或自行研发的管理系统预先安装，同时销售硬件和管理系统。选择商业方案性价比通常是决定因素，在满足需要的条件下重点考虑预算条件。

大数据平台大数据平台（BDP）、大数据流引擎（BDF）、大数据加速器（BDA）SkyForm云平台资源管理系统、运营管理系统TCloud集群控制器、节点控制器、非活动节点资源池中华电信、上海国家软件产业基地公共服务平台、运营商手机上网日志查询系统、某商业银行历史数据和影像数据查询系统、某科学研究院上海分院高性能计算方案中国移动大云虚拟化弹性计算系统、分布式列存储数据仓库、MapReduce并行计算框架、并行数据挖掘工具中国移动盘古搜索、WAP/彩信双业务云资源池，中国移动南方基地的WAP网关部署、MMSC双业务系统以及对WAP业务30 000TPS、彩信3 000条/秒并发的支持，黑龙江无线城市平台

312开源云

开源云技术具有显著成本优势。但是某些开源系统存在商业版，导致开源版本功能很少或者不完善。选择开源云需要考虑系统功能是否全面、用户界面是否直观、支持的虚拟化技术、安装配置难易度以及开发文档详尽程度、开发者社区规模和活跃程度等[20]。

32典型方案设计

321基于Eucalyptus的服务器整合

图书馆服务器众多。以往为了追求稳定的性能，多采用单台服务器承担单一功能的做法，容易造成设备利用率低的问题。因此对服务器进行整合势在必行。Eucalyptus是搭建IaaS的著名开源云计算系统，能够实现不同档次服务器的整合。应用被预先安装在Linux或Windows server 2003操作系统中，制作成镜像，然后上传到各个节点。使用中根据需要启动和关闭对应的节点，实现硬件资源弹性使用。结合KVM或XEN虚拟化能够实现更加灵活的系统部署和资源配置。

322基于MongoDB的高性能网站

当网站发展到一定规模，海量存储、高并发访问和扩展性需求明显。主流关系型数据库的事务一致性、读写实时性和复杂多表查询优势难以体现，而且扩展困难。MongoDB采用键/值存储方式，查询功能丰富，易实现高性能、高伸缩的分布式部署。用于网站后端数据库能实现动态扩展，从而应对不可预测峰值流量。如图2所示，MongoDB通过复制分片方式实现灵活扩展。Mongod1、Mongod2、Mongod3、Mongod4是运行在两台服务器上的4个MongoDB数据库进程，通过自动分片将数据分割存储在不同机器上形成对应的复制集RepSet1和RepSet2。复制集可用于故障转移、数据一致性、分散读、热备份或离线批处理[21-23。

323基于Hadoop的个性化推荐系统

个性化推荐通过分析用户特征为其推荐感兴趣的商品或信息，是解决信息过载的重要技术。推荐系统由记录采集、数据处理和推荐算法三部分组成。推荐算法是推荐系统的核心部分。常用的有协同过滤、基于内容、基于规则和混合推荐四种类型。随着用户和资源的增加，单一节点的推荐系统逐渐不能满足速度和精度要求。基于MapReduce编程模型实现的推荐算法能够运行在分布式集群上，实现动态扩展，解决了单一节点计算能力不足的问题。数据采用副本形式存储在HDFS或Hbase中，实现了海量数据的廉价存储。

4图书馆云计算效益评价

41初始投资成本

图书馆信息系统建设需要巨额初始资本。虽然技术革新使单位计算和存储成本不断下降，但使用量飞速增长使得总投资不减反增。传统建设模式面临资金压力。公有云运营商通过较强的管理能力和规模经济降低单位成本。图书馆利用共有云可以将初始投资转变成经营费用，同时避免硬件更新换代带来的损失。规模较大的图书馆应用繁多，全部迁移到云端并不现实，私有云是优先选择。开源分布式系统通过若干中低端服务器实现高端性能。传统建设中数据库、操作系统、中间件等软件费用占总成本15%以上，云计算集群采用开源软件或自行开发的中间件，因此在软硬件方面都具有明显的成本优势[24]。endprint

数据中心运维成本包括安装、调试、维护、管理、培训、机房租金和设备能耗等。云计算采用复制模板镜像的方式进行部署，减少了人力资源相关成本。设备能耗通常占运维成本的15%以上。主要能耗部件有CPU、内存、磁盘和网络。节能方式分为关闭/开启、动态电压/频率调整和虚拟机管理[25-26]。随着频率提高任务很快完成，节点能耗显著降低，当频率超过一定值节点能耗开始增加，转折点依赖于具体任务、硬件和网络，通过部署相应的程序能够实现最佳节能效果[27]。虚拟机管理分为节点和集群两个层次。节点实时监控和调整虚拟机大小，在超过上限时将虚拟机移出；集群检测并选择最佳节点接收迁出的虚拟机[28]。虚拟机分配可以看成动态规划解决背包问题。每台虚拟机视为一个物品，背包容量由对应主机的处理器核心数量和内存大小决定[29]。虚拟化之前服务器和存储利用率一般仅维持在10%～15%。通过虚拟机调配，闲置资源得到充分利用，空闲节点关闭或休眠，从而节约电能消耗并减少热量散发。

43扩展能力

数据中心扩展性是一项重要考量指标，决定着图书馆是否能及时扩容把握发展机会，扩展新的业务，避免读者流失。根据摩尔定律，处理器晶体管数量每18个月增加1倍，新产品性能更高，功耗和价格更低。传统图书馆机房建设过程漫长。项目从规划、立项、审批到招标、采购、调试、运行至少需要1年以上。在此期间许多软硬件都已升级换代，正式投入使用以后没过几年就已淘汰落伍。受制于硬件兼容性，部件升级面临困难，造成整个系统扩展能力严重受限。云计算系统采用分布式部署，新节点加入比较容易，可实现新旧机型共存。相对于一次性购置高性能服务器，云计算能够更好地利用摩尔定律带来的收益。随着云计算的发展，研究人员不断对原有系统进行改进，克服潜在缺陷，进一步提高可扩展性。例如针对Hadoop的NameNode性能瓶颈，采用HDFS和MongoDB相结合的系统MHDFS，在需要处理更多任务时添加新的的名字节点，将名字节点内存数据转移到MongoDB，提高了扩展能力[30]。针对XEN网络I/O完全虚拟化中虚拟机数量不断增加或处理器数量超过限度时网络性能的下降，提出改善虚拟机调度机制和事件通道机制，通过找出引发二级缓存缺失的热点函数进行优化提高执行效率，以提高系统扩展能力[31]。

5结论和建议

面对数据规模快速增长，图书馆信息化系统建设模式逐渐不能满足硬件资源快速革新的扩容需求，外部竞争带来的挑战亟须图书馆从技术层面提高信息服务能力。利用IT基础设施、资金、技术、人才和用户接入等方面优势建立云计算系统能够满足百万级并发访问、大规模数据分析以及个性化推荐等多方面需求。本研究表明，图书馆采用云计算技术顺应IT技术发展潮流，符合大规模、低成本、高扩展的应用需求，对提高图书馆现代化水平，提高信息服务竞争力具有良好的促进作用。纵观云发展实践，图书馆采用云计算障碍有两方面：一是关系数据库的主流地位，很多图书馆宁愿选择已经被证实成功可行的成熟方案。二是缺乏相应的技术人才，个性化定制和二次开发能力不足。对此，政府主管部门应该充分发挥引导和调控作用，鼓励各级科研立项。借鉴其他行业成功案例，以降低成本为基本立足点，以大规模数据业务为发展方向，大力建设分布式开源云计算平台。

参考文献

[1]张红丽.基于云计算平台的分布式数字图书馆框架模型研究[J].情报科学，2013，31（3）：40-44，67.

[2]中华人民共和国科技部.中国云科技发展“十二五”专项规划[EB/OL].http：∥www.most.gov.cn/mostinfo/xinxifenlei/fgzc/gfxwj/gfxwj2012/201211/W020120918516104069531.doc，2014-02-23.

[3]黄晓斌，蒲筱哥.我国图书馆特色数据库建设的现状、问题与对策[J].情报科学，2007，25（5）：784-789.

[4]张丽萍.图书馆数字资源长期保存与管理研究[D].福州：福建师范大学，2013.

[5]宫学庆，金澈清，王晓玲.数据密集型科学与工程：需求和挑战[J].计算机学报，2012，35（8）：1563-1578.

[6]刘智慧，张泉灵.大数据技术研究综述[J].浙江大学学报：工学版，2014，48（6）：1-16.

[7]李煜民，章才能.海量数据高并发访问系统的风险规避研究[J].湘南学院学报，2012，33（5）：50-54.

[8]张敏杰，罗华永.大并发访问下的企业J2EE信息系统集群架构研究[C].北京：中国电机工程学会，2009：2009.

[9]鲁克文，艾中良，刘忠麟.分布式卫星资源高效共享平台研究[J].计算机工程与应用，2014，50（5）：121-125，174.

[10]杨广锋.核心竞争力研究的基础：图书馆竞争分析[J].图书馆杂志，2007，26（3）：2-6.

[11]闫勇.基于波特五力模型的图书馆竞争战略研究[J].大学图书情报学刊，2013，31（5）：12-15.

[12]吕冠珠.基于战略管理的图书馆竞争环境分析[J].科技情报开发与经济，2008，18（20）：43-44.

[13]教育部高等学校图书情报工作指导委员会.2012年高校图书馆主要统计数据排行榜[EB/OL].http：∥www.scal.edu.cn/tjpg，2014-03-11.

[14]缪小燕，熊丽，何钧.北京市属高校图书馆历年财政专项经费情况统计分析[J].图书馆理论与实践，2013，（8）：23-26.

[15]徐国庆.面向云计算的创新人才培养实践[J].吉林省教育学院学报，2013，29（3）：12-13.endprint

[16]杨立军，刘陈.美、日、德、印四国信息人才培养方案研究[J].中国电化教育，2010，（7）：45-51.

[17]黄务兰.云计算时代高校IT人才培养模式的创新[J].计算机时代，2012，（3）：59-61，64.

[18]中国互联网络信息中心.第32次中国互联网络发展状况统计报告[EB/OL].http：∥www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201307/P020130717505343100851.pdf，2014-03-11.

[19]张静.图书馆用户数字资源利用行为实证研究[J].广东工业大学学报：自然科学版，2012，12（4）：74-78.

[20]邓红，王东兴.主流开源云平台的商业选择[J].电脑知识与技术，2012，8（32）：7830-7832.

[21]郑静静，叶焱，刘太君，等.基于Flex、Red5和MongoDB的视频直播、录制及存储系统设计[J].计算机应用，2014，34（2）：589-592.

[22]张文盛，郑汉华.基于MongoDB构建高性能网站技术研究[J].吉林师范大学学报：自然科学版，2013，（1）：123-126.

[23]郭匡宇.基于MongoDB的传感器数据分布式存储的研究与应用[D]，南京：南京邮电大学，2013.

[24]孙健，贾晓菁.Google云计算平台的技术架构及对其成本的影响研究[J].电信科学，2010，（1）：38-44.

[25]张小庆，何忠堂，李春林.云计算系统中数据中心的节能算法研究[J].计算机应用研究，2013，30（4）：961-964，970.

[26]殷波，王颖，孟洛明.综合迁移成本和通信成本的云计算节能策略[J].北京邮电大学学报，2012，35（1）：68-71.

[27]雷成军，罗亮，吴文峻.基于云计算的集群能耗监控与节能方法研究[J].计算机应用与软件，2011，28（11）：242-244，253.

[28]马飞，刘峰，刘真.云计算中高效节能的虚拟机分布式管理方法[J].计算机工程，2012，38（11）：5-7.

[29]吴毅华，曹健，李明禄.云计算环境下基于需求预测的虚拟机节能分配方法研究[J].小型微型计算机系统，2013，34（4）：778-782.

[30]田炽.基于HDFS的高可扩展性云存储的研究与实现[D].广州：华南理工大学，2012.

[31]付塞平，任国林.XEN网络I/O完全虚拟化机制的可扩展性研究[J].计算机工程，2008，34（23）：102-104.

（本文责任编辑：马卓）endprint

[16]杨立军，刘陈.美、日、德、印四国信息人才培养方案研究[J].中国电化教育，2010，（7）：45-51.

[17]黄务兰.云计算时代高校IT人才培养模式的创新[J].计算机时代，2012，（3）：59-61，64.

[18]中国互联网络信息中心.第32次中国互联网络发展状况统计报告[EB/OL].http：∥www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201307/P020130717505343100851.pdf，2014-03-11.

[19]张静.图书馆用户数字资源利用行为实证研究[J].广东工业大学学报：自然科学版，2012，12（4）：74-78.

[20]邓红，王东兴.主流开源云平台的商业选择[J].电脑知识与技术，2012，8（32）：7830-7832.

[21]郑静静，叶焱，刘太君，等.基于Flex、Red5和MongoDB的视频直播、录制及存储系统设计[J].计算机应用，2014，34（2）：589-592.

[22]张文盛，郑汉华.基于MongoDB构建高性能网站技术研究[J].吉林师范大学学报：自然科学版，2013，（1）：123-126.

[23]郭匡宇.基于MongoDB的传感器数据分布式存储的研究与应用[D]，南京：南京邮电大学，2013.

[24]孙健，贾晓菁.Google云计算平台的技术架构及对其成本的影响研究[J].电信科学，2010，（1）：38-44.

[25]张小庆，何忠堂，李春林.云计算系统中数据中心的节能算法研究[J].计算机应用研究，2013，30（4）：961-964，970.

[26]殷波，王颖，孟洛明.综合迁移成本和通信成本的云计算节能策略[J].北京邮电大学学报，2012，35（1）：68-71.

[27]雷成军，罗亮，吴文峻.基于云计算的集群能耗监控与节能方法研究[J].计算机应用与软件，2011，28（11）：242-244，253.

[28]马飞，刘峰，刘真.云计算中高效节能的虚拟机分布式管理方法[J].计算机工程，2012，38（11）：5-7.

[29]吴毅华，曹健，李明禄.云计算环境下基于需求预测的虚拟机节能分配方法研究[J].小型微型计算机系统，2013，34（4）：778-782.

[30]田炽.基于HDFS的高可扩展性云存储的研究与实现[D].广州：华南理工大学，2012.

[31]付塞平，任国林.XEN网络I/O完全虚拟化机制的可扩展性研究[J].计算机工程，2008，34（23）：102-104.

（本文责任编辑：马卓）endprint

[16]杨立军，刘陈.美、日、德、印四国信息人才培养方案研究[J].中国电化教育，2010，（7）：45-51.

[17]黄务兰.云计算时代高校IT人才培养模式的创新[J].计算机时代，2012，（3）：59-61，64.

[18]中国互联网络信息中心.第32次中国互联网络发展状况统计报告[EB/OL].http：∥www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201307/P020130717505343100851.pdf，2014-03-11.

[19]张静.图书馆用户数字资源利用行为实证研究[J].广东工业大学学报：自然科学版，2012，12（4）：74-78.

[20]邓红，王东兴.主流开源云平台的商业选择[J].电脑知识与技术，2012，8（32）：7830-7832.

[21]郑静静，叶焱，刘太君，等.基于Flex、Red5和MongoDB的视频直播、录制及存储系统设计[J].计算机应用，2014，34（2）：589-592.

[22]张文盛，郑汉华.基于MongoDB构建高性能网站技术研究[J].吉林师范大学学报：自然科学版，2013，（1）：123-126.

[23]郭匡宇.基于MongoDB的传感器数据分布式存储的研究与应用[D]，南京：南京邮电大学，2013.

[24]孙健，贾晓菁.Google云计算平台的技术架构及对其成本的影响研究[J].电信科学，2010，（1）：38-44.

[25]张小庆，何忠堂，李春林.云计算系统中数据中心的节能算法研究[J].计算机应用研究，2013，30（4）：961-964，970.

[26]殷波，王颖，孟洛明.综合迁移成本和通信成本的云计算节能策略[J].北京邮电大学学报，2012，35（1）：68-71.

[27]雷成军，罗亮，吴文峻.基于云计算的集群能耗监控与节能方法研究[J].计算机应用与软件，2011，28（11）：242-244，253.

[28]马飞，刘峰，刘真.云计算中高效节能的虚拟机分布式管理方法[J].计算机工程，2012，38（11）：5-7.

[29]吴毅华，曹健，李明禄.云计算环境下基于需求预测的虚拟机节能分配方法研究[J].小型微型计算机系统，2013，34（4）：778-782.

[30]田炽.基于HDFS的高可扩展性云存储的研究与实现[D].广州：华南理工大学，2012.

[31]付塞平，任国林.XEN网络I/O完全虚拟化机制的可扩展性研究[J].计算机工程，2008，34（23）：102-104.

（本文责任编辑：马卓）endprint