Ｊ Ｓｈａｎｇｈａｉ Ｕｎｉｖ（Ｅｎｇｌ Ｅｄ），２０１１，１５（５）：３８１—３８５ Ｄｉｇｉｔａｌ Ｏｂｊｅｃｔ Ｉｄｅｎｔｉｉｆｅｒ（ＤＯＩ）：１０．１００７／ｓ１１７４１—０１１—０７５５一ｌ Ｖｉｒｔｕａｌ ｒｅｓｏｕｒｃｅ ｍｏｎｉｔｏｒｉｎｇ ｉｎ ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ ＨＡＮ Ｆａｎｇ—ｆａｎｇ（韩芳芳） ，ＰＥＮＧ Ｊｕｎ－ｊｉｅ（彭俊杰） ，ＺＨＡＮＧ ｗｕ（张武） ，ＬＩ Ｑｉｎｇ（李ＬＩ Ｊｉａｎ—ｄｕｎ（李建敦） ，ＪＩＡＮＧ Ｑｉｎ—ｌｏｎｇ（江钦龙） ，ＹＵＡＮ Ｑｉｎ（袁勤） １．Ｓｃｈｏｏｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｓｃｉｅｎｃｅ，Ｓｈａｎｇｈａｉ Ｕｎｉｖｅｒｓｉｔｙｊ Ｓｈａｎｇｈａｉ ２０００７２，Ｐ．Ｒ．Ｃｈｉｎａ ２．Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍ ａｎｄ Ａｒｃｈｉｔｅｃｔｕｒｅ，Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｃｏｍｐｕｔｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅ 青） ， Ｂｅｉｊｉｎｇ １００１９０，Ｐ．Ｒ．Ｃｈｉｎａ ⑥Ｓｈａｎｇｈａｉ Ｕｎｉｖｅｒｓｉｔｙ ａｎｄ Ｓｐｒｉｎｇｅｒ—Ｖｅｒｌａｇ Ｂｅｒｌｉｎ Ｈｅｉｄｅｌｂｅｒｇ ２０１１ Ａｂｓｔｒａｃｔ Ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ ｉｓ ａ ｎｅｗ ｃｏｍｐｕｔｉｎｇ ｍｏｄｅ１．Ｔｈｅ ｒｅｓｏｕｒｃｅ ｍｏｎｉｔｏｒｉｎｇ ｔｏｏｌｓ ａｒｅ ｉｍｍａｔｕｒｅ ｃｏｍｐａｒｅｄ ｔｏ ｔｒａｄｉｔｉｏｎａｌ ｄｉｓｔｒｉｂｕｔｅｄ ｃｏｍｐｕｔｉｎｇ ａｎｄ ｇｒｉｄ ｃｏｍｐｕｔｉｎｇ．Ｉｎ ｏｒｄｅｒ ｔｏ ｂｅｔｔｅｒ ｍｏｎｉｔｏｒ ｔｈｅ ｖｉｒｔｕａｌ ｒｅｓｏｕｒｃｅ ｉｎ ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ．ａ ｐｅｒｉｏｄｉｃａｌｌｙ ａｎｄ ｅｖｅｎｔ ｄｒｉｖｅｎ ｐｕｓｈ ｆＰＥＰ）ｍｏｎｉｔｏｒｉｎｇ ｍｏｄｅｌ ｉｓ ｐｒｏｐｏｓｅｄ．Ｔａｋｉｎｇ ａｄｖａｎｔａｇｅ ｏｆ ｔｈｅ ｐｕｓｈ ａｎｄ ｅｖｅｎｔ—ｄｒｉｖｅｎ ｍｅｃｈａｎｉｓｍ， ｔｈｅ ｍｏｄｅｌ ｃａｎ ｐｒｏｖｉｄｅ ｃｏｍｐａｒａｔｉｖｅｌｙ ａｄｅｑｕａｔｅ ｉｎｆｏｒｍａｔｉｏｎ ａｂｏｕｔ ｕｓａｇｅ ａｎｄ ｓｔａｔｕｓ ｏｆ ｔｈｅ ｒｅｓｏｕｒｃｅｓ． Ｉｔ ｃａｎ ｓｉｍｐｌｉｆｙ ｔｈｅ ｃｏｍｍｕｎｉｃａｔｉｏｎ ｂｅｔｗｅｅｎ Ｍａｓｔｅｒ ａｎｄ、＾ ｒｋ Ｎｏｄｅｓ ｗｉｔｈｏｕｔ ｍｉｓｓｉｎｇ ｔｈｅ ｉｍｐｏｒｔａｎｔ ｉｓｓｕｅｓ ｈａｐｐｅｎｅｄ ｄｕｒｉｎｇ ｔｈｅ ｐｕｓｈ ｉｎｔｅｒｖａ１． Ｂｅｓｉｄｅｓ．ｗｅ ｄｅｖｅｌｏｐ“ｍｏｎ”ｔｏ ｍａｋｅ ｕｐ ｆｏｒ ｔｈｅ ｄｅｆｉｃｉｅｎｃｙ ｏｆ Ｌｉｂｖｉｒｔ ｉｎ ｍｏｎｉｔｏｒｉｎｇ ｏｆ ｖｉｒｔｕａｌ ＣＰＵ ａｎｄ ｍｅｍｏｒｙ． Ｋｅｙｗｏｒｄｓ ｖｉｒｔｕａｌ ｒｅｓｏｕｒｃｅ ｍｏｎｉｔｏｒｉｎｇ，ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ，ｖｉｒｔｕａｌｉｚａｔｉｏｎ Ｉｎｔｒｏｄｕｃｔｉｏｎ Ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ ｉｓ ａ ｎｅｗ ｉｎｆｏｒｍａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｔｒｅｎｄ ｔｈａｔ ｍｏｖｅｓ ｃｏｍｐｕｔｉｎｇ ａｎｄ ｄａｔａ ａｗａｙ ｆｒｏｍ ｄｅｓｌ（＿ ｔｏｐｓ ａｎｄ ｐｏｒｔａｂｌｅ ＰＣｓ ｉｎｔｏ ｌａｒｇｅ ｄａｔａ ｃｅｎｔｅｒｓ．Ｔｈｅ ｂａｓｉｃ ｐｒｉｎｃｉｐｌｅ ｏｆ ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ ｉｓ ｔｏ ｄｅｌｉｖｅｒ ａｐｐｌｉｃａｔｉｏｎｓ ａｓ ｓｅｒｖｉｃｅｓ ｏｖｅｒ ｔｈｅ Ｉｎｔｅｒｎｅｔ ａｓ ｗｅｌｌ ａｓ ｉｎｆｒａｓｔｒｕｃｔｕｒｅ［ ． Ｖｉｒｔｕａｌｉｚａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｉｓ ｏｎｅ ｏｆ ｔｈｅ ｋｅＹ ｂａｓｅｓ ｉｎ ｃｏｍｐｕｔｉｎｇ ｐｒｉｃｉｎｇ ａｎｄ ｉｓ ｔｈｅ ｐｒｅｍｉｓｅ ｏｆ ｏｔｈｅｒ ｔｅｃｈｎｉｑｕｅｓ ｉｎ ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ ａｓ ｌｏａｄ ｂａｌａｎｃｉｎｇ ａｎｄ ｔａｓｋ ｓｃｈｅｄｕｌ— ｌｎｇ． Ｈｏｗｅｖｅｒ，ｓｉｎｃｅ ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ ｉｓ ｓｔｉｌｌ ｕｎｄｅｒ ｔｈｅ ｂｕｄｄｉｎｇ ｓｔａｇｅ ｗｈｉｌｅ ｔｈｅ ｖｉｒｔｕａｌ ｍａｃｈｉｎｅ ｔｅｃｈｎｏｌｏｇｙ ｉｓ ｓｔｉｌｌ ｕｎｄｅｒ ｄｅｖｅｌｏｐｍｅｎｔ．ｔｈｅ ｍｏｎｉｔｏｒｉｎｇ ｔｅｃｈｎｉｑｕｅｓ ｏｒ ｃｌｆｏｕｄ ｃｏｍｐｕｔｉｎｇ ｂａｓｅｄ ｏｎ ｖｉｒｔｕａｌ ｍａｃｈｉｎｅ ｒｅｓｏｕｒｃｅ ｍｏｎｉｔｏｒｉｎｇ ａｒｅ ｆｏｒ ｆｒｏｍ ｍａｔｕｒｅ．Ｆｒｏｍ ｔｈｅ ｕｐｐｅｒ ｐｅｒ— ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ，ａｎｄ ｉｔ ｐｒｏｖｉｄｅｓ ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ ａ ｂａ－ ｓｉｃ ｕｎｄｅｒｌｙｉｎｇ ｐｌａｔｆｏｒｍ［ ．Ｆｉｒｓｔ ｉｎｔｒｏｄｕｃｅｄ ｉｎ １９６０’ｓ． ｓｐｅｃｔｉｖｅ，ｔｈｅｒｅ ａｒｅ ｓｏｕｎｄ ｍｏｎｉｔｏｒｉｎｇ ｓｙｓｔｅｍｓ ｄｅｓｉｇｎｅｄ ｏｒｆ ｇｒｉｄ ｃｏｍｐｕｔｉｎｇ ｓｕｃｈ ａｓ Ｇａｎｇｌｉａ［４］Ｎａｇｉｏｓ［引ｎｅｔ— ，，ｔｈｅ ｖｉｒｔｕａｌｉｚａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｂｏｏｍｓ ａｓ ｔｈｅ ｆａｓｔ ｄｅｖｅｌ— ｗｏｒｋ ｗｅａｔｈｅｒ ｓｅｒｖｉｃｅ ｆＮＷＳ）【６ｌ ａｎｄ ｔｈｅｓｅ ａｒｅ ｍａｉｎｌｙ ｏｒ ｄｉｓｔｒｉｂｕｔｅｄ ａｎｄ ｇｒｉｆｄ ｃｏｍｐｕｔｉｎｇ ｓｙｓｔｅｍｓ．Ｔｈｅｙ ａｒｅ ｓｔｒｕｃｔｕｒｅｄ ｔｏ ｍｏｎｉｔｏｒ ｐｈｙｓｉｃａｌ ｒｅｓｏｕｒｃｅｓ ｉｎ ａｂｏｖｅ ｍｅｎ－ ｔｉｏｎｅｄ ｓｙｓｔｅｍｓ ａｎｄ ｎｏｔ ｃａｐａｂｌｅ ｏｆ ｍｏｎｉｔｏｒｉｎｇ ｔｈｅ ｈｉｇｈｌｙ ｏｐｍｅｎｔ ｏｆ ｃｏｍｐｕｔｅｒ ｈａｒｄｗａｒｅ．Ｍｏｄｅｒｎ ｃｏｍｐｕｔｅｒｓ ａｒｅ ｓｕｆｆｉｃｉｅｎｔｌｙ ｐｏｗｅｒｆｕ１ ｔｏ ｕｓｅ ｖｉｒｔｕａｌｉｚａｔｉｏｎ ｔｏ ｐｒｅｓｅｎｔ ｔｈｅ ｉｌｌｕｓｉｏｎ ｏｆ ｍａｎｙ ｓｍａｌｌｅｒ ｖｉｒｔｕａｌ ｍａｃｈｉｎｅｓ ｆＶＭｓ），ｅａｃｈ ｒｕｎｎｉｎｇ ａ ｓｅｐａｒａｔｅ ｏｐｅｒａｔｉｎｇ ｓｙｓｔｅｍ ｉｎｓｔａｎｃｅ．Ｔｈｉｓ ｈａｓ ｖｉｒｔｕａｌｉｚｅｄ ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ ｒｅｓｏｕｒｃｅｓ．Ａｎｏｔｈｅｒ ｐｒｏｂ— ｌｅｍ ｉｓ ａｂｏｕｔ ｔｈｅ ｆｅａｔｕｒｅ ｏｆ ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ ｗｉｔｈ ｎｏ ｌｅｄ ｔｏ ａ ｒｅｓｕｒｇｅｎｃｅ ｏｆ ｉｎ［ｃｒｅｓｔ ｉｎ ＶＭ ｔｅｃｈｎｏｌｏｇｙｔ￣Ｊ． Ｔｈｉｓ ｐａｐｅｒ ｍａｉｎｌｙ ｆｏｃｕｓｅｓ ｏｎ ｔｈｅ ｖｉｒｔｕａｌ ｒｅｓｏｕｒｃｅ ｍｏｎｉｔｏｒｉｎｇ ｉｎ ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ．Ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ ｉｓ ｎｏｔ ａｄｅｑｕａｔｅ ｍｏｎｉｔｏｒｉｎｇ ｄａｔａ ａｎｄ ｎｏ ａｃｃｕｒａｔｅ ｐｒｉｃｉｎｇ，ａｎｄ ｔｈｉｓ ｉｓ ｕｎａｃｃｅｐｔａｂｌｅ ｆｏｒ ｂｏｔｈ ｔｈｅ ｐｒｏｖｉｄｅｒ ａｎｄ ｔｈｅ ｕｓｅｒ． Ｔｈｅｎ ｆｒｏｍ ｔｈｅ ｖｉｒｔｕａｌ ｍａｃｈｉｎｅ ｐｅｒｓｐｅｃｔｉｖｅ，ｔｈｅ ｍｏｎｉ— ｉｕｓｔ ａ ｋｉｎｄ ｏｆ ｎｅｗ ｔｅｃｈｎｏｌｏｇｙ，ａｎｄ ｉｔｓ ｍａｉｎ ｃｏｎｃｅｐｔ ｉｓ ｔｏ ｐｒｏｖｉｄｅ ｕｓｅｒｓ ｗｉｔｈ ｓｅｒｖｉｃｅ ｔｈｒｏｕｇｈ“ｐａｙ—ａｓ—ｙｏｕ—ｇＯ” ｍａｎｎｅｒ．Ｔｈｕｓ ｈｏｗ ｔｏ ｇｅｔ ｔｈｅ ａｃｃｕｒａｔｅ ｍｏｎｉｔｏｒｉｎｇ ｄａｔａ ｏｆ ｔｈｅ ｒｅｓｏｕｒｃｅｓ ｕｓｅｒｓ ｃｏｎｓｕｍｅｄ ｉｓ ｒｅａｌｌｙ ｏｆ ｉｍｐｏｒｔａｎｃｅ． ｔｏｒｉｎｇ ｄａｔａ ｓｕｂｍｉｔｔｅｄ ｆｒｏｍ ｔｈｅ ｖｉｒｔｕａｌ ｍａｃｈｉｎｅ ｍｏｎｉｔｏｒ （ＶＭＭ）ａｒｅ ｆａｒ ｌｅｓｓ ｔｈａｎ ａｃｃｕｒａｔｅ ａｎｄ ｓｕ佑ｃｉｅｎｔ． Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ｗｅ ｅｘｐｌｏｒｅ ａ ｎｅｗ ｒｅｓｏｕｒｃｅ ｍｏｎｉｔｏｒｉｎｇ Ｔｈｅ ｒｅｓｏｕｒｃｅ ｍｏｎｉｔｏｒｉｎｇ ｌｅａｄｓ ｔｏ ａｎ ｅｆｆｅｃｔｉｖｅ ｆｅｅｄｂａｃｋ ｍｏｄｅｌ ｆｒｏｍ ｔｈｅ ｐｌａｔｆｏｒｍ ｌｅｖｅｌ ｔｏ ｔｈｅ ｖｉｒｔｕａｌｉｚａｔｉｏｎ ｌｅｖｅ１． ０ｎ ｔｈｅ ｐｌａｔｆｏｒｍ ｌｅｖｅｌ，ｐｕｓｈ ａｎｄ ｅｖｅｎｔ—ｄｒｉｖｅｎ ｓｃｈｅｍａ ａｒｅ ｕｓｅｄ ｔｏ ｏｐｔｉｍｉｚｅ ｍｏｎｉｔｏｒｉｎｇ ｒｅｓｕｌｔ．Ｏｎ ｔｈｅ ｖｉｒｔｕ— ｆｏｒ ｔｈｅ ｓｙｓｔｅｍ ｔｏ ｔｈｅ ｄｉｓｃｏｖｅｒｙ ｒｅａｌｌｏｃａｔｉｏｎ ｏｒ ａｄｉｕｓｔ— ｍｅｎｔ ｏｆ ｒｅｓｏｕｒｃｅｓ ａｃｃｏｍｐａｎｉｅｄ ｗｉｔｈ ｔｈｅ ｖａｒｉａｔｉｏｎ ｏｆ ｒｅ． ｓｏｕｒｃｅ ｕｓａｇｅ ｒａｔｅ．Ｉｔ ｐｒｏｖｉｄｅｓ ａ ｒａｔｉｏｎａｌ ｂａｓｉｓ ｆｏｒ ｃｌｏｕｄ Ｒｅｃｅｉｖｅｄ Ａｐｒ．２３，２０１１；Ｒｅｖｉｓｅｄ Ｍａｙ ２６，２０１１ Ｐｒｏｊｅｃｔ ｓｕｐｐｏｒｔｅｄ ｂｙ ｔｈｅ Ｓｈａｎｇｈａｉ Ｌｅａｄｉｎｇ Ａｃａｄｅｍｉｃ Ｄｉｓｃｉｐｌｉｎｅ Ｐｒｏｊｅｃｔ（Ｇｒａｎｔ Ｎｏ．Ｊ５０１０３），ｔｈｅ Ｐｈ Ｄ Ｐｒｏｇｒａｍｓ Ｆｏｕｎｄａｔｉｏｎ ｏｆ Ｍｉｎｉｓｔｒｙ ｏｆ Ｅｄｕｃａｔｉｏｎ ｏｆ Ｃｈｉｎａ（Ｇｒａｎｔ Ｎｏ．２００８０２８００００７），ｔｈｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍ ａｎｄ Ａｒｃｈｉｔｅｃｔｕｒｅ ｆＩｎｓｔｉｔｕｔｅ ｏｆ Ｃｏｍｐｕｔｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ），ａｎｄ ｔｈｅ Ｉｎｎｏｖａｔｉｏｎ Ｐｒｏｊｅｃｔ ｏｆ Ｓｈａｎｇｈａｉ Ｍｕｎｉｃｉｐａｌ Ｅｄｕｃａｔｉｏｎ Ｃｏｍｍｉｓｓｉｏｎ（Ｇｒａｎｔ Ｎｏ．１ ｌＹＺ０９） Ｃｏｒｒｅｓｐｏｎｄｉｎｇ ａｕｔｈｏｒ ＰＥＮＧ Ｊｕｎ－ｊｉｅ，Ｐｈ Ｄ，Ｐｒｏｆ，Ｅ ｍａｉｌ：ｊｊｉｅ．ｐｅｎｇ＠ｓｈｕ．ｅｄｕ．ａｎ Ｊ Ｓｈａｎｇｈａｉ Ｕｎｉｖ（Ｅｎｇｌ Ｅｄ），２０１１，１５（５）：３８１—３８５ Ｈｏｗｅｖｅｒ ｗｅ ｃａｎ ｉｎｔｒｏｄｕｃｅ ｔｈｉｓ ｃｏｎｃｅｐｔ ｉｎｔｏ ｃｌｏｕｄ ＣＯＮ— ｐｕｔｉｎｇ ｗｉｔｈ ｍｏｄｉｆｉｃａｔｉｏｎ． Ａｓ ｔｏ ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ，ｉｎ ｔｈｅ ｐｕｌｌ ｍｏｄｅ，ｔｈｅ ｗｏｒｋ ｎｏｄｅｓ ａｒｅ ｉｎ ａ ｐａｓｓｉｖｅ ｐｏｓｉｔｉｏｎ．Ｔｈｅｙ ｎｅｅｄ ｔｈｅ ｍａｓｔｅｒ ｎｏｄｅ ｔｏ ｔｅｌｌ ｔｈｅｍ ｔｈｅ ｔｉｍｅ ｔｈａｔ ｔｈｅｙ ｈａｖｅ ｔｏ ｓｅｎｄ ｔｈｅ ｍｏｎｉｔｏｒｉｎｇ ｄａｔａ．Ｗｈｉｌｅ ｉｎ ｐｕｓｈ ｍｏｄｅ，ｔｈｅ ｗｏｒｋ ｎｏｄｅｓ ｗｉｌｌ ｓｅｎｄ ｔｈｅ ｍｏｎｉｔｏｒｉｎｇ ｉｎｆｏｒｍａｔｉｏｎ ｔｏ ｔｈｅ ｍａｓｔｅｒ ｎｏｄｅ ｗｉｔｈｏｕｔ ｂｅｉｎｇ ｆｏｒｅｔｏｌｄ，ｔｈｅｙ ａｒｅ ａｃｔｉｖｅ ｉｎ ｔｈｉｓ ｓｉｔｕａｔｉｏｎ． Ｔｈｅｒｅ ａｒｅ ａｌｓｏ ｔｗｏ ｍｏｄｅｓ ｆｏｒ ｅｓｔｉｍａｔｉｎｇ ｗｈｅｎ ｔｏ ｐｕｓｈ ｏｒ ｐｕｌｌ：ｐｅｒｉｏｄｉｃａｌｌｙ ｏｒ ｂｙ ｅｖｅｎｔ—ｄｒｉｖｅｎ．Ｔｈｕｓ ｃｏｍｂｉｎｅｄ ｔｈｅ ｐｕｓｈ ａｎｄ ｐｕｌｌ ｗｉｔｈ ｔｈｅｓｅ ｔｗｏ ｍｏｄｅｓ，ｆｏｕｒ ｋｉｎｄｓ ｏｆ ｃｏｍｂｉｎａｔｉｏｎ ａｒｅ ａｖａｉｌａｂｌｅ：ｐｅｒｉｏｄｉｃａｌ ｐｕｌｌ，ｐｅ— ｒｉｏｄｉｃａ１ ｐｕｓｈ．ｅｖｅｎｔ—ｄｒｉｖｅｎ ｐｕｌｌ，ａｎｄ ｅｖｅｎｔ—ｄｒｉｖｅｎ ｐｕｓｈ． Ｅａｃｈ ｈａｓ ｉｔｓ ａｄｖａ ｎｔａｇｅｓ ａｎｄ ｄｉｓａｄｖａｎｔａｇｅｓ． Ｉｎ ｐｅｒｉｏｄｉｃａｌ ｐｕｌｌ ｍｏｄｅ ｔｈｅ ｃｈｏｏｓｉｎｇ ｏｆ ｔｉｍｅ ｉｎｔｅｒｖａｌ ｍａｔｔｅｒｓ ａ ｌｏｔ：ｔｏｏ ｆｒｅｑｕｅｎｔ ｐｕｌｌ ａｇｇｒａｖａｔｅｓ ｎｅｔｗｏｒｋ ｌｏａｄ； ｔｏｏ ｌｏｎｇ ｉｎｔｅｒｖａｌ ｃａｎｎｏｔ ａｓｓｕｒｅ ｔｈｅ ｆｒｅｓｈｎｅｓｓ ｏｆ ｔｈｅ ｄａｔａ， ａｎｄ ｍａｙ ｌｏｓｅ ｔｈｅ ｃａｐｔｕｒｅ ｏｆ ｉｎｆｏｒｍａｔｉｏｎ ｄｕｒｉｎｇ ｔｈｅ ｐｕｌｌ ｍｅｓｓａｇｅ ｒｅｓｐｏｎｓｅ ｔｉｍｅ．Ｍｅａｎｗｈｉｌｅ，ｔｈｅ ｔｒａｎｓｍｉｓｓｉｏｎ ｏｆ ｐｕｌｌ ｒｅｑｕｅｓｔ ｃｏｎｓｕｍｅｓ ｔｉｍｅ ａｎｄ ｂａｎｄｗｉｄｔｈ． Ｉｎ ｐｅｒｉｏｄｉｃａｌ ｐｕｓｈ ｍｏｄｅ，ｔｈｅ ｓａｍｅ ｐｒｏｂｌｅｍｓ ｓｔｉｌｌ ｂｏｔｈｅｒ ｅｘｃｅｐｔ ｆｏｒ ｔｈｅ ｌａｓｔ ｏｎｅ． Ｈｏｗｅｖｅｒ ｗｈｅｎ ｓｏｍｅ ｅｍｅｒｇｅｎｃｙ ｈａｐｐｅｎｓ．ｉｔ ｗｏｕｌｄ ｎｏｔ ｓｅｎｄ ｉｔ ｉｍｍｅｄｉａｔｅｌｙ ｔｏ ｔｈｅ ｍａｓｔｅｒ ｎｏｄｅ 妇ａ￡ｉｓ ｗｈａｔ ｗｅ ｄｏ ｎｏｔ ｅｘｐｅｃｔ ｔｏ ｓｅｅ． Ｉｎ ｅｖｅｎｔ—ｄｒｉｖｅｎ ｐｕｌｌ ｍｏｄｅ．ｏｂｖｉｏｕｓｌｙ ｉｔ ｈａｓ ｗｏｒｓｅ ｃｏ— ｈｅｒｅｎｃｙ．Ｔｈｅｒｅ ｉｓ ｄｉｆｆｉｃｕｌｔｙ ｉｎ ｔｈｅ ｍａｓｔｅｒ ｎｏｄｅ ｔｏ ｉｄｅｎ— ｔｉｆｙ ｔｈｅ“ｅｖｅｎｔ”． Ｌａｓｔｌｙ，ｉｎ ｅｖｅｎｔ—ｄｒｉｖｅｎ ｐｕｓｈ ｍｏｄｅ．ｉｔ ｈａｓ ａ ｑｕｉｃｋ ｒｅ— ｓｐｏｎｓｅ ｔｏ ｔｈｅ“ｅｖｅｎｔ”．ｂｕｔ ｔｈｅ ｒｅａｌ—ｔｉｍｅ ｃｏｈｅｒｅｎｃｙ ｃａｎ ｎｏｔ ｂｅ ｇｕａｒａｎｔｅｅｄ． Ｉｎ ｖｉｅｗ ｏｆ ｔｈｅ ａｌｌ ａｂｏｖｅ ｉｎ ｏｕｒ ｍｏｄｅｌ，ｗｅ ａｄｏｐｔ ｐｅ— ｒｉｏｄｉｃａｌ ｐｕｓｈ ａｎｄ ｅｖｅｎｔ—ｄｒｉｖｅｎ ｐｕｓｈ ｍｏｄｅｓ ｂｏｔｈ ｗｈｉｃｈ ａｒｅ ｃｏｍｐｌｅｍｅｎｔａｒｙ ｔｏ ｅａｃｈ ｏｔｈｅｒ．Ｈｅｒｅ，ｗｅ ｄｅｆｉｎｅ ｔｈｉｓ ｍｏｄｅｌ ａｓ ｐｅｒｉｏｄｉｃａｌｌｙ ａｎｄ ｅｖｅｎｔ－ｄｒｉｖｅｎ ｐｕｓｈ（ＰＥＰ）．Ｂｙ ｍｅａｎｓ ｏｆ ｉｔ．ｗｅ ｃａｎ ａｓｓｕｒｅ ｔｈｅ ｃｏｈｅｒｅｎｃｙ ａｓ ｗｅｌｌ ａｓ ｔｈｅ ｅｖｅｎｔ ｒｅｓｐｏｎｓｅ ｔｉｍｅ． Ｆｉｇｕｒｅ ２ ｉｓ ｔｈｅ ａｒｃｈｉｔｅｃｔｕｒｅ ｏｆ ｏｕｒ ｖｉｒｔｕａｌ ｒｅｓｏｕｒｃｅ ｍｏｎｉｔｏｒｉｎｇ ｍｏｄｅ１．Ｉｎ ｔｈｅ ｍａｓｔｅｒ ｎｏｄｅ，ｄａｔａ ｃｏｌｌｅｃｔｏｒ ｉｓ ｒｅｓｐｏｎｓｉｂｌｅ ｆｏｒ ｔｈｅ ｃｏｌｌｅｃｔｉｏｎ ｏｆ ｏｖｅｒａｌｌ ｍｏｎｉｔｏｒｉｎｇ ｉｎｆｏｒ． ｍａｔｉｏｎ．ａｎｄ ＧＵＩ ｍｏｄｕｌｅ ｄｉｓｐｌａｙｓ ｔｈｅ ｍｏｎｉｔｏｒｉｎｇ ｓｉｔｕ． ａｔｉｏｎ ｔｏ ｕｓｅｒｓ． Ｉｎ ｅａｃｈ ｗｏｒｋ ｎｏｄｅ ｗｉｔｈｉｎ ｔｈｅ ＶＭＭ，ｗｅ ｃｈｏｏｓｅ ｔｈｅ ｗｉｄｅｌｙ ｕｓｅｄ Ｌｉｂｖｉｒｔ ｔｏｏｌ ｔｏ ｍｏｎｉｔｏｒ ｔｈｅ ｓｔａｔｕｓ ｏｆ ｖｉｒ— ｔｕａｌ ｒｅｓｏｕｒｃｅｓ．Ｍｅａｎｗｈｉｌｅ，ａｓ ｔｈｅ ｄｅｆｅｃｔｓ ｏｆ Ｌｉｂｖｉｒｔ ｗｅ ｈａｖｅ ｍｅｎｔｉｏｎｅｄ ａｂｏｖｅ．ｗｅ ｄｅｖｅｌｏｐｅｄ“ｍｏｎ’’ｔｏ ｍａｋｅ ｕｐ ｏｆｒ ｇｅｔｔｉｎｇ ｍｏｒｅ ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｍｏｎｉｔｏｒｉｎｇ ｉｎｆｏｒｍａｔｉｏｎ． Ｔｈｅ ｃｏｌｌｅｃｔｉｏｎｓ ｏｆ ｍｏｎｉｔｏｒｉｎｇ ｉｎｆｏｒｍａｔｉｏｎ ａｒｅ ｔｒａｎｓｍｉｔ． ｔｅｄ ｔｏ ｄａｔａ ｃｏｌｌｅｃｔｏｒ ｏｆ ｗｏｒｋ ｎｏｄｅ．Ｔｈｅ ｐｕｓｈ ｍｏｄｕｌｅ ｔｒａｎｓｆｅｒｓ ｔｈｅｍ ｔｏ ｍａｓｔｅｒ ｎｏｄｅ ｕｎｄｅｒ ｔｗｏ ｃｉｒｃｕｍｓｔａｎｃｅｓ： Ｉｔ ｐｕｓｈｅｓ ｐｅｒｉｏｄｉｃａｌｌｙ ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｔｉｍｅ ｉｎｔｅｒｖａｌ ｗｅ ｓｅｔ ｂｅｆｏｒｅ；ｉｎ ｃａｓｅ ｏｆ ｅｍｅｒｇｅｎｃｉｅｓ，ｂｙ ｍｅａｎｓ ｏｆ ｔｈｅ ｅｖｅｎｔ ｔｒｉｇｇｅｒ ｍｏｄｕｌｅ，ｉｔ ｃａｎ ａｌｓｏ ｐｕｓｈ ｔｈｅ ｕｒｇｉｎｇ ｉｎｆｏｒｍａｔｉｏｎ ｔｏ ｔｈｅ ｍａｓｔｅｒ ｎｏｄｅ ｉｍｍｅｄｉａｔｅｌｙ． Ｆｉｇ．２ Ａｒｃｈｉｔｅｃｔｕｒｅ ｏｆ ｔｈｅ ｍｏｎｉｔｏｒｉｎｇ ｍｏｄｅｌ ２．１ Ａｌｇｏｒｉｔｈｍ ｏｆ ＰＥＰ ｍｏｄｅｌ Ａｓ ｃａｎ ｂｅ ｓｅｅｎ ｆｒｏｍ Ｆｉｇ．３，ｔｈｅｒｅ ａｒｅ ｔｗｏ ｋｅｙ ｐｏｉｎｔｓ ｉｎ ｔｈｉｓ ａｌｇｏｒｉｔｈｍ：ｔｈｅ ｖａｌｕｅ ｏｆ ｐｕｓｈ—ｉｎｔｅｒｖａｌ ａｎｄ ｔｈｅ ｄｅｆｉｎｉｔｉｏｎ ｏｆ“ｅｖｅｎｔ”．Ｔｈｅ ｆ０ｒｍｅｒ ｉｎｆｌｕｅｎｅｅｓ ｔｈｅ ｍｏｎｉ— ｔｏｒｉｎｇ ｓｔａｔｕｓ ｄｉｒｅｃｔｌｙ：ａ ｌｏｎｇ ｐｕｓｈ—ｉｎｔｅｒｖａｌ ｍａｙ ｒｅｓｕｌｔ ｉｎ ｔｈｅ“ｆｒｅｓｈｎｅｓｓ”ｏｆ ｄａｔａ．ｗｈｉｌｅ ａ ｓｈｏｒｔ ｐｕｓｈ＿ｉｎｔｅｒｖａｌ ｍａｙ ａｇｇｒａｖａｔｅ ｔｈｅ ｄａｔａ ｔｒａｎｓｍｉｓｓｉｏｎ ｐｒｅｓｓｕｒｅ． Ｒｅｆｅｒｅｎｃｅ ｆ１ ２１ ｄｉｓｃｕｓｓｅｄ ｔｈｅ ｖａｌｕｅ ｏｆ ｉｎｔｅｒｖａｌ；ｔｈｒｏｕｇｈ ｅｘｐｅｒｉｍｅｎｔ ｔｈｅｙ ｆｏｕｎｄ １ ｓ ｉｓ ａｎ ａｐｐｒｏｐｒｉａｔｅ ｖａｌｕｅ．Ｔｈｕｓ，ａｓ ｍａｎｙ ｒｅｓｅａｒｃｈｅｒｓ ｈａｖｅ ｃｈｏｓｅｎ．ｗｅ ａｌｓｏ ｓｅｔ ｔｈｅ ｐｕｓｈ—ｉｎｔｅｒｖａｌ ａｓ】ｓ． Ｆｉｇ．３ ＰＥＰ ａｌｇｏｒｉｔｈｍ Ｔｈｅ ｐｕｒｐｏｓｅ ｏｆ“ｅｖｅｎｔ—ｔｒｉｇｇｅｒ”ｉｓ ｔｏ ｐｒｏｖｉｄｅ ｍａｓ— ｔｅｒ ｎｏｄｅ ｗｉｔｈ ａｎ ａｌｅｒｔｉｎｇ ｍｅｃｈａｎｉｓｍ．Ｈｅｒｅ ｗｅ ｃｈｏｏｓｅ ｅｖｅｎｔ ａｓ ａ ｔｈｒｅｓｈｏｌｄ ｗｈｉｃｈ ｒｅｐｒｅｓｅｎｔｓ ｔｈｅ ｌｏａｄ ｃｏｎｄｉｔｉｏｎ ｏｆ ＣＰＵ ａｎｄ ｍｅｍｏｒｙ．Ｗｅ ｄｅｆｉｎｅ ｎｏｄｅｓ’ｒｅｓｏｕｒｃｅ ｌｏａｄ ｖｅｃｔｏｒ ａｓ Ｒ（ｈ）＝（ ｐｕ（＾）， 。 （ ）） （１） Ｈｅｒｅ Ｒ（ｈ）ｉｓ ｔｈｅ ｎｏｄｅ’ｓ ｒｅｓｏｕｒｃｅ ｌｏａｄ ｖｅｃｔｏｒ， ｐｕ（ ），Ｕｍｅｍ（ ）ｒｅｐｒｅｓｅｎｔ ｔｈｅ ｒｅｓｏｕｒｃｅ ｕｔｉｌｉｚａｔｉｏｎ ｒａｔｅ ｏｆ ＣＰＵ ａｎｄ ｍｅｍｏｒｙ ｒｅｓｐｅｃｔｉｖｅｌｙ． Ｔｈｅ ｔｈｒｅｓｈｏｌｄ ｏｆ ｅｖｅｎｔ ｔｒｉｇｇｅｒ ｃａｎ ｂｅ ｓｅｔ ｍａｎｕａｌｌｙ． Ｊ ＇ｅｌ（！Ｘａｌｎｐｌｃ，ｉｆ ｔｉｌｅ ＣＰＵ ｕｔｉｌｉｚａｔｉｏｎ ｒａｔｅ ｉｓ ｏｖｅｒ ９０％ｏｒ ｔ １ｌｅ ｕｌｅｕｌｏｒｙ ｕｔｉｌｉｚａｔｉｏｎ ｒａｔｅ ｉｓ ｏｖｅｒ ９０％．ｏｒ ｂｏｔｈ ｏｆ ｔｈｅｍ ｉ ｒｅ Ｉ（？ＳＳ ｔｈａｉｉ ５％．ｉｔ ｗｉｌｌ ｔｒｉｇｇｅｒ ｔｈｅ ｅｖｅｎｔ．ａｎｄ ｓｅｎｄ ｔｈｉｓ ｉｎｆｏ，’ｎｌａｔｉｏＩｌ ｔｏ ｎｔａｓｔｅｒ ｎｏｄｅ ｒｅｇａｒｄｌｅｓｓ ｏｆ ｔｈｅ ｐｕｓｈ ｉｎ— ｔ（、Ｉ ｖａ１．Ｔｈｅｌ１ ｔｈｅ ｍｏｎｉｔｏｒ ｉｎ ｍａｓｔｅｒ ｎｏｄｅ ｗｉｌ１ ｉｎｓｔａｎｔｌｙ ｋｎｏｗ ｔ ｈｅ ｕｓｉｎｇ ｓｔａｔｕｓ ｏｆ ｔｈｅ ｒｅｓｏｕｒｃｅ．Ｎｏ ｍａｔｔｅｒ ｔｈｅ ｗ（）ｒｋ ｎｏ（］ｏ ｉｓ ｔｏｏ ｂｕｓｙ ｏｒ ｔｏｏ ｉｄｌｅ．ｍｏｎｉｔｏｒ ｗｉｌｌ ｆｅｅｄｂａｃｋ ｔ｝ｌｅｓｅ ｉｎｆ０Ｉ’１１ｌａｔｉｏｎ ｔｏ ｏｔｈｅｒ ｐａｒｔｓ ｌｉｋｅ ｌｏａｄ ｂａｌａｎｃｉｎｇ ｔｏ ｏｐｔｉｎｆｉｚｅ ｔｔｌｅ ｌｏａｄ． ２．２ Ｃｏｌｌｅｃｔ ｉｏｎ ｏｆ ｖｉｒｔ ｕａｌ ｒｅｓｏｕｒｃｅ Ｗｉｔｈｉｎ ＶＭＭ ｅｘｃｅｐｔ ｆｏｒ ｔｈｅ ｗｉｄｅｌｙ ｕｓｅｄ Ｌｉｂｖｉｒｔ ｔｏ ｃａｔ）ｔｔｉｒｅ ｔｈｅ ｍｏｎｉｔｏｒｉｎｇ ｉｎｆｏｒｍａｔｉｏｎ，ｗｅ ａｌｓｏ ｕｓｅ ｓｅｉｎｅ ｔ ｏ（：ｈｎｉｑｕｅｓ ｔｏ ｍａｋｅ ｕｐ ｆｏｒ ｔｈｅ ｉｎｅｆｉｅｃｔｉｖｅｎｅｓｓ ｏｆ Ｌｉｂｖｉｒｔ ｉｎ ｖｉｒｔｕａｌ ｒｅｓｏｎｒｃｅ ｍｏｎｉｔｏｒｉｎｇ．、＾，ｅ ｕｓｅ Ｘｅｎ ａｓ ｔｈｅ ＶＭ ｉｉｉ ｔｌｉｆｓ ｐａｔ）ｅｒ． Ｔｈｒｏｕｇｈ ＬｉｂｖｉＩ’ｔ ｗｅ ｃａｎ ｇｅｔ ｔｈｅ ＣＰＵ ｕｔｉｌｉｚａｔｉｏｎ Ｉ÷ｔｔ（ ．１ｌｌｅｎｌｏｒｙ ａｌｌｏｃａｔｉｏｎ ｓｔａｔｕｓ，ｎｕｍｂｅｒ ｏｆ ＶＣＰＵ．ＣＰＵ ｓｌ ａｔ１ｉｓ （ ｔｃ． ｈ】ｏｒｄｅｒ ｔｏ ｇｅｔ ｔｈｅ ＶＣＰＵ ｕｔｉｌｉｚａｔｉｏｎ ｒａｔｅ．ｗｅ ＣＯｎｌ— ｐｕｌｅ ｉｔ ａｓ ｆｏｌｌｏｗｓ： Ⅵ． （￡）： ×１００％ ＼ｖｈｅｌ’ｃ ＣＴ ｄｅｐｉｃｔｓ ｔｈｅ ＶＣＰＵ ｒｕｎｎｉｎｇ ｔｉｍｅ ｕｐ ｔｏ ｎｏｗ Ｃ＂１ １ ｔｈｅ ＶＣＰＵ ｒｌｉｎｎｉｎｇ ｔｉｌｎｅ ｔ ｓｅｃｏｎｄｓ ｂｅｆｏｒｅ． Ｆｉｇ．４ Ｃｏｌｌｅｃｔｉｏｎ ｏｆ ｖｉｒｔｕａｌ ｒｅｓｏｕｒｃｅ ＭｃＩＩｌＯ１ Ｙ ｕｔｉｌｉｚａｔｉｏｎ ｒａｔｅ：ｅａｃｈ ｄｏｍａｉｎ ｐｕｒｓｕｅｓ ｔｈｅｉｒ ｛）ｗ１１ １ｌｔｅｌｎｏｒｖ ｎｓｉｎ￣ｓｔａｔｕｓ ｆｒＯＩｎ ｔｈｅ／ｐｒｏｃ ｆｉｌｅ ｓｙｓｔｅｍ． ；１ｎ（１ ｓｅｎｔ ｔ；ｈｅｌｎ ｔｏ Ｄｏｌｎａｉｎ（）．Ａｓ ｔｏ ｔｈｅ ｎｅｔｗｏｒｋ ａｎｄ Ｉ／Ｏ ｌｏａ‘１ Ｄｏｎｌａ ｉｎ（）（；ａｌｌ ａｃｑｕｉｒｅ ｆｒｏｍ ｉｔｓ ｂａｃｋ—ｅｎｄ． Ｆｔｌｅ ｄａｔａ ｃｏｌｌｅｃｔ；ｏｒ ａｃｑｕｉｒｅｓ ｂｏｔｈ ｓｔａｔｉｃ ａｎｄ ｄｙｎａｍｉｃ ｌｌｌ｛ ）ｒｍａｒｉｏｎ．Ｉｔ ｇｅｔｓ ｓｔａｔｉｃ ｄａｔａ ｓｕｃｈ ａｓ ＣＰＵ ｎｕｍｂｅｒ， １ Ｈ）（ ．ｆｒｅｑｌｍｎｃｙ．ｐｈｙｓｉｃａｌ ｎｌｅｌＩｌＯｌ’Ｙ，ｅｔｃ．ｆｒｏｍ ｔｈｅ／ｐｒｏｃ ｉｆｌｅ ｓｖｓｔｅｌ１１．Ｔｈｅｓｅ ｄａｔａ ｉ８ ｒｅｃｏｒｄｅｄ ｔｈｅ ｎｌｏｍｅｎｔ ｔｈｅ ｓｔａｒｔ ｏｆ ｓｙｓｔｅｍ ａ ｎｄ ｏｎｌｙ ｎｅｅｄ ｒｅｃｏｒｄ ｏｎｃｅ Ｉｎ ａｄｄｉｔｉｏｎ ｉｔ ｇｅｔｓ ｔｈｅ ｄｙｎａｍｉｃ ｄａｔａ ｓｕｃｈ ａｓ ｔｈｅ ＣＰＵ ｕｔｉｌｉｚａｔｉｏｎ ｒａｔｅ， ｉｎｅｌｎｏｒｙ ｕｔｉｌｉｚａｔｉｏｎ ｒａｔｅ，ＣＰＵ ｒｕｎｎｉｎｇ ｓｔａｔｕｓ，ＶＣＰＵ ｎ１ｌｎｌｂｅｒ．ｅｔｃ．．ｂａｓｅ（ｉ ｏｎ ｏｕｒ ＰＥＰ ｍｏｄｅｌ ｆｒｏｍ Ｌｉｂｖｉｒｔ ｉｎ一 ｒｆ｝ｌｃｅ ａｉＩｄ“Ｉｎｏｉ１”ｒｕｅｄｕｌｅ． Ｊ Ｓｈａｎｇｈａｉ Ｕｎｉｖ（Ｅｎｇｌ Ｅｄ）．２０１ １．１５（５ｊ：３８１—３８５ ３ Ｍｏｄｅｌ ａｎａｌｙｓｉｓ Ｔｈｅ ｏｖｅｒａｌｌ ｄｅｓｉｇｎ ｇｏａｌｓ ｏｆ＇ａｌｌｙ ｓｙｓｔｅｍ ａｒｅ ｓｃａｌａｂｉｌ— ｉｔｙ．ｅｆｉｆｃｉｅｎｃｙ．ａｎｄ ａｃｃｕｒａｃｙ．Ⅵ ａｎａｌｙｚｅ ｔｈｅ ｐｒｏｐｏｓｅ（１ ｍｏｎｉｔｏｒｉｎｇ ｍｏｄｅｌ ｆｒＯＵｌ ｔｈｅｓｅ ｐｅｒｓｐｅｃｔｉｖｅｓ ｎＯＷｒ Ｆｒ０ｉｎ ｐｅｒｓｐｅｃｔｉｖｅ ｏｆ ｔｈｅ ｓｃａｌａｂｉ一 鼙 ｌｉｔｙ ｏｕｒ ＰＥＰ ｍｏｄｅ１ ｉｓ ｉｎｈｅｒｅｎｔｌｙ ｓｃａｌａｂｌｅ．Ｎｏｗａｄａｙｓ，ｔｈｅ ｓｔｒｕｃｔｕｒｅ ｏｔ’ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ ｉｓ ｈｅｔｅｒｏｇｅｎｅｏｕｓ． Ｂｕｓｉｎｅｓｓ ｇｉａｎｔｓ ｃｏｎｓｔｒｕｃｔ ｔｈｅｉｒ ｏｗｎ ｃｌｏｕｄ ｃｏｍｐｕｔｉｎ￣ｉｌｌｆｒａｓｔｒｕｃｔｕｒｅｓ．Ｔｈｅｒｅ ａ ｒ（］ ｎｕｎｌｅｒｏｕｓ ｃａｔｅｇｏｒｉｅｓ ｏｆ ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ：ｐｕｂｌｉｃ，ｐｒｉ— ｒａｔｅ．ｈｙｂｒｉｄ ｅｔｃ．Ｈｏｗｅｖｅｒ．ｔｈｅ ｆｌｌｎｄａｍｅｎｔａｌ ｔｅｃｈｎｏｌ～ ｏｇｙ ｏｆ ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ ｉｓ ｖｉｒｔｕａｌｉｚａｔｉｏｎ．Ｏｍ ｍｏｄｅｌ ｒｏｏｔｓ ｉｎ ｔｈｅ ｖｉｒｔｕａｌｉｚａｔｉｏＩ１ ｌｅｖｅ１．ｓｃｒｅｅｎｉｎｇ ｔｈｅ ｈｅｔｅｒｏ— ｇｅｎｅｉｔｙ ｏｆ ｓｙｓｔｅｍｓ．Ｗｅ ｍｏｎｉｔｏｒ ｔｉｌｅ ｓｔａｔｕｓ ｎｏｔ ｓｏｌｅｌｙ ｕｎｄｅｒ ｓｐｅｃｉｆｉｃ ｃｏｎｆｉｇｕｒａｔｉｏｎ ｂｕｔ ｃａｎ ａｐｐｌｙ ｉｔ ｔｏ ｇｅｎｅｒａｌ ｐｌａｔｆｏｒｍｓ． Ｃｏｎｌｉｎｇ ｔｏ ｔｈｅ ｅｍｃｉｅｎｃｙ．ＰＥＰ ｍｏｄｅｌ １）ａｌａｎｃｅｓ ｔｈｅ ｗｏｒｋｌｏａｄ ａｎｄ ｆｒｅｓｈｎｅｓｓ ｏｆ ｄａｔａ．Ｔｈｅ ａｐｐｒｏｐｒｉａｔｅ ｃｈｏｏｓ— ｉｎｇ ｏｆ ｐｕｓｈ ｉｎｔｅｒｖａｌ ｃａｎ ｇｕａｒａｎｔｅｅ ｔｈｅ ｏｂｔａｉｎｉｎｇ ｏｆ。 ｍｏｎｉｔｏｒｉｎｇ ｄａｔａ ｗｉｔｈｏｕｔ ｉｒｅｐｏｓｉｎｇ ｔ０（）ｎ］ｕｃｈ ｂｕｒｄｅｎ ｔｏ ｔｈｅ ｓｙｓｔｅｍ．Ｔｈｅ ｅｖｅｎｔ ｔｒｉｇｇｅｒ ｍｅｃｈａｎｉｓｍ ｕｓｉｎｇ ｓｉｉＩ１一 ｐｌｙ ｔｈｒｅｓｈｏｌｄ ｃｏｎｔｒｏｌ ｍｅｔｈｏｄ ｃａｎ ｉｎｓｔａｎｔｌｙ ｒｅａｃｔ ｗｉｔｈ ｔｈｅ ｍｏｎｉｔｏｒ．Ｗｉｔｈ ｔｈｅ ｃｏｎｓｉｄｅｒａｔｉｏｎ ０ｆ ｅｆ｝ｉｃｉｅｎｃｙ ＰＥＰ ａｄｏｐｔｓ ｓｉｍｐｌｙ ｔｈｒｅｓｈｏｌｄ ｃｏｎｔｒｏｌ ｓｉｎｃｅ ｉｔ ｗｉｌｌ ｎｏｔ ｏｃｃｎｐｙ ｔｈｅ ｃｏｍｐｕｔｉｎｇ ｒｅｓｏｕｒｃｅ ｏｆ ｔｈｅ ＣＰＵ． Ｔｏ ｏｂｔａｉｎ ｉｎｏｒｅ ａｄｅｑｕａｔｅ ｍｏｎｉｔｏｒｉｎｇ ｄａｔａ ｉｓ ｅｌｌ（￣ｔ）ｊ ｔｈｅ ｂａｓｉｃ ｒｏｌｅｓ ｏｆ ａｎｙ ｍｏｎｉｔｏｒｉｎｇ ｓｙｓｔｅｍｓ．Ｌｉｂｖｉｒｔ ｇａｌｌｉｓ ａｎ ｕｐｐｅｒ ｈａｎｄ ｉｎ ｔｈｅ ｓｃａｌａｂｉｌｉｔｙ ｓｉｎｃｅ ｉｔ ｃａｎ ｂｅ ｕｓｅ（１ ｕｎｄｅｒ Ｘｅｎ．ＫＶＭ ｏｒ ＱＥＭＵ．Ｈｏｗｅｖｅｉ’ ｔｈｅ ｍｏｎｉｔｏｒｉｎｇ ｄａｔａ ｉｔ ｇａｔｈｅｒｓ ａｒｅ ｎｏｔ ａｄｅｑｕａｔｅ ｅｎｏｕｇｈ ｅｓｐｅｃｉａｌｌｙ ｔｌＬｔ、 ｖｉｒｔｕａｌ ｒｅｓｏｕｒｃｅ ｕｓｉｎｇ ｓｔａｔｕｓ．Ｘｅｌ１．ｉｔｓｅｌｆ．ｐｒｏｖｉｄｅｓ ＳＯ１１１ｔ ｔｏｏｌｓ ｆｏｒ ｔｈｅ ｃｏｌｌｅｃｔｉｏｎ ｏｆ ｍｏｎｉｔｏｒｉｎｇ ｄａｔａ．ｓｕｃｈ ａｓ ｔｌｌ（、 ｘｒｎ ｔｏｐ．Ｘｅｎｓｔｏｒｅ．ＸｅｎＭｏｎ［１３ｊ．Ｔｈｅｓｅ ｔｏｏｌｓ ｗｏｒｋ ｏｎ ｔｔｌｃ ｌｏｗｅｒ ｌａｙｅｒ．ｃａｎ ｇｅｔ ｍｏｒｅ ａｃｃｕｒａｔｅ ｄａｔａ．Ｈｏｗ－ｅｖｅｉ’ｔｈｅ ｐｒｏｂｌｅｍ ｉｓ ｔｈａｔ ｉｔ ｃａｎ ｏｎｌｙ ｂｅ ｕｓｅｄ ｉｎ Ｘｅｎ．１ｅｔ ａｌｏｌｌ（ ｔｈｅ ｏｔｈｅｒ ｋｉｎｄｓ ｏｆ ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ ａｒｃｈｉｔｅｃｔｕｒｅｓ．ＰＥＰ ｍｏｄｅｌ ｌｌｓｅｓ ｔｈｅ Ｌｉｂｖｉｒｔ ｉｎｔｅｒｆａｃｅ．ｓｏ ｉｔ ｃａｒｒｉｅｓ ｆ（】ｒｗａｒ（１ ｔｈｅ ｓｃａｌａｂｉｌｉｔｙ．Ｍｅａｎｗｈｉｌｅ．ｉｔ ａｌｓｏ ｎｌａｋｅｓ ｕｐ ｔｈｅ ｉｎｅａｐａ— ｂｉｌｉｔｙ ｏｆ Ｌｉｂｖｉｒｔ ｉｎ ｖｉｒｔｕａｌ ｒｅｓｏｕｒｃｅ ｕｓａｇｅ ｍｏｎｉｔｏｒｉｎｇ． Ｆｕｔｕｒｅ ｗｏｒｋ ｉｎｃｌｕｄｅｓ ｅｖａｌｕａｔｉｏｎ ｏｆ ｔｉｌｅ ｐｒｏｐｏｓｅｄ ＳＯ— ｌｕｔｉｏｎｓ．Ｔ０ ｅｖａｌｕａｔｅ ｔｈｅ ｍｏｎｉｔｏｒｉｎｇ ｐｒｏｐｏｓａｌ，ａ ｐｒｏｔｏ— ｔｙｐｅ ｉｓ ｂｅｉｎｇ ｄｅｖｅｌｏｐｅｄ ａｓ ａ ｐｒｏｏｆ＇ｏｆ ｃｏｎｃｅｐｔ ａｎｄ ｉｔ ｓ ｐｅｒｆｏｒｍａｎｃｅ ａｎｄ ｕｓａｂｉｌｉｔｙ ｗｉｌ１ ｂｅ ｔｅｓｔｅｄ． ４ Ｃｏｎｃｌｕｓｉｏｎｓ ａｎｄ ｆｕｔ ｕｒｅ ｗｏｒｋ Ｔｈｅ ｆｌｏｕｒｉｓｈｉｎｇ ｃｌｏｕｄ ｃｏｎｌｐｕｔｉｎｇ ｃｏｎｃｅｐｔ ｈａｓ ａ ｌｏｔ ｏｆ ｎｅｗ ｐｒｏｂｌｅｍｓ ｔｏ ｂｅ ｓｏｌｖｅｄ．Ｔｈｅ ｖｉｒｔｕａｌ ｒｅｓｏｕｉ’ｃｅ ｌＵＯ１ｌｉ— ｔｏｒｉｎｇ ｉ８ ｏｎｅ ｏｆ ｔｈｅ ｃｈａｌｌｅｎｇｉｎｇ ｏｎｅ．Ｉｌｌ ｏｒｄｅｒ ｔｏ Ｉｎｏｎｉｔｏｌ’ ｔｈｅ ｖｉｒｔｕａｌ ｒｅｓｏｕｒｃｅ ｍｏｎｉｔｏｒｉｎｇ ｉｎ ｃｌｏｕｄ ｃｏｍｐｌｌｔｉｎｇ ｂｅｌ— ｔｅｒ ａｎｄ ｐｒｏｖｉｄｅ ｃｏｍｐａｒａｔｉｖｅｌｙ ｓｏｕｎｄ ｍｏｎｉｔｏｒｉｌｌｇ ｉｎｆｂｌ’一 ｍａｔｉｏｎ ｔｏ ｕｓｅｒｓ ａｎｄ ｏｔｈｅｒ ｃｏｌｎｐｏｎｅｎｔｓ ｉｎ ｃｌｏｕｄ ｃｏｎ１ｐｕｔ— ｉｎｋ ｗｅ ｐｕｔ ｆｏｒｗａｒｄ ＰＥＰ ｍｏｎｉｔｏｒｉｎｇ ｍｏｄｅ１．Ｔｔｉｅ ｎｌｏｄｃｌ ｔａｋｅｓ ａｄｖａｎｔａｇｅ ｏｆ ｔｈｅ ｐｕｓｈ ａｎｄ ｅｖｅｎｔ—ｄｒｉｖｅｎ ｉｎｅｃｈａ— ｎｉｓｍ．ａｎｄ ｓｉｍｐｌｉｆｙ ｔｈｅ ｃｏｌｎｎｍｎｉｃａｔｉｏｎ ｂｅｔｗｅｅｎ¨ｌａＳｔｅｉ’ Ｊ Ｓｈａｎｇｈａｉ Ｕｎｉｖ（Ｅｎｇｌ Ｅｄ），２０１１，１５（５）：３８１—３８５ ａｎｄ ｗｏｒｋ ｎｏｄｅｓ ｗｉｔｈｏｕｔ ｍｉｓｓｉｎｇ ｔｈｅ ｉｍｐｏｒｔａｎｔ ｉｓｓｕｅｓ ｈａｐｐｅｎｅｄ ｄｕｒｉｎｇ ｔｈｅ ｐｕｓｈ ｉｎｔｅｒｖａ１．Ｉｎ ａｄｄｉｔｉｏｎ ｗｅ ｄｅ— ｖｅｌｏｐ“ｍｏｎ”ｔｏ ｍａｋｅ ｕｐ ｆｏｒ ｔｈｅ ｄｅｆｉｃｉｅｎｃｙ ｏｆ Ｌｉｂｖｉｒｔ ｉｎ ｍｏｎｉｔｏｒｉｎｇ ｏｆ ｖｉｒｔｕａ１ ＣＰＵ ａｎｄ ｍｅｍｏｒｙ．Ｏｕｒ ｍｏｄｅｌ ｉｓ ａｂｌｅ ｔｏ ｃａｐｔｕｒｅ ｔｈｅ ｖｉｒｔｕａｌ ｒｅｓｏｕｒｃｅｓ ｄｙｎａｍｉｃ ｕｓａｇｅ ｓｔａ— ｔｕｓ ｗｅｌｌ，ｃｏｍｐａｒｅｄ ｔｏ ｏｔｈｅｒ ｍｅｔｈｏｄｓ １ｉｋｅ ｕｓｉｎｇ Ｌｉｂｖｉｒｔ ｏｎｌｙ．Ｉｔ ｄｏｅｓ ｎｏｔ ｔａｋｅ ｕｐ ｔｏｏ ｍｕｃｈ ｃｏｍｐｕｔｉｎｇ ｒｅｓｏｕｒｃｅ ａｎｄ ｐｒｏｖｉｄｅ ｍｏｒｅ ａｄｅｑｕａｔｅ ｉｎｆｏｒｍａｔｉｏｎ． ０ｕｒ ｆｕｒｔｈｅｒ ａｉｍ ｉｓ ｔｏ ｂｅ ａｂｌｅ ｔｏ ｐｒｏｖｉｄｅ ｔｈｅｓｅ ｉｎｆｏｒ— ｍａｔｉｏｎ ｎｏｔ ｏｎｌｙ ｔｏ ｕｓｅｒｓ ｂｕｔ ａｌｓｏ ｔｏ ｔｈｅ ｏｔｈｅｒ ｓｉｇｎｉｆｉｃａｎｔ ｃｏｍｐｏｎｅｎｔｓ ｉｎ ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ，ｓｕｃｈ ａｓ ｌｏａｄ ｂａｌａｎｃｉｎｇ， ｐｒｉｃｉｎｇ，ｅｔｃ．Ｂａｓｅｄ ｏｎ ｔｈｅｓｅ ｍｏｎｉｔｏｒｉｎｇ ｄａｔａ，ｗｅ ｃａｎ ｄｅｖｅｌｏｐ ｅａｓｙ ｉｎｔｅｒｏｐｅｒａｔｉｎｇ ｗａｙｓ ｔｏ ｒｅａｌｌｏｃａｔｅ ｒｅｓｏｕｒｃｅｓ ａｎｄ ｅａｓｅ ｔｈｅ ｏｖｅｒｌｏａｄ ｎｏｄｅｓ． Ｒｅｆｅｒｅｎｃｅｓ ＫＡＮＧ Ｍ，ＫＡＮＧ Ｄ—Ｉ，ＹＵＮ Ｍ，ＰＡＲＫ Ｇ Ｌ，ＬＥＥ Ｊ Ｄｅｓｉｇｎ ｆｏｒ ｒｕｎ—ｔｉｍｅ ｍｏｎｉｔｏｒ ｏｎ ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ［Ｊ］ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｉｎ Ｃｏｍｐｕｔｅｒ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ２０１０，ＤＯＩ：１０．１００７／９７８—３—６２４—１６４４４—６—３６． ＪＯＮＥＳ Ｍ Ｔ．Ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ ｗｉｔｈ Ｌｉｎｕｘ ｃｌｏｕｄ ｐｏｍ— ｐｕｔｉｎｇ ｐｌａｔｆｏｒｍｓ ａｎｄ ａｐｐｌｉｃａｔｉｏｎｓ［ＥＢ／ＯＬ］．（２００８一 Ｏ９—１０）［２０１１—０５—２６］．ｈｔｔｐ：／／ｗｗｗ．ｉｂｍ．ｃｏｍ／ｄｅｖｅｌｏｐｅｒ— ｗｏｒｋｓ／ｌｉｎｕｘ／ｌｉｂｒ—ａｒｙ／１一ｃｌｏｕｄ—ｃｏｍｐｕｔｉｎｇ． ［３］ＢＡＲＨＡＭ Ｐ，］－）ＲＡＧＯＶＩＥ Ｂ，ＦＲＡＳＥＲ Ｋ，ＨＡＮＤ Ｓ，ＨＡＲ— ＲＩＳ Ｔ，ＨＯ Ａ，ＮＥＵＧＥＢＡＵＥＲ Ｒ，ＰＲＡＴＴ Ｉ，ＷＡＲＦＩＥＬＤ Ａ． Ｘｅｎ ａｎｄ ｔｈｅ ａｒｔ ｏｆ ｖｉｒｔｕａｌｉｚａｔｉｏｎ［ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ｎｉｎｅｔｅｅｎｔｈ ＡＣＭ ｓｙｍｐｏｓｉｕｍ ｏｎ ｏｐｅｒａｔｉｎｇ ｓｙｓｔｅｍｓ ｐｒｉｎｃｉｐｌｅｓ．Ｎｅｗ Ｙｏｒｋ．ＵＳＡ．２００３：１６４—１７７． ［４］ＭＡＳＳＩＥ Ｍ Ｌ，ＣＨＵＮ Ｂ Ｎ，ＣＵＬＬＥＲ Ｄ Ｅ．Ｔｈｅ ｇａｎ— ｇｌｉａ ｄｉｓｔｒｉｂｕｔｅｄ ｍｏｎｉｔｏｒｉｎｇ ｓｙｓｔｅｍ：Ｄｅｓｉｇｎ，ｉｍｐｌｅｍｅｎ— ３８５ ｔａ￣ｉｏｎ，ａｎｄ ｅｘｐｅｒｉｅｎｃｅ［Ｊ１．Ｐａｒａｌｌｅｌ Ｃｏｍｐｕｔｉｎｇ，２００４ ３０（７）：８１７ ８４０． ［５］Ｎａｇｉｏｓ【ＥＢ／ＯＬ］．（２０１１—０１—２９）［２０１１—０３—２４］．ｈｔｔｐ：／／ ｗｗｗ．ｎａｇｉｏｓ．ｏｒｇ． ｆ６１ ＰＯＬＡＤＩＡＮ Ｖ，ＧＡＲＬＡＮ Ｄ，ＳＨＡＷ Ｍ，ＳＡＴＹＡＮＡＲＡＹＡＮＡＮ Ｍ，ＳＣＨＭＥＲＬ Ｂ Ｒ，ＰＥＤＲＯ Ｊ．Ｌｅｖｅｒａｇｉｎｇ ｒｅｓｏｕｒｃｅ ｐｒｅ－ ｄｉｃｔｉｏｎ ｆｏｒ ａｎｔｉｃｉｐａｔｏｒｙ ｄｙｎａｍｉｃ ｃｏｎｆｉｇｕｒａｔｉｏｎ『Ｃ］／／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｆｉｒｓｔ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｓｅｌｆ－Ａｄａｐｔｉｖｅ ａｎｄ Ｓｅｌｆ－Ｏｒｇａｎｉｚｉｎｇ Ｓｙｓｔｅｍｓ，Ｗａｓｈｉｎｇ－ ｔｏｎ ＤＣ，ＵＳＡ．２００７：２１４－２２３． ［７］Ｖｉｒｔ—ｍａｎａｇｅｒ［ＥＢ／ＯＬ］．（２０１１—０２—０３）【２０１１—０４－１８］ ｈｔｔｐ：／／ｗｗｗ．ｖｉｒｔ—ｍａｎａｇｅｒ．ｏｒｇ． ［８］Ｌｉｂｖｉｒｔ：Ｔｈｅ ｖｉｒｔｕａｌｉｚａｔｉｏｎ ＡＰＩ［ＥＢ／ＯＬ］．（２０１０—１２—１１） ［２０１１—０４—０９］．ｈｔｔｐ：／／ｌｉｂｖｉｒｔ．ｏｒｇ． ［９ ＫＶＭ９］（Ｋｅｒｎｅｌ—ｂａｓｅｄ Ｖｉｒｔｕａｌ Ｍａｃｈｉｎｅ）［ＥＢ／ＯＬ］． （２０１０—１１—１２）［２０１１—１１—０２］．ｈｔｔｐ：／／ｋｖｍ．ｑｕｍｒａｎｅｔ．ｃｏｍ／ ｋｖｍｗｉｋｉ． 【１０】ＢＥＬＬＡＲＤ Ｆ．ＱＥＭＵ，ａ ｆｓａｔ ａｎｄ ｐｏｒｔａｂｌｅ ｄｙｎａｍｉｃ ｔｒａｎｓ— ｌａｔｏｒ［ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ Ｕｓｅｎｉｘ Ａｎｎｕａｌ Ｔｅｃｈｎｉｃａｌ Ｃｏｎｆｅｒｅｎｃｅ，Ｂｅｒｋｅｌｅｙ，ＣＡ，ＵＳＡ．２００５：４１—４６． ［１ １］ＺＡＮＩＫＯＬＡＳ Ｓ，ＳＡＫＥＬＬＡＲＩＯＵ Ｒ．Ａ ｔａｘｏｎｏｍｙ ｏｆ ｇｒｉｄ ｍｏｎｉｔｏｒｉｎｇ ｓｙｓｔｅｍｓ［Ｊ］．Ｆｕｔｕｒｅ Ｇｅｎｅｒａｔｉｏｎ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍｓ，２００５，２１（１）：１６３—１８８． ［１２］ ＹＡＮＧ Ｇａｎｇ，ＳＵＩ Ｙｕ—ｌｅｉ．Ａｄａｐｔｉｖｅ ａｐｐｒｏａｃｈ ｔｏ ｍｏｎｉｔｏｒ ｒｅｓｏｕｒｃｅ ｆｏｒ ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ ｐｌａｔｆｏｒｍ［Ｊ］＿Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ，２００９，４５（２９）：１４—１７（ｉｎ Ｃｈｉｎｅｓｅ）． 【１３】ＧＵＰＴＡ Ｄ，ＧＡＲＤＮＥＲ Ｒ，ＣＨＥＲＫＡＳＯＶＡ Ｌ．ＸｅｎＭｏｎ ＱｏＳ ｍｏｎｉｔｏｒｉｎｇ ａｎｄ ｐｅｒｆｏｒｍａｎｃｅ ｐｒｏｆｉｌｉｎｇ ｔｏｏｌ［Ｒ］ Ｃａｌｉｆｏｒｎｉａ，ＵＳＡ：Ｔｅｃｈｎｉｃａｌ Ｒｅｐｏｒｔ ｏｆ ＨＰ Ｌａｂ，２００５． （Ｅｄｉｔｏｒ ＣＨＥＮ Ｈａｉ—ｑｉｎｇ）