未来IT技术展现——虚拟化技术大盘点

1 篇文章 0 订阅
1 篇文章 0 订阅

一 虚拟化的概念和分类

 

顾名思义,虚拟化就是在计算上虚拟出一些实际计算机里真实存在的东西,以达到更方便、简单、成本低、安全性高的目的。比如,虚拟计算机硬件,可以安装操作系统;以现有操作系统为蓝本,再虚拟出几个一摸一样的;虚拟一个操作系统环境,可以安装应用软件。这个解释,是本人很通俗的说法,严格精准的定义,至今还未看到。

 

虚拟化技术,经过数年的发展,已经成为一个庞大的技术家族,其技术形式种类繁多,实现的应用也一大箩筐了。但对其分类,网上的介绍比较含糊,分类属性不一。如将服务器虚拟化、硬件虚拟化、cpu虚拟化相提并论,但其实它们都属一个类别,只是按不同属性分类得出的不同名称。

 

言归正传,现在按照不同属性,对虚拟化做一个分类:

 

以实现层次来分:硬件虚拟化,操作系统虚拟化,应用程序虚拟化。

 

以被应用的领域来划分:服务器虚拟化、存储虚拟化、网络虚拟化、桌面虚拟化。

 

还有从以某类里衍生出来的,无法归类,比如cpu虚拟化,文件虚拟化。

 

这些不用属性的类别之间的关系又是交错联系的,下面逐一简单介绍一下。

 

二 虚拟化分类之硬件虚拟化

 

硬件虚拟化,应该是中国IT人员最熟悉的技术了,其代表产品VMware,可能每个程序员都有使用。还有更多一些类似本人这样的IT爱好者,天天在捣鼓。

 

硬件虚拟化,就是用软件来虚拟一台标准电脑的硬件配置,如cpu、内存、硬盘、声显卡、光驱等,成为一台虚拟的裸机,然后就可以在上面安装操作系统了。

 

使用时,先在操作系统里安装一个硬件虚拟化软件,用其虚拟出一台电脑,再安装系统,做到系统里运行系统,并可虚拟出多台电脑,安装多个相同或不同的系统。

 

其代表产品为VMware,其余几个知名的有:微软的Virtual PC,开源免费的VirtualBox。

 

为虚拟机分配的硬件资源要占用实际硬件的资源,对性能损耗也较大。因为是在系统里安装虚拟化软件,再在虚拟的电脑上装系统,所以就有原系统和虚拟化软件两层消耗,为了提高性能,出现了另外一种硬件虚拟化形式:直接在裸机上安装虚拟化软件,然后安装多个系统,并同时运行。跳过原系统这一环节,性能大大提高。这种虚拟化又叫做准虚拟化。VMware推出的相关产品叫VMware ESXi,微软的该类产品为Hyper-V,主要应用于服务器领域。

 

三 虚拟化分类之操作系统虚拟化

 

操作系统虚拟化就是以一个系统为母体,克隆出多个系统。它比硬件虚拟化要灵活方便,因为只需在系统里装一个虚拟化软件,就能以原系统为样本,很快克隆出系统,克隆出的系统与原系统除去一些ID标识外,其余都一样。

看似与硬件虚拟化一样,都是虚拟多个操作系统出来,但与硬件虚拟化还是很多不同之处:

 

1. 操作系统虚拟化是以原系统为样本,虚拟出一个近乎一摸一样的系统;硬件虚拟化是虚拟硬件环境,然后真实的安装系统。它们虚拟的东西不一样。

 

2. 操作系统虚拟化,虚拟的系统都只能为同样的系统;硬件虚拟化,虚拟的系统可以为不同的系统,如linnux、mac、windows家族。

 

3. 操作系统虚拟化,虚拟的多个系统有较强的联系,体现在:第一,可以多个虚拟系统同时进行配置,更改了原系统,就改了所有;第二,如果原系统损坏,会殃及所有虚拟系统。硬件虚拟化虚拟的多个系统,是相互独立,与原系统也无联系。原系统的损坏不会殃及虚拟的系统。

 

4. 操作系统虚拟化的性能损耗低,它们都是虚拟的系统,而非硬件虚拟化那样真实安装的实体;没有硬件虚拟化的虚拟硬件层,也大大降低了性能损耗。

 

四 虚拟化分类之应用虚拟化

 

前两种虚拟化技术,大多应用于企业、服务器和一些IT专业工作领域。随着虚拟化技术的发展,逐渐从企业往个人、专业往大众应用的趋势发展,便出现了应用程序虚拟化技术,简称应用虚拟化。它近年虚拟化的新贵和热门领域。

前两种虚拟化的目的是虚拟完整的真实的操作系统,应用虚拟化的目的也是虚拟操作系统,但只是为保证应用程序的正常运行虚拟系统的某些关键部分,如注册表、C盘环境等,所以较为轻量、小巧。

 

打一个通俗的比喻:系统是一个餐桌,软件是餐桌上各种菜品,应用虚拟化软件则是一次性桌布。铺个桌布的好处是,不会弄脏餐桌;即使桌布脏了,也好打理,比清理餐桌方便的多;桌上菜品,可以通过打包桌布,带到另一个餐桌上,铺开了就吃。

 

应用虚拟化技术的兴起最早也是从企业市场而来。一个软件被打包后,通过局域网很方便的分发到企业的几千台电脑上去,不用安装,直接使用,大大降低了企业的IT成本。

 

应用到个人领域,可以实现很多非绿色软件的移动使用,如cad、3dmax、office等;可以让软件免去重装烦恼,不怕系统重装。很有绿色软件的优点,但又在应用范围和体验上超越绿色软件。

 

使用方法大体为:先安装虚拟化软件,此时已经搭建了一个虚拟化环境,然后接收来自网络的应用软件或安装应用软件到虚拟化环境里,最后使用应用软件。

 

应用虚拟化领域比较可喜的是,也有国产产品参与其中。下面简单介绍几个有代表性的:

 

1.Microsoft Application Virtualization (App-V)

前身是sofgrid,被微软收购,主要针对企业内部的软件分发,方便了企业桌面的统一配置和管理,支持同时使用同一程序的不同版本、在客户端第一次运行程序时可以实现边用边下载等。但是对windows外壳扩展的程序的支持不够好,并且安装实施非常复杂,不是专业的管理员是很难部署起来的。

 

2.VMware ThinApp

前身是thinstall,被vmware收购。它不需要第三方平台,直接把虚拟引擎(重写了几百个windows的api)和软件打包成单文件,分发简单,支持同时运行一个软件的多个版本;但是和系统的结合不够紧密,比如说文件关联、类似于winrar等的右键菜单、无法封装环境包(.net框架、 java环境)、无法封装服务。主要用于企业软件分发。

 

3.Symantec Software Virtualization Solution (SVS)

SVS于2006年左右被Symantec收购,它的虚拟引擎和虚拟软件包是分离的,能做到对应用程序的完美支持,包括支持windows外壳扩展的程序,支持封装环境包(.net框架、java环境)、支持封装服务。但是无法同时运行同一个软件的不同版本。主要用于企业软件分发。

 

4.installfree

Installfree是后起之秀,其最大特色在于:无需在干净的环境下打包软件,也可以做到很好的兼容性。打包软件,是应用虚拟化技术的一大难题。要实现一个软件的随处免安装使用,就必须把软件正常安装后的文件都打成包,但如果系统不干净,就会造成打包文件的不完整,分发到其他电脑上时无法使用。主要用于企业软件分发。

 

5.sandboxIE

俗称沙盘,这个是IT爱好者家喻户晓的东东了。它主要用于软件测试和安全使用领域。因为它像个软件的囚笼,你可以把软件安装在沙盘里,并运行在其中,软件所有行为都不会影响到系统。如果软件带毒或被感染病毒,可以一下扫光,就像把一个真实的沙盘里的各种沙造物体打碎,和一下重来。

 

6.云端软件平台(softcloud)

这是应用虚拟化领域的优秀国产软件,面市不久,其实现原理与SVS很类似。但其最大特别之处在于,不是应用于企业市场,而是针对个人用户使用软件时的诸多问题和烦恼的解决方案。

 

其最大特色,本人理解集中于两点:一是,让软件使用变得更方便快捷;二是,让软件使用不影响系统,保持系统干净、稳定,真正的绿色。

 

云端与其他应用虚拟化软件不同,它自带了打包好的软件资源,使用时无需安装,一点就用,不写注册表、不写系统;无用软件可以一键删除,快速干净不残留。而且最省事的一点莫过于重装系统后,所有软件不用重装。因为在云端使用的软件都在云端的缓存目录里,重装系统后只要安装云端,再次指定这个目录,所有软件就可以立即恢复使用,并且无需重配置,就跟重装前的一摸一样。

 

它还有四个一键操作,非常方便:一键使用、一键删除、一键重置到完好状态、一键备份服务器,是使用软件的全能帮手。

 

完全可以系统里只装杀软、云端,其余软件都在云端里,非常好的体验。

 

使用优化算法,以优化VMD算法的惩罚因子惩罚因子 (α) 和分解层数 (K)。 1、将量子粒子群优化(QPSO)算法与变分模态分解(VMD)算法结合 VMD算法背景: VMD算法是一种自适应信号分解算法,主要用于分解信号为不同频率带宽的模态。 VMD的关键参数包括: 惩罚因子 α:控制带宽的限制。 分解层数 K:决定分解出的模态数。 QPSO算法背景: 量子粒子群优化(QPSO)是一种基于粒子群优化(PSO)的一种改进算法,通过量子行为模型增强全局搜索能力。 QPSO通过粒子的量子行为使其在搜索空间中不受位置限制,从而提高算法的收敛速度与全局优化能力。 任务: 使用QPSO优化VMD中的惩罚因子 α 和分解层数 K,以获得信号分解的最佳效果。 计划: 定义适应度函数:适应度函数根据VMD分解的效果来定义,通常使用重构信号的误差(例如均方误差、交叉熵等)来衡量分解的质量。 初始化QPSO粒子:定义粒子的位置和速度,表示 α 和 K 两个参数。初始化时需要在一个合理的范围内为每个粒子分配初始位置。 执行VMD分解:对每一组 α 和 K 参数,运行VMD算法分解信号。 更新QPSO粒子:使用QPSO算法更新粒子的状态,根据适应度函数调整粒子的搜索方向和位置。 迭代求解:重复QPSO的粒子更新步骤,直到满足终止条件(如适应度函数达到设定阈值,或最大迭代次数)。 输出优化结果:最终,QPSO算法会返回一个优化的 α 和 K,从而使VMD分解效果最佳。 2、将极光粒子(PLO)算法与变分模态分解(VMD)算法结合 PLO的优与适用性 强大的全局搜索能力:PLO通过模拟极光粒子的运动,能够更高效地探索复杂的多峰优化问题,避免陷入局部最优。 鲁棒性强:PLO在面对高维、多模态问题时有较好的适应性,因此适合海上风电时间序列这种非线性、多噪声的数据。 应用场景:PLO适合用于优化VMD参数(α 和 K),并将其用于风电时间序列的预测任务。 进一步优化的建议 a. 实现更细致的PLO更新策略,优化极光粒子的运动模型。 b. 将PLO优化后的VMD应用于真实的海上风电数据,结合LSTM或XGBoost等模型进行风电功率预测。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值