基于Web Services的网格计算中间件研究

随着网格计算技术的发展和Web Services技术的出现,使得整合各种计算资源解决具有重大挑战性的科学和工程计算问题成为可能.在对已有的应用于高性能计算的网格计算系统Netsolve进行研究的基础上,结合Web Services技术提出了一种用于高性能计算的网格系统,并且在初步实现的基础上,探讨了系统的优缺点.     

基于代理的网格计算中间件

WADE系统是基于代理技术实现的一个可屏蔽异构和分布性的动态自适应的校园计算网格，提出了基于代理技术在校园网络内实现并行计算的方法，详细论述了基于代理的网格计算中间件的体系结构和主要模块功能，阐述了利用代理实现异构编译、协同计算的过程，给出了代理的Java实现方法，利用软件代理实现网格计算中间件，可以解决异构计算平台下多种并行编程环境的协同计算问题，为用户提供统一的服务接口，这将大大增强系统的可用性。     

基于网格环境下的数据库挖掘技术研究

针对目前数据库挖掘中在速度和准确度方面上存在的一些问题,利用网格计算技术的优势,提出了一个基于网格环境下的数据库挖掘系统,将分布的计算机资源组织协调起来共同解决科学与工程的问题。这一技术,提高了数据挖掘中处理速度,解决了单从算法优化上较大的提高计算速度的实际应用问题。     

Agent技术在网格计算中的应用

网格计算的异构性、动态性和可扩展性对分布式计算技术提出了挑战。当前的分布式计算都是基于传统的Client／Server模式，通过远程过程调用或消息传递等方式实现跨平台操作，比较适合稳定的网络环境和应用场合，难以适应网格计算的要求。通过对agent技术的特点和优点的分析，提出了在网格计算中应用agent技术的思想，提出了agent技术在网格计算中的应用模型和六个应用方向，讨论了在网格计算中应用agent技术存在的问题，最后展望了agent技术在网格计算中的应用前景。     

网格计算下大规模虚拟仿真环境应用研究

长久以来大规模虚拟仿真环境由于受到其对计算、存储、实时性等高要求的束缚未能得到广泛的应用。文中研究了网格计算技术的特点,并列出了大规模虚拟仿真环境应用与网格计算技术结合后的优势,接着分别从资源获得、时钟管理、实体交互三个方面分析了大规模虚拟仿真环境应用所存在的问题,并以解决这些问题为目的引入了网格计算技术,提出了在网格计算环境下对大规模虚拟仿真应用这些问题的解决方案。     

Agent技术在网格计算中的应用

网格计算的异构性、动态性和可扩展性对分布式计算技术提出了挑战.当前的分布式计算都是基于传统的Client/Server模式,通过远程过程调用或消息传递等方式实现跨平台操作,比较适合稳定的网络环境和应用场合,难以适应网格计算的要求.通过对agent技术的特点和优点的分析,提出了在网格计算中应用agent技术的思想,提出了agent技术在网格计算中的应用模型和六个应用方向,讨论了在网格计算中应用agent技术存在的问题,最后展望了agent技术在网格计算中的应用前景.     

网格计算下大规模虚拟仿真环境应用研究

长久以来大规模虚拟仿真环境由于受到其对计算、存储、实时性等高要求的束缚未能得到广泛的应用.文中研究了网格计算技术的特点,并列出了大规模虚拟仿真环境应用与网格计算技术结合后的优势,接着分别从资源获得、时钟管理、实体交互三个方面分析了大规模虚拟仿真环境应用所存在的问题,并以解决这些问题为目的引入了网格计算技术,提出了在网格计算环境下对大规模虚拟仿真应用这些问题的解决方案.     

第三代Internet--网格计算技术若干研究

为了实现分散的资源共享、充分利用网上的闲置资源。科学界提出了网格计算。本文介绍了网格技术产生背景、发展过程，探讨了网格计算的概念、网格系统的组成、网格计算技术的关键问题，并介绍了网格在国内外学术和商业的应用现状。最后讨论了网格技术发展亟需解决的问题     

基于Globus Toolkit和SunTM ONE Grid Engine构建计算网格

网格计算(grid computing)是近几年发展起来的一个崭新研究领域,引起国内外学术界及工业界的广泛关注。其目的是研究如何安全有效地将现有的各种计算资源(尤其是那些分布在Internet的异构网络中的计算资源)组织起来协同解决复杂的科学及工程计算问题。在化学信息学和生物信息学中最典型的应用是虚拟高通量筛选侯选药物分子。本文以两个Linux机群为基础,用开放源码的网格支持软件包Globus Toolkit 3．2及Sun^TM ONE Grid Engine 5．3成功构建了计算网格;并通过设计测试程序实现一次性提交多个作业(300个)以及分析作业在计算网格中各个节点的分配及运行情况,从而测试了计算网格的效率。结果表明,所构建的计算网格在保持原机群运行稳定、可靠的前提下,改进了系统资源的分配管理方式以及用户提交作业的方法,从整体上提高了网络计算资源的利用率,也同时方便了系统的管理。     

网格计算中作业管理系统的分析及设计

随着高性能应用需求的迅猛发展，单台高性能计算机已经不能胜任一些超大规模应用问题的解决。这就需要将地理上分布、系统异构的多种计算资源通过高速网络连接起来，共同解决大型应用问题，作业管理是随着集群技术和网格技术的应用发展而发展起来的一项技术。针对网格计算中的作业管理系统，该文主要分析了作业管理系统的设计、实现及关键技术，以及作业管理系统中的各种组件的工作原理，并在此基础上提出并设计出针对网格计算的作业调度器的框架。     

高性能计算在多学科大变量飞机优化设计中的应用

波音、空客等公司飞机设计中采用的先进设计手段之一是基于高性能计算的多学科、大规模设计变量优化的应用。目前我国的高性能计算在硬件方面已处于世界领先水平,但在工程应用系统方面还无法满足需求。文章介绍了以工程实际需求为导向,以高性能计算资源为辅助手段,基于飞机设计需求而开发的多学科、大变量的并行计算软件系统及计算平台,以及利用该平台实现的航空应用算例。     

集群系统与分布式计算

集群技术与集群系统是实现高性能计算的新途径。常见的集群架构分为Web/Internet集群系统和并行运算集群系统两种。集群技术的一个非常重要的方面是资源管理和负载平衡。集群系统可以分为高性能科学计算群集、负载均衡群集、高可用性群集等三大类。分布式计算是集群技术的理论基础,包括中间件技术、网格技术、移动Agent技术等。最后介绍了中科红旗的两个集群系统产品负载集群和高可用性集群。     

网格的数据挖掘*

网格是网络计算、分布式计算和高性能计算技术研究的热点。随着科学计算领域中的数据剧烈增长以及未来网格计算环境下广域分布的海量数据共享成为现实,数据挖掘技术将在挖掘有效的信息、发现新的知识和规律发挥着重要的作用。结合网格的特点,概述了网格数据挖掘的特点和关键技术,重点讨论了网格数据挖掘的体系结构和基本过程,最后给出了基于OGSA的网格数据挖掘的例子。     

基于网格技术的密码学计算平台的设计

结合现有的网格技术、思想和密码计算的特点,分析了利用网格技术实现密码学计算的可行性,并结合J2EE开发方式的优势实现系统支持,最后提出了一种有效的、可行的密码计算网格平台构架。     

网格计算的安全技术分析

由于网格计算是互联网上的一组新技术,随着网格计算在各领域的不断应用,网格计算的安全技术的研究也倍受重视,本文对网格计算的几种重要的安全技术方案,从工作机理上进行了较为详细的分析,根据网格计算技术和计算机安全技术的最新研究,提出了网格计算安全技术的发展方向。     

基于网格计算平台的并行计算系统研究与实现

把网格和高性能计算结合起来,基于网格高性能计算平台的并行计算系统(GPCS),主要介绍了GPCS的体系结构、功能及其设计、实现等几个主要的问题。该平台以通用网络为基础,以网格平台中间件为桥梁,实现了各种高性能计算资源之间的互联互通、共享和协同工作。     

网格计算的安全技术分析

由于网格计算是互联网上的一组新技术，随着网格计算在各领域的不断应用，网格计算的安全技术的研究也倍受重视，本文对网格计算的几种重要的安全技术方案，从工作机理上进行了较为详细的分析，根据网格计算技术和计算机安全技术的最新研究，提出了网格计算安全技术的发展方向。     

PKI在P2P-Grid安全计算平台中的应用

由于P2P系统节点的分布性,集中式的安全控制方式难以有效使用。借鉴网格计算的安全技术,提出了将PKI技术应用到P2P-Grid计算平台中的设计方案,首先由客户端发出请求,通过CA服务器认证后,与网格服务器建立安全连接,并按照一定的访问控制策略将任务分配到获准使用的网格节点。网格节点资源采用P2P的PeerGroup形式进行组织和管理,由PeerGroup中的Peer完成分布式计算,然后将各个Peer的计算结果汇总到网格服务器,最后将计算结果返回到客户端。该设计方案在一定程度上实现了在P2P-Grid平台上分布计算的安全性。     

网格计算——全球信息化的新航标

网格计算是一种新兴的技术,目前网格计算已从学术和研究领域拓展到财务、商业、政务、工业生产等诸多领域的应用范畴。网格计算不同于一般的传统分布式计算,网格计算着重于大规模多样性的资源共享以及创新应用,并在一定情况下定位于高性能计算,网格计算技术必将引领下一代互联网的新航向。本文重点剖析了当前网格计算的关键技术并对网格计算的发展前景进行了展望。     

A survey of life sciences applications on the grid

The availability of powerful microprocessors and improvements in the performance of networks has enabled high performance computing on wide-area, distributed systems. Computational grids, by integrating diverse, geographically distributed and essentially heterogeneous resources provide the infrastructure for solving large-scale problems. However, heterogeneity, on the one hand allows for scalability, but on the other hand makes application development and deployment for such an environment extremely difficult. The field of life sciences has been an explosion in data over the past decade. The data acquired needs to be processed, interpreted and analyzed to be useful. The large resource needs of bioinformatics allied to the large number of data-parallel applications in this field and the availability of a powerful, high performance, computing grid environment lead naturally to opportunities for developing grid-enabled applications. This survey, done as part of the Life Sciences Research Group (a research group belonging to the Global Grid Forum) attempts to collate information regarding grid-enabled applications in this field. Arun Krishnan, Ph.D.: He did his undergraduate in Electrochemical Engineering in the Central Electrochemical Research Institute in India and went on to do his Ph.D. in Advanced Process Control from the University of South Carolina. He then worked in the control and high performance computing industries for about 3 years before moving to the Bioinformatics Institute in Singapore. He is currently a Young Investigator for the Distributed Computing in Biomedicine Group at BII. His research interests include parallel and distributed computing with special emphasis on grid computing and its application to the biomedical area. He is also interested in developing parallel algorithms for sequence analysis and protein structure prediction.