仿真环境下的云计算数据中心能耗评估方法

数据中心能耗优化问题是云计算领域的重要研究方向,但在真实环境中进行相关研究需要承担巨额的研究成本,并且实验周期长,因此仿真技术在该领域广泛应用.为提高数据中心能耗感知仿真实验的准确性和可信度,本文分析了仿真平台的内置能耗模型和其他学者提出的能耗评估方法,并在此基础上提出了基于CPU和内存利用率的能耗评估方法,该方法考虑了CPU利用率对内存能耗的影响,采用多元非线性模型进行回归分析.实验证明,本文提出的能耗评估方法在适用于仿真平台的同时具有较高的预测精度,有效地提高了云计算仿真平台能耗评估的准确性.     

面向软件测试的课程仿真系统设计

针对现有课程仿真系统分析计算数据的逻辑较为混乱，导致的测试阶段的中央处理器（Central Processing Unit,CPU）占用率较高问题，设计了面向软件测试的课程仿真系统。分别将DSTREAM-HT仿真调试装置和mbed NXP LPC11U24开发板作为系统的硬件。在软件设计阶段，构建了包含仿真窗口类、用户界面类、面板类以及状态类的仿真模块，并在系统运行策略中引入三阶段法。在测试结果中，设计系统测试软件的CPU占用率始终稳定在10.0%以内，实现了最初的设计目标。     

基于GL Studio的多仪表综合显示面板仿真

该文研究了基于GL Studio的虚拟仪表开发流程,采用组件调用的方法设计完成了多仪表综合显示面板的虚拟仿真．实现了视频界面切换,并通过外部数据驱动虚拟仪表。针对仿真面板运行时系统资源占用率大的问题,提出几点改进办法,实验结果显示该文所提出的改进方法,具有更好的实时性、高精确度、可移植性和实用性,且系统资源占用率低,在实际项目应用中取得了良好的效果。     

基于“CPU+GPU”的人工智能运行平台的实时监控方法

人工智能运行平台监控的实时性要求相当高,单CPU难以满足实时人工智能运行平台的实际应用要求。为了改善人工智能运行平台的监控效率,设计了基于“CPU+GPU”的人工智能运行平台的实时监控方法。首先分析了当前人工智能运行平台的监控研究进展,然后设计了人工智能运行平台整体流程,采用GPU作为加速部分,配合CPU共同承担实时监控任务,最后进行了仿真对比测试,相对于单CPU,CPU+GPU的平台监控速度更快,可以满足平台实时控制要求,具有更高的实际应用价值。     

云计算下低占用率大数据智能分类仿真研究

针对大数据智能分类效率低、占用率较高的问题,提出了一种云计算下低占用率大数据智能分类方法,采用贝叶斯算法构建智能分类模型,使其后续分类时通过朴素贝叶斯智能分类器可以将容错率降到最小,并构建压缩函数及选择特征使其能够和源数据之间的区分程度相同的,对智能分类模型进行训练,通过训练后的分类模型对源数据进行特征分类,最终完成云计算下大数据智能分类的目的 .仿真结果表明,使用改进方法对大数据分类,其计算过程简单、空间占用率较低,能够有效的缩短数据分类时间,鲁棒性较强.     

基于SPARC V8的星载嵌入式软件全数字仿真平台设计与实现

为了提高星载嵌入式软件的可靠性和安全性,解决硬件测试环境构建困难、成本昂贵以及运行状态难以监控的局限性,提出了一种基于SPARC V8的星载嵌入式软件全数字仿真平台设计和实现方法。介绍了全数字仿真平台实现的关键技术,包括CPU指令集仿真、寄存器仿真、存储器仿真、中断控制器仿真、串口仿真、定时器仿真、虚拟外设模型仿真以及设备管理器和平台时序设计。全数字仿真平台与基于硬件的测试平台相比具有可重用性强、可快速搭建、成本低廉、高可控性、调试和测试手段丰富、支持故障注入等优点。该全数字仿真平台已在星载嵌入式软件型号研制中得到了应用,基于此平台可快速搭建虚拟目标机和虚拟外设环境,进行星载嵌入式软件运行仿真、调试验证等工作。     

Web应用软件的测试方法

阐述了web性能测试工具原理,介绍了系统的总体功能结构,给出了各组成子系统的功能和具体实现方法,对Web性能测试工具——LoadTesting进行了研究与实现,对LoadTesting性能进行了分析,同时进行了与模型系统总体功能相匹配的LoadTesting案例的运行和一系列的相关实验。使用Windows任务管理器观察计算机性能,主要观察CPU利用率与内存占用率,可以发现随着虚拟用户数的增大,CPU利用率随之增大,CPU利用率和并发用户数的关系接近线形函数。     

高能物理云平台中的弹性计算资源管理机制

虚拟化技术作为一种新的资源管理技术,正在高能物理领域得到越来越广泛的应用。静态虚拟机集群方式已经逐渐不能满足多作业队列对于计算资源动态的需求。为此,实现了一种云计算环境下面向多作业队列的弹性计算资源管理系统。系统通过高吞吐量计算系统HTCondor运行计算作业,使用开源的云计算平台Openstack管理虚拟计算节点,给出了一种结合虚拟资源配额服务,基于双阈值的弹性资源管理算法,实现资源池整体伸缩,同时设计了二级缓冲池以提高伸缩效率。目前系统已部署在高能所公共服务云IHEPCloud上,实际运行结果表明,当计算资源需求变化时系统能够动态调整各队列虚拟计算节点数量,同时计算资源的CPU利用率相比传统的资源管理方式有显著的提高。     

面向IPv4/IPv6云计算虚拟机迁移实时功耗建模研究

随着当前云计算技术的飞速发展,云计算平台资源池规模亦不断膨胀,带来了高功耗问题.云计算平台的功耗优化已成为业界关注的焦点.针对IPv4/IPv6异构网络进行云计算平台资源池功耗度量研究,分析CPU功耗变化与CPU计算密度关系结合线性回归方法建立数学模型,针对数据关系确定数学模型参数值,并依据实验结果分析了实验数据,进一步验证了模型的正确性,该模型的建立为云计算平台功耗优化提供理论依据.     

一种基于VXLAN的虚拟网络访问控制方法

在云计算环境下,由于安全域的物理边界模糊、同一租户的虚拟化资源跨数据中心等现象,使得传统网络访问控制方法无法满足虚拟网络的实际需求。为此,提出面向云计算虚拟网络的访问控制方法,通过基于虚拟可扩展局域网协议的虚拟网络流量隔离技术,采用虚拟映射和IP组播相结合的方法,为跨数据中心的虚拟机通信提供隧道访问机制,使得不同安全域之间的虚拟流量相互隔离。实验结果证明,虚拟通道终端与虚拟网关相结合,可以对虚拟网络访问进行有效控制和隔离,同时具备较好的协议解析有效性和较高的运行效率。     

基于Matlab的卫星导航系统虚拟实验仿真平台

为了解决卫星导航系统依赖硬件设备导致成本高、效率低等问题,提出一种搭建卫星导航系统虚拟实验仿真平台的方案;阐述如何利用Matlab软件搭建虚拟实验仿真平台,并介绍该平台的基本组成模块及其功能;以码信号产生功能、卫星运动轨迹仿真功能和用户接收机位置计算功能为例,展示该虚拟实验仿真平台的使用方法和实验结果。     

基于MicroBlaze的μC/OS-II操作系统移植

LT-H10滚齿机数控系统采用基于ARM的系统结构,其处理器等性能、资源比以往基于x86的系统受到很大的限制,所以CPU的占用率也相对较高.为了降低ARM CPU的占用率把系统运行的部分主站控制驱动程序迁移到底板FPGA MicroBlaze软核处理器上运行,本文提出了一种基于MicroBlaze软核处理器的μC/OS-II的移植方案.测试实验结果表明μC/OS-II系统移植到MicroBlaze之后能稳定的运行.快速的任务上下文切换更有利于数控系统的实时性.针对MicroBlaze μC/OS-II系统和ARM Linux系统设计了两个不同的任务调度算法对任务上下文切换的时间开销进行研究、测量和分析.此研究方案不仅可以满足基于ARM的数控系统的应用需要,同时适用于基于x86的数控系统,达到降低系统CPU占用率的目的,在嵌入式数控系统中具有重要的研究意义与应用价值.     

GSim:支持GPU加速软件过程仿真框架

为了提高软件过程仿真的效率,提出了一种基于图形处理单元(graphic processing unit,GPU)加速的仿真框架.该框架利用图形化语言和随机参数来描述一个过程模型,将模型转换为RansomSpec字节码从而可以在GPU平台上运行,以期借助GPU平台的高并行特性提高原有仿真算法的效率.实验结果表明,通过这种框架,基于GPU的随机软件过程仿真与传统基于CPU串行的仿真算法相比在效率上提高一个数量级.     

一例特别的CPU占用率100%故障

最近,笔者接到弟弟打来的电话,说是电脑运行速度非常慢,玩网络游戏看电影都很卡。来到弟弟家,打开任务管理器查看,CPU占用率100%,关闭电影和游戏,CPU占用率恢复正常。笔者发现不管打开什么应用程序,CPU占用率马上飙升到100%。看情况像是中了病毒或木马,但仔细查看所有进程及启动选项,并未发现可疑情况,用杀毒软件检查后,也没有异常现象,而且系统进程的CPU占用率都正常。     

装备分布式虚拟维修训练云仿真关键技术

传统分布式虚拟维修训练系统仿真任务和仿真设备耦合度高,系统仿真效率低,扩展困难;同时,作为分布式交互支撑的高层体系结构(HLA)和运行支撑框架(RTI)仅适用于局域网络,无法实现大范围的仿真资源共享和维修协同互操作。借鉴云计算和云仿真思想,提出了一种应用于装备虚拟维修训练领域的云仿真体系结构和框架实现方案;研究了面向Web服务的广域网RTI组件层次化体系结构,设计了基于Web服务的仿真邦员,实现了仿真过程监控和远程邦员任务迁移功能;基于最小调度法实现了仿真平台的动态负载平衡,研究了平台的可视化仿真功能和仿真数据的分布式存储技术。在此基础上完成了某型装备的虚拟维修训练网络化仿真开发,初步证明了虚拟维修训练云仿真的可行性和有效性     

数据包聚合算法提高云计算环境下的网络I/O虚拟化

通过介绍云计算现有环境下网络I/O虚拟化的架构模式,提出一种新的聚合方式来提高云计算环境下网络I/O虚拟化的效率。首先通过分析云计算环境下现有网络I/O虚拟化的过程,进行云环境下的联网性能评估,并在软件和硬件两方面,得出其网络I/O虚拟化的瓶颈。然后,通过提出基于I/O虚拟化的数据包聚合算法,进而大幅度提升云计算环境下网络I/O虚拟化的资源利用率,CPU利用率和内存利用率。最后通过包聚合标注工具,以矩阵的形式,证明该方法的效率。     

虚拟计算机硬件实验平台的设计与开发

笔者设计与开发了虚拟计算机硬件实验平台。针对虚拟计算机平台展开详细分析,首先介绍了虚拟计算机硬件实验平台的设计,其中包含虚拟现实开发平台、虚拟仿真交互系统、虚拟三维显示系统;其次阐述了虚拟计算机硬件实验平台的开发,具体从建模、模型优化、数据库连接、模型的动态导入主要模块设计等方面展开。目的在于提高虚拟计算机硬件实验平台设计、开发效率。     

基于云计算的P2P流媒体服务器集群部署算法

针对云计算数据中心网络（DCN）环境下,P2P流媒体服务器集群部署引起的较高带宽占用问题,提出了一种基于云计算的P2P流媒体服务器集群部署方法。该方法将P2P流媒体服务器集群部署建模为一个二次分配问题,并基于蚁群算法,寻找每个虚拟流媒体服务器与每个部署点之间的映射关系,实现基于云计算的P2P流媒体服务器集群部署。通过仿真实验证明,基于云计算的P2P流媒体服务器集群部署算法可以有效地减少云计算平台DCN网络带宽占用。     

基于云计算的P2P流媒体服务器集群部署算法

针对云计算数据中心网络(DCN)环境下,P2P流媒体服务器集群部署引起的较高带宽占用问题,提出了一种基于云计算的P2P流媒体服务器集群部署方法。该方法将P2P流媒体服务器集群部署建模为一个二次分配问题,并基于蚁群算法,寻找每个虚拟流媒体服务器与每个部署点之间的映射关系,实现基于云计算的P2P流媒体服务器集群部署。通过仿真实验证明,基于云计算的P2P流媒体服务器集群部署算法可以有效地减少云计算平台DCN网络带宽占用。     

基于云计算的并行K-means聚类算法研究

目前数据呈爆炸式增长,海量存储状态,给聚类研究带来了诸如计算复杂性和计算能力不足都很多问题;而云计算平台通过负载均衡,动态配置大量的虚拟计算资源,有效地突破了耗时耗能的瓶颈,在海量数据挖掘中体现出了其独特的优势;文章深入研究了基于云计算平台Hadoop的并行K-means算法,并结合MapReduce分布式计算模型,给出了算法设计的方法和策略,包括MapReduce处理的map、shuffle和Reduce 3个过程,仿真结果表明K-means并行算法的效率较高。