基于SSH协议的集群构建与性能测试

集群计算机技术具有高性能,高可靠性,成本低等特点。目前采用Telnet协议远程登录集群容易产生网络安全问题,为了解决这个问题,本文介绍了一个基于SSH协议的集群系统的构建方法,并利用通用的测试基准对集群系统的性能进行了测试和分析,测试结果说明这种并行计算环境具有良好的性能,可扩展性好。     

网格计算技术在数字油藏模拟领域的应用

本文测试了基于网格计算技术的PC集群系统在大规模油藏模拟中的使用,测试结果显示大规模油藏模拟在最新的PC集群系统上高效运行是可行的。     

PC集群环境下大规模矩阵乘法算法的研究

开发适合集群系统的并行数值算法,可以解决更多的科学与工程计算问题.在PC集群环境下,提出对Cannon算法的改进方案,采用重叠技术,使数据的计算和通信在时间上重叠,达到时延隐藏的目的,克服了网络传输的通信瓶颈问题;还提出一种自适应负载反馈平衡策略,很好地解决了集群负载平衡.该算法在PC集群系统环境下测试,取得了较好的并行效率,在4个结点上和8个结点上,加速比分别达到3.77和7.93.     

集群和负载均衡技术在省级数据集中的应用研究

介绍了集群和负载均衡技术的概念,在省级数据集中实施过程中利用集群技术部署了主机、数据库和中间件系统,有效克服了单点故障.重点分析了中间件系统部署 Web 集群和 App 集群中软件代理服务器和硬件负载均衡服务器的区别,对省级集中系统的软件代理服务器性能提供了全面测试方案,得出的测试结论为:软件代理服务器能承载的合适在线数为一有限值,较大在线用户应使用硬件设备进行负载均衡,并对硬件负载均衡设备 BIG IP F5 的实施进行了详细描述.     

集群技术在税务信息集中的应用

基于集群计算思想建立的集群系统可以为市级税务部门信息处理大集中提供服务器平台。集群系统由处理计算节点集群、SAN存储系统、数据库管理集群、集群内部互连网络、外部服务网络和集群管理控制台等6部分组成。通过对山东地税系统使用基于集群技术的税务大集中应用案例的分析和测试，显示了集群技术应用在税务大集中项目中的先进性、优越性和实用性，完全可以满足市级税务大集中的应用需求，具有广阔的应用前景。     

基于任务并发机制的中心化集群管理系统

为解决分布式集群规模的快速发展与集群管理高效性需求之间日益突出的矛盾,分析系统模块的功能需求和相关关键技术,设计和实现一套基于任务并发机制的中心化集群管理系统。系统具有扩展性好,功能组态灵活,集中管理高效、简单,用户界面友好等特点。实际应用和对比测试验证了该系统相对于传统集群管理系统在管理集群时的可用性和高效性。     

集群系统负载均衡性能测试研究

分析影响集群系统性能的关键因素,提出在Linux下架设负载均衡系统,获取集群系统关键性能参数,加权计算真实服务器的负载。根据服务器负载由负载均衡器动态分配连接请求,使集群达到负载均衡。使用不同的客户端进行测试,分析比较不同测试软件的测试结果,为改进集群系统的负载均衡性能提供支持。     

一种分布式高性能集群邮件系统的设计与实现

提出了一种新的集群邮件服务系统DCMS。DCMS从功能上将邮件服务划分为4个部分：前端中转集群，服务集群，验证集群和后台存储集群，并对各个部分通过相关技术进行性能优化。测试结果表明该系统不仅具备高性能、高可用性、可伸缩性，而且易于扩展。     

TETRA数字集群系统SNDCP层的设计与实现

为了满足TETRA数字集群用户对分组数据业务的需求,提出了一种TETRA数字集群交换机子网相关汇聚协议（SNDCP）的实现方案。在描述TETRA数字集群通信系统分组交换域架构的基础上,给出了SNDCP层的设计方案,并详细阐述了SNDCP层的实现过程中的关键技术;基于Telelogic TAU G2集成开发平台和Linux c开发环境,利用UML语言与C语言开发了SNDCP实体,实现了SNDCP层的功能。在TETRA数字集群通信系统中对SNDCP实体进行测试,测试结果符合TETRA数字集群系统空中接口协议标准,满足设计需求。     

基于Jini的集群作业管理系统的实现

集群作业管理系统对于集群的使用很重要,本文研究如何基于Jini技术构建集群作业管理系统-Jcluster。文章首先介绍Jini技术和该技术的特点,然后阐述了基于Jini技术的Jcluster的设计思想和系统结构,并在自强2000集群系统上实现。经过测试,证实了该系统的具有即插即用的特性和良好的健壮性、同时Jcluster实现了对资源的多级资源池管理。     

Web集群负载均衡算法比较

随着互联网应用的普及,对Web服务器的性能要求越来越高.采用多台主机组成集群统一对外提供Web服务,是目前比较流行的高性价比、高可靠性、可伸缩性的方案,而集群系统的性能关键在于均衡算法.本文基于LVS项目,分析并通过实验比较了各种均衡算法的性能,对构建Web集群系统具有较大的指导意义.     

高性能集群计算系统的结构与设计探讨

使用计算机集群系统进行并行计算是一种既经济又高效的解决方案,开发资源丰富,成本低廉。计算机集群系统是超级计算机发展的方向;本文较详细地论述了计算机集群系统的结构及主要部件的功能,以期引起业界研究人员的重视,在不久的将来能够开发出我们自己的集群产品。     

集群负载调度算法性能评价

分析了目前集群中常用的负载调度算法，提出了一种新的调度算法——阈值轮转调度。然后利用Petri网理论，对主动自调度集群建模，用来比较这些调度算法的优劣，得出了有意义的结论：若阈值选择台理，阈值轮转调度算法优于其它调度算法。     

一种提高集群调度性能的改进型蚁群算法

蚁群算法ACO能较好地应用于集群调度,但其传统的信息素更新方式带来了性能匹配和负载均衡等问题,影响了集群调度的性能.针对这些问题,提出了改进型蚁群算法IACO,通过引入性能匹配因子和负载均衡因子更合理地调整信息素,缩短了作业处理时间,提高了CPU利用率,从而有效地提高了集群调度性能.     

虚拟化环境下的数据库集群系统构建与性能分析

基于物理主机的数据库集群配置和管理存在配置复杂、灵活性差的问题。虚拟化技术结合集群系统管理使系统管理和资源构建更加灵活透明。本文提出一种基于Xen Server虚拟化平台的MySQL Cluster数据库集群系统配置部署方案,并对比MySQL 5.1单机版测试数据对系统性能进行分析。本文提出的方案不但利用虚拟化平台虚拟机快速复制功能有效降低数据库集群系统部署的复杂度,提高配置的灵活性,且与大并发和大数据量的处理能力相比MySQL 5.1单机版具有较高的性能优势。     

选课管理系统性能提高的研究

随着学生人数的增长,选课管理系统性能方面的需求尤为突出。我们首先分析了它在性能方面的需求,然后提出了采用分布式WEB服务器集群技术提高系统性能的方案,最后对方案进行实现,并取得了良好的效果。     

高性能集群系统测试与性能分析

以IBM Blade Center高性能集群系统的性能测试与分析为背景,在对该高性能集群系统测试的基础上,研究了大规模Linux集群上并行程序性能的优化方法。针对该集群系统的硬件特征,编写了以矩阵相乘的Cannon算法为基础的并行性能测试程序,通过在该集群系统3种不同并行环境下（分布式并行、共享内存并行以及混合式并行）对性能测试程序的测试和分析,提出了优化程序性能的准则,展现了该高性能平台的效率,为进一步的开发研究提供了基础。     

着色Petri网对高性能集群的建模与性能评估

针对形式化建模方法导致的状态空间爆炸问题,提出了一种基于Petri网的高性能集群建模与性能评估方法.首先分析了高性能集群的系统架构,构建了模型的总体结构;然后针对集群系统建立了相应的任务产生子模型和调度子模型,并通过对Petri网进行着色,根据不同种类任务的执行特点设计了相应的任务处理模型.仿真结果表明,利用所建立的模型能够有效评估关键参数对集群性能的影响.     

基于IA架构的高性能计算平台的研究

目前众多领域对大规模计算逐渐显示出一种迫切的需求,集群技术在高性能计算领域中的理论研究和实践越来越得到广泛的关注。高性能计算是解决大规模聚变模拟计算的有效途径。本文介绍如何基于集群技术构建聚变研究高性能计算系统,分析了系统的基本体系结构,从硬件和软件两个方面详细解析其高性价比的构建技术。     

Improving Performance and Accuracy of Local PCA

Local Principal Component Analysis (LPCA) is one of the popular techniques for dimensionality reduction and data compression of large data sets encountered in computer graphics. The LPCA algorithm is a variant of k‐means clustering where the repetitive classification of high dimensional data points to their nearest cluster leads to long execution times. The focus of this paper is on improving the efficiency and accuracy of LPCA. We propose a novel SortCluster LPCA algorithm that significantly reduces the cost of the point‐cluster classification stage, achieving a speed‐up of up to 20. To improve the approximation accuracy, we investigate different initialization schemes for LPCA and find that the k‐means++ algorithm [ [AV07] ] yields best results, however at a high computation cost. We show that similar ideas that lead to the efficiency of our SortCluster LPCA algorithm can be used to accelerate k‐means++. The resulting initialization algorithm is faster than purely random seeding while producing substantially more accurate data approximation.