GAS:网格环境下的一种GUI应用程序共享系统

指出了在网格计算这样一个全新的计算模式下，构造GUI应用程序共享系统的必要性。对国际上在瘦客户端，分布式操作系统图形用户界面领域的相关工作进行了比较分析。给出了该系统的设计目标、关键问题解决思路、系统体系结构。对该系统进行了分析与评价。     

WebCom:一个基于Web技术的计算网格入口工具包

以西安交通大学校园网格计算环境建设为背景，分析了网格入口的概念和基本技术，设计并实现了一个基于Web技术的计算网格入口工具包——WebCom，它给计算网格系统用户提供了访问网格系统资源的良好交互界面、一致的使用模式和“傻瓜式”的使用方法，从而解决了网格系统使用复杂的问题。WebCom在设计和实现中充分考虑了系统的安全性、透明性、好用性、完备性等特点，并进行了测试，给出了测试结果和评价，为今后同类系统的设计、开发和实现提供了一个详细的参考模型。     

基于VTK的CFD数据可视化Grid Service设计和实现

应用可视化工具VTK和Java在网格计算环境下实现了一个用于CFD数据后处理的高效率、易扩展、实用的可视化网格服务。网格服务接口用Web服务语言(WSDL)描述，网格服务内部实现使用VTK作为可视化内核，构建网格环境的中问件系统使用的是基于OGSA的GT3。实验结果表明，可视化网格服务可以充分利用远程强大计算资源，为性能较弱的客户端提供强大的可视化处理能力。     

面向瘦客户端的分布式动态二进制翻译系统

传统的动态二进制翻译系统不适合直接用于瘦客户端,因为瘦客户端（如手机等）大多存在资源受限的问题,而动态二进制翻译过程会消耗较多的计算和内存资源。针对上述问题,提出一个适用于瘦客户端的分布式动态二进制翻译系统,用远程服务器完成二进制翻译,客户端只要执行翻译好后的代码即可。CPUSPEC2000的实验结果表明,在瘦客户端上使用该系统相对于使用传统的动态二进制翻译器可以带来更高的性能和更小的开销。     

基于瘦客户的混合计算设计与实现

随着瘦客户系统的广泛应用,瘦客户计算系统中一些固有的缺点越来越明显:单一依赖服务器计算,瘦客户端剩余过多的计算能力,对网络带宽要求较高等.在这篇文章中,我们提出了基于瘦客户计算的服务器/本地混合计算模式—即通过适当利用瘦客户端本地计算资源的能力来进行应用处理,在一定程度上避免或改进了这些不足.通过对媒体播放应用在传统瘦客户计算模式和混合计算模式的比较测试,证明了新模式在取得性能改善的同时,可以有效地缓解服务器计算和网络带宽压力,提高幅度达75%以上.     

智能客户端技术在邮政薪酬管理系统中的应用

智能客户端具有瘦客户端和胖客户端的优势,该文依据智能客户端（Smart Client）的缓存数据、Web Service及数据压缩技术设计思想,设计了薪酬管理系统。实际应用表明,该系统实用、高效,具有良好的应用价值。     

计算资源整合的网格技术实现

阐述了网格计算技术的进展和DataGrid／EGEE系统的体系结构。结合高能物理的应用和高能所计算资源当前的实际情况，设计了一个网格计算系统，整合高能所几个分离的PC Farm计算系统，实现了计算资源的共享，以提高计算资源的使用效率。     

校园网格环境构建的关键技术研究

网格计算是新型分布式计算技术。网格是一个集成的计算与资源环境，它能够充分吸纳各种计算资源并将它们转化成一种方便可靠的计算能力。文中论述了网格计算的特点和体系结构及其与传统分布式计算的区别，进而分析了校园网格环境构建的关键技术。校园网格环境的构建是网格普及化必经的关键一步。在校园网格系统构建中除了文中提到的关键技术之外还有诸多问题如安全机制、资源管理、任务管理、通信技术等都有待于进一步研究和具体化。     

基于JMS的企业消息系统的设计与实现

文中首先介绍了Java消息服务的技术特点，讨论了消息中间件的基本设计思想，并论述了运用JMS技术为某钢铁交易市场设计的一个实时报价平台的实现流程。该平台采用分布式框架构建，可以同时支持瘦客户端和胖客户端。     

基于VRML的虚拟现实协同系统的研究

分析了用VRML构造的基于Internet的虚拟现实协同系统的局限性，讨论了如何将VRML技术与Java等其它技术结合，提高Internet环境下协同环境的交互性。在此基础上，给出了一个虚拟环境下协同系统的设计结构。该系统是基于Internet的Browser/Server结构，用户在浏览器下以虚拟现实的形式协同工作。客户端基于浏览器，服务器与客户端之间遵循CORBA进行交互。     

适合遥感影像处理的网格计算环境研究

网格计算是近几年来发展迅速的一种网络资源共享模型，其目的是网络资源的完全共享。网格计算相对于传统的C／S及Web GIS来说，它在网络计算、数据处理、资源共享、任务协同等方面都有了进一步的发展。在适感影像处理与理解应用方面，由于涉及大量的网络计算及网络传输等耗时操作，应用网格计算思想进行适感图像处理就更有实际意义。结合网格计算的网络计算及资源共享的优势，设计并开发适合适感影像处理的网格计算环境及软件，是解决当前适感影像海量数据处理的有效途径之一，同时也是适感图像处理软件的一个发展趋势之一。本文结合实际研究成果，首先给出了基于网格计算思想的适感影像处理的设计流程，并对其具体实现技术进一步进行了讨论。在分析其在图像处理方面应用的基础上，对面向网络的智能化适感图像网格处理系统进行了分析与设计，并给出了其实现的一些关键技术。     

Distributed computing model for processing remotely sensed images based on grid computing

With advances in remote-sensing technology, the large volumes of data cannot be analyzed efficiently and rapidly, especially with arrival of high-resolution images. The development of image-processing technology is an urgent and complex problem for computer and geo-science experts. It involves, not only knowledge of remote sensing, but also of computing and networking. Remotely sensed images need to be processed rapidly and effectively in a distributed and parallel processing environment. Grid computing is a new form of distributed computing, providing an advanced computing and sharing model to solve large and computationally intensive problems. According to the basic principle of grid computing, we construct a distributed processing system for processing remotely sensed images. This paper focuses on the implementation of such a distributed computing and processing model based on the theory of grid computing. Firstly, problems in the field of remotely sensed image processing are analyzed. Then, the distributed (and parallel) computing model design, based on grid computing, is applied. Finally, implementation methods with middleware technology are discussed in detail. From a test analysis of our system, TARIES.NET, the whole image-processing system is evaluated, and the results show the feasibility of the model design and the efficiency of the remotely sensed image distributed and parallel processing system.     

SDPG: Spatial data processing grid

Spatial applications will gain high complexity as the volume of spatial data in-creases rapidly. A suitable data processing and computing infrastructure for spatial applications needs to be established. Over the past decade, grid has become a powerful computing environment for data intensive and computing intensive applications. Integrating grid computing with spatial data processing technology, the authors designed a spatial data processing grid (called SDPG) to address the related problems. Requirements of spatial applications are examined and the architec-ture of SDPG is described in this paper. Key technologies for implementing SDPG are discussed with emuhasis.     

基于网格的煤矿安全应用网格体系研究

煤矿安全应用工作中数据信息分布、计算资源闲置、异构以及计算功能单一严重制约着行业应用和信息化的发展。网格（grid）是新一代高性能计算环境和信息服务基础设施，能够实现动态跨地域的资源共享和协同工作。该文基于新兴的网格技术，参照OGSA体系，提出并构建了从信息获取、处理到应用的完整的煤矿安全应用网格（CMSAG）体系结构。同时结合行业应用需求，着重研究了其资源表示、资源管理、存储访问以及数据缓存等关键技术，最后通过具体应用示例的工作流程论证了该网格体系的应用模式。     

AnyQuery:网格环境下基于服务的分布式查询处理系统

AnyQuery是一种适用于网格环境、基于服务的分布式查询处理系统，使用统一的数据格式（可扩展标记语言）来表示和传输数据，所有组成模块以网格服务的形式实现，网格服务之间通过标准的接口进行通信．这种接口和实现分离技术屏蔽了不同数据库及其运行节点的差异，为用户提供一致的虚拟关系数据视图和分布式数据查询支持．在分析和研究已有的并行数据库和分布式数据库查询技术的基础上，AnyQuery提出和实现了一种适用于动态网格环境的分布式查询计划生成和执行算法，该算法能够根据网格环境中各节点及其连接网络的实际情况确定查询计划，支持跨数据库的连接查询．基于Globus 3．0开发了AnyQuery的原型系统，性能测试表明该系统具有较好的可扩展性，尤其适合计算密集型的复杂查询．     

基于图形处理器的水面仿真

水面效果的仿真可大幅提高自然环境仿真的真实感,传统对于CPU的仿真存在占用CPU时间和系统资源的缺点,针对存在问题,建立了基于图形处理单元（GPU）的水面仿真方法,讨论水面特效在GPU上的实现、以及水面网格在GPU中的重构。因为运算以及水面网格重构都在GPU中完成,充分利用GPU强大的图形处理能力,因此不会造成额外的系统开支,并且增强了对水面细节的表现,使得水面的逼真度和实时性增强。     

基于免疫进化计算的分布式入侵检测方法

提出一种网格计算环境下基于免疫进化计算的分布式入侵检测方法,应用免疫进化计算、定义生成检测器方法和基因库进化学习方法提高分布式入侵检测的主动性和自适应性。利用网格安全环境实现系统的负载均衡,提高系统的并行处理能力。仿真实验结果证明了该方法的有效性,与基于人工免疫的入侵检测方法相比,误检率降低了0.37%,在确保检测率的同时提高了并行处理能力,降低了处理 时延。     

云计算技术在未来智能电网信息处理平台中的应用

未来的电网将会是一个高度自动化、智能化的电网,如此一个庞大、复杂的系统从发电、输电一直到变、配、用电的过程时刻都会生成海量的电能信息及设备运行状态数据,这就需要一个强有力的信息处理平台作为支撑,且这个平台应具有对海量数据的可靠存储、准确分析、实时同步更新及共享的功能,尤其是音视频等异构数据的分析与处理.云计算技术在大数据处理中具有得天独厚的优势,本文将云计算技术引入到未来智能电网的信息处理平台的建设中,针对未来智能电网信息处理平台的各项功能需求,对比目前电网信息处理平台的诸多瓶颈进行深层次的探讨,证明了将云计算技术应用到未来智能电网信息处理平台中的可行性。     

基于集群的海洋遥感图像融合并行计算策略

集群体系下的大规模并行计算,是高性能计算的基础。遥感图像处理效率的提高,有赖于并行计算技术的应用。在分析已有网格计算环境下分布式任务分配方法的基础上,针对海上遥感图像目标物数量相对较少的特点,首先利用四叉树结构理念对目标区域进行划分,同时采用动态负载均衡的任务分配策略与并行计算思想,提出对目标区域图像进行融合处理的集群体系任务分配算法处理模型。通过对比验证,表明该集群体系下算法模型能有效地提高图像融合的速度。     

An agent-based approach for dynamic adjustment of scheduled jobs in computational grids

Grid computing is a newly developed technology for complex systems with large-scale resource sharing, wide-area communication, and multi-institutional collaboration. Grid scheduling is an important infrastructure in the grid computing environment. Most of the existing grids scheduling methods focus on maximizing processor utilization without taking grid load into consideration. This may lead to significant inefficiencies in performance such as large job queues and processing delays. In this paper, we propose a multiagent-based scheduling system for computational grids with a new approach. Agent technology is suitable for a computational grid because of the dynamic, heterogeneous, and autonomous nature of the grid. The main idea of the proposed system is a combination of a static scheduling using a fixed scheduling algorithm and a dynamic adjustment through the autonomous behavior of agents. The superiority of the proposed system, in reducing the load of the grid and minimizing the response time for executing user applications, is demonstrated by simulation experiments.