探索信息系统的异构性问题

同构是相对的,异构是绝对的。异构性在信息系统中普遍存在,它是信息共享以及信息系统之间互操作的主要障碍。该文探索了信息系统异构性的合理化描述,给出几种定义异构性的方法。另外,异构性和任何事物一样,存在积极和消极的两个方面。论文研究并指出开发和利用异构性可增强信息系统的功能,屏蔽和抑制异构性可消除负面影响,从而拓宽信息系统的互操作和可用性。以上研究工作尚处于起步阶段,为深入探索异构性的规律及解决方案奠定了基础。     

基于TS201与FPGA的信号处理系统

针对现代信号处理的数据量大和实时性高的特点,需要采用高速数字信号处理器及其他高速逻辑器件配合进行处理.基于高性能DSP TigerSHARC201和大规模FPGA STRATIX-EP1S10,提出了DSP和FPGA高速互联的异构系统体系结构,采用了LINK口的通信方式,实现了一种高速信号处理电路.     

面向电子商务的异构数据库系统集成研究

分析了电子商务异构数据库数据集成的迫切性及应用研究的各种技术,并在此基础上提出了基于XML Schema的数据库集成方案。方案核心是提出三层结构,最低层根据需要完成对数据类型的转换;中间层是XML数据文档层,负责数据的查询;最上层则负责数据的过滤和输出。     

基于ontology的分布式异构数据库集成研究

在分析比较了几种异构、分布数据访问技术的基础上,设计实现了一个分布式异构数据库集成系统,该系统与以往系统不同的是采用ontology技术解决语义冲突问题,运用XML技术屏蔽结构异构,以Web Service来实现网络的平滑传输,从而可以更好地实现分布式异构数据库的集成.     

基于本体的异构数据集成研究

分析了现有的异构数据集成中存在的语义异构问题,提出了一种基于本体的异构数据集成系统框架,并给出了关键模块的设计。     

基于JDBC Driver技术对异构数据库的研究

讲述了数据库异构的几种特性，以及实现异构数据库的构架，详尽的探讨了基于JDBC Driver中间件技术与各种数据库连接的四种方法对异构数据库协同。并用实冽论述了中间驱动的选用和协同以及对SQL Server的连接。     

语义信息集成中格式异构解决方案

基于本体的语义信息集成能够解决分布环境下异构数据源之间的模式异构,而对于广泛存在的上下文异构却无法解决。由于上下文异构是暗含的语义,无法为信息系统俘获和理解,要解决上下文异构,必须将上下文语义进行形式化描述。本文首先提出了一种将暗含的上下文语义进行形式化描述的方法,然后在此基础上提出了一种基于元数据格式表示的上下文转换方法来解决上下文异构中的格式异构。该方法避免了已有转换方法需要反复定义大量映射的缺点,提高了上下文转换的灵活性、适应性和扩展性。     

基于本体的元数据管理系统的研究

介绍了运用本体和元数据相结合的思想解决异构数据库集成问题的系统,对基本思路、分层原理和设计方案进行了阐述.在该系统中,首先通过元数据来描述局部数据库的模式信息,然后引入本体来描述元数据中各种术语及相互关系的确切含义,采用分层的思想管理元数据从而建立语义统一的全局模式,达到屏蔽底层数据库异构的目的.该系统能从元数据中充分提取有用信息,利用本体从语义层面解决数据源之间的多种异构问题,极大的简化了对用户的查询处理.     

S-Bridge:性能非对称多核处理器下负载均衡代理机制

近年来,在移动计算环境中,异构多核处理器已经逐渐成为主流.与传统同构的处理器设计相比,此类异构多核处理器以更低的功耗成本满足设备的计算需求.但是异构环境下CPU核之间的微架构差异,也为操作系统中的一些基本方法提出了新的挑战.面向性能非对称异构多核环境下调度的负载均衡问题,从系统层面提出了一种负载均衡机制S-Bridge,可以减少处理器微架构差异以及任务执行需求差异对传统负载均衡带来的影响.S-Bridge的主要贡献是从系统层提供了通用的、适配异构性的负载均衡相关接口,使任意调度器都能方便地与异构多核处理器系统进行适配.基于CFS和HMP调度器在ARM平台上进行实验,同时在X86平台上进行S-Bridge通用性的验证,结果表明：S-Bridge可以支持不同真实平台和内核版本的快速实现,平均性能提升超过15%,部分情况下可达65%.     

基于JMS消息的远程异构数据库存储

JMS具有Java语言特有的平台无关性,满足了异构平台的交互行为;XML正逐步成为数据表示和信息交换的工业标准,并广泛应用于异构数据库之间的数据交换.JMS和XML的集成应用给现代企业的分布式应用提供了一个信息交互平台.本文讨论了这样一种应用模式,并辅以一个具体的实例详述了其应用.     

云计算虚拟资源的熵优化和动态加权评估模型

云资源的动态变化和不确定性给资源管理及任务调度带来了很大的困难.为了准确地掌握资源动态负载和可用能力信息,提出一种基于熵优化和动态加权的资源评估模型,其中,熵优化模型利用最大熵和熵增原理的目标函数及约束条件,筛选出满足用户 QoS 和系统最大化的资源,实现最优调度,保障用户 QoS.对筛选后的资源再进行动态加权负载评估,对负载过重及长期不可用资源进行迁移、释放等,可减少能耗,实现负载均衡和提高系统利用率.设计了仿真实验,以验证所提评估模型的性能.实验结果表明,熵优化模型对用户 QoS 和系统最大化有很好的效果,动态加权负载评估有利于均衡负载,提高系统利用率.该评估模型实现了用户QoS保障、减少能耗、负载均衡以及提高系统利用率等多目标的优化.     

一种基于多种资源的负载平衡算法的设计与模拟

系统资源的有效利用是集群系统的关键问题，负载平衡是实现资源有效利用的重要手段。本文中，我们提出了一种基于资源使用率和向量负载指数的、采用进程迁移机制的负载平衡算法，并通过踪迹驱动的方法进行了大量的模拟和分析。     

TD-SCDMA系统负载控制研究与应用*

针对TD-SCDMA系统负载控制策略问题,提出了一种基于功率和码资源负载控制算法。该算法结合现有协议标准,通过负载评估和判决,把负载控制对象分为小区级、频段级、载频级、时隙级,对不同对象进行循环遍历检测和控制,同时根据HS载波和R4载波自身特性及承载业务特点不同,把R4载波和HS载波各自独立进行负荷评估和拥塞控制。验证结果表明,该算法可以有效预防和平衡系统负载,提高系统资源利用率,保证用户服务质量。     

OS软件包构建系统的负载均衡调度技术

研究银河麒麟操作系统的软件包构建系统,针对该系统存在的负载不均、可用性差等不足,实现基于总体可用系统资源的负载均衡调度算法,优化系统的调度策略。实验结果证明,该算法可明显提高构建系统的资源利用率,加强系统性能,增强系统的可用性和高效性,并生成操作系统发行版本。     

基于负载预测的虚拟机动态调度算法研究与实现

在云计算系统中为了实现负载均衡和资源的高效利用,需要在虚拟机粒度上对云计算系统进行调度,通过热迁移技术将虚拟机从高负载物理节点迁移到低负载物理节点。把负载预测技术和虚拟机动态调度技术相结合,提出了LFS算法,通过虚拟机历史负载数据对虚拟机未来的负载变化情况进行预测,然后根据预测结果对虚拟机进行调度,能够有效地避免云计算系统中高负载物理节点出现,实现负载均衡,提高资源使用率。     

面向多目标的云计算资源调度算法

在传统的虚拟机资源调度中,仅仅考虑当前负载,对虚拟机历史数据没有充分考虑,在处理云计算资源调度的时候出现负载失衡的状况,为了解决上述问题,本文提出了基于启发式遗传算法的资源调度算法,满足多目标规划的情况下实现云计算资源的调度.算法在为用户提供服务的同时充分考虑虚拟机的各种开销和因素,使提供云计算资源的服务器达到负载均衡.对目前的负载情况和历史数据进行分析,经过搜索和计算,计算得到同时满足负载变化数据约束和最小动态迁移开销的最好的云计算资源调度方案.最后,通过仿真实验,对算法进行验证,通过引入负载变化率和平均负载距离二个性能参数来比较和衡量虚拟机负载.实验数据证明,所提出的算法具有很好的全局收敛性和资源利用率,有效解决在资源调度中出现负载失衡和较大动态迁移开销的问题,因此,算法是可行和有效的.     

一种基于QoS的云负载均衡机制的研究

提出一种基于QoS的云负载均衡机制,即:构建QoS模型和云资源模型;建立资源度量与QoS属性之间的映射;对虚拟机实例负载状况和虚拟机集群资源利用状况进行量化评估;感知用户的QoS并对比所监控的云节点的资源度量情况,根据对比结果,通过任务调度算法和弹性伸缩算法分别实现任务的分发和虚拟机集群的弹性伸缩,最终达到优化的负载均衡的目的.通过模拟试验,结果表明本方法与Round robin算法相比,有更好的负载均衡效果.     

基于CoreOS面向负载整合的集群调度研究

CoreOS是基于Docker的新型容器化集群服务器操作系统,发展迅速,已经得到OpenStack、Kubernetes、Salesforce、Ebay等主流云服务商的支持,云环境中负载是动态的,相应的其资源需求是动态变化的,这给集群资源高效利用带来了挑战,静态预分配峰值资源的策略带来云端资源的巨大浪费,同时空转的计算浪费大量能耗.本文提出的面向负载整合的集群调度系统（简称LICSS）实时监控集群负载分布情况,调度时使用紧凑式调度策略分配计算节点,运行时利用任务迁移技术对负载进行动态整合,实现及时收集释放空转资源降低资源能耗浪费的目的.LICSS系统设计实现了节点负载度量、任务度量、负载整合算法,并测算出节点自适应负载阈值.实验表明,LICSS系统能够根据不同时段集群负载动态变化情况对负载进行有效整合,提高了12.2%的平均资源利用率,并且基于任务整合在低负载时段触发富余节点休眠降低集群能耗.     

面向Flink的负载均衡任务调度算法的研究与实现

Apache Flink是现在主流的大数据分布式计算引擎之一,其中任务调度问题是分布式计算系统中的关键问题。由于集群的异构性以及不同算子复杂度不同,大数据计算系统Flink中不可避免地会出现负载不均的情况,针对这种问题,提出了基于资源反馈的负载均衡任务调度算法RFTS。通过实时资源监控、区域划分和基于人工萤火虫优化的任务调度算法3个模块,把负载过重的机器中处于等待状态的任务分配给负载较轻的机器,来实现集群的负载均衡,提高系统集群利用率和执行效率。最后通过基于TPC-C和TPC-H数据集的实验结果表明,RFTS算法从执行时间和吞吐量2个方面有效提升了Apache Flink计算系统的性能。     

云计算中负载优化模型及算法研究

云计算环境的动态性和异构性,使得云计算很容易出现负载失衡现象,严重影响了云计算的整体性能和用户体验.论文提出了基于改进遗传算法的负载均衡优化模型,兼顾资源需求动态变化和虚拟机的计算能力,建立相应的资源调度模型,运用改进遗传算法实现资源负载均衡.验证表明,该算法能很好满足云环境下数据中心的使用要求,提高资源利用率和负载均衡度.