一种分布式吴方法计算模型

吴方法是由我国科学家吴文俊院士开创的一个新兴研究领域.考虑到吴方法"分而治之"的思想非常适合分布式计算,将分布式计算技术引入到该方法的计算过程中,给出一种既可以在集群环境下,也可以在网格环境下实现的分布式吴方法计算框架.首先分析了吴方法分布式计算需求,并以特征列计算为例来说明吴方法分布式计算算法,然后讨论了符号计算基本数据类型:大整数和多项式的消息传递方法,最后简单给出了在网格环境下基于符号计算软件系统ELIMINO和网格中件间Globus Toolkits 3的分布式吴方法计算环境的设计、实现与实验结果.     

基于移动Agent的分布式数据挖掘平台的设计与实现

结合移动Agent应用开发方法,设计一个基于移动Agent的分布式计算应用模型.针对分布式数据计算现有方法,分析其不足,通过研究移动Agent体系结构及关键技术,从理论上探索将Agent技术与分布式数据挖掘相结合的可行性和技术优势,采用Agent技术解决分布式数据挖掘时所遇到的问题,全面、系统提出了解决方案.在此基础上,实现了一个Intranet环境下的基于移动Agent的分布式计算平台.     

基于云计算的分布式电费计算系统研究及实证

随着经济的发展,电网客户规模快速增长,"算费"数据量越来越大,而且省级大集中的业务趋势也为算费带来高并发访问量。为应对电费计算系统面临的巨大挑战,文中利用云计算中的分布式计算等技术,基于一种信任驱动的任务调度算法TR_Max-min,提出了新的分布式电费计算平台的系统结构,并在电网的IT环境中进行了系统实现。通过模拟电费计算任务,验证了该系统对海量数据信息的综合处理效率的提高。作为一种有效的电网运行大计算量的任务解决方法,为智能电网电费计算提供了一个实时可靠的系统结构模型。     

基于Spark的基因短序列比对模型

针对生物信息分析中基因短序列比对任务计算耗时长的问题,采用Spark平台、RDD数据集以及分布式文件系统HDFS设计了一种分布式计算模型。采用分而治之的策略将庞大的计算任务分割为多个互不重叠的小任务在分布式集群上并行执行。通过基于位置偏移量等分的数据分区算法实现数据的分发;通过将基因短序列封装入RDD数据集的方法实现了短序列的逐条处理;通过将基因比对算法传入RDD的Map函数的方法实现了基因序列的比对。计算模型的实现使得串行比对算法在分布式集群上可扩展,并显著降低了计算耗时,计算结果可与后续的生物信息分析工作相兼容。实验结果证明计算模型具有较好的稳定性和可扩展性,在Spark集群上取得了优秀的加速比。     

基于Java技术的分布式计算环境研究

J2EE具有强大的分布式处理能力，其Rmi、Jini和JavaSpaces技术为实现异构的分布式计算环境提供了坚实的技术基础。JavaSpaces是建立在Jini之上的，它可以作为一种共享分布式通信和对象存储的机制。针对分布式计算环境的任务分解、并行同步与通信控制等特点，提出了基于Java技术的分布式计算环境。应用实例表明，该环境能够在异构的复杂系统中有效地进行分布式计算。     

基于Actor模型的机载分布式计算方法研究

分布式计算是在网络互联的集群内,多个计算节点协作计算的技术,可实现集群内的计算资源共享。为了满足机载复杂应用日益增长的计算需求,基于Actor模型研究了机载环境下软件分布式计算的实施方法,并对机载分布式计算框架、组件及系统分布式计算应用过程进行了设计。该设计基于ARINC653“分区机制”,在保障了机载应用间隔离性的同时,实现了机载应用的分布式计算,提高了系统的可扩展性。     

基于XML的分布式计算

由于数据格式不兼容，分布式计算模型DCOM，CORBA和RMI之间的交互非常困难，XML协议作为一个通用的数据描述方式为分布式计算提供了新的思路。提出了一种基于XML的分布式对象代理的实现方法，并详细分析了数据与RPC的编组实现过程，在这种方法的支持下，分布式计算方便地跨越了不同的操作系统与编程环境，极大地提高了兼容性和互操作性，同时，由于XML的开放性，这种方法也具有很好的扩展性。     

基于Java的分布式计算构件库设计与实现

随着大数据时代的到来,计算量呈指数级的增长,分布式计算是解决大运算量带来问题的重要途径.分布式程序设计需掌握网络通信、计算任务调度等诸多技术,增加了分布式应用的复杂性.对分布式计算技术进行了阐述介绍,运用面向对象的编程思想,设计并实现了基于Java的分布式计算构件库,将复杂、繁琐的分布式底层编程技术封装到构件库中实现.     

大规模空间矢量数据分布式存储与计算优化

针对海量空间矢量数据分布式存储与计算需求, 研究了基于四叉树格网编码建立要素索引的方法, 设计了HBase预分区优化策略, 提出了一种空间矢量数据分布式存储模型. 基于MapReduce计算框架, 构建了空间数据分布式计算与分析的优化流程. 最后, 针对空间叠加与统计场景, 采用一定规模的业务数据对所提的方法进行测试, 验证了设计方案的可行性和有效性.     

网络和分布式计算

分布式计算研究主要集中在分布式操作系统和分布式计算环境研究两个方面。但随着Internet技术的飞速发展,分布式计算的研究热点也从以分布式操作系统为中心的传统模式转换到以网络计算平台为中心的实用分布式技术,并取得了较大的成功。     

基于ObjectARX和DCOM实现协同设计研究

分布式协同设计是基于网络工作环境而提出的一种先进的设计理念,其目的就是通过群体的协作和交互来完成设计任务。分布式协同设计需要一个满足其要求的协同设计平台以保证设计的顺利进行。DCOM技术是微软为适应分布式计算而提出的分布式组件对象模型,ObjectARX是随同AutoCAD发布的二次开发工具。文中探讨了基于ObjectARX和DCOM技术对AutoCAD进行二次开发,提出了一个在分布式环境下多人协同设计开发的分布式协同设计AutoCAD系统。     

分布式空间信息的对等协同计算机制研究*

海量空间信息的处理需要分布式协同工作的GIS平台支持。为解决空间数据源的异构和分布式网络中的计算能力共享问题,设计了分布式空间信息的协同计算模型,分析了分布式空间信息协同计算具备的基本特征;从空间数据分布存储模型、空间数据分布式计算协同和分布式空间数据并行索引等方面讨论分布式空间信息的协同计算技术体系,并提出现阶段可行的实现机制。分布式对等协同计算机制避免了集中式执行引擎带来的网络拥塞和单点失效问题,提高了海量空间信息资源和计算资源协作的可靠性和可用性。     

Efficient Distributed Skyline Queries for Mobile Applications

In this paper, we consider skyline queries in a mobile and distributed environment, where data objects are distributed in some sites (database servers) which are interconnected through a high-speed wired network, and queries are issued by mobile units (laptop, cell phone, etc.) which access the data objects of database servers by wireless channels. The inherent properties of mobile computing environment such as mobility, limited wireless bandwidth, frequent disconnection, make skyline queries more complicated. We show how to efficiently perform distributed skyline queries in a mobile environment and propose a skyline query processing approach, called efficient distributed skyline based on mobile computing (EDS-MC). In EDS-MC, a distributed skyline query is decomposed into five processing phases and each phase is elaborately designed in order to reduce the network communication, network delay and query response time. We conduct extensive experiments in a simulated mobile database system, and the experimental results demonstrate the superiority of EDS-MC over other skyline query processing techniques on mobile computing.     

复合Petri网的主从式多智能体通信建模方法

针对当前主从式MAS领域通信的硬件成本高、对计算资源占用大等问题,引入复合Petri网建立通信模型。按MAS资源的类型,将复合Petri网的库所设计为状态、行为和时滞3种类型,关联了库所的生效时间。建立了不同优先级消息和通信异常处理的复合Petri网模型,构建了主从式多智能体复合Petri网的通信模型。通过基于主从式小车编队的任务场景实验,验证了多智能体复合Petri网相关模型的可靠性与有效性,缓解了通信消息对系统计算资源的压力,降低了对通信硬件的依赖。     

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。     

Decomposition of knowledge for concurrent processing

In some environments, it is more difficult for distributed systems to cooperate. In fact, some distributed systems are highly heterogeneous and might not readily cooperate. In order to alleviate these problems, we have developed an environment that preserves the autonomy of the local systems, while enabling distributed processing. This is achieved by: modeling the different application systems into a central knowledge base (called a Metadatabase); providing each application system with a local knowledge processor; and distributing the knowledge within these local shells. This paper is concerned with describing the knowledge decomposition process used for its distribution. The decomposition process is used to minimize the needed cooperation among the local knowledge processors, and is accomplished by “serializing” the rule execution process. A rule is decomposed into an ordered set of subrules, each of which is executed in sequence and located in a specific local knowledge processor. The goals of the decomposition algorithm are to minimize the number of subrules produced, hence reducing the time spent in communication, and to assure that the sequential execution of the subrules is “equivalent” to the execution of the original rule     

基于分布式集群的线性方程组求解

在很多应用领域中都需要求解大规模的线性方程组,然而由于单机和多处理器系统的计算能力有限,这个问题没有得到很好地解决。该文提出了一种求解这类方程组的并行算法及其在Linux集群上的实现。在介绍了该算法的矩阵分块、通信机制和改进的高斯消元法之后,描述了该算法的实现流程,并进一步对其通信开销、计算开销和存储需求进行了分析。     

云计算环境下的分布存储关键技术

云计算作为下一代计算模式,在科学计算和商业计算领域均发挥着重要作用,受到当前学术界和企业界的广泛关注.云计算环境下的分布存储主要研究数据在数据中心上的组织和管理,作为云计算环境的核心基础设施,数据中心通常由百万级以上节点组成,存储其上的数据规模往往达到PB级甚至EB级,导致数据失效成为一种常态行为,极大地限制了云计算的应用和推广,增加了云计算的成本.因此,提高可扩展性和容错性、降低成本,成为云计算环境下分布存储研究的若干关键技术.针对如何提高存储的可扩展性、容错性以及降低存储的能耗等目标,从数据中心网络的设计、数据的存储组织方式等方面对当前分布存储的关键技术进行了综述.首先,介绍并对比了当前典型的数据中心网络结构的优缺点;其次,介绍并对比了当前常用的两种分布存储容错技术,即基于复制的容错技术和基于纠删码的容错技术;第三,介绍了当前典型的分布存储节能技术,并分析了各项技术的优缺点;最后指出了当前技术面临的主要挑战和下一步研究的方向.     

绿色计算：内涵及趋势

绿色计算是推动科技进步和社会可持续发展的一种新型计算模式,已成为国际竞争的焦点和制高点,关系到国家政治、经济和社会安全。绿色计算涉及系统结构、系统软件、并行分布式计算及计算机网络,它以保证计算系统的高效、可靠及提供普适化服务为前提,以计算系统的低耗为目标,面向新型计算机体系结构和包括云计算在内的新型计算模式,通过构建能耗感知的计算系统、网络互联环境和计算服务体系,为日益普适的个性化、多样化信息服务方式提供低耗支撑环境。     

工作流仿真结果分析

基于扩展信牌驱动模型的工作流仿真包括模型静态检查和动态仿真,研究通过动态仿真手段对流程进行测试与分析,从而获得仿真结果的性能指标和结构功能指标。对路径覆盖指标及缺陷指标进行研究。利用白盒与黑盒2种测试方法对被测流程进行高覆盖度仿真,通过仿真结果反映缺陷的类型、分布与走势,并形成仿真报表。