基于云服务传递网络的弹性P2P VoD覆盖网构造方法

部署于云服务传递网络(Cloud Service Delivery Network,CSDN)基础设施的P2P VoD系统,在每个CSDN节点内将同一节目的所有用户构建成P2P覆盖网,但CSDN单节点内大量节目的并发用户稀少.因此,如何在兼顾流量本地化的前提下,解决CSDN架构下P2P VoD覆盖网构造中Peer资源稀疏问题是当前面临的一个挑战.为此,提出一种P2P覆盖网的弹性构造方法ECM( Elastic Construction Method).ECM依据资源索引来弹性扩展P2P覆盖网的构造范围,有效解决Peer资源稀疏问题;同时根据CSDN节点间距离来选择扩展路径,实现P2P流量本地化.最后模拟实验结果表明,ECM能有效均衡服务器负载和跨ISP流量.     

RLAR:基于增强学习的自适应路由算法

针对当前各种路由算法在广域网环境下由于不能适应各种拓扑环境和负载不均衡时所引起的路由性能不高等问题,提出了一种基于梯度上升算法实现的增强学习的自适应路由算法RLAR。增强学习意味着学习一种策略,即基于环境的反馈信息构造从状态到行为的映射,其本质为通过与环境的交互试验对策略集合进行评估。将增强学习策略运用于网络路由优化中,为路由研究提供了一种全新的思路。对比了多种现有的路由算法,实验结果表明,RLAR能有效提高网络路由性能。     

面向非一致Cache的任意步长预提升技术

随着微电子工艺的不断进步,片上大容量非一致cache的研究受到广泛关注。提出了一种面向非一致cache的任意步长预提升技术,它能够优化非一致cache中的数据组织,使得即将访问的数据被放置在距离处理器较近的cachebank中,从而降低访存延迟,提升系统性能。详细介绍了任意步长预提升技术的设计,比较了预提升技术与预取技术的差别,并提出了二者的结合技术。通过对来自NPB和SPEC2000的11个基准测试程序在全系统模拟器上的实验评测,发现任意步长预提升技术能够有效减小访存延迟,在访存预测表尺寸为16和32的情况下,系统IPC分别平均增长4.17%和4.91%;在结合预提升和预取技术的情况下,系统IPC分别平均增长8.84%和11.06%。     

一种基于IA-64的并行架构的研究

同时多线程（SMT）能在同一时钟周期执行不同线程的指令,同时开发了指令级并行（ILP）和线程级并行（TLP）。显式并行指令计算（EPIC）关注于编译器和硬件的相互协作。在本文中,我们设计和实现了一套并行环境,其中包括并行编译器OpenUH和基于IA-64的同时多线程体系结构EDSMT,并通过NAS并行测试程序作出了性能评测。     

All-to-all在千兆以太网集群上的性能分析

MPI_Alltoall全交换操作是集群中常用的集合通信操作之一,针对该操作有多种实现算法.不同的实现算法在具体的物理平台具有不同的性能.本文在目前应用较广的千兆以太网集群平台,分析并对比测试了不同算法的通信性能,为进一步研究全交换优化算法提出可研究的方向和目标.     

以延时优化为目标的工艺映射驱动的分解方法

逻辑电路的分解影响ＦＰＧＡ工艺映射后目标电路的延迟时间，采用何种分解方式也与映射结果密切相关。为快速有效地缩短电路延时，本文从工艺映射的基础理论出发，提出映射驱动的逻辑分解方法。     

面向云计算平台的层次化性能问题诊断方法

提出一种层次式在线性能问题诊断方法——Magnifier,将用户请求执行路径划分为构件层、模块层和方法层3个层次,自顶向下逐层定位问题根源。基于阿里巴巴云计算平台的实验结果表明,Magnifier能够在调用方法种类多、执行路径复杂的条件下,快速定位出性能降级的主要原因。     

以LDA为例的大规模分布式机器学习系统分析

针对构建大规模机器学习系统在可扩展性、算法收敛性能、运行效率等方面面临的问题,分析了大规模样本、模型和网络通信给机器学习系统带来的挑战和现有系统的应对方案。以隐含狄利克雷分布（LDA）模型为例,通过对比三款开源分布式LDA系统——Spark LDA、PLDA+和LightLDA,在系统资源消耗、算法收敛性能和可扩展性等方面的表现,分析各系统在设计、实现和性能上的差异。实验结果表明：面对小规模的样本集和模型,LightLDA与PLDA+的内存使用量约为Spark LDA的一半,系统收敛速度为Spark LDA的4至5倍;面对较大规模的样本集和模型,LightLDA的网络通信总量与系统收敛时间远小于PLDA+与SparkLDA,展现出良好的可扩展性。“数据并行+模型并行”的体系结构能有效应对大规模样本和模型的挑战;参数弱同步策略（SSP）、模型本地缓存机制和参数稀疏存储能有效降低网络开销,提升系统运行效率。     

一种新的自适应翻译单元构造算法

翻译单元的构造对动态二进制翻译系统的性能有着重要影响.本文提出一种新的硬件支持下的自适应翻译单元构造算法ATUC,动态监测程序执行,根据程序的执行特性动态自适应调整翻译单元的构造,提高翻译后代码的执行成功率,并尽可能提高翻译后代码效率.引入了硬件的连续提交地址缓冲,辅助二进制翻译软件进行程序执行特性监测,降低profile开销.SPEC2000程序模拟结果表明,ATUC算法对系统性能提高明显.分析表明ATUC具有很低的时间空间开销与硬件支持实现开销.