一种高性能多媒体对象存储系统的研究

通过对多媒体应用中多用户并发访问的特点和性能进行分析,提出一种高性能多媒体对象存储系统MOSS(Multime-dia Object Storage System)的对象数据组织结构.MOSS结构采用两层结构,下层采用RAID5的方式组织数据,这样可以利用RAID5磁盘利用率高的优势.上层放常用的热点数据,通过将不同对象存放在不同磁盘,从而将不同用户的请求尽量分散到不同的磁盘上,可以提高多用户的并发访问性能.通过仿真测试,在4用户情况下,MOSS的性能平均比RAID高90%,随着用户数的增加,传统RAID方式的性能下降明显,而MOSS的性能下降很少,在16用户情况下,MOSS的性能平均比RAID高550%.     

嵌入式Linux平台内存管理方案

不同的动态内存分配算法往往应用于不同场景、面向于不同业务,因此衡量指标不一,性能各异.针对多模式、多业务的数字电视终端,本文提出了一种嵌入式L inux平台内存管理方案,深入剖析了共享内存的原理及方法,采用共享内存技术支撑多业务开展,同时实现了一种使用二级索引策略的动态内存分配算法,复杂度为O(1),相比其他经典算法,实时性高而碎片率低,仿真性能良好,并在嵌入式平台上实施,取得了不错的效果.     

一种面向连续数据保护的分布式存储模型研究

一个典型的连续数据保护(CDP,Continuous Data Protection)系统必须具有一个高效的存储系统来支撑.本文提出了一种分布式的存储模型,在此基础之上设计了一个面向CDP应用的分布式存储系统.同传统CDP系统相比,本文提出了分布式存储应用于CDP应用,将文件级和块级的数据存储都归纳到一个存储系统中;通过引入了元数据和数据分离的思想,并且把数据分级存储.根据原型系统的理论论证以及测试,结果表明,论文所提存储模型很好的解决了CDP服务器低效率,高负荷的问题,并且具有低成本的优势.     

基于遥感影像的黄河洪灾监测系统模型

基于多光谱遥感图像,提出了一种集河道主溜线自动检测、河势演变分析、洪水漫滩检测与分析评估功能于一体的黄河洪灾监测系统模型。论文首先对基于遥感图像的主溜线检测、河势演变检测、洪水漫滩检测原理与算法进行了详细描述;然后,利用遥感多光谱图像对所提出的检测算法进行了实验验证,最后对实验结果和系统模型进行了总结和分析。实验结果表明,本文提出的黄河洪灾监测模型具有重要的实用价值。     

基于μClinux的大容量媒体文件系统

针对嵌入式系统资源有限、稳定性差的问题,通过分析现有文件系统的优缺点,提出一种面向大容量媒体文件的嵌入式文件系统设计方案,介绍其体系架构和内部组成,对该文件系统与传统嵌入式文件系统的存储性能及稳定性进行对比测试。实验结果表明,该文件系统在存储性能和稳定性方面具有较大优势。     

基于PCI Express的闪存存储系统设计

通过采用PCI Express接口,应用并行和流水线技术,提高存储系统的读写速率。设计闪存映射层算法,在不降低系统读写性能的基础上易于管理数据。该方案在Virtex 5 FPGA上实现,并对其性能进行测试,结果表明,数据连续写速率达到400 MB/s,读速率达到500 MB/s,能满足高端应用的需求。     

加密存储算法和模式研究

为提高全盘加密系统的性能,研究现有的磁盘加密算法和模式,测试不同加密算法和模式组合的性能。介绍加密存储的主要方式,对现有磁盘加密算法和模式进行分析,将不同加密算法和模式结合进行性能测试与分析,针对全盘加密系统给出相应的建议,为加密存储设计者提供参考和依据。     

基于SCSI的故障注入工具设计与实现

研究海量存储系统的可用性评测,设计一种基于小型计算机系统接口(SCSI)协议的故障注入工具。该工具在SCSI协议中间层截获SCSI上层命令,修改命令后,能够实现多种暂态和永久故障的注入,有效地模拟存储系统可能遇到的各种故障。根据目标系统特点确定故障模型和注入参数,注入结束后,进行注入结果回收和离线数据分析。实验测试结果验证了该故障注入工具的有效性。     

基于模式映射的GML文档存储

随着地理信息系统GIS(Geography Markup Language)的广泛应用,GML己经成为事实上的空间数据编码、传输、共享和发布的一种国际标准。近年来,大量GML数据以文档形式出现,对如何高效地存储和管理GML数据提出了新的挑战。根据GML文档的特点,提出了一种基于模式映射的存储方法。首先,根据映射规则将GML模式生成对象-关系数据库模式;其次,解析GML文档并根据映射信息构造相应的SQL语句,将数据存储于数据库。实验表明,提出的存储方法是可行、高效的。     

On-demand minimum cost benchmarking for intermediate dataset storage in scientific cloud workflow systems

Many scientific workflows are data intensive: large volumes of intermediate datasets are generated during their execution. Some valuable intermediate datasets need to be stored for sharing or reuse. Traditionally, they are selectively stored according to the system storage capacity, determined manually. As doing science on clouds has become popular nowadays, more intermediate datasets in scientific cloud workflows can be stored by different storage strategies based on a pay-as-you-go model. In this paper, we build an intermediate data dependency graph (IDG) from the data provenances in scientific workflows. With the IDG, deleted intermediate datasets can be regenerated, and as such we develop a novel algorithm that can find a minimum cost storage strategy for the intermediate datasets in scientific cloud workflow systems. The strategy achieves the best trade-off of computation cost and storage cost by automatically storing the most appropriate intermediate datasets in the cloud storage. This strategy can be utilised on demand as a minimum cost benchmark for all other intermediate dataset storage strategies in the cloud. We utilise Amazon clouds’ cost model and apply the algorithm to general random as well as specific astrophysics pulsar searching scientific workflows for evaluation. The results show that benchmarking effectively demonstrates the cost effectiveness over other representative storage strategies.