集群系统负载均衡性能测试研究

分析影响集群系统性能的关键因素,提出在Linux下架设负载均衡系统,获取集群系统关键性能参数,加权计算真实服务器的负载。根据服务器负载由负载均衡器动态分配连接请求,使集群达到负载均衡。使用不同的客户端进行测试,分析比较不同测试软件的测试结果,为改进集群系统的负载均衡性能提供支持。     

TETRA数字集群系统SNDCP层的设计与实现

为了满足TETRA数字集群用户对分组数据业务的需求,提出了一种TETRA数字集群交换机子网相关汇聚协议（SNDCP）的实现方案。在描述TETRA数字集群通信系统分组交换域架构的基础上,给出了SNDCP层的设计方案,并详细阐述了SNDCP层的实现过程中的关键技术;基于Telelogic TAU G2集成开发平台和Linux c开发环境,利用UML语言与C语言开发了SNDCP实体,实现了SNDCP层的功能。在TETRA数字集群通信系统中对SNDCP实体进行测试,测试结果符合TETRA数字集群系统空中接口协议标准,满足设计需求。     

基于多GPU集群的编程框架

现如今,GPU作为一种低功耗高性能图形处理器单元,被广泛应用于高度并行化的应用程序中。其线程和内存的层次结构在诸多成功的多线程应用和科学研究中表现出巨大的优势。为了简化多GPU集群的编程模式以及更好地利用GPU的计算性能,设计并实现了一个新的基于多GPU的MapReduce并行编程框架。使用了并行虚拟文件系统（PVFS）来存储数据,考虑了动态的负载平衡和GPU相关的权重要素以达到优化系统的效率、透明性以及系统的可伸缩性的目的。在文中,将演示使用该编程模式解决地质应用的一个典型的偏移应用-叠前时间偏移（PKTM）,并给出实验结果。     

基于加权的无人机集群组网分簇算法

在无人机集群组网中,节点的高速移动会造成网络拓扑结构更新频繁,使网络管理变得更加复杂。分簇能够增大网络容量,实现空间资源的复用,是优化网络管理的有效手段之一。针对大规模、高速移动的环境进行了研究,提出了一种多参数加权分簇算法。该算法将最大速度相似度分簇算法中的分簇指标引入到加权分簇算法中,并且对链路保持率、节点度差、节点剩余能量进行改进,综合考虑这四种参数,通过加权组合的方式选举具有最大权重的网络节点作为簇头。仿真结果表明,该分簇算法不仅能够减少簇的数量和簇间切换率,提高分簇的稳定性,而且能够延长最小节点生存时间,改善网络的整体续航能力。     

QLogic Fabric Cache~(TM) 提升皇家博尔顿医院应用性能超60%

正位于英格兰曼彻斯特的皇家博尔顿医院是一所综合性医疗机构,以为病患提供卓越护理而闻名。皇家博尔顿的两个数据中心各配了一个QLogic?5800交换机,通过1公里光纤互连,并且通过DataCore SANsymphony-V进行同步镜像,实现最佳弹性和故障转移功能。十多年前安装了第一个QLogic2GB交换机之后,皇家博尔顿一直是QLogic解决方案的拥护     

卡巴斯基实验室又获专利

正据卡巴斯基实验室官方消息,美国专利商标局(USPTO)于今年一月审批通过了其申请的一项专利。这项新专利可以为分布式计算机环境中的应用程序操作提供可靠的保障。准确地说,它是一种确保在服务器集群的多台服务器中安装的应用程序无故障操作,并且能够协同工作的技术手段。     

FabricCache QLE10000为 SAN 数据加速设立新标准

当前,企业数据中心的典型特征就是,要求应用365＊7＊24全天候不停运行,并且能够实时响应关键型任务和关键型业务。随着虚拟化的普及,以及对更高密度的性能 更强大的服务器和集群环境的要求,企业对于共享存储子系统中的高可用应用数据的需求也在迅速增长。     

试谈PDT警用数字集群技术在消防指挥调度中的应用

介绍了PDT警用数字集群通信技术的概念和发展前景,并结合PDT的技术优势,以提升了消防部队"扁平化"指挥效能为目的,从PDT警用数字集群通信系统的语音呼叫、数据通信和北斗定位应用等方面提出了丰富的调度手段。     

虚拟化集群技术在消防业务中的应用

通过分析目前消防业务信息系统运维工作现状,将服务器虚拟化集群技术引用到消防业务系统运维工作中,大大提升系统服务器运行性能,更好地实现负载均衡,确保系统稳定可靠运行。     

基于异构GPU集群的并行分布式编程解决方案

由于超强的计算能力、高速访存带宽、支持大规模数据级并行程序设计等特点,GPU已经成为超级计算机和高性能计算(HPC)集群的主流加速器。随着处理单元的发展和集群节点的拓展,GPU集群不仅在节点层面呈现异构化,节点内也趋于异构化,大大提高了在GPU集群中编程的复杂度。主流GPU异构集群系统大多采用针对GPU的异构计算编程模型与面向分布式内存的消息传递模型的简单结合方式,这种方式使得GPU集群程序设计缺乏确定的准则,往往是低效而且易错的。为了提高在GPU集群中编程的效率,降低编程复杂度,以及实现平台无关性,提出一套异构GPU集群的并行分布式编程的解决方案。该方案通过采用扩展语言方法提出了编程框架DISPAR,并实现了预处理器系统StreamCC。实验证明了其可行性。