整合分布式计算技术的协同CAD系统

原型系统GridCAD展现了一个新的基于网络服务的分布式协同CAD系统环境，并且整合了由网络服务实现的任务动态调度、分布式执行的机制。采用传统的服务器／客户端的分布式架构，以网络服务作为服务器与客户端之间各类操作互相引用的接口，两端所有通讯和数据的传输都通过XML实现。借鉴网格计算思想而设计的任务管理器，是GridCAD中任务动态调度机制的核心，通过对客户端提交的各类操作进行动态分割实现分布式执行。而请求进程管理器则用来实现对各种客户端请求进行仲裁和校验，保证协同设计环境的正常运行。基于网络服务以及SOAP／XML的应用架构，也使GridCAD具备了支持异质平台的特性。     

基于粒子滤波的传感器网络被动目标跟踪研究

为提高被动跟踪性能并减少无线传感器网络中的通信开销,该文提出了一种分布式的粒子滤波方法.首先,利用转弯率建立了机动目标的被动跟踪模型,然后,动态组织传感器网络节点成簇,推导了分布式粒子滤波实现的具体步骤.最后,使用计算机仿真对两种粒子滤波方法性能进行了对比,结果表明两种方法具有良好的跟踪精度,但分布式方法通信消耗更小.     

三维CAD分布式协同设计的方案研究

首先分析了目前各主流三维CAD(3DMAX、UG与AutoCAD等)支持W eb功能的特点,指出了进行基于W eb技术二次开发的必要性。提出了一个支持J2EE技术规范的解决方案,并从系统效益的角度对方案性能进行了讨论。     

基于Hadoop架构的电力系统连锁故障分布式计算技术

以提升大规模组合故障快速仿真分析能力为目标,在Hadoop框架下研发了连锁故障分布式计算技术。基于PSD-BPA软件计算模块,利用Java开发连锁故障计算分析功能,实现驱动判定、故障集筛选、事故链搜索、严重度评估4类模块。通过部署Hadoop分布式文件系统(HDFS)存储调度功能,将事故链解耦为小粒度单一故障场景进行计算,可针对连锁故障仿真的不同复杂度提供跨系统的分布式计算服务,灵活应对计算开始前连锁故障中事故链组合的不可预测性。利用10机、16机系统和某省网实际数据进行技术测试,结果表明所研发系统实现了连锁故障分析应用与数据在计算服务网络中的分离,具备动态调配计算节点资源的能力,能自动适应事件规模为电网连锁故障的仿真分析提供强大计算能力,具有在线应用前景。     

Apache Spark技术研究与应用前景分析

介绍Spark的关键技术——弹性分布式数据集及其主要的体系架构,总结Spark的应用场景,简要分析Spark未来发展以及它与Hadoop之间的关系.     

基于Celery的分布式视频计算处理框架

为了实现能够快速高效的使用计算集群解决视频计算问题,提出一种基于Celery的分布式视频处理框架,该框架借鉴了Hadoop的架构设计,提出了API服务器层,JobTracker和TaskTracker的三层架构,并对其进行了优化使之能够兼容计算资源与存储资源的横向扩展和新的计算应用的纵向扩展.详细描述了框架的架构设计和优化设计.实验数据证明分布式计算框架能够高效地利用多节点实现视频计算.     

基于Hadoop的高校大数据平台的设计与实现

随着信息化的推进,高校已经建设了很多信息系统,积累了大量数据。如何从海量数据中,挖掘有价值的信息,支撑智慧校园的建设,成为需要迫切解决的问题。文中就高校大数据平台的关键技术和架构进行阐述,结合高校实际情况,设计高校大数据平台架构,通过搭建Hadoop集群环境,以业务系统和平台之间的数据交互验证平台设计的可行性和优势。通过研究,文中为高校建设大数据平台提出一种设计方案,为高校信息化建设提供一种新思路。     

面向内容监管的广播电视节目编目系统

随着广播电视频道的日益增加,现行人工监听监看方式已无法适应大量节目内容监管的需求.本文提出了面向内容监管的广播电视节目编目系统的设计和实现方案,整合了广电监管平台现有监测系统的音视频资源,利用模板库智能识别音视频中的节目,具备可扩展性.     

利用Java实现一个非线性规划问题

Java自发布以来 ,作为一种面向对象的程序设计语言深受广大计算机业者的青睐。而Java2的出现使得支持应用程序开发的环境日益成熟 ,表现在超强的数据处理能力与网络集成开发能力 ,以及由于其跨平台能力和可移植性所带来人机交互能力与分布式计算能力。正是由于后者 ,给出一个非线性规划算法解决一个飞行管理问题。     

分布式计算模式在电力市场技术支持系统中的应用

针对电力市场交易平台中各功能模块核心算法计算复杂、计算速度要求高的特点，提出了一种新的电力市场分布式计算解决方案。该方案借鉴传统的分布式计算思想，利用J2EE体系中的若干核心技术，实现了电力市场技术支持系统的分布式计算。实例分析表明，将该方案应用到实际系统中，可以使核心计算程序与逻辑表示层合理分布在整个技术支持系统中，提高了计算速度和系统稳定性，并使计算程序更有利于维护。