基于Spark+YARN的空气污染预报云平台设计

近年来我国空气污染导致的雾霾天气频繁发生,空气污染已经成为一个亟待解决的重要问题,其数值预报推广应用是一个难题,主要表现在数值预报系统的运行过程中计算量大,数据量大,在传统高性能计算集群中进行空气污染预报存在资源有限、复杂的并行化操作、批处理作业等待耗时等问题,尤其对于资源缺乏的研究团队,还存在基础设施昂贵而无法负担的问题。因此,如何利用有限的资源,为大气科学家提供一种基于云计算模式的高性能计算环境,提供可扩展、快速、廉价和动态可分配的计算和存储资源,是亟待解决的关键问题。研究一种基于Spark+YARN的空气污染数值预报的云平台,针对空气污染数值预报特点,为大气科学家提供一种空气污染数值预报大数据解决方案。     

基于云计算模型的气象信息服务系统研究

为高效整合分散在各地气象台和区域保障中心的计算、存储、通信资源,解决航空气象保障工作面临的气象资料收集不便、数值预报时效性和分辨率不高的问题,提出了基于云计算模型的气象信息服务系统框架.介绍了系统结构和功能,并分3个层次描述了系统详细设计,给出了核心服务组件的实现方案,结合航空气象保障工作现状对本系统进行了分析.分析结果表明,基于云计算模型的气象信息服务系统可有效解决航空气象保障工作中存在的问题.     

基于云计算技术的专利云系统

首先对专利云提出和实施背景进行介绍,在充分调研并借鉴国内外电子商务平台设计和运营模式的基础上,结合专利云平台实施目标,对云平台总体架构进行设计,然后介绍基础平台建设思路和专利云基础软件建设思路,最后,在此基础上设计适合专利云平台的应用软件系统,包括专利公共服务云、专利托管服务云、专利商务交易云三个应用系统.     

基于云计算的远程医疗辅助诊断咨询系统

设计和开发了一个基于云计算的远程医疗辅助诊断咨询系统,提供了完善个人电子健康档案管理机制,移动医疗工具（基于Android的移动终端）,构建了多种供医生灵活取用的“云服务”资源,包括基于内容图像搜索技术、虚拟四维CT技术、病灶自动筛查技术等．该系统的成功研发,不仅能解决个人对于自己健康和诊疗信息的管理,还为病人寻求异地医生远程诊断咨询提供了途径,同时也缓解了医疗资源分配不均衡等非常现实的社会问题,是一个非常有前景的新型云计算医疗网络服务平台．     

基于云计算理论体系对云计算应用和实践的探索和展望

全面分析云计算理论和技术,提供一个比较系统完善的云计算概念框架。同时,简要介绍云计算在Google和Amazon的实践应用和云安全问题,使得云计算这种新兴科技进一步普及,并开辟新应用领域。所谓云计算,既是一种新的商业模式,又是互联网提供新的服务的技术核心,还是一种有别于现在计算技术的新的计算模式。其思想是将大量的网络连接的计算资源统一管理调度,构成一个资源集合,以服务于用户。云计算的出现可以说是计算科学的又一次革命。     

基于云计算技术的应用安全服务

云计算已经获得了业界媒体、分析和讨论中越来越多的关注。文中首先介绍了云计算技术的背景,包括常见的云计算模式和一些开放的云计算技术;其次,重点介绍了基于云计算技术的应用安全服务内容,包括身份认证与访问控制服务、抗抵赖性服务以及密码计算服务,并根据以上内容总结了基于云计算技术的应用安全服务整体框架。最后,结合国内对云计算安全的研究提出了几点建议。     

含微服务的调度自动化系统分布式实时数据库

提出一种含微服务的调度自动化系统分布式实时数据库总体构架,解决了传统调度自动化系统中实时数据库数据处理慢、灵活性差和不易扩展等问题。根据实时数据库对数据时效性的要求,定义了遥测类、遥信类的简化数据模型,规避了复杂数据关系的搜索,并运用数据分片技术对数据进行有效划分。采用微服务架构模式,将数据读写过程虚拟化为细粒度的数据服务,以云计算技术为核心,实现对微服务、分布式技术的深度整合。利用该构架实现的分布式实时数据库管理系统已在某实际电网中得到应用。实际运行效果表明,该构架下的实时数据库具有实时性高、扩展性强、运行稳定可靠等优点,为坚强智能电网的建设和发展提供技术支撑。     

主流网络代理安全性分析

目前随着互联网的快速发展,从个人用户到企业、政府机构等通过网络代理连入互联网的方式非常普遍,一方面通过网络代理能够有效改善本地网络状况;另一方面也可解决目前IP地址资源有限的问题,同时也可对内部计算机进行一定的权限控制。首先介绍了目前几种主流的网络代理,然后结合各种网络代理实现原理在用户认证、代理服务等方面进行分析比较,最后研究了目前的代理在云计算安全中的作用。     

基于Hadoop的Apriori算法与实现

针对传统 Ａｐｒｉｏｎ数据挖掘算法平台的硬件瓶颈以及算法运算耗时、需要重复扫描数据库等缺点,提出了一种基于 Ｈａｄｏｏｐ平台应用 ＭａｐＲｅｄｕｃｅ模型与 Ｈｂａｓｅ,对 Ａｐｒｉｏｒｉ进行云端的迁移和优化的算法,并与其他的改进 Ａｐｒｉｏｒｉ算法进行了分析与比较。实验结果表明：新的云端算法降低了时间复杂度,使其可以更好的进行数据处理。     

基于改进k-means算法的海量智能用电数据分析

针对智能用电数据挖掘面临数据量大、挖掘效率低等难题,进行Map-Reduce模型下基于改进k-means的海量用电数据分析研究。以家庭用户为例,建立了家庭用户用电信息的家庭用户号、房屋面积、家庭成员数、每天用电量、峰谷电量、家用电器数等的数据维度模型,利用k-means算法简单、收敛速度快的优势,克服其容易陷入局部最优解的缺陷,综合考虑初始聚类中心的选择及聚类个数的选取2个因素,以数据对象密度的大小作为初始聚类中心的选取标准,将簇间距离及簇内对象的分散程度作为聚类数目选择的重要参考,对k-means算法进行改进;为提高数据处理效率,进行Map-Reduce处理模型下的海量家庭用户用电数据的并行挖掘。通过在Hadoop集群上进行实验,结果证明提出的算法运行稳定、高效、可行,且具有良好的加速比。