水利工程建设管理中存在的问题及对策

当前,我国水利工程建设进入了前所未有的发展阶段。一些工程建设与管理方面的问题也随着时间的推移逐渐暴露出来。本文在分析水利工程建设管理中存在的问题的基础上提出了具有针对性的对策。     

用户感知的重复数据删除算法

通过大量的实验分析发现:在云桌面场景下,数据拥有者之间的工作相关度越大,则该用户之间存在重复数据的概率越大.基于该实验结果,提出了用户感知的重复数据删除算法.该算法打破了数据空间局部性特征的限制,实现了以用户为单位的更粗粒度的查重计算,可以在不影响重删率的前提下,减少5~10倍常驻内存指纹的数量,并可将每次查重计算的指纹检索范围控制在一个常数范围内,不随数据总量的增加而线性增加,从而有效避免了因为数据总量增加而导致内存不足的问题.除此之外,该算法还能根据存储系统的负载情况自动调整重复指纹检索范围,在性能与重删率之间加以平衡,从而更好地满足主存储场景的需要.原型验证表明,该算法可以很好地解决云计算场景下海量数据的重复数据删除性能问题.与OpenDedup算法相比,当数据指纹总量超出内存可用空间时,该算法可以表现出巨大的优势,减少200%以上的读磁盘操作,响应速度提升3倍以上.     

云计算环境下基于用户行为特征的资源分配策略

资源分配策略是云计算研究领域中的一项重要研究点,研究人员提出了多种资源共享与分配策略,然而很少有工作关注不同云计算用户群体的行为习惯对资源分配策略的影响.提出的基于用户行为特征的资源分配策略就是通过统计用户工作习惯与任务完成时间期望值的变化规律,建立用户行为特征信息表,从而预测出不同时间片内用户的任务提交规律以及用户期望完成时间,动态调整云计算系统的资源分配策略,使得系统在满足用户预期任务完成时间的前提下实现任务并发最大化,提升单位资源的用户满意度.HUTAF(Huawei unitfied test automation framework)云测试平台是华为公司自行研发的云测试平台,并基于该平台开展各种策略下的资源利用率与用户满意度实验.实验结果表明,该策略提升了整个系统在满足用户期望完成时间的前提下的总任务并发数,有效降低了IaaS供应商的运营成本.     

基于粗糙集理论与D-S证据理论改进的多元回归负荷预测方法研究

当前,中长期负荷预测大多采用多元回归算法,但在建模时对影响因子及历史年的选择缺乏良好的依据,很难在考虑更多影响因子及历史年数据与降低回归模型误差之间做出平衡。这使多元回归算法在实际负荷预测中的精准度很不稳定。将粗糙集理论与D-S证据理论引入多元回归算法,利用粗糙集理论对影响因子进行重要性排序。分别以历史年和影响因子为对象进行聚类,以此建立多个多元回归模型。利用D-S证据理论对多个组合预测的权重分配方案进行权重融合,得出最终基于多元回归分析法的组合预测模型。经算例验证,该模型能较好地平衡影响因子和历史年的选取,能有效提高多元回归算法在中长期负荷预测中的准确性,适用性强。     

模型驱动的自动化测试架构

如何在确保软件质量的前提下有效缩短上市周期的问题日益显得重要。在实际工作中基于MDT的思路研究出了一种基于模型驱动的自动化测试架构。该架构通过算法直接将UML系统设计模型转换成U2TP测试设计模型,然后由测试设计模型根据测试策略和测试工程方法自动生成测试用例,实现了测试资源重利用和测试活动的前移从而有效缩短了测试周期。