云存储系统管理节点故障自恢复算法

为了解决大规模云存储系统中管理节点发生故障导致存储服务不可用的问题,建立了管理节点故障影响分析模型,提出了一种基于消息的管理节点动态自我恢复算法FRA-M.该算法通过基于负载均衡的元数据备份更新控制方法完成多个管理节点之间相互协作、透明接管和故障自我恢复.测试结果表明,FRA-M算法能够使得管理节点发生故障时自动进行切换,并且能够合理地分配资源达到良好的负载均衡状态.通过控制TCP超时时限、故障检测周期以及故障检测超时,能够使得FRA-M算法的性能保持在相对稳定的区间,随失效时刻的适应性也比较强.当管理节点发生故障时,FRA-M能够较好地保证存储服务可用性、数据可用性和数据可靠性.     

基于网络轨迹的协议逆向技术研究进展

协议逆向广泛应用于入侵检测系统、深度包检测、模糊测试、僵尸网络检测等领域.首先给出了协议逆向工程的形式化定义和基本原理,然后针对网络运行轨迹的协议逆向方法和工具从协议格式提取和协议状态机推断两个方面对现有的协议逆向方法进行了详细分析,阐释其基本模块、主要原理和特点,最后从多个角度对现有算法进行了比较,对基于网络流量的协议逆向技术的发展趋势进行了展望和分析.     

基于动态混合分片机制的云存储系统I/O性能优化算法

为了解决云存储系统中存储I/O性能优化的问题,从数据分布的角度进行研究,建立了存储分片性能模型,并以此为基础给出了以I/O性能最优为目标的分片决策算法以及最优分片数的计算方法,提出了基于动态混合分片机制的数据分布算法(DADH).DHAH能充分考虑各存储节点和客户机的实际性能,动态地进行文件分片决策和最优分片数的计算,并且能根据存储节点的实际性能优化数据分布.实验结果表明:DADH较传统数据分布算法具有最优的I/O性能,并且算法性能提升效果在各种带宽下平均达到18%～44%.     

基于预测模型和自主计算的网络资源管理

为解决综合网络系统中的自主管理问题,以气象水文业务系统为背景,对自主网络管理中的设备状态预测机制和DEN-ng策略模型扩展机制以及结合这两种机制处理网络通信系统中的自主管理问题进行了深入研究,提出了NAR-BP（Nonlinear Auto Regressive-Back Propagation）状态预测模型,并根据观探测设备的测量数据,对该模型进行了实验测试。实验结果表明,NAR-BP状态预测模型的各项误差指标较传统的AR（AutoRegressive）模型算法减少了约4/5。基于DEN-ng策略模型扩展了管理决策组件,使其适应应用层的系统状态预测,通过一个策略驱动的多信道数据通信管理实例展示了DEN-ng扩展策略模型在自主网络管理中应用的可行性。     

应用层组播优化方法

应用层组播在不同业务领域的性能要求不完全相同,而应用层组播的网络环境也更加复杂,如：组播节点多元化、通信信道复杂化、节点规模庞大化、数据通信量扩大化等,因此需要结合已有应用层组播技术,针对特定业务的优化目标,对组播方案进行优化改进。通过分析应用层组播评价指标,将应用层组播优化方法分为编码特性优化、分层分簇优化、节点性能优化、选择最优父节点优化、路由信息维护优化,比较了不同类型优化方法的性能指标,给出了各自的适用环境,最后讨论了进一步的研究方向。     

分布式存储系统的故障检测自适应算法

为建立分布式存储系统中高效可靠的故障检测机制,提出一种基于混合状态的捎带故障检测自适应算法——MSP-AFD。建立面向分布式存储系统的故障检测框架,基于负载预测的方式计算检测时延,自适应调整超时参数。实验结果表明,MSP-AFD算法的故障检测性能较优。