媒体服务中流式拷贝性能分析

随着网络带宽的进一步提高,视频点播的瓶颈基本卡在视频服务器端。文章提供的服务器端的流式拷贝,能进一步提高整个系统的服务能力。文章对流式拷贝的过程进行描述,对其中的数学模型进行分析,并与没有流式拷贝的系统进行比较分析。     

面向互联网资源共享的虚拟计算环境专刊前言

面向互联网资源共享的虚拟计算环境是网络计算技术领域的重要研究课题.资源虚拟化是计算机技术的经典概念,旨在将纷繁复杂的底层实体抽象化,为上层提供相对简化的统一视图.进入网络计算时代,网络资源     

一种基于聚类的虚拟计算环境资源聚合方法

作为面向互联网资源共享的虚拟计算环境的实例,iVCE(Internet based virtual computing environment) for Memory致力于解决广域分布的内存资源的共享与综合利用问题.由于内存资源的特殊性,传统的资源管理方法很难适用.以iVCE for Memory作为背景,提出一种基于聚类的虚拟计算环境资源聚合方法,有效降低了资源聚合的问题规模;借鉴物理学中的力场和势能理论,建立了实现资源聚合的基本模型和力场-势能模型以及相应的分布式算法;通过基于真实网络拓扑的模拟,对两种模型和算法分别进行了评估和验证.     

忆阻器状态逻辑中与操作的高效设计与实现

作为电阻、电容、电感之外的第4种基本电路元件,忆阻器自2008年被发现以来受到学术界和产业界的广泛关注.忆阻器的阻值记忆效应和纳米工艺制造方式使其被认为可用于构建未来更大容量和密度的存储器,逐渐替代FLASH等现有存储器件.除存储功能外,HP公司在2010年《Nature》上发表的文章表明,忆阻器还可以通过以蕴含为基础的状态逻辑实现任意逻辑运算.研究了忆阻器状态逻辑的另一种操作——与操作,提出了一种更加高效的与操作实现方法,该方法不需要增加额外的忆阻器,降低了激励电压的复杂性,减小了误差,使运算更加简便高效.最后通过SPICE模拟仿真对提出的方法进行了验证.     

基于高斯模型的不确定数据流Skyline查询方法

由于数据的动态性及不确定性等特征,使得不确定数据流上Skyline查询研究面临挑战.不确定对象一般采用多元概率密度函数(PDF)表示,现有的不确定数据流Skyline查询方法均采用离散型随机变量建模.然而不确定数据流中的对象可能是连续变化的,离散模型对连续性随机变量难以适用.针对连续PDF建模的不确定数据流Skyline查询进行了研究,提出了基于高斯模型的不确定数据流Skyline查询方法(SGMU),该方法包含2个过程:1)动态高斯建模算法(DGM):对滑动窗口采样并建立高斯模型,将原始的数据流转化为不确定对象PDF的参数流;2)提出了基于高斯树的查询算法(GTS)以建立空间索引结构和执行Skyline查询.实验结果表明,SGMU算法不仅能够对连续型不确定对象进行有效建模以辅助Skyline查询,而且能够有效地减少查询对象个数,提高Skyline查询效率.     

多核系统中基于Global EDF 的在线节能实时调度算法

随着多核系统能耗问题日益突出,在满足时间约束条件下降低系统能耗成为多核实时节能调度研究中亟待解决的问题之一.现有研究成果基于事先已知实时任务属性的假设,而实际应用中,只有当任务到达之后才能够获得其属性.为此,针对一般任务模型,不基于任何先验知识提出一种多核系统中基于Global EDF在线节能硬实时任务调度算法,通过引入速度调节因子,利用松弛时间,结合动态功耗管理和动态电压/频率调节技术,降低多核系统中任务的执行速度,达到实时约束与能耗节余之间的合理折衷.所提出的算法仅在上下文切换和任务完成时进行动态电压/频率调节,计算复杂度小,易于在实时操作系统中实现.实验结果表明,该算法适用于不同类型的片上动态电压/频率调节技术,节能效果始终优于Global EDF算法,最多可节能15％～20％,最少可节能5％～10％.     

n-of-N 数据流模型上高效概率Skyline 计算

研究概率数据流上的q-skyline计算问题.与只支持滑动窗口数据流模型的已有方法相比,所提出的方法能够支持更为通用的n-of-N数据流模型.采用将q-skyline查询转换为区间树上刺入查询的方法支持n-of-N数据流模型.提出PnNM算法维护支持n-of-N数据流模型所需的相关数据结构,高效处理了不确定对象候选集合更新和区间更新等维护工作;提出PnNCont算法实现连续查询处理.理论分析和实验结果表明,算法能够有效地支持概率数据流n-of-N模型上的q-skyline查询处理.     

一种基于语义吸引的节点规模估计方法

节点规模是各种分布式应用的基础信息,节点波动的大规模网络环境要求节点规模估计方法具有较高的估计精度和较强的鲁棒性,已有的节点规模估计方法多侧重于某个方面的优化而未能充分权衡计算精度和鲁棒性.提出一种基于语义吸引的节点规模估计方法——SEBSA(a network size estimation method based semantic attraction).SEBSA将每个节点标识所对应的实数区间上的哈希值作为语义信息,节点通过与哈希值临近的节点周期性地交换哈希空间上的邻居信息,以快速吸引与自己哈希值最近的一组节点,测量该组节点哈希值的平均间距以估计节点规模.理论分析和实验结果表明,相对于已有方法,SEBSA在节点频繁波动的网络环境中仍然能够快速地提供准确的节点规模信息.     

基于随机因子和年龄的副本维护策略

副本技术是提高结构化P2P网络中数据可用性、数据访问效率的一种主要技术。ARMS策略虽然可以选择到稳定的副本节点,但是它也带来了副本分布不均衡的问题。为了选择稳定的副本节点并避免单个节点保存过多副本,在充分分析ARMS策略不足的基础上,提出基于随机因子和年龄的副本维护策略。该策略在ARMS策略的基础上加入随机因子s,使得副本既保持稳定又在一定程度上分散。对该策略的分析以及最后的模拟实验表明,该策略结合了随机邻居选择策略和ARMS策略的优点,能够达到以上效果。同时,对随机因子s的选择进行充分分析后得出,s为l/r时效果比较好。     

基于复杂性科学基本概念的MAS涌现性量化研究

在MAS(Multi-Agent System)领域,面向涌现的MAS研究将MAS看成一类特殊的复杂系统,其关注点是MAS宏观层面的涌现性问题.这类研究需要借用复杂性科学研究中的一些基本概念描述、阐述MAS涌现性研究中的问题.文中着重对几个常用的基本概念及其量化研究做一概览,以深化对它们的认识,并结合这些概念及其量化研究在MAS涌现性研究中的应用特点,阐明它们对面向涌现的MAS研究的作用,以促进进一步的研究.这些概念包括复杂性、混沌边缘、自组织、涌现、适应和进化等.