云存储安全模型研究

针对云存储服务对传统存储技术在数据安全性、可靠性、易管理性等方面提出的新挑战,在分析云存储的基本概念、结构和特点的基础上,研究了云存储的安全性;同时,针对云存储系统各个结构层次的特点,讨论了云存储的安全技术,并构建了云存储安全模型,保证了云存储系统的安全性和可靠性.     

面向分布式虚拟机监视器的节点特征描述机制

DVMM基于硬件虚拟化技术,在机群硬件之上构建一层系统软件以感知机群的物理资源,并虚拟化全局物理资源,整合构建全局虚拟资源信息呈现给操作系统OS(Operating System)使用。DVMM为多台物理机虚拟为一台虚拟机描述了一个框架,但是此框架存在一个性能上的缺陷:OS对底层硬件拓扑并不真正了解的情况下,可能将不适合在某节点上运行的任务调度到该节点,引发大量的节点间通信,从而导致该任务运行效率显著降低。提出分布式虚拟机监视器DVMM(Distributed Virtual Machine Monitor)中的节点特征描述机制NCM(Node Characterization Mechanism)。NCM解决了上述问题,其主要思想是将各个节点的特征描述并保存,为资源管理提供更全面的系统资源描述,呈现系统拓扑结构及节点底层硬件差异供DVMM使用。以上述机制为基础(并在OS的配合下),能够实现任务的高效调度,提高整系统的运行效率,使得DVMM更加完善。     

视频点播系统的软件老化估计和预测

针对视频点播系统,研究其软件老化模式,对系统资源和视频点播服务器的实时参数,采用Mann-Kendall方法来检测老化趋势以判断系统是否存在软件老化现象,并采用Sen的斜率估计方法来估计老化衰退速率;提出了基于径向基网络的软件老化预测模型,对老化趋势进行预测,并采用主成分分析方法来减少径向基网络的复杂度以提高效率.实验结果表明:视频点播系统中存在软件老化现象;基于径向基网络的软件老化预测模型预测效果优于时间序列模型.基于提出方法以及对视频点播系统的老化分析,可为进一步研究相应的软件再生策略提供理论依据.     

使用GPU加速BLAST算法初探

应用GPU通用高性能编程技术实现了一种加速BLAST算法的新方法。BLAST是目前最常用的用于生物序列查询比对的算法和软件包,其处理速度受到串行化执行和磁盘I/O等因素的影响。本文通过实验分析了BLAST软件包中的典型程序BLASTN的运行热点,并选定关键热点模块,应用CUDA编程技术对其进行并行化改造。对比实验结果表明,对于平均序列长度较大的序列库,应用GPGPU并行化可明显缩短该模块的运行时间,获得超过35倍的加速比。这说明,我们可以利用GPGPU对BLAST进行并行化加速,以满足高性能生物序列查询的需求。     

基于Cell多核处理器的层次化运行时支持技术

基于Cell处理器的异构多核架构及软件显式管理的多级存储层次,使其面临编程困难和性能难以有效发挥等问题.现有基于Cell/B.E.的编程模型多侧重于支持类似于流处理的批量访存(bulk data transfer)应用,传统非规则访存应用性能较低.通过扩展Cell/B.E.访存库增强协处理单元的自主作用,以协处理单元为中心建立Cell计算平台上的MPI和弱一致性Pthread分层并行编程运行时支持.分层的运行时支持结构及扩展后的Cell/B.E.访存库使模型具有更好的效率和可扩展性,并且提高了非规则应用的性能;模型中的MPI方便了大量传统并行应用向新架构的移植及开发,而弱一致性Pthread则为MPI提供高效的任务运行时管理支持及为系统级用户提供对架构全面控制的编程接口.实验结果表明,提出的运行时支持技术不仅可适应不同应用的要求,同时借助访存库中的剖分优化机制可有效地挖掘Cell/B.E.架构性能.     

数据库服务器性能测试方法的研究和实现

简单地介绍了数据库技术的发展和工作原理,分析了当前数据库服务器性能的测试方法的缺点,并提出了一种新的改进的测试方法.通过对该方法的实际验证表明,测试效果比较理想,达到了改进测试的目的.     

基于预防性散热的服务器功耗优化方法研究

随着互联网行业的高速发展和5G时代的到来,对于高性能服务器和存储设备的需求越来越大,但同时对于设备功耗优化的要求也越来越高。提出了一种基于预防性散热的功耗优化控制策略对服务器的功耗进行优化。首先获取设备的最高温度,与温度阈值比较后设为参考点,通过评估参考点的电流变化来预测温度变化的趋势,随后发出相对应的控制信号来预先调节风扇转速,达到功耗优化的目的。搭建了实验系统,并针对系统的功耗优化问题,设计不同周期相同占空比、相同周期不同占空比以及不同温度3组实验来对所提控制策略进行验证,实验结果表明所提出的控制策略可以有效地降低设备功耗。     

一种基于重复数据删除技术的云中云存储系统

随着云存储技术的快速发展和应用,越来越多的企业和用户都开始将数据从本地转移到云存储服务提供商进行存储.但是,在享受云存储高质量服务的同时,将数据仅仅存储于单个云存储服务商中会带来一定的风险,例如云存储服务提供商的垄断、数据可用性和安全性等问题.为了解决这个问题,提出了一种基于重复数据删除技术的云中云存储系统架构,首先消除云存储系统中的冗余数据量,然后基于重复数据删除集中的数据块引用率将数据块以复制和纠删码2种数据布局方式存储在多个云存储服务提供商中.基于复制的数据布局方式易于实现部署,但是存储开销大;基于纠删码的数据布局方式存储开销小,但是需要编码和解码,计算开销大.为了充分挖掘复制和纠删码数据布局的优点并结合重复数据删除技术中数据引用的特点,新方法用复制方式存储高引用数据块,用纠删码方式存储其他数据块,从而使系统整体性能和成本达到较优.通过原型系统的实现和测试验证了相比现有云中云存储策略,新方法在性能和成本上都有大幅度提高.     

Buck变换器近远端反馈的仿真分析与应用

Buck型变换器中主要有近端和远端反馈两种侦测模式,随着补偿精度要求的提高,补偿点位置的选取对负载芯片工作稳定性的影响越来越大,依靠经验来选择补偿方式已不能满足设计要求。通过对实际路径阻抗和芯片电压容限等因素分析,针对Buck变换器的近端和远端反馈进行仿真对比,以实测静态和动态响应数据验证仿真结果,为反馈模式的选择提供一种量化分析方法。