首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   6篇
  完全免费   8篇
  自动化技术   14篇
  2018年   1篇
  2017年   1篇
  2016年   5篇
  2015年   1篇
  2014年   3篇
  2007年   2篇
  2005年   1篇
排序方式: 共有14条查询结果,搜索用时 31 毫秒
1.
内存计算技术研究综述   总被引:2,自引:2,他引:0       下载免费PDF全文
罗乐  刘轶  钱德沛 《软件学报》2016,27(8):2147-2167
在大数据时代,如何高效地处理海量数据以满足性能需求,是一个需要解决的重要问题.内存计算充分利用大容量内存进行数据处理,减少甚至避免I/O操作,因而极大地提高了海量数据处理的性能,同时也面临一系列有待解决的问题.首先,在分析内存计算技术特点的基础上对其进行了分类,并分别介绍了各类技术及系统的原理、研究现状及热点问题;其次,对内存计算的典型应用进行了分析;最后,从总体层面和应用层面对内存计算面临的挑战予以分析,并且对其发展前景做了展望.  相似文献
2.
大数据流式计算:关键技术及系统实例   总被引:2,自引:0,他引:2       下载免费PDF全文
大数据计算主要有批量计算和流式计算两种形态,目前,关于大数据批量计算系统的研究和讨论相对充分,而如何构建低延迟、高吞吐且持续可靠运行的大数据流式计算系统是当前亟待解决的问题且研究成果和实践经验相对较少.总结了典型应用领域中流式大数据所呈现出的实时性、易失性、突发性、无序性、无限性等特征,给出了理想的大数据流式计算系统在系统结构、数据传输、应用接口、高可用技术等方面应该具有的关键技术特征,论述并对比了已有的大数据流式计算系统的典型实例,最后阐述了大数据流式计算系统在可伸缩性、系统容错、状态一致性、负载均衡、数据吞吐量等方面所面临的技术挑战.  相似文献
3.
一种对象化并行计算框架   总被引:1,自引:1,他引:0       下载免费PDF全文
分布式计算、并行计算、内存计算是目前提高计算性能的关键技术和热点研究领域。在大数据环境下,针对数据型统计分析系统性能劣化明显、不能满足用户使用需求的问题,提出了一种轻量级高性能对象化并行计算架构,研制了该架构的对象服务组件、对象管理服务组件和客户端代理组件,并将该架构和组件在国家电网资产质量监督管理系统中进行了验证应用,其效果表明该框架能大幅提升大数据处理效率。  相似文献
4.
采用压缩式双共轭梯度算法分析大规模电源/地线网络.首先以稀疏存储结构对大规模的系数矩阵进行压缩处理,然后采用双共轭梯度算法对网络进行模拟.双共轭梯度算法采用2组共轭向量组作为搜索方向,收敛速度快.实验数据表明:在保证精度的情况下,该算法在加快电路网络分析求解效率的同时,大幅度地节省了计算所占用的内存,它适用于分析超大规模的电源/地线网络.  相似文献
5.
王欣 《个人电脑》2007,13(8):41-42
相信任何计算机使用者对内存都不会感到陌生,这个在某些环境下对系统性能的影响甚至超过处理器的零部件已经成为消费者购买计算设备时所主要考虑的因素之一。作为内存厂  相似文献
6.
一天,菜鸟笨笨红肿着眼睛跑进Q博士诊所,说“挨打”了,Q博士当即义愤填膺.表示要替菜鸟笨笨出这口气,菜鸟笨笨却破涕为笑:“偶跟人家打CS,画面的速度和精度总是比不上人家,结果每次被BT(爆头)的都是偶,还有屏幕一闪一闪的.几个回合下来,眼睛就受不了了……明明大家使用的都是MX440显卡嘛,呜呜!”Q博士笑得前俯后仰:“呵呵!原来是‘带宽’欺负了你,下面就让我给你补上这一课吧。”  相似文献
7.
对面向大数据的内存数据管理技术的相关研究进行综述。梳理大数据环境下数据管理技术发展的脉络和格局的变化;分析新环境下的内存数据管理技术面临的发展机遇与研究挑战;介绍相关的前沿研究,其中包括分布式编程模型、混合存储体系结构、内存数据管理等;给出技术和管理上的发展展望。  相似文献
8.
由于钢铁价格具有非线性和因子难以确定的特点,在数据挖掘预测分析时,传统的预测方法只能对钢铁价格进行小数据量的分析,这将导致预测精度低、速度慢、效率低下。随着大数据的深入研究,内存计算技术成为研究热点,用户对实时数据处理技术的需求越来越大。因此,在钢铁价格预测模型中,引入内存计算技术,提出基于内存计算的LM-BP神经网络预测算法,利用2002年到2010年的钢铁价格、产量、库存、GDP等数据建立预测模型。最后,仿真实验结果表明,基于内存计算的预测模型算法不仅速度快,而且精度高。  相似文献
9.
本文针对现有的图处理和图管理框架存在的效率低下以及数据存储结构等问题,提出了一种适合于大规模图数据处理机制。首先分析了目前的一些图处理模型以及图存储框架的优势与存在的不足。其次,通过对分布式计算的特性分析采取适合大规模图的分割算法、数据抽取的优化以及缓存、计算层与持久层结合机制三方面来设计本文的图数据处理框架。最后通过PageRank和SSSP算法来设计实验与MapReduce框架和采用HDFS作持久层的Spark框架做性能对比。实验证明本文提出的框架要比MapReduce框架快90倍,比采用HDFS作持久层的Spark框架快2倍,能够满足高效率图数据处理的应用前景。  相似文献
10.
Apriori算法是关联规则挖掘中最经典的算法之一,其核心问题是频繁项集的获取。针对经典Apriori算法存在的需多次遍历事务数据库及需产生候选项集等问题,首先通过转换存储结构、消除候选集产生过程等方法对Apriori算法进行优化,同时,随着大数据时代的到来,数据量与日俱增,传统算法面临巨大挑战,因此,又将优化的Apriori与Spark相结合,充分利用Spark的内存计算、弹性分布式数据集等优势,提出了IABS(Improved Apriori algorithm based on Spark)。通过与已有的同类算法进行比较,IABS的数据可扩展性和节点可扩展性得以验证,并且在多种数据集上平均获得了23.88%的性能提升,尤其随着数据量的增长,性能提升更加明显。  相似文献
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号