NOW——并行计算研究的一个新方向

工作站网络NOW(Network of Workstations),是指由若干工作站经网络连接而组成的计算机系统。近年来,随着工作站性能价格比的高速上升,计算机网络性能的不断改善,NOW越来越受到广泛重视,成为并行计算研究的一个引人注目的方向。 一、NOW的几个特点 1.NOW是一个基于高速通信网连接的工作站群集系     

基于网格的流媒体服务QoS管理框架及实现

流媒体服务是Internet上一类高带宽需求和高实时性约束的应用，对服务质量（Quality of Service，QoS）有较高的要求。流媒体服务的发展导致传统的QoS管理框架难以适应平台的异构性和复杂性。本文提出了一种基于网格的流媒体服务QoS管理框架，为由异构的系统构成的流媒体服务提供集成的、平台无关的QoS管理机制。在谈框架的基础上，我们设计了一个基于网格的流媒体服务QoS管理系统。     

基于Petri网的Web服务自动组合研究

根据Web服务中消息和行为的关系,Web服务被描述为面向消息的基于行为Petri网模型(Moap)．该模型包括消息域和服务过程,前者是服务协同以及和用户通信的通道,后者是基于Petri网的Web服务行为过程描述．Moap支持组合服务的重用,可以很好地描述可用服务的并行调用,另外元消息机制也有利于服务的自动组合．在Moap基础上,定义了服务组合系统和服务的协同;给出了服务自动组合规则,并证明了其有效性和完备性．最后,通过一个实例直观描述了服务组合系统的工作方式．     

一种超节点P2P网络中基于语义的协同缓存管理机制

超节点P2P（Super-peerP2P）结合了P2P结构和C／S结构的优点，是当前应用最广的一类P2P系统。在超节点P2P网络中，文件访问是最基本的操作，往往使用缓存技术来提高其操作效率。目前大多数超节点P2P网络使用传统的“尽力而为”的缓存机制，该机制没有区分超节点网络中不同节点对资源的需求及关注程度不同，导致偶尔访问的对象替换经常访问的对象。针对“尽力而为”缓存机制的不足，本文提出一种基于语义信息的协同缓存管理机制SCOCM（Semantic-based Cooperative Cache Management mechanism for super-peer net works），应用已经请求对象的语义信息主动地选择对象放置缓存，以兴趣度的远近驱逐缓存内的对象，减少缓存对象的替换，使得每个缓存中缓存的对象之间尽可能地保持语义联系。实验结果表明，基于语义信息的协同缓存管理机制与LRU相比可大大降低缓存的替换率，提高缓存的存取效率，命中率也较高。     

一种基于覆盖网络拓扑的无结构P2P主动复制策略

无结构P2P覆盖网络并非规则网络,也非纯粹的随机网络,结点在拓扑结构中体现出非对等性,在接收查询消息的数量上具有非均衡性.研究了结点连接度分布、数据流行程度与搜索成功率之间的关系,并针对数据的不同流行程度给出了结点连接度的最优分配模型.最后给出了一种实现最优结点度分配的主动复制策略.实验结果表明,基于拓扑信息的主动复制是一种提高无结构P2P搜索性能的可行方法.     

基于MPEG－4的视频检索技术研究

1 引言今天,人类的科学文明发展到了很高的水平。人们足不出户,就可在家里欣赏到声形并茂的视听内容。我们可以根据需要去选择视听材料。拿电影来举例,如果我们知道所要查找的影片名字时,这很好办;但如果我们仅凭童年的记忆依稀记得某个场景的一个细节,这仍然是一个未解决的问题。当人们可以哼着旋律找到心目中的歌曲时,视频检索就成了一个亟待     

实现高端应用中端到端QoS的关键问题及技术研究

随着高端网络应用的兴起及近几年网格技术的发展，传统的传榆服务模型和QoS实现机制已经不能适应高端应用对网络和其它资源的需求。因此，如何在高端应用间提供更优的QoS成为关注的焦点。本文从IP网络传输控制机制和端点QoS系统结构两个角度，探讨了端到端QoS实现的关键问题，同时详细分析并比较了几种端到端QoS实现构架及主要特点。     

基于博弈论的多服务器多用户视频分析任务卸载算法

在过去的近10年中,人工智能相关的服务和应用大规模出现,它们要求高算力、高带宽和低时延.边缘计算目前被认为是这些应用最适合的计算模式,尤其是视频分析相关应用.研究多服务器多用户异构视频分析任务卸载问题,其中用户选择合适的边缘服务器,并将他们的原始视频数据上传至服务器进行视频分析.为了有效处理众多用户对有限网络资源的竞争和共享,并且能够获得稳定的网络资源分配局面,即每个用户不会单方面地改变自己的任务卸载决策,该多服务器多用户异构视频分析任务卸载问题被建模为一个多玩家的博弈问题.基于最小化整体时延的优化目标,先后研究非分布式视频分析场景和分布式视频分析场景两种情形,分别提出基于博弈论的潜在最优服务器选择算法和视频单元分配算法.通过严格的数学证明,两种情形下提出的算法均可以达到纳什均衡,同时保证较低的整体时延.最后,基于真实数据集的大量实验表明,所提方法比其他现有算法降低了平均26.3%的整体时延.     

TARSB：一种基于相对搜索介数的P2P拓扑演化策略

近几年来,对等网络(P2P networks)得到了很好的发展,然而其巨大的网络开销也逐渐成为阻碍其进一步推广的主要问题.在其最重要的应用领域--P2P文件共享系统中,早期的系统往往基于一种单一的拓扑结构,忽略了成员之间的差异对网络本身的影响,使得其理想的结构与实际网络之间存在很大差距,难以达到预期的搜索效率.针对P2P文件共享系统进行研究,提出了相对搜索介数(Relative Search Betweenness)来刻画各种异构性对搜索过程的综合影响,并设计了一种基于相时搜索介数的拓扑演化策略:TARSB.该策略通过动态自适应地调整覆盖网络结构来平滑各结点在搜索性能上的差异,从而达到提高网络整体搜索性能的效果.实验表明,TARSB策略在保证搜索命中率的情况下,大大降低了搜索报文的数量,并使网络自主演化成一种更加稳定和高效的拓扑结构.     

一种基于网络感知的虚拟机再调度算法

有效的虚拟机调度策略能够提高数据中心的资源利用率,降低运行时能耗.现有调度算法综合考虑了虚拟机在CPU、内存和网络方面的需求,通过合理部署虚拟机,以期最小化计算、存储与网络的代价.然而,在线的虚拟机部署策略较少考虑由于虚拟机退出所造成的资源利用率下降与网络延迟上升的问题.为此,文中深入研究面向网络感知的周期性资源重配置问题,提出了面向网络感知的虚拟机再调度算法,通过适当的虚拟机迁移,提高部署在虚拟机上任务的性能以及数据中心整体的网络通信效率.算法通过尽可能低代价的虚拟机迁移来提高虚拟机之间的网络通信能力,以提升虚拟机组的整体运行效率,并保持物理机占用但不显著提高.作者通过两个测试平台在真实环境中验证了算法的有效性;通过真实的数据集和模拟实验,在多种虚拟机部署算法下,对比了应用虚拟机再调度算法前后虚拟机的部署效果,验证了该算法能够以较小的代价使得高网络通信代价的任务数明显减少,虚拟机组的网络通信能力显著提高.