排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
为了减小路由表的规模且避免使用较多虚通道(VC),从而降低硬件资源用量,针对虫孔交换的2D Mesh片上网络提出了一种分区容错路由(RFTR)算法。该算法根据故障节点和链路的位置将2D Mesh网络划分为若干个相连的矩形区域,数据包在矩形区域内可使用确定性或自适应路由算法进行路由,而在区域间则按照up*/down*算法确定路由路径。此外,利用通道依赖图(CDG)模型,证明了该算法仅需两个虚通道就能避免死锁。在6×6 Mesh网络中,RFTR算法能减少25%的路由表资源用量。仿真结果表明,在队列缓存资源相同的情况下,RFTR算法能实现与up*/down*算法和segment算法相当甚至更优的性能。 相似文献
2.
在虫孔交换的片上网络中,针对完全自适应路由算法对路由器缓存资源使用的不足,提出了一种虚通道分配优化策略.该策略通过比较输出虚通道的信用量计数与数据包剩余微片数的关系来确定处于缓存队列中的尾微片不会被阻塞在当前路由器中,从而将已被释放但尚未被排空的虚通道提前分配给正在等待的数据包,以提高对缓存资源的利用率.8×8mesh中的仿真结果表明,对比保守的虚通道分配方式,该优化策略能提高网络的饱和注入率,或者在保持网络性能相当的前提下减少对缓存资源的使用. 相似文献
3.
面对日趋庞大和复杂的智能应用,建立有效的云服务质量模型是评价云服务质量的重要手段。然而,由于智能云各层资源的多样性、动态性等特点,智能云服务效能的评估具有很大的难度。针对目前智能云计算领域缺乏标准和统一的云服务质量评价指标和云服务建模手段的问题,文中将智能云抽象的服务质量具体化为云服务效能,云服务效能被定义为反映云服务能力水平的服务可用性、可靠性,以及体现服务效率的性能,即通过云服务效能输出定量的评价智能云的整体服务能力水平。并且提出了一种基于BP神经网络的智能云效能模型,通过BP神经网络模拟智能云服务的输入特征与服务效能之间复杂的非线性关系,一旦确定输入特征,即可预测输出的服务效能评价指标,这就要求效能模型能够实时并准确地根据系统配置输入特征,预测当前系统的服务能力。实验结果表明,BP神经网络模型作为智能云服务效能模型的建模工具,具有较好的计算效率和准确率。 相似文献
4.
5.
1