共查询到10条相似文献,搜索用时 31 毫秒
1.
针对单个JVM的性能缺陷问题,分析了实现分布式JVM的关键技术,提出了一个基于Spaces的分布式虚拟机集成模型,该模型将执行代码和数据分离,通过异步协作机制和动态装载类技术,将多个Java作业透明地调度到不同的JVM资源上并行执行,实现了单一系统映象。 相似文献
2.
一种新的网格环境模型——TGrid Model 总被引:1,自引:0,他引:1
在分析了现有网格环境不足的基础上,提出一种新的网格环境模型——基于树形结构的网格体系与环境TGrid,支持高性能计算,面向主题的资源共享和新一代的需求建模。它以树结构来组织网格节点和集成各种资源,实现了自底向上、多级、面向需求的资源抽象和多种资源融合。而且树型结构符合自然层次组织关系,容易实现网格系统的层次化管理,有利于减轻中心节点的负载和实现大规模应用的负载平衡,提高资源查找效率。同时,TGrid以虚拟资源的形式实现网格资源的共享,利用分布式JVM(TJVM)虚拟网格节点上CPU和主存资源,利用多数据库中间件(TDOD)实现数据库级资源集成和共享,利用Globus网格服务(GService)实现其他软件和数据资源共享。该树型网格为日益增长的网格应用的需求提供了新的解决方案。 相似文献
3.
当前,以Hadoop、Spark为代表的大数据处理框架,已经在学术界和工业界被广泛应用于大规模数据的处理和分析.这些大数据处理框架采用分布式架构,使用Java、Scala等面向对象语言编写,在集群节点上以Java虚拟机(JVM)为运行时环境执行计算任务,因此依赖JVM的自动内存管理机制来分配和回收数据对象.然而,当前的JVM并不是针对大数据处理框架的计算特征设计的,在实际运行大数据应用时经常出现垃圾回收(GC)时间长、数据对象序列化和反序列化开销大等问题.在一些大数据场景下, JVM的垃圾回收耗时甚至超过应用整体运行时间的50%,已经成为大数据处理框架的性能瓶颈和优化热点.对近年来相关领域的研究成果进行了系统性综述:(1)总结了大数据应用在JVM中运行时性能下降的原因;(2)总结了现有面向大数据处理框架的JVM优化技术,对相关优化技术进行了层次划分,并分析比较了各种方法的优化效果、适用范围、使用负担等优缺点;(3)探讨了JVM未来的优化方向,有助于进一步提升大数据处理框架的性能. 相似文献
4.
5.
6.
JVM之上可用的动态语言已不在少数,细数有JRuby、Jython、Groovy、Jacl(Tcl的Java实现)等多种方式。工作在JVM上的开发者对动态语言的积极态度,也使得Sun公司越来越重视JVM上的多语言支持能力,并一直在改进动态语言在JVM上的易用性和执行效率。就面向Web开发的动态语言框架来看,JRuby凭借Rails的杀手级应用无疑已经占得先机。伴随JRuby 1.1.3版本发布,JRuby on Rails逐步增多的应用案例将会带给开发者更多的信心。在1.1.3版本中,提供了对RubyGems 相似文献
7.
JVM 的垃圾收集算法对应用程序的性能有着非常重要的影响.有些时候甚至成为应用程序的性能瓶颈,因此Java学习者有必要了解这一内部机制。阐述JVM垃圾收集的机制、原理。着重分析几种常用的垃圾收集算法,给出垃圾收集算法的选择策略。 相似文献
8.
9.
性能问题一直是Java无法回避的一个弱点。然而造成性能低下的原因除了Java本身的原因外,很多时候是由于应用没有优化地使用Java造成的。虚拟机是Java平台的核心,研究Java虚拟机Oavavirtualmachine,简称JVM)的关键技术及运行机制,并分析其性能优化措施,使Java在不同的平台上顺利运行,为编程实现JVM或向各种平台移植JVM提供参考。 相似文献
10.
阐述了JVM垃圾收集的机制、原理,着重分析了JVM垃圾收集机制可能对系统性能带来的负面影响,最后给出了相应的Java编码建议。 相似文献