云计算与网格计算

分布式处理、并行处理和网格计算的发展推动了计算机产业的发展,云计算运动随之产生。介绍了云计算服务类型,云计算和网格计算的相似与不同,同时探讨了云计算优于网格计算的地方,两者面临的共同问题以及一些安全方面的问题。     

Analysis of Hot Topics in Cloud Computing

In the field of cloud computing, topics such as computing resource virtualization, differences between grid and cloud computing, relationship between high-performance computers and cloud computing centers, and cloud security and standards have attracted much research interest. This paper analyzes these topics and highlights that resource virtualization allows information services to be scalable, intensive, and specialized; grid computing involves using many computers for large-scale computing tasks, while cloud computing uses one platform for multiple services; high-performance computers may not be suitable for a cloud computing; security in cloud computing focuses on trust management between service suppliers and users; and based on the existing standards,standardization of cloud computing should focus on interoperability between services.     

网格计算商业演化的云计算与应用展望

网格计算及分布式计算、并行计算发展到一定阶段后衍生出了云计算。云计算是上述计算方法的商业实现。云计算是一种新型的计算模型,其基础体系结构属于云计算的技术层次,主要说明系统属性和设计思想;云计算的服务集合源于服务类型,说明能带给客户什么。云计算的核心技术有数据存储技术、数据管理技术、编程模型和云安全。云计算的应用范围和领域也十分广泛。     

Concepts,issues,and applications of fog computing

Firstly,the previous work of fog computing was systematically analyzed and summarized.The background of fog computing and the comparison with cloud computing were introduced.Besides,based on the comparison with other computing style,the advantages and characteristics of fog computing were explained.In addition,the architecture of fog computing was described.Moreover,network management and resource scheduling of fog computing were discussed,where the related previous work were summarized and analyzed.At last,the applications of fog computing were described.Taking the intelligent driving and industrial Internet of things applications as examples,the key research issues of fog computing were proposed.     

一种基于域名解析机制的算力网络实现方案

新型数字化技术和业务的兴起,以及信息数据的爆炸式增长,对云—边—端多级算力资源提出了巨大的应用需求,算力基础设施泛在化成为一大发展趋势。算力网络将算力等资源与网络协同统一,结合用户需求提供最优的资源配置策略,同时提高多级算力资源的协同工作效率,成为网络技术发展的新方向。分析了当前算力网络的技术路线,提出了一种基于域名解析机制的算力网络实现方案。该方案引入域名解析机制,使用URL语言对多种算力资源进行统一标识,由集中式的算力资源管理平台对算力资源进行统一的分配调度。用户在收到分配的算力资源标识时,通过域名解析系统解析出相应资源的网络位置信息,并通过算力网关与资源池建立网络连接。此方案满足灵活扩展算力资源标识的需求,具有很好的实用性和通用性。     

云计算热点问题分析

在云计算的研究和应用中一些热点问题比较突出,如：如何理解计算资源及其虚拟化、云计算与网格计算的差异、云计算中心与高性能计算机的关系、云安全和云标准等。文章对此给出了一些见解：计算资源的虚拟化促使信息服务走向规模化、集约化和专业化;网格计算是＂多为一＂,而云计算是＂一为多＂;部署于高性能计算中心的高性能计算机未必适合云计算;云安全已经将传统安全问题发展为服务方和被服务方之间的信任和信任管理问题;在现有标准的基础上,云计算标准将需更加关注服务的互操作等。     

5G边缘计算安全研究与应用

本论文聚焦在5G边缘计算安全研究与应用,包括5G边缘计算安全风险、5G边缘安计算安全防护要求以及5G边缘计算安全应用。首先从网络服务、硬件环境、虚拟化、边缘计算平台、能力开放、应用、管理、数据方面明确5G边缘计算安全风险,然后针对安全风险提出对应的安全防护要求,并以智能电网为例介绍了5G边缘计算安全应用。论文为5G边缘计算安全的风险以及防护要求分析等研究提供支持,为5G边缘计算安全应用提供发展思路。     

信号级协同计算平台架构及应用思考

针对智能化作战对军事电子信息系统计算能力提升的迫切需求,结合云计算的资源虚拟化、大数据的分布式计算等技术,提出了基于嵌入式CPU+ALL（DSP、FPGA、PPC、GPU、AI处理器等）的异构处理的信号级协同计算平台架构,包括弹性、轻量级异构资源虚拟化模型、分布式实时计算框架和智能计算框架等,形成了一套架构统一、资源共用、使用简便的协同计算和智能计算环境。通过战术级无线电认知和智能信号与信息处理两个典型应用场景,探讨了该信号级协同计算平台可能带来的颠覆性效用。     

面向算网一体化演进的算力网络技术

随着一体化算力网络国家枢纽节点的建设和“东数西算”工程的加快实施,计算和网络的融合走向深水区。面向新兴业务对于网络和计算融合发展的需求,如何协调分布式、多样化算力资源,业务应用和网络资源满足业务需求成为亟待解决的问题。为了解决计算和网络相互感知、协同、调度问题,从算力网络阶段化发展、算力感知技术架构、算力度量与标识、算力路由等多个技术展开探索和研究,并提出算力网络多种部署模式,为算力网络后续技术研究和产业发展提供参考。     

云计算中的并行计算技术分析

本文阐述了并行计算和云计算的关系,简要回顾并行计算的历史,分析了并行计算的重要技术OpenMP、MPI和Erlang,研究了这些技术在中国电信的应用方法,并介绍了中国电信实施云计算、并行计算的指导思想、原则和策略。     

智慧边缘计算安全综述

边缘计算将传统的云服务扩展到网络边缘,更贴近用户,适用于具有低时延需求的网络服务。随着边缘计算范式的兴起,其安全问题也得到越来越多的关注。首先介绍了边缘计算范式的基本概念、系统架构以及与其他计算范式的关系。然后分析了当前边缘计算中存在的安全威胁,并针对各种安全威胁探讨了相应的安全技术问题。最后对边缘计算安全技术中关键的入侵检测、访问控制、防御策略、密钥管理技术进行了分析,并提出了进一步研究方向。     

基于普适计算的分布式定位设计

普适环境中,定位计算是上下文察觉计算的重要内容。本文提出分布式定位计算的思想,该思想摆脱了以往传统定位中先确定用户坐标再判断其所处区域的繁琐模式,将对用户所处区域的计算分散至底层的感知设备中,减轻了计算设备的计算负担,提高了上下文感知系统的效率,并通过实现该定位设计验证了分布式定位设计的可行性。     

云计算中MapReduce技术研究

云计算是由并行计算、分布式计算和网格计算发展而来,MapReduce是云计算的核心技术之一,它为并行系统的数据处理提供了一个简单、优雅的解决方案,其主要目的是为了大型集群的系统能在大数据集上进行并行工作,并用于大规模数据的并行运算.首先介绍了云计算与MapReduce的相关知识,然后对目前MapReduce的国内外研究状况进行了介绍与评析,并总结了目前MapReduce模型的相关研究问题,最后进行总结并展望了未来发展的趋势.     

云计算关键技术之分布式计算认知研究

面向云计算应用领域的并行计算和分布式计算,较之以往有新的特点和实现原则。并行计算可以分为时间并行和空间并行,空间并行因其使用多个处理器并发执行计算,更具实用价值。分布式计算的工作模式是,中心服务器将一个大型计算任务分割成若干个或更多个任务单元,利用网络分派给多台计算机分别去完成,任务完成后再返回到中心服务器。分布式计算具有容错能力更强、维护更灵活、性价比更高的比较优势。CAP和BASE理论是当今互联网领域颇受关注且十分流行的分布式NoSQL的理论基础。     

基于云、网、边融合的边缘计算新方案:算力网络

边缘计算已经成为5G时代重要的创新型业务模式,尤其是其低时延特性,被认为是传统方案所不具备的,因此边缘计算能够提供更多的服务能力且具有更为广泛的应用场景。但边缘计算与处于中心位置的云计算之间的算力协同成为新的技术难题,即需要在边缘计算、云计算以及网络之间实现云网协同、云边协同,甚至边边协同,才能实现资源利用的最优化。在研究边缘计算算力分配和调度需求的基础上,提出了基于云、网、边深度融合的算力网络方案,并针对AI类应用给出了一个典型实施系统,该方案能够有效应对未来业务对计算、存储、网络甚至算法资源的多级部署以及在各级节点之间的灵活调度。     

云计算应用及其安全策略研究

云计算能够在极短的时间内完成对庞大数据信息的处理,在现代社会中发挥着越来越重要的作用。相比于一般的模式,云计算具有虚拟化技术、按需定制以及动态可延伸性等特征。目前,云计算在应用过程中存在3个方面问题,包括虚假信息存在较大隐患、云计算服务商技术实力不强以及终端用户信息安全防卫不到位。为此,需要对云计算数据进行加密处理、加强云计算数据库的安全性以及提高安全审计技术在云计算中的运用,确保云计算系统的安全、稳定运行。文章对此展开了分析。     

面向云的分布式集群四叉树任务分配策略

分布式集群系统是云计算环境的基础,针对当前云计算环境高性能计算的需求,更好地发挥系统的运行效率,本文在分析了已有网格计算环境下分布式任务分配方法的基础上,从软件角度采用动态负载均衡思想,依据网络节点计算力模型,提出了海量数据集群环境计算的四叉树任务分配策略。验证表明,本任务分配策略能有效地提高整体计算速度。     

云计算与网格计算异同解析

网格计算出现之后引起了人们的广泛关注,将其称之为"计算机技术的第三次大的浪潮"。云计算问世以来更是引起了高度重视,许多学者认为"云计算是并行计算、分布式计算以及网格计算等方法的商业实现"。二者之间有联系,有相似之处,也有共同点,但在资源聚合与共享、任务执行、对待异构服务侧重等方面存在着一定的差异。     

基于类层次对象的发动机特性计算研究

基于面向对象分析与设计的思想，将发动机特性计算的仿真模型概括为部件、工质流、流动关系3个层次，并将这种层次关系表达为类属层次结构。通过一个涡扇发动机特性计算的实例，验证了这种建模方式的可扩充能力和重用性。     

云计算中的群体智能与不确定性知识表示

The lasting evolution of computing environment, software engineering and interaction methods leads to cloud computing. Cloud computing changes the configuration mode of resources on the Internet and all kinds of resources are virtualized and provided as services. Mass participation and online interaction with social annotations become usual in human daily life. People who own similar interests on the Internet may cluster naturally into scalable and boundless communities and collective intelligence will emerge. Human is taken as an intelligent computing factor, and uncertainty becomes a basic property in cloud computing. Virtualization, soft computing and granular computing will become essential features of cloud computing. Compared with the engineering technological problems of IaaS (Infrastructure as a service), PaaS (Platform as a Service) and SaaS (Software as a Service), collective intelligence and uncertain knowledge representation will be more important frontiers in cloud computing for researchers within the community of intelligence science.