NAS设备卷管理模块中失效数据恢复问题研究

确保数据能够安全有效的存储，提供相应的容错机制是非常必要的．但是为了能够及时恢复失效数据，使得系统快速地由降级模式恢复到正常状态，还需要数据的恢复方法来保证．本文介绍了在NAS设备的卷管理模块中实现数据恢复所采用的算法，面向数据块的恢复算法和面向磁盘的恢复算法，并对算法的性能进行了分析，对如何快速恢复失效盘上的数据作了初步的探讨，对缓存管理和数据恢复进程与用户写I／O请求的相互影响等方面也做了研究分析，最后对在失效数据恢复过程中有关性能优化方面的问题提出一些解决方法．     

RM-LCDF:一种块级连续数据保护高效数据恢复方法

块级连续数据保护技术能够提供任意时刻的数据恢复,构建可靠数据存储环境,已成为现代存储系统重要的数据保护手段.数据的高可用性对数据恢复效率提出了更高的要求,针对传统块级连续数据保护机制数据恢复效率低的问题,结合数据块级写请求的集中分布特性和连续分布特性,提出了一种块级连续数据保护数据恢复机制——RM-LCDF. RM-LCDF采用去除无效写请求、多缓冲和逻辑块地址排序3种优化策略,对数据恢复过程进行优化.形式化分析及实验结果表明,RM-LCDF能够大幅度减少恢复过程中的I/O数据量,提高I/O并发度及写I/O吞吐率,进而有效提高恢复效率.     

改进Web应用性能方法及性能测试分析

动态网页的实现机制中,对用户的响应需要内部多个服务器的协作,延长了响应时间.通过对动态网页实现中某些步骤顺序的调整,可以在用户请求之前得到响应数据,当有用户请求的时候,服务器只需把已经生成的静态页面返回给用户即可,响应速度可得到较大的提高.根据软件性能工程理论,对此方法作了性能评价,然后对使用此方法的系统做了对比性的性能测试,根据对测试所得数据的分析,进一步验证了此方法在实际系统中的可行性.     

多数据项请求的多信道并行广播调度算法

为减少数据广播中用户请求的平均访问时间、提高广播性能,提出了一种新的基于减少数据访问冲突和应用重复广播技术的广播调度算法。该算法有效减少了多信道并行广播中多数据项请求的访问冲突,对热点数据项采取重复广播技术,极大地减少了对热点数据项请求的访问时间。仿真实验结果表明,该算法有效地降低了平均访问时间,提高了数据广播性能,特别是在访问概率偏斜率较大时具有更好的性能。     

WiMAX拓展实时轮询调度机制分析

为了提高无线资源的利用率,使WiMAX系统更好地支持语音业务,基于IEEE 802.16e协议的QoS调度体系,提出了针对带有静默压缩语音业务的拓展实时轮询调度机制的具体实现方案.而且通过对方案中关键参数的分析,给出了一种QoS保证方法.方法根据用户时延对数据带宽分配进行补偿,并按照用户负载情况动态地调整轮询请求带宽的分配周期.使用OPNET软件进行了系统级性能评估,结果表明所提出的方法可有效地降低用户上行接入时延和上行丢包率,从而提高了通信质量.     

预取机制在WebGIS中的应用

在当前网络地理信息系统(以下简称WebGIS)中,空间数据等大型数据在用户访问请求下,从远程服务器端向客户端传输时,往往引起传输延迟,延长了响应请求的时间,降低了效率.预取本来是用在操作系统中提高高速缓存存储器(Cache)性能的一种技术,但在WebGIS中,采用适当的预取机制可以减少用户在浏览器端的等待时间,提高客户端的工作效率.本文分析了几种预取机制,并根据GIS空间对象的特点,对预取机制在WebGIS上的应用作了讨论,以期提高WebGIS的性能.     

二进制程序跨平台移植时用户过程的数据恢复

二进制程序跨平台移植时,不能完全恢复用户自定义过程中的参数和变量等数据,为此采用基于语义镜像和栈帧动态维护的实现策略,提出一种在二进制翻译中针对用户自定义过程中数据的有效数据恢复方案。语义镜像策略具体包含寄存器的精确映射、数据段克隆和全态模拟等手段,针对多种数据存储方式解决数据恢复的问题;栈帧动态维护保证异构平台间程序移植时用户自定义过程参数传递的有效模拟和恢复。实验结果表明,使用该方案实现的静态二进制翻译系统可以正确有效地运行。     

一种改进的WSN数据在线恢复方案

传感器节点容易发生软件或机械故障,从而导致节点数据部分或全部丢失。为保证无线传感器网络数据收集的可靠性,提出一种改进的数据在线恢复方案。采用分布式存储机制对节点数据进行冗余处理,依据节点发出的恢复请求,给出改进的多项式时间数据恢复算法,支持请求接纳控制,并对数据恢复文件块大小进行限制,可在非循环网络上取得恒定的近似率边界。理论分析与仿真实验结果表明,该方案可准确恢复网络数据,对各数据恢复请求均可实现数据恢复成本最小化。     

结构化P2P网络的负载均衡技术研究

在结构化对等网络中,负载失衡现象的产生将会造成单点失效、网络拥塞、请求延迟甚至是系统瘫痪等系统应用性能问题。本文针对传统复制算法中存在的无有效的预防热点策略、忽视节点性能差异性和副本维护机制等问题,提出基于节点性能分类和数据,节点分析的自适应负载均衡算法。通过实验模拟证明本文算法能够有效地实现结构化对等网络的负载均衡,降低数据请求报文的丢失率,从而有效地提高系统节点的利用率。     

层次化网络备份数据存储组织与快速索引技术

备份的最终目的在于灾难发生时的数据恢复.缩短恢复时间是提高整个备份系统性能和可用性的关键.本文面向备份最终目的来有效地组织与检索数据,提出一种虚拟磁带层次化数据存储组织方法以及基于这种存储组织方法的快速索引技术.综合利用这两种技术,使备份性能随着备份数据量的不断增加而逐渐提高,最终趋于稳定;并以较小备份性能损失换取恢复性能的较大提高,随着备份数据量的增加,备份性能损失也将随之减小,但恢复性能将保持稳定.在整体上提升了备份系统的性能和可用性.     

负载自适应的存储池数据重构策略

大数据时代各应用领域对计算机存储系统的性能和可靠性需求与日俱增.新型存储介质为计算机存储系统的性能提升提供了良好的机遇,基于固态盘的存储阵列(RAIS)已在各种存储系统中广泛使用.传统RA IS系统中当一块固态盘出现故障时,通过数据重构操作恢复故障盘的数据,重构时间长,且影响对上层应用提供I/O访问服务的能力.针对该问...     

基于概率性能感知演化博弈策略的“云+边”混合环境中任务卸载方法

针对“中心云服务器+多个边缘服务器”构成的“云+边”混合环境中多任务卸载效率不足的问题,提出了一种基于概率性能感知演化博弈策略的任务卸载方法。首先,在一个“中心云服务器+多个边缘服务器”构成的“云+边”混合环境中,假设其中分布的边缘服务器具有时变波动的性能,采用一种基于概率性能感知演化博弈策略的任务卸载方法对边缘云服务器的历史性能数据进行概率分析,以获得演化博弈模型;然后,生成服务卸载的演化稳定策略（ESS）,使每个用户都能在获得高满意度的前提下进行任务的卸载。基于云边缘资源位置数据集和云服务性能测试数据集进行模拟实验,在24个连续时间窗口上进行不同方法的测试比较。实验结果表明,所提方法在多个性能指标上都优于传统的贪婪（Greedy）算法、遗传算法（GA）和基于纳什均衡的博弈论算法等任务卸载方法。该方法的平均用户期望达成度相较于三个对比方法分别提升了13.7%、117.0%、13.8%,平均卸载时延分别降低了6.5%、24.9%、8.3%,平均货币成本分别降低了67.9%、88.7%、18.0%。     

An algorithm for efficient privacy-preserving item-based collaborative filtering

Collaborative filtering (CF) methods are widely adopted by existing recommender systems, which can analyze and predict user “ratings” or “preferences” of newly generated items based on user historical behaviors. However, privacy issue arises in this process as sensitive user private data are collected by the recommender server. Recently proposed privacy-preserving collaborative filtering (PPCF) methods, using computation-intensive cryptography techniques or data perturbation techniques are not appropriate in real online services. In this paper, an efficient privacy-preserving item-based collaborative filtering algorithm is proposed, which can protect user privacy during online recommendation process without compromising recommendation accuracy and efficiency. The proposed method is evaluated using the Netflix Prize dataset. Experimental results demonstrate that the proposed method outperforms a randomized perturbation based PPCF solution and a homomorphic encryption based PPCF solution by over 14X and 386X, respectively, in recommendation efficiency while achieving similar or even better recommendation accuracy.     

基于需求预测的主动服务推荐方法

在智能计算领域,网络中可用服务数量与类型的快速增长,使用户更依赖于服务完成各种业务,然而当前“请求-响应”被动式的服务模式严重影响了用户体验与资源利用率。为智能感知用户需求并主动为用户推荐合适的服务,通过引入需求预测过程,提出一种主动服务推荐方法。利用矩阵分解算法从大量历史服务使用数据中提取用户特征和服务特征,据此训练深度学习模型并预测用户的服务需求,进而为用户推荐其所需要的服务。基于真实数据的实验结果表明,该方法较单一的矩阵分解模型和深度神经网络模型具有更高的服务推荐准确性和稳定性。     

Exploring the inbound and outbound strategies enabled by user generated big data: Evidence from leading smartphone applications

The Open Innovation paradigm has been increasingly considered as a relevant approach to innovation. Among the different sources, end users are particularly meaningful. Scholars have highlighted several methods and strategies to involve them in the innovation process by asking, observing, and giving them the chance to actually co‐create. Digital technologies are expanding the span of opportunities in this direction, gathering a huge amount and variety of data, while the end user enjoys a digital product; these data can be called “user generated big data” (UGBD). The aim of this research is to understand whether UGBD can contribute in user innovation and to highlight the enabled strategies to create value through them. Leveraging on a multiple case study (Twitter, Spotify, Strava, and Deliveroo), the paper first classifies UGBD among the methods to foster user centered innovation, and then it defines two strategies to create value relying on UGBD. First, companies can leverage on a “using data” strategy—addressing both the end user or other player in the ecosystem—fostering service innovation through an inbound approach. Second, a “selling data” strategy can be pursued, addressing new clients and fostering business model innovation, enlarging the company's value chain in an outbound perspective.     

基于多通道注意力机制的图像超分辨率重建网络

针对现有的图像超分辨率重建方法存在生成图像纹理扭曲、细节模糊等问题,提出了一种基于多通道注意力机制的图像超分辨率重建网络。首先,该网络中的纹理提取模块通过设计多通道注意力机制并结合一维卷积实现跨通道的信息交互,以关注重要特征信息;然后,该网络中的纹理恢复模块引入密集残差块来尽可能恢复部分高频纹理细节,从而提升模型性能并产生优质重建图像。所提网络不仅能够有效提升图像的视觉效果,而且在基准数据集CUFED5上的结果表明所提网络与经典的基于卷积神经网络的超分辨率重建（SRCNN）方法相比,峰值信噪比（PSNR）和结构相似度（SSIM）分别提升了1.76 dB和0.062。实验结果表明,所提网络可提高纹理迁移的准确性,并有效提升生成图像的质量。     

基于加权最小二乘的社交网络用户定位方法

社交网络在提供位置交友等服务时,会对展示的用户距离文本进行混淆处理,以保护用户位置隐私。为了验证当前社交网络采用的位置混淆机制能否有效保护用户的精确位置不被泄露,提出了一种基于加权最小二乘的社交网络用户定位方法。该方法构造测试环境,对位置交友服务中混淆后的距离文本进行大量搜集和统计,结合真实距离数据识别报告距离对应的真实距离边界;基于对目标用户所处坐标系象限的判别,优化探针位置部署,并利用三边测量定位模型得到目标用户的多个初步位置估计;基于估计位置与探针的距离关系,分别确定目标用户相较各探针的最远距离和最近距离的权重,从而构造目标函数并基于加权最小二乘求目标函数的最优解,该最优解即目标用户的最终定位结果。该方法基于距离边界约束推断社交用户位置,避免了对位置服务的频繁查询,保证了对社交用户的定位效率。基于微信平台开展了社交用户定位实验,对500个微信用户的实际定位结果表明,该方法能够实现对微信“附近的人”用户的准确定位,与现有基于空间划分、基于启发式数论等典型定位方法相比,定位精度和效率均有更好的性能表现,平均定位误差降低了10%以上,定位过程中的位置服务访问次数减少了50%以上。     

一个优化的IP-DiffServ实时记费管理机制

提出了一个优化的IP-DiffServ实时记费管理机制。在SLA协商时和某个业务类满负荷时,该机制通过对用户业务和用户业务应用实施业务计划,为它们定义最优化的业务类。通过闲置价格、使用价格和拥塞价格的多价格体系,对用户业务进行基于使用量的实时计费。它不但可以提高网络的QoS保证能力、提高网络的抗拥塞能力以及维持用户业务价格稳定,而且可以提高网络提供业务的性能价格比。实验结果很好验证了该机制的优点。     

Web2.0环境下的IA2.0应用研究——网站IA2.0的评估：以高校站点为例

以新版南京大学数学系网站作为实证研究的样本。根据样本网站在类型、目标、规模和用户方面呈现出的信息特征,对已有的IA2.0评价指标体系酌情进行了增减。对指标评估数据的采集使用问卷调查法,在统计问卷信息时根据实际作答情况局部改进了选用的“网站IA2.0评估模型”。最后运用“网站IA2.0评估改进模型”对样本网站实施评估,并对结果进行分析、指正,以期在日后网站重构时优化其设计和性能、改进服务和管理、提升用户体验等方面产生积极作用。     

An evaluation of virtual circuits and lettergram services

Two service provided by the transport layer in a computer network to the users (the virtual circuit service and lettergram service) are defined. In the virtual circuit service, data packets are transmitted after a virtual circuit has been established at both ends of the transport layer. The virtual circuit is cleared when the communication is completed. In the lettergram service, the unit of data which a transport user is going to transmit is called a “lettergram”. By designating each of the lettergrams for a desired address, the lettergram service permits data transmission to any process in the network without establishing a virtual circuit. The characteristics of these services are analyzed quantitatively so as to define their ranges of application.