种P2P分布式系统高可靠数据恢复模型

叉存储和并行传输给出的数据失效模型，虽然达到了可靠存储、快速数据恢复的目标，但是其假定了下载速度随着并行传输数的增加呈现线性增长，其约束过于理想.提出一种基于并行传输策略、泊松分布理论和数据交换中心机制的数据恢复模型，模型引入非线性速度和函数，取消了对物理网络并行传输速度的假定与约束.从理论上分析了各种参数对数据恢复模型性能的影响.实验结果与理论分析一致，模型在使用了与双副本相同存储空间和网络流量影响一致的前提下，有效地降低了数据的失效概率.     

一种适合移动云节点的可靠存储模型

多维异构的情况下,完全副本的存储方式网络传输负担重,单个节点的能耗消耗大,可用性低。针对于此,该文提出了两种适合移动节点的存储模型:1) 交叉存储策略;2) 比例存储策略。模型中移动节点不再存储数据的完全副本,同时根据移动节点的带宽差异性的特点,将存储和并行传输统筹考虑,降低速度缓慢节点对于整体性能的影响。实验表明,该文并行传输模型相比传统的传输算法,既聚集了较大的带宽,也节省了存储空间。     

动态部署与分块存储策略的数据恢复模型

基于分布式编码存储和多副本策略,及基于分块存储和动态恢复技术可以有效提升数据的可靠性。而采用特定策略将编码存储、分块冗余存储、动态恢复技术有机融合则可以进一步提升数据的可靠性,同时目前缺少有效的模型来度量基于这种策略的数据可靠性。本文提出了多个数据恢复模型(数据失效概率模型),模型考虑了存储节点数、节点可靠性、数据分块数、网络状态、恢复速度等因素。模拟分析显示在特定的存储策略和网络环境下,模型能有效输出数据可靠性,与传统的完全(分块)副本存储、编码存储进行了比较,模型具有更高的可靠性。分析了正常和异常网络环境,增强了模型的可用性。     

分布式系统模型管理框架研究

一个分布式系统必须既能支持个体单元的活动,又能很好地实现个体之间的交互.通过分析分布式系统模型管理的需求,提出了一种分布式系统模型管理框架.分布式系统的关键需求主要是模型的共享性和可重用性,本框架使用模型本体将应用领域模型的知识和元知识概念化,以描述逻辑为表示语言,使得模型开发人员可以使用术语来开展模型管理活动,这些术语支持基于形式化推理的自动化工具,并且具有丰富的语义.     

一种基于分布式系统的范例库维护模型

范例库的维护是CBR系统中的一个重要研究内容,针对当前维护策略存在的缺陷,本论文把分布式系统引入到范例库维护之中,实验表明该模型在维持范例库性能的前提下不仅提高了范例检索的效率,而且维护简单方便。     

基于NTFS格式的数据恢复关键技术研究

针对NTFS存储格式,详细阐述了NTFS下数据恢复的原理及具体实现过程,并和现在流行的软件进行了对比分析,实验结果表明本软件在数据恢复的恢复成功率上具有一定的优越性。     

分布式系统中动态负载均衡实现模型

随着计算机技术的发展，分布式系统日益受到人们的重视因而被普遍应用，但由于任务提出和执行的随机性，各台机器上负载不均衡现象时有发生，所以负载均衡是提高分布式系统效率的重要因素，但目前的研究都集中在策略的提出上，对实现模型的研究比较少。作者在综合许多负载均衡策略的基础上按照性能递增的顺序，结合网络拓扑结构构建了链式模型、网状模型和链网模型，对其进行了系统的研究，对几种模型给出了各自相应的算法，并进行了评价，指出了这几种模型各自的优缺点及适用范围。研究结果表明：链网模型在动态负载均衡实现方面具有良好的有效性、稳定性、可靠性、通用性，对用户具有透明性，是一种性能优越的动态负载均衡模型。     

P2P环境中的一种信任模型

为解决P2P环境的动态性和不确定性带来的安全问题,提出一种新的信任模型来处理P2P环境中实体之间的信任关系,该模型对域内信任和域间信任分别采取不同的方法进行处理.与以往的信任模型相比,该信任模型能更加精确地评估实体之间的信任关系,能更加有效的解决P2P环境中存在的安全问题.     

一种分布式系统的处理机分配算法研究

增减算法是一种启发式的处理机分配算法.对增减算法进行了分析,然后在此基础上对该算法进行了改进,缩短了平均响应时间.     

基于PLC的分布式堤防安全监测数据采集系统

介绍了一种基于可编程控制器 (PLC)的分布式堤防安全监测数据采集系统的构成及工作原理 .该系统具有较好的扩展性、可靠性以及很强的抗干扰能力 ,同时解决了系统的后备电源、系统防雷等技术关键 ,为堤防安全监测和预警提供了一种新的手段     

并行文件系统下数据迁移功能的实现

针对大量气象数据从磁盘到磁带数据迁移问题,分析数据迁移工作特点及功能需求,采用并行文件系统与存储管理软件相结合的方法,建立了数据迁移模型,开发了数据迁移接口脚本,实现了数据的自动迁移功能,为用户提供海量存储空间,方便用户直接检索。     

支持分布式大数据应用建模的模型理论

针对当前尚无面向分布式大数据应用、支持多组件协作应用建模的一般实用模型理论的问题。首先,给出了分布式大数据应用问题的形式化定义和问题求解的一般表达形式;然后,引入包含多结构化状态关系代数、协议代数和交互计算总线格代数的交互式计算范畴,并由此建立了交互式计算模型MIC,作为分布式大数据应用建模的模型理论基础。目前,MIC已在住房和城乡建设部的信息资源统一规划和国家住房信息系统建设中取得了成功的应用。     

基于HBase的输电线路综合数据存储方案设计

输电线路综合数据具有复杂性、体量巨大及多源异构等特点。针对当前关系数据库对于视频图像、图片等非结构化数据处理能力不足的问题,结合大数据的相关理论,提出基于Hadoop和HBase的输电线路综合数据的存储方案,将结构化数据和非结构化数据均转化为Bytes数组存入HBase数据库,并阐明具体的存储原理和工作方式,有效地解决了原有数据信息共享性差、非结构化数据难以存储等难题,弥补了关系数据库的不足,为大数据时代下智能电网的信息化建设提供思路。     

分布式系统下大数据存储结构优化研究

在分布式系统中,数据的存储结构直接影响了大数据的存储效率和处理性能。在行式存储结构下,数据从本地读取,加载速度快,但压缩效率低且存在数据冗余;在列式存储结构下,数据压缩效率高,但数据的跨节点访问增加了网络传输消耗。针对行式存储结构和列式存储结构的缺点,提出一种以行列结合的存储方式,对数据存储结构进行改进。实验结果表明,改进的数据存储结构在加载速度上略低于行式存储;在数据压缩上,比行式存储和列式存储的效率都高。行列结合的存储结构不仅避免行式存储的额外磁盘I/O开销,同时也减少了列式存储不必要的网络传输,极大地提高分布式系统对大数据存储效率及处理性能。     

分布式入侵容忍系统的主动恢复算法研究

针对入侵行为破坏系统资源安全性的问题,提出了资源型安全的概念,并在分布式系统的可信实时计算基组件中实现了主动恢复算法,周期性恢复系统中所有节点,屏蔽入侵行为对系统造成的影响,达到入侵容忍的目的．仿真实验表明系统的不可用性与系统参数的变化紧密相关,其结果可以作为配置与评估入侵容忍系统的依据．     

一种分布式故障恢复算法

基于物理光纤技术的全光网络在波长变换和管理中,当遇到网络产生未知波长的情况时,会引起故障告警的泛滥.考虑到全光网络透明性和高速率的特点,为了不丢失非故障源的信息,采用一种分布式的故障信息管理的方式,寻找故障源的恢复算法,能很好地解决告警泛滥的问题.该算法通过使用时间差的方法对故障源头的情况进行分析.通过进行计算机仿真,结果表明,该分布式算法能使全光网络中故障恢复问题变得简单和高效.     

Method for data recovery in the sensor network based on the joint graph model

In order to ensure that the sensor network data are reliable, and that the efficiency of data processing is not reduced due to the lack of network data, a method for data recovery in the sensor network based on the joint graph model is proposed. First, this paper establishes a joint graph domain model based on the smoothness of network data in the time-domain and spatial-domain, and then an iterative recovery method is proposed to recover the network data, which is based on the association characteristics of network data in the joint graph domain model. Experimental simulation shows that compared with the recovery method based on graph total variation minimization in the graph signal model, the method of data recovery based on the joint graph model improves not only by about thirty percent of the data recovery accuracy, but also by about eighty percent of the iteration efficiency.     

两步解码式空间矢量数据并行转换算法

传统单机转换工具与基于范围分区方案的并行转换算法存在扩展性差、数据倾斜的问题,为此提出两步解码式空间矢量数据（SVD）并行转换算法. 通过归纳地理空间数据库（GDB）中空间矢量数据的存储编码模式,构建优化后的几何解码函数作为基础工具. 初次解码：仅解析空间元数据,根据几何复杂度平衡解析任务,提高解析与数据量的均衡度;二次解码：借助几何并行解析机制提取、解析压缩几何字节,提高转换效率. 该算法基于Spark实现,将其与ArcGIS单机转换工具、基于范围分区方案的并行查询转换算法进行对比可知,所提算法具有显著的效率、性能扩展优势,转换效率提升了2.5~117倍,大幅降低了几何复杂度不均导致的数据倾斜情况.