云计算及LLF算法的光纤数据差异化调度策略

现有光纤数据差异化调度策略忽视数据节点的排序,导致构建的调度模型效率较低,影响数据调度速度,为提高光纤数据差异化调度能力,提出基于云计算及LLF算法制定光纤数据差异化调度策略。排列LLF算法下松弛度队列顺序,确保松弛度较大任务能够率先完成,基于LLF算法设计数据调度模型,求出光纤数据调度范围,制定云计算环境下数据差异化调度策略,提升队列排序的处理能力,提高光纤数据调度效率。实验结果可知,该调度策略的数据平均计算时间约为263s,数据平均调度时间为186s,验证了所提方法能够有效提升数据计算及调度效率。     

云计算环境下海量数据高效调度模型仿真

在云计算环境下海量数据调度的过程中,数据节点的利用存在较强的随机性.传统调度方法容易造成数据节点冲突,从而导致调度效率降低.提出基于数据节点冲突避免的云计算环境下海量数据高效调度方法.将整个调度任务划分成多个子任务,计算每个子任务任务量,根据目标数据在数据节点的传输情况,对数据节点的任务量进行计算,根据计算结果,建立优化的云计算环境下海量数据调度模型.实验结果表明,利用改进算法进行云计算环境下海量数据调度,能够有效提高调度的效率,避免了数据发生冲突的情况.     

基于云计算的海量数据挖掘研究

云计算作为我国经济发展中科技手段与经济运用相结合的合理运行模式。云计算的海量数据挖掘不仅为企业的发展创造了更加丰厚的经济收益,同时运用先进的技术手段为企业的发展提供充足的信息资源,降低了企业的生产成本,促进企业产生更大的经济效益。     

基于云计算的海量数据存储模型

针对目前网络产生的数据越来越多以及随之而来的海量数据的存储问题,在云计算技术上,依据Hadoop及虚拟化技术,提出了基于云计算的海量数据存储模型。将医院信息化的海量数据部署在Hadoop平台上,根据云计算的核心算法MapReduce来处理数据,最后将数据存储在虚拟资源池中。通过实际的应用,该模型可以很好地克服现行的存储方式存在的不足,解决海量数据在存储当中存在的问题,并且能够很好地提高存储的效率。     

基于Hadoop的海量电信数据云计算平台研究

传统的数据分析方法面对海量电信数据存在管理和分析难的问题.Hadoop是一个可实现大规模分布式计算的开源框架,具有高效、可靠、可伸缩的优点,被广泛应用于云计算领域.本文在对云计算和Hadoop进行分析和研究的基础上,提出了一种针对海量电信数据的分布式云计算方法,建立了基于Hadoop的海量电信数据云计算平台.实验证明,该平台能够有效完成海量数据的管理和分析任务,提高海量数据分析的速度和效率.     

基于云计算的海量数据处理平台设计与实现

针对传统并行处理技术在海量数据处理中存在的实际应用问题,利用云计算技术强大的计算能力、高效的海量数据处理方式,结合关系数据库实时访问的优点,在Hadoop分布式计算框架基础上,采用Map-Reduce架构,设计并实现了基于云计算的海量数据处理平台.实践证明,该系统在计算能力、稳定性、可扩展性等方面都优于传统并行处理的技术,能有效解决海量数据大并发访问.     

基于分布式云计算技术进行海量数据运营的探讨

电信企业内部会在清单、信令、日志等多个地方生成海量数据,传统的处理方式成本高、速度慢,无法应对互联网时代快速、高效的要求.针对这一问题,采用云计算技术Hadoop集群处理海量用户清单,为业务系统和分析系统提供一个分布式可动态扩充的数据库,有效地提升了清单入库、查询和统计速度,同时硬件成本降低了90％以上.     

基于云计算的海量高校体育数据建模与分析

为了提高高校体育信息的管理分析能力,针对当前高校体育数据库建立和信息检索的实时性和系统性不好的问题,提出基于云计算的海量高校体育数据建模与分析方法,构建高校海量体育数据的分布式数据库模型。在云计算环境下进行数据库访问模型设计,采用K均值数据聚类方法进行体育数据的可靠性挖掘,实现高校体育数据的优化信息调度和检索分析。仿真结果表明,采用该模型进行高校海量体育数据分析的实时性较好,数据挖掘的精度较高。     

基于云计算的业务海量数据处理方法

企业数据急剧膨胀,海量存储挑战愈加严峻。同时,对于各类行业的企业而言,在爆炸性增长的海量数据信息中,传统的商业智能(BI)工具(关系型数据库和桌面数学计算包)在处理企业的海量数据时有些困难。因此,基于云计算的海量数据处理方法已成为各企业研究的课题。     

云计算环境下差异化资源的合理调度模型改进

在云计算环境下,需要对链路节点之间差异化资源进行合理调度,以提高云计算中心网络的负载均衡性及进程管理效率。针对当前调度模型的实时性和均衡性不好的问题,提出一种基于时分多址协议的云计算环境下差异化资源合理调度模型。首先构建云计算环境下差异化资源的传输信道模型,进行资源传输的负载均衡设计,采用时分多址协议进行时隙均衡分配,提高差异化资源的调度合理性。仿真结果表明,采用该模型进行云计算环境下差异化资源调度,资源信息的召回性较好,数据传输的保真度较高,具有一定的优越性。     

云计算技术下海量数据挖掘的实现机制

云计算是当下前沿的信息技术,为海量数据挖掘提供了新的实现机制。文章首先对利用云计算实现海量数据挖掘的技术基础进行分析,进而探讨其具体实现机制,包括总体思路、数据挖掘模型的构建、主要算法及实现效果等,以期为相关工作提供参考。     

基于Hadoop及关系型数据库的海量数据分析研究

Hadoop可以在大量廉价的硬件设备组成的集群上运行应用程序,全面地将计算推向数据,在处理海量数据方面具有一定的优势。本文对Hadoop和关系型数据库进行了比较分析,讨论了将二者结合构建海量数据分析系统的可行性,同时给出了实际的应用场景。     

基于云计算的作战数据存储系统研究

为了解决部队战斗时产生的海量数据的存储问题,做了一种基于云计算的作战数据存储系统的实验。通过实际的应用,该方案可以很好地克服现行的存储方式存在的不足,有效提高部队战斗效率。     

基于云计算的海量大数据智能清洗系统设计

大数据资源是企业拥有的最重要的战略资源之一,也是管理层制定远景规划,提高市场竞争力的主要方式和途径,但大数据中会存在错误、冗余和不完整的数据,降低了大数据的总体质量。为此设计一种基于云计算的海量大数据智能清洗系统,改善现有大数据清洗系统在脏数据处理性能上的不足。分析了基于云计算的大数据智能清洗系统的总体框架和硬件构成,数据清洗系统的硬件部分由数据预处理模块、数据云聚类模块、数据识别模块和实体划分模块等部分组成;给出了智能大数据清洗系统的总体软件工作流程,并重点分析大数据空间聚类、相似度计算等关键的数据处理技术。验证结果表明,提出的基于云计算的海量大数据智能清洗系统设计的总体功能性较为完善,在系统性能测试方面也能够保持95%以上的数据查准率和召回率。     

云计算差异化安全技术研究

云计算的部署和应用可以明显节约IT成本,促进业务的创新和发展,然而公有云将用户数据和业务处理环节交由独立第三方提供,使用户数据和业务系统面临更多的安全威胁,安全已经成为云计算发展的主要瓶颈。本文根据用户对云业务多样化的安全需求,提出差异化安全技术框架,在满足用户安全要求的前提下,降低安全对云计算计算资源的消耗,从而促进云计算的应用。     

云存储与传统海量数据存储技术的比较

日益增长的数据量迫切需要找到一种高效、高性能、低成本的数据。文章从传统海量数据存储方式的结构特点出发,进行分析,对现在主流的云计算及云存储技术与传统技术进行比较,挖掘云存储的优势。     

云平台下海量数据冲击中的可视化调度平台设计

针对当前云平台调度中存在的问题,设计云平台下海量数据冲击中的可视化调度平台,其由海量数据采集模块、云平台模块和可视化调度模块组成。海量数据采集模块中的天线开始对海量数据进行采集和调频,并传递给数字信号处理器进行处理,其处理结果将传递给云平台模块。云平台模块利用Hadoop分布式计算技术,对海量数据采集模块的处理结果进行分析和计算,给出调度方案。调度方案将传递给可视化调度模块进行调度方案的可视化,以及调度工作的具体实施。平台软件对云平台模块中调度方案的产生流程进行设计。实验结果表明,所设计的平台拥有较好的计算性能和调度性能。     

海量数据的一致性研究

实现海量数据管理的关键技术之一是数据复制,维护多节点副本间数据的一致性是提高分布式数据库的容错能力与性能的重要保证。文章在介绍数据一致性基本理论和比较分析各种数据一致性维护方法的基础上,对海量数据一致性维护过程中出现的更新传播模型、更新传播内容及解决更新冲突等进行分析,并提出了相应的解决办法。     

云计算环境下WEB数据挖掘的研究

云计算是一种新兴的共享基础架构的方法,它以公开的标准和服务为基础,以互联网为中心,提供安全、快速、便捷的数据存储和网络计算服务。在云计算环境下进行Web数据挖掘的研究,可以为越来越多的海量数据挖掘提供解决方案。文章概述了云计算与Web数据挖掘的概念,描述了Web数据挖掘常用的算法,并提出云计算环境下改进的Web数据挖掘策略。     

Hadoop云计算环境下海量图像检索研究

Hadoop实现了云计算模型的一个开源,也就是用Java语言实现的软件框架,能够支持Map Reduce分布式调度模型的运作,以实现虚拟管理、调度并共享资源。文章将用Hadoop云计算平台实现对海量图像检索研究。