基于轻量级虚拟机的透明计算系统

基于虚拟机的透明计算系统MMNC-VX实现了未经修改的操作系统在透明计算环境中可按需加载,但其性能与同配置PC相比有较大差距。针对该问题,提出一种基于轻量级虚拟机的透明计算系统,仅虚拟网络设备,减少了由全虚拟化带来的开销,利用设备模型将用户操作系统的存储I/O请求重定向到服务器上处理,实现透明计算。经测试,原型系统性能与同配置PC基本相当,与MMNC-VX相比有较大提高。     

基于分级Cache的透明计算系统

设计并实现一个基于分级Cache的透明计算系统HCTS,在系统客户端和服务端采用两级缓存来提升I/O性能。在缓存的管理策略上,针对透明计算应用环境,以提高缓存命中率为主要目标,提出一种基于访问频率计数阈值的改进LRU置换算法LRU-AFS。测试结果表明,当网络环境中的客户主机数不断增加时,与普通透明计算系统TS相比,HCTS能够在减少网络流量的同时大幅缩短客户机启动时间,提高随机读写吞吐量。     

基于云技术的计算模式及其实现

针对传统计算模式下设备、操作系统、应用程序和用户数据紧耦合的问题,提出基于云技术的计算模式,实现这四个要素的"完全分"和"自由合"。作为云技术计算模式的原型实现,云平台在后端构建存储云、桌面云和应用云,将用户数据、操作系统和应用程序都集中部署在数据中心,可以让用户专注于自己的数据,在任何时候、从任何地方、使用任何设备、连接任何桌面、运行任何应用程序来访问、处理和分享自己的数据。     

基于虚拟机的透明计算设备子系统设计及实现*

为解决在现有透明计算系统中磁盘等设备的虚拟化,需要对操作系统进行修改才能在端计算机上运行的问题,提出透明计算系统中一种基于虚拟机技术的设备子系统。以Intel VT硬件级虚拟支持和Xen虚拟化技术为基础, 在全虚拟化的虚拟机上运行用户操作系统: 通过运行在管理域用户空间中设备模型的虚拟磁盘和网络驱动,将用户域访问磁盘和网络的I/O请求跨网络地重定向到服务器进行处理, 从而实现端计算机上多操作系统的远程运行。在VT硬件平台和Xen虚拟机监控器上实现了原型系统,验证了该方法的可行性。     

透明计算

相信很多人为自己的电脑频频出现软件故障而烦恼、不时遭受病毒和网络攻击而头痛。如果电脑能够如同电视机一样打开后选择频道即可使用,那是多么诱人。清华大学张尧学教授主持研究的透明计算正是面向这种需求的新型网络计算模式。透明计算的未来发展目标是与普适计算的概念相一致的。     

基于基准测试的高性能计算云研究

随着云计算技术的发展,高性能计算云(HPC in the Cloud)已得到学术界和产业界的关注。由于虚拟化技术带来的性能开销,高性能计算云面临着一些挑战。针对“高性能计算+云”的计算模式,分析了高性能计算云的优势,深入介绍了国内外基于基准测试的高性能计算云的性能评测、性能优化、能耗和成本效益等关键问题,得出了针对基准测试的高性能计算云研究的基本思路,并对当前面临的问题和今后的发展趋势进行了总结和展望。     

基于安全操作系统的透明加密文件系统的设计

1 引言随着Internet的飞速发展,信息资源的共享程度进一步加强,随之而来的信息安全问题也日益突出。但是现在的系统越来越复杂,系统中总是存在着各种各样的漏洞,以及一些人为的因素(如:没有合理配置防护墙规则,口令比较弱等)。这些都有可能被黑客利用,入侵到系统中去。     

透明计算系统中基于BitMap的共享镜像存储管理

透明计算是一种将操作系统、应用程序和用户数据都作为资源存储在服务器端,资源以流块的方式调度到客户端执行的计算模式。针对透明计算系统中透明服务器端多用户的操作系统及应用程序资源冗余问题,设计并实现了一种基于BitMap的共享镜像存储管理方法BM-SISMS,该方法采用链式存储方法将系统数据和用户数据分离开来,多用户通过链式结构共享系统镜像,根据BitMap存储方法查找定位用户请求的各种资源。测试结果表明BM-SISMS方法能够完成多个客户端请求的实例操作系统加载和使用,在数据读写方面,BM-SISMS方法读数据速度约11.05 MB/s,写数据速度为4.01 MB/s,具有很高的性能,能够满足透明计算系统中镜像存储管理的需求。     

基于边缘计算的传感云研究进展

传感云是无线传感器网络（wireless sensor networks,简称WSNs）和云计算的结合.通过利用云计算在资源利用方面的优势,传感云（sensor-cloud）极大地提高了传统无线传感器网络的计算能力和存储容量.然而,传感云仍有许多问题需要解决,例如无线传感器网络在通信和能源方面的局限性,以及将云平台作为数据处理和控制中心所带来的高延迟和安全隐私问题.边缘计算具有解决传感云缺点的巨大潜力,其核心是将云计算中心的部分或全部计算任务迁移到数据源附近进行处理.经过大量调研,分析了传感云的最新研究现状,总结了现有传感云的特点,揭示了已有传感云方案中的问题,提出了基于边缘计算的传感云实现方案.最后,探讨了该研究面临的挑战和未来研究方向.     

“透明计算”时代

正在英特尔信息技术峰会上,英特尔高级副总裁兼软件与服务事业部总经理詹睿妮(Renée James)阐释了透明计算的愿景。这一愿景必须通过开放式的开发生态系统才能实现,支持软件开发人员编写的代码在多种环境和设备上运行。而软件开发人员当前     

基于云服务的水利仿真计算系统生成平台

针对水利模型软件生产效率低,软件开发大量重复,知识产权保护缺失的现状,提出一种基于模型标准化的水利仿真计算系统快速生成框架,并实现该系统生成平台。首先,制定模型标准,建立标准化模型库。其次,以模型库为基础,利用平台框架快速生成用户自定义的单模型或多模型组合的水利仿真计算系统。最后,应用云服务等技术完成仿真计算,并对计算结果进行可视化呈现。     

一种云环境下的绿色计算模型

随着全球计算机数量的快速增长,由此引起的碳排放带来的温室效应已经越来越受到国际关注.绿色节能的研究已经变得越来越重要.提出一种云环境下的绿色计算模型.该模型从程序设计语言、绿色数据中心框架构建、绿色分布式文件系统策略的角度详细做了研究.针对互联网应用的主要特点,详细分析了该模型的主要特征及其设计理念和方法.基于该模型,将为有效的绿色节能带来新的设计思路和方法,为以后绿色节能的研究提供基础.     

透明计算系统端计算机间的数据传送方法

提出一种透明计算系统中端计算机间的数据传送方法,该方法通过将数据传送的控制信息和传送的数据分离,省去数据在网络上的传送过程,从而提高对传送请求的处理速度,减少对相关资源的占用,通过优化服务器对传送请求的调度处理,改善系统整体的响应速度和性能。在基于龙芯平台的透明计算原型系统中实现了上述方法,并作了性能测试和分析,验证了该方法的有效性。     

一种云环境下基于分级管理的自律计算模型

自律计算是实现复杂IT系统的自我修复、自我管理的有效手段。但是在云环境下,系统所管理的计算资源数量急剧增长,传统的资源调度算法和模型架构无法对资源进行合理分配,导致资源的利用率很低。为了提高云环境下的资源管理效率,提出了一种面向云环境的自律计算模型,它采用多自主管理器的分级管理模式来解决传统自律计算模型在处理大量请求时的瓶颈问题;并提出了混合策略管理模式来应对不同的故障修复请求。该模型能够降低云环境下的资源管理成本,满足云服务所需的SLA。     

基于云服务器辅助的多方隐私交集计算协议

隐私集合交集(Private Set Intersection,PSI)技术允许私有集合数据持有方联合计算出集合交集而不泄露交集外的任何隐私信息.作为安全多方计算中的重要密码学工具,该技术已被广泛应用于人工智能和数据挖掘的安全领域.随着多源数据共享时代的到来,大多数PSI协议主要解决两方隐私集合交集问题,一般无法直接推...     

安全可验证的行列式云外包计算及其电子交易方案

针对现有的云外包计算协议中服务端可能存在的用户信息被泄露、篡改等问题,提出了一个云环境下的安全、高效、可验证的矩阵行列式外包计算协议。首先,基于矩阵模糊技术构造云外包计算协议,它能够在不需要任何困难性假设的前提下保证用户信息的安全性;其次,通过构造一类特殊的变换矩阵对明文矩阵进行处理,使用户在收到返还结果后,能有效验证所反馈的计算结果是否被篡改,性能分析表明,此协议可以有效提高云外包计算的效率;最后,给出一个行列式外包计算的电子交易框架,能够有效应用于电子商务等领域。     

透明环境的特征

透明性(transparency)是一个被广泛应用的术语。但究竟什么是透明性?它有哪些确切的含义?透明环境的主要特征是什么?这些问题人们可能并不十分清楚。本文将对此作一浅显的解释。     

基于云变换的混合计算模型在水淹层识别中的应用

目前为止,现有的自动判别方法难以反映定量指标和定性指标相结合的混合信息对水淹层识别的影响.因此,为提高水淹层判别的准确度,本文提出基于云变换的定量与定性混合计算神经网络模型来实现水淹层判别.一方面,利用云模型将提取测井相数据中的定性信息,保证了原始数据的完整性与客观性;另一方面,将输入信息中的定性概念通过正向标准云变换转换为量化的数值信息,保证了数据的科学性;最终将混合信息输入混合计算神经网络模型中进行判别,从而得出结论.实验证明采用基于云变换的混合计算神经网络模型对水淹层进行识别,具有精度高、速度快的特点,是水淹层识别的一种比较实用的方法.     

一种基于边缘计算的传感云低耦合方法

随着物联网和云计算的快速发展,衍生了一种新的网络结构——传感云.传感云是物联网和云计算结合的产物.物联网中的物理节点可以通过传感云平台虚拟成多个节点,为用户提供服务.然而,当底层物理传感器节点同时接收多个服务命令时,会出现一些服务冲突,即耦合问题.这种耦合问题可能导致服务的失败,并危及系统安全.为了解决这个问题,提出了一种基于边缘计算思想的扩展KM(Kuhn-Munkres)算法.边缘计算是一种新兴的计算模式,在物联网中得到越来越广泛的应用,特别是那些由于延迟等限制而无法有效利用云计算的应用.边缘计算作为云和物联网层的中间平台,可以提供调度方法.首先,边缘层对重复请求命令进行合并,减少向下传输的命令数量;其次,优先调用边缘层数据缓存队列里的数据;最后利用改进KM算法实现每一轮的最大匹配.理论分析和实验结果表明,提出的方法可以提高资源利用率,减小计算成本,接近最短的时间解决耦合问题.     

基于高性能云的分布式数据挖掘方法

为实现数据在同一个地点进行处理而无须移动,介绍一种基于高性能云的分布式数据并行处理方法。使用一个专用的网络服务分层结构,适用于高性能广域网络连接的计算机集群所产生的大型分布式数据集的数据挖掘。实验结果表明,与Hadoop方法相比,该方法的性能有显著提高。