视频监控中多磁盘存储调度算法的研究

在视频监控应用系统中,视频信息存储需要大量磁盘存储空间,需要采用设计合适的机制进行视频信息的存储调度,既可以进行多路同时存储又保证存储效率。提出了基于磁盘剩余空间和被访问频度的多磁盘存储调度算法以及定时检测增加磁盘剩余空间的算法。     

一种基于数据划分的字符串相似连接外存算法

字符串相似连接操作具有广泛应用,因而将着重研究基于编辑距离的字符串相似连接。而现有的字符串相似连接算法大多为内存算法。实际应用中的数据集越来越大,有必要针对超大规模数据集研制字符串相似性连接外存算法。利用组合频率向量划分数据集,并提出了基于编辑距离的字符串相似性连接外存算法框架,证明了磁盘调度问题的难度并提出了不同的启发式磁盘调度方法。此外,还提出了基于该外存算法框架实现字符串相似性连接增量式计算的方法。实验结果表明,数据划分方法可以有效地过滤不相关的数据子集;磁盘调度算法能够有效减少磁盘IO次数;外存算法是高效的;增量式计算方法能够高效地处理数据更新。     

数字视频监控系统中数据的存储算法

目前视频监控系统在多路存储情况下大多采用轮巡式,该存储方式效率低下,而且存在因硬盘剩余空间不足而造成的存储异常中断等问题.文中结合实际视频监控系统,讨论了视频数据的存储算法,采用多磁盘调度算法实现了将多路存储"平均"分配于多个硬盘中,充分提高存储访问的效率;并且设计实现了定时检测增加磁盘当前剩余空间算法,保证磁盘剩余空间始终维持在一定的容量,从而很好地解决了存储异常中断的问题.     

一个基于动态带宽分配有效实时磁盘调度算法

多媒体服务器需要一个实时磁盘调度算法为具有软实时要求的连续多媒体流服务。传统的磁盘调度算法不适应实时多媒体流。提出一个新的实时磁盘调度DBA-SCAN（Dynamic-Band-width-Assignment-SCAN）算法。DBA-SCAN算法通过带宽预留和接纳控制机制为处于服务中多媒体流提供质量保证。对于非实时任务也预留了带宽以保证非实时任务具有合理的响应时间。DBA-SCAN采用一种积极策略在运行时动态回收未用的带宽。被回收的带宽被用于为可选任务或者更多的非实时任务服务。通过模拟实验对DBA-SCAN算法和WRR-SCAN算法进行对比,实验结果显示,DBA-SCAN为实时多媒体流提供了更好的质量。     

网格调度的算法研究及改进

优化网格资源调度算法可以提高网格系统执行效率,给任务安排合理的执行顺序和合适的处理器是优化网格资源调度算法需突破的关键技术.文中研究并实现了（Heterogeneous-Earliest-Finish） HEFT[1]算法和新的（Hierarchical Reliability-Driven Scheduling）HRDS算法.采用DAG[2]任务图生成函数,通过对已有HEFT算法进行研究,采用SimGrid为在分布计算环境下进行分布并行应用调度研究提供一个仿真环境,对HRDS算法进行了改进和验证.验证过程中在HRDS算法中加入了可靠性开销作为调度依据,并把算法分为两层调度,本地可靠性驱动调度和全局可靠性驱动调度.两算法的调度结果在SimGrid网格模拟器中仿真调度,仿真成功并且调度结果在可靠性和性能方面HRDS都比HEFT算法要好.     

信任驱动的网格作业调度算法

针对目前网格资源管理中信任机制与作业调度机制分离的缺陷,基于网格信任模型与信任效益函数,提出了信任驱动的网格作业调度问题。对传统批作业调度算法进行信任扩展,提出了两种信任驱动的网格作业调度启发式。对信任驱动网格作业调度算法进行大规模仿真实验,有力地证明了信任驱动算法优于传统时间驱动算法,在平均信任效益和总信任效益等方面具有较好的综合性能。     

LINUX进程调度算法的分析

进程调度对一个操作系统来说是至关重要的,它起着非常关键的作用.本文针对Linux操作系统中的普通进程调度算法进行了分析,对以进程为CPU时间分配单位和以用户为CPU时间分配单位的两种算法进行了分析和对比.对它们在不同环境下对进程调度效率和公平性的影响进行了探讨,并总结出它们各自适用的环境.最后为了进一步提高进程调度的效率和公平性,提出了混合算法的思想.     

基于蚁群算法的云计算资源调度分析

当前,云计算资源调度中常用的算法包括遗传算法、蚁群算法、粒子群算法以及综合优化算法等。不同算法所关注的角度存在一定的差异,遗传算法和粒子群算法主要从资源调度的效率方面进行优化,而蚁群算法则是从云计算资源调度的计算成本方面进行考虑。论文讨论了基于优化蚁群算法的云计算资源调度,在兼顾任务效率的基础上,能够进一步降低计算成本。     

云存储中一种基于布局的虚拟磁盘节能调度方法

 在云存储中,如何有效地调度用户请求到目标磁盘以实现绿色节能存储是一个热点问题.鉴于云存储对节能调度算法提出的新要求,如请求响应时间敏感与对动态优化的限制等,本文提出了一种基于布局的虚拟磁盘节能调度方法.该方法将磁盘阵列动态划分为工作区与就绪区,以工作区为主向用户分发资源,并以未连接虚拟机的虚拟磁盘为单位,根据实时负载情况对虚拟磁盘布局进行动态优化.实验结果表明,这种方法不仅能够降低磁盘阵列的能耗,而且能够有效地缓解响应时间延长的问题,还能够使虚拟磁盘布局达到更高的负载均衡水平.     

计算机取证中磁盘快速搜索算法研究

在计算机取证中,快速而又准确地查找并提取潜在的证据信息成为计算机取证的关键。主要研究了计算机取证中磁盘深层取证的一些方法,并对其中可能用到的搜索和模式匹配算法（包括BF、KMP、BM和BMH算法）在不同缓存条件下进行了对比实验分析,找出了效率最高的取证算法和环境,为实际的计算机磁盘取证项目提供理论支持。     

TD-LTE系统调度算法对下载速率影响的研究

本文详细的对爱立信设备6种不同的调度算法、资源分配策略与4G下载速率进行测试验证,在不同无线网络场景以及不同资源配置下,研究爱立信厂家设备调度算法对下载速率的影响,因此进行了不同调度算法的参数配置的研究,以此获得最佳的下载速率和用户体验.     

一种基于DCT的磁盘阵列错误恢复算法

磁盘阵列可以提高磁盘存储系统的容量和数据吞吐量,而且具有容错能力,可以精确重建出错磁盘上的数据,但需要增加大量的磁盘访问开销,因而在恢复错误期间会影响存储系统的有效吞吐量.本文针对静止、活动图像压缩算法的特点,提出了一种客户端的近似图像错误恢复算法.该算法将图像分成若干子图存放在磁盘阵列的不同磁盘上,在单个磁盘失效时,利用DCT块之间的相关性近似恢复图像,从而不增加存储系统的开销.     

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。     

基于OMNeT++的时间敏感网络延迟仿真

为了研究时间敏感网络(Time-Sensitive Networking,TSN)中不同调度算法下流量的端到端延迟特性,基于OMNeT++搭建了TSN仿真平台,提出了支持TSN调度机制的算法模块和调度模型,并在不同网络场景下对调度机制进行仿真,分析不同调度机制下流量延迟仿真结果和延迟影响因素,得到了各调度算法下流量的延迟特性,研究结果对时间敏感网络延迟研究具有一定参考价值。     

基于AOS协议信道复用机制的研究

虚拟信道复用机制影响了AOS协议实现效率,提出了一种新的动态自适应虚拟信道复用方法。该方法将包信道复用与虚拟信道复用综合考虑,对不同传输质量要求的虚拟信道采用不同的调度策略。在OPNET仿真平台上对整个协议和该算法进行了建模,在吞吐量、buffer使用深度、传输帧延时三个方面对仿真结果做了分析,并与时间片周期轮询和固定优先级调度算法做了比较,结果证明动态自适应调度算法能在保证平台网数据延时的前提下,最大化空间载荷数据的吞吐量,在延时方面能起到良好的均衡作用,满足不同类型数据的传输要求。     

LTE基于QoS业务的比例公平调度算法研究

首先介绍目前无线通信中常用的3种调度算法。为了提高频谱利用率,通过仿真比较了3种常用调度算法对系统性能的影响,提出基于QoS(服务质量)业务的比例公平调度算法。该调度算法兼容了其他调度算法的优点。实验中对用户配置不同的QoS参数,从吞吐量的角度来验证不同配置的用户有不同的吞吐量,而且系统会优先保障最优用户的需求。该调度算法提高了系统的最大吞吐量,满足了用户调度的公平性,给用户提供了不同的业务服务,保障了用户的不同需求。     

基于Spark的PFP-Growth并行算法优化实现

随着数据量的增大,FP-Growth算法压缩数据思想的优势就体现出来,基于MapReduce框架的PFP-Growth算法实现该算法在Hadoop平台上的并行化,但是MapReduce框架每次对作业进行操作都要将中间结果输出存储到磁盘,影响算法的效率。为了提高关联挖掘的效率,基于Spark平台,运用均衡分组的思想对该算法进行改进,同时在对具有很长前缀情况进行共享前缀的拆分,通过4个步骤使IPFP-Growth算法在Spark上实现。实验结果表明在Spark平台上优化过后的算法在性能上要优于PFP-Growth算法。     

变邻域结构Tabu搜索算法及其在JobShop调度问题上的应用

本文针对最小化完工时间的Job Shop调度问题提出一种变邻域结构Tabu搜索算法,该算法使用的邻域结构随算法的进程而改变,不仅邻域规模小,而且仍保持了可达性这一重要的属性.对不同规模的实例进行了数值计算,计算结果表明,该算法具有非常高的效率,且初始解对算法的影响很小.     

面向分布式环境的信号驱动任务调度算法

为优化IaaS服务的执行效率,提出面向IaaS的信号驱动任务调度算法,该算法根据IaaS模型的结构特征建立控制子系统和节点子系统,根据任务的结构特征建立任务的DAG(directed acyclic graph)调度模型,并建立各任务分片的状态转化机制及控制子系统和节点子系统间的信号通信机制。以系统间信号交互的方式驱动任务分片的状态改变,并在每一调度时刻来临时利用并行优化选择策略分配任务分片。由于本算法采用了模拟IaaS模型的双系统控制方式,使本算法与IaaS模型的分布式体系相兼容且复杂度较低。最后通过实验验证了所提算法的有效性和实用性。     

基于多维云用户驱动QoS网络资源调度算法

本文在云经济模型的基础上,提出一种受用户级QoS驱动的分组调度算法。该算法基于对云QoS的属性分析,对经济云现有的DBC调度算法进行了扩展和改进。在满足任务的截止期限和预算的范围内,根据任务是否具有高网络带宽进行分组。通过把基于用户专有的QoS的需求加入到常规分组调度算法中,从而形成了一个基于网络带宽的分组调度算法。仿真结果显示：在模拟的云环境下,本文算法拥有较高的吞吐量和任务完成率。