云计算:系统实例与研究现状

针对云计算这样一个范畴综述了当前云计算所采用的技术,剖析其背后的技术含义以及当前云计算参与企业所采用的云计算实现方案.云计算包含两个方面的含义:一方面是底层构建的云计算平台基础设施,是用来构造上层应用程序的基础;另外一方面是构建在这个基础平台之上的云计算应用程序.主要是针对云计算的基础架构的研究与实现状况给出综述,对于云计算的应用也有所涉及.云计算有3个最基本的特征:第1个是基础设施架构在大规模的廉价服务器集群之上;第二是应用程序与底层服务协作开发,最大限度地利用资源;第3个是通过多个廉价服务器之间的冗余,通过软件获得高可用性.云计算达到了两个分布式计算的重要目标:可扩展性和高可用性.可扩展性表达了云计算能够无缝地扩展到大规模的集群之上,甚至包含数千个节点同时处理.高可用性代表了云计算能够容忍节点的错误,甚至有很大一部分节点发生失效也不会影响程序的正确运行.通过此文可以了解云计算的当前发展状况以及未来的研究趋势.     

面向对象语言Smalltalk-80的并行与分布实现技术的研究

本文首先简要介绍面向对象语言Smalltalk-80系统的顺序实现技术,然后重点论述它的并发、分布及并行实现技术。     

并行粗粒度任务的动态分布算法(PTDD)及其鲁棒性

并行计算系统发展所面临的主要问题之一是怎样在各处理器上更有效地分布并行任务并协调它们的高效执行,使并行任务总的完成时间最短.本文揭示和探讨了并行多机系统中并行粗粒度任务的粒度变化对静态任务分布的影响,给出了基于预分布的并行粗粒度任务的动态分布算法PTDD,理论上严格地定义和证明了PTDD算法的鲁棒性(Robust Property).研究结果η~*(t~*)≤η(t~*)表明PTDD算法通过局部调整预分布方案,可以稳定地、有效地获得近似最优的并行任务分布.     

基于理想点的星型高阶联合聚类一致融合策略

高阶联合聚类一般被转化为多对二阶联合聚类结果的一致融合问题,将多个二阶聚类目标函数的加权线性组合作为高阶联合聚类的目标函数,通过交替迭代方法得到聚类结果。然而,现有算法仍根据专家经验预设权值,自动的确定线性组合的最优权值仍是一个经典难题。文中针对星型高阶异构数据,提出一种基于理想点的自动确定权值的一致融合策略,将各二阶聚类目标函数的最优值构成的空间中的点称为理想点。通过将二阶聚类结果与其理想结果间的相对距离作为聚类质量的度量标准,解决了各二阶聚类质量不可公度的问题,最终使得高阶聚类目标函数与理想点的相对距离最小。基于理想点的方法能够解决多种星型高阶联合聚类算法的一致融合问题,因此具有一定的普适性。实验结果表明该方法有效地提高了5种经典高阶聚类算法的效果。