流系统的降载技术

流数据连续查询及优化研究已成为当前国际数据库研究领域的一个热点。数据流的到达速率经常是不可预测的且具有很高的突发性,数据流速这种不规则的变化会引起系统负载急剧的波动。当输入速率超过系统处理能力时,系统会发生过载并且导致系统性能的恶化,降载技术是解决此问题最有效的途径之一。对降载技术中系统负载估计、降载器的最佳的放置位置、降载量的大小、降载器合并等关键问题进行了讨论。     

RFID复杂事件检测方法的研究和改进

复杂事件处理（CEP）是一个新兴的技术领域,用于处理大量的简单事件,并从其中整理出有价值的事件。RFID事件和传统事件相比具有海量、时间性和空间性、数据不准确等特征。针对RFID事件的相关特征进行研究,建立一个可扩展的基于规则的RFID复杂事件处理系统是非常必要的。从复杂事件的描述模型、处理框架、上下文语义、检测方法等方面总结了国内外RFID复杂事件处理的研究现状,分析了目前的研究存在的不足,并且针对SASE的复杂事件算法存在的三点不足进行了改进。实验证明相关的改进对简单数据集是有效的。     

一种面向数据流处理的直方图增量维护算法

针对数据流的数据处理,给出了一种简单、实用的Agglomerative类直方图增量维护算法,该算法充分利用等宽直方图和变宽直方图优点,克服各自估算不够准确和维护复杂的缺点,并且能够以数据块为单位对直方图进行增量维护,通过合并与分裂直方图的桶,来平衡算法的计算速度、精确度和占用内存空间三者之间的关系。实验表明该算法对数据流数据的处理具有较强的实用性和有效性。     

带权值数据流滑动窗口随机抽样算法的改进

通过改进加权抽样算法,结合基本窗口技术,提出了两种面向带权值数据流上连续更新滑动窗口的随机抽样算法：WRSB算法和IWRSB算法。当新的数据元组到达时,根据数据元组的权值计算出该元组的键值,根据元组键值的大小决定其是否进入样本集以及样本集中被替换的数据元组,同时设置一个系统缓冲区来保存最近到达的键值较大的部分数据元组,作为过期数据元组的后备,使算法能够有效地处理过期数据元组问题。理论分析和实验结果表明,两种算法都能有效地处理带权值数据流上连续更新滑动窗口的随机抽样问题,相比较而言,IWRSB算法具有更好的性能。     

支持连续数据保护的云备份系统架构设计

为了解决目前云备份系统恢复目标时间点不连续以及恢复粒度太粗的问题,将连续数据保护技术应用到云备份系统中,提出了一种支持连续数据保护的云备份系统。本系统能够提供秒级的连续恢复时间点,且数据块级别的备份层次能够屏蔽异构平台,具有更广泛的应用前景。系统以私有云为架构基础,部署在防火墙内部,对数据安全有很高的保障。     

基于trace的仿真平台的调度研究

随着多理机SoC设计的复杂度和异构性不断增长,需要研究设计一种新的性能评估方法来缩短产品开发周期.提出并实现了一种基于trace的仿真平台,旨在为早期阶段系统的设计空间考察提供性能评估.为了保证准确性,仿真平台要求可以考虑计算资源和通信资源的共享.着重讨论了不同的调度策略的设计,其中包括可抢先的机制.最后通过一个实验对仿真平台的调度机制进行了验证.     

智能家庭系统中的烹饪助手服务

面向智能家庭环境中的厨卫应用,基于情境感知计算框架研发了智能烹饪助手服务（Smart Cooking Assistant Service,SCAS）,在烹饪过程中向用户提供信息提示服务。SCAS建立并维护关于中餐家常菜系的烹饪知识本体模型;在运行过程中综合运用语义网搜索、自然语言解析等技术,识别菜单中的菜品名称,并通过互联网自主搜索烹饪配料表,完善烹饪知识模型;最后通过具有功能直观性的调料盒人机界面显示提示信息,降低了人机交互开销,提高普适计算服务的隐藏性。     

分级存储中自适应选择迁移策略的研究

在分级存储中,业务数据的访问模式多样且多变,使得为其选择合适的数据迁移策略非常困难,为此引入迁移策略优先级的概念:系统内的迁移策略按优先级高低排序,每次启动数据迁移时,都选择当前优先级最高的策略作为迁移所用策略,并且在数据迁移进行时以及完成后对策略的优先级进行动态调整,从而达到系统自适应选择最优迁移策略的目的。原型实验证明,该方法确实能够根据优先级自适应地选择出最佳策略,从而降低数据迁移对前台应用的影响。     

网络存储系统仿真研究综述

网络存储系统是一个复杂的系统,利用现代仿真技术可以加快研究网络存储系统的进度.介绍了存储领域现存的仿真软件,分析了常用的网络仿真软件和磁盘仿真软件的缺陷及利用它们在研究中解决的问题.最后提出了一种网络存储系统的系统仿真方案.     

数据密集作业在GPU集群上的调度算法研究

数据密集型作业包含大量的任务,使用GPU设备来提高任务的性能是目前的主要手段.但是,在解决数据密集型作业之间的GPU资源公平共享以及降低任务所需数据在网络间的传输代价方面,现有的研究方法没有综合考虑资源公平与数据传输代价的矛盾.分析了GPU集群资源调度的特点,提出了一种基于最小代价最大任务数的GPU集群资源调度算法,解决了GPU资源的公平分配与数据传输代价较高的矛盾.将调度过程分为两个阶段：第1阶段为各个作业按照数据传输代价给出自己的最优方案;第2阶段为资源分配器合并各个作业的方案,按照公平性给出全局的最优方案.首先,给出了GPU集群资源调度框架的总体结构,各个作业给出自己的最优方案,资源分配进行全局优化;第二,给出了网络带宽估计策略以及计算任务的数据传输代价的方法;第三,给出了基于GPU数量的资源公平分配的基本算法;第四,提出了最小代价最大任务数的资源调度算法,描述了资源非抢夺、抢夺以及不考虑资源公平策略的实现策略;最后,设计了6种数据密集型计算作业,对所提出的算法进行了实验.通过实验验证,最小代价最大任务数的资源调度算法对于资源公平性能够达到90%左右,同时亦能保证作业并行运行时间最小.