网络服务器进程动态迁移实现技术研究

本文论述了网络服务器进程动态迁移（NSPDM）的实现技术,其主要工作是提取进程状态并在另一节点上再生该进程。使用NSPDM技术能够为用户提供不中断服务,是增强网络服务生存能力的重要手段。     

进程迁移研究

进程迁移在分布式系统中的应用,提高了系统的负载平衡,实现了高效的容错性能。本文介绍了进程的状态迁移算法以及检查点的设置和其它状态的迁移技术。     

进程的动态迁移技术

进程迁移是指进程在整个多机环境下的重新定位，它是许多分布式系统共同追求的设计目标。本文深入探讨了进程迁移的设计、实现技术，以及现有系统存在的问题，并探索在当前流行的工作站网络（ＮＯＷ）环境中进程迁移的新目标。     

基于Linux的进程迁移机制设计

进程迁移在集群和分布式系统中发挥着重要的作用。进程迁移算法直接影响着迁移时间，目前流行的几种进程迁移算法的共同问题是迁移时间比较长，文中提出了一种改进的进程迁移算法，该算法借鉴了目前几种算法的优点。在此算法的基础上，设计了一种基于Linux-2．4．0内核的进程迁移机制。实验结果表明：这种迁移机制有效的提高了进程迁移的速度。     

基于消息传递并行进程迁移技术的研究与实现

高可用在并行计算环境中的地位日益突出.实现LAM/Migration扩展了LAM/MPI的进程迁移功能,可实现MPI整体任务在节,最之间的自由迁移,其迁移功能对应用程序透明,智能化程度高,并可应用于集群节点客错与负裁均衡,有效提高集群的可用性.     

基于Linux操作系统进程迁移系统设计

对已有的经典算法进行分类对比,选择了具有较高迁移速度和对源节点没有残余依赖性的Total-copy算法,基于选择的算法,把迁移系统分为Manager模块、MigrateOut模块和MigrateIn模块等三个模块,并给出了主要模块的实现流程图、设计原理和实现过程。     

基于Linux的进程迁移机制设计

本文介绍了扩充Linux内核,采用自适应资源管理方法,通过抢占式进程迁移实现系统的负载平衡的方法。该方法有内棱改动小,可扩展性较大等优点,对集群及分布式应用具有一定参考价值。     

分布式计算系统中进程迁移的方法

在分布式计算系统中，进程迁移是一种在进程生命周期内将它从一台处理机传递到另一台处理机上，并使进程从其“断点”继续运行下去的方法。本详细地讨论了在Ｗｕｌｏｒ－７５／３２系统和国外几个典型的分布式计算系统中实现进程迁移的方法，以及为实现进程迁移，对系统的其它机制－件系统，通信机制和内核中有关部分所作的扩充。     

工作站网络系统进程迁移机制

进程迁移是工作站网络系统实现负载平衡、提高系统可用性功能的重要手段.该文提出了一种基于接收/发送方消息记录的进程迁移技术.它在消息传递库PVM(parallel virtual machine)之上实现,具有对用户程序透明、可移植性好、开销小和实现简单等特点.此技术已实际应用于作者自行研制的“并行程序运行回卷恢复与进程迁移系统—ChaRM(checkpointing-based rollback recovery and migration system)”中.     

利用检查点机制在PVM中实现进程迁移

本文通过对ＰＶＭ进程通信机制进行修改及引入Ｃｏｎｄｏｒ的检查点机制，实现了对ＰＶＭ用户进程的迁移．     

基于模型的企业业务持续改善的研究

现代企业在激烈的竞争下要在市场中保持竞争力 ,企业的业务过程就要不断地适应外界的变化 ,这就是业务过程持续改善 (BPCI)的内涵 .企业要实现业务过程的持续改善离不了信息技术的支持 ,本文主要介绍支持企业进行业务持续改善的模型方法 (ARIS)、基于模型和构件的软件开发方法以及 Microsoft DNA体系结构 .文中的建模方法的有效性和实用性在国家“九五”科技攻关项目资助下在长岭炼油厂和金陵石化炼油厂得到充分的体现和验证     

基于多处理机平台—TM S320C80的并行算法实现方法的研究

本文结合 ＴＭＳ３２０Ｃ８０（简称 Ｃ８０）的编程结构,提出了基于该多处理机平台的并行算法的开发所面临的关键技术是：底层通信协议、细粒度并行、内存访问冲突、ＴＣ的多维数据传输和“双缓冲”数据传输方式．概括出基于此平台并行算法的开发层次     

基于Transputer的分布并行处理机的通信与任务分解

本文基于Ｍｕｌｔｉ－Ｔｒａｎｓｐｕｔｅｒ并行处理系统的结构特点，分析了Ｔｒａｎｓｐｕｔｅｒ网的通信通信及任务通信开销对作业运行效率的制约关系。结果表明：并行程序设计的作业分解方式、选取合理的任务粒度和Ｔｒａｎｓｐｕｔｅｒ网络拓扑是其影响通信开销和作业运行效率的主要原因。     

基于GPU的金属工件表面缺陷检测算法的研究

在金属工件的生产过程中,不可避免地会生产出一些不良品,必须进行快速识别。缺陷检测系统需使用图像采集设备采集金属工件的表面图像,完成混合噪声滤除等预处理后,进行图像配准并使用差影法分割图像,然后标记缺陷和提取缺陷纹理特征,最后进行工件缺陷的分类和识别。为了提高金属工件表面检测系统的检测速度,以满足高速生产流水线对检测系统的高实时性要求,依托GPU平台设计了一套合理的并行算法来完成不合格工件的自动检出工作。实验结果表明,在满足检测精度的前提下,基于GPU的并行图像处理算法相对于串行算法能取得较好的加速效果(实验环境为3.2~10.3倍加速比),为工件表面缺陷的快速检测提供了一种新的途径。     

基于神经网络的汽车牌照提取研究

汽车牌照的提取是牌照识别的前提,本文主要采用BP神经网络在灰度图像中提取汽车牌照。算法包括在个部分：神经网络的训练,图像的预处理,用训练出的神经网络来提取汽车牌照。     

基于MapReduce的层叠分组并行SVM算法研究

随着训练集规模的不断增大,支持向量机学习成为了密集型计算的过程。针对计算过程中存在占用内存大、寻优速度慢等问题,通过大量实验对分组训练和层叠训练两种并行SVM算法进行性能分析,给出层叠分组SVM并行算法,并利用MapReduce并行框架实现,解决了层叠训练模型效率低的问题。实验结果表明,采用这种学习策略,在保持精度损失较小的情况下,一定程度上减少了训练时间,提高了分类速度。     

Transputer多机系统在列车动力学并行计算中的应用

Ｔｒａｎｓｐｕｔｅｒ多机系统是实现高速计算的较为理想的工具。本文结合Ｔｒａｎｓｐｕｔｅｒ多机系统在列车纵向动力学计算中的应用，对Ｔｒａｎｓｐｕｔｅｒ多机系统的运行环境开发及应用进行研究。