基于Cloud Foundry的PaaS云平台的设计与实现

随着网络和云计算的快速发展,出现了越来越多的网络资源,对网络资源的共享、管理以及按需分配是云计算的一个重要的研究方向。PaaS平台即服务是云计算的一个重要服务类型,无论是对学校研究还是企业应用都有着很大的吸引力。利用PaaS平台,可以降低项目开发的成本和周期,还可以提高项目对外提供服务的质量。针对现有的公共PaaS平台不适合大连理工大学做研究以及使用的状况,设计并实现了一套基于Cloud Foundry的PaaS平台。实践表明,本平台不仅有效地利用了资源,还使得部署其上的云应用更有弹性。     

面向PaaS的Web系统动态性能建模工具的设计实现

按需供给是PaaS平台面临的一个核心挑战.传统以局部优化为目标的反馈控制方法难以实现全局资源供给最优,为了更合理分配资源,利用性能模型预测Web系统的资源需求就变得至关重要.随着平台服务化的发展,其部署方式由封闭环境转为开放的服务形式,为模型的构造提出了新的挑战:由于应用和平台分属不同组织,大大增加了解系统全貌的难度,所以传统手工建模方法除了建模难度大之外,更难以在开放的环境下实施；在开放和动态的环境下,用户的使用难以预期,而用户行为的改变又会极大的影响系统行为,因而也有必要使模型适应用户行为的变化.针对上述问题,给出了一种动态性能建模工具的设计与实现.该工具在Web系统中插入必要的探针收集系统运行时状态,并输出为日志.通过周期性的对这些日志进行分析,从大量数据中提取出性能模型,使其与实际用户使用情况相符.文中以TPC-W基准测试为例,验证了该系统的有效性.     

一种面向动态连续查询的查询索引

针对当前面向连续查询的查询索引不适应查询动态变化的问题,提出一种能承受频繁更新的动态连续查询索引。为实现该索引,设计一种基于网格和树的索引结构,该索引结构继承了网格结构的高效更新性能的优点,并通过继承树的特性,克服网格结构高空间开销的问题。实验结果表明,该连续查询索引比基于网格的连续查询索引节省空间开销约一个数量级;比基于树的连续查询索引更新效率提高约70%,查询性能提高约25%。     

一种面向无线传感器网络协同任务分配的动态联盟更新机制

在面向目标追踪等应用的无线传感器网络研究中,协同任务分配机制的研究是很重要的.基于动态联盟机制的协同任务分配方法是事件触发的.适用于任务出现频率相对较低的大规模无线传感器网络.本文在基于动态联盟机制研究的基础上,首先引入了联盟覆盖范围和休眠盟员的概念,进一步消除针对同一任务的检测传感器节点的冗余,降低系统的能量消耗;而后又给出了一种动态联盟的更新机制,以保证动态联盟执行任务时的连续性,在一定程度上保证网络的检测性能.最后通过仿真,从系统总能耗、目标捕获率和检测误差标准差等方面检验了算法的性能,并给出了缓冲带宽度等参数对能耗和网络检测性能的影响.     

一种支持过程动态更新的过程系统设计与实现

在当前开放、变化的Internet环境下,业务过程需要在运行时进行动态更新,同时将原过程下正在运行的实例迁移到更新后的过程模型下.设计了一种支持动态更新的过程系统.在模型层面上,使用AOP(Aspect Orient Programming,面向方面编织)的方法,实现流程运行时动态更新生成新的模型.在引擎层面上,修改原有引擎,使其能够暂停、恢复实例的运行,从而支持实例的动态迁移.在实例层面上,提出了一种实例迁移的算法,为模型提供动态更新的能力.最后,介绍一个应用案例以验证系统的正确性.     

浅谈Java程序动态更新技术分析

本文从高效的动态软件更新实现机制、自动化的运行时对象状态转换方法及动态更新错误自动恢复技术H个方面系统研究了Java程序动态更新支撑技术,并在工业级的Java虚拟化上实现了上述技术,得到一个高效、易用、可靠的Java程序动态软件更新.     

分布式动态更新支持系统：研究综述

一些服务于关键应用领域、提供持续服务的分布式系统软件需要不断地进化，以修正软件故障、扩展服务功能、提高系统性能，从而产生动态更新的需求，即保证不中断系统服务的同时实现对系统功能的更新。由于分布式系统本身的复杂性，使得其上的动态更新比较复杂，一般需要做的工作包括：在适当的时候自动产生和传递更新消息；透明地实施更新、验证更新的合法性、一致性并处理非法更新下的容错问题；支持多版本节点之间的交互；对更新期间滞留的消息进行处理。本文围绕支持动态更新分布式系统的相关工作，从一般需求、功能目标、需要解决的关键问题、现有的工作成果以及将来的工作五个方面做了较为综合的阐述。     

一种高效的核属性动态更新算法

针对决策表中对象动态删除的情况,研究了核属性的动态更新问题。首先引入了简化决策表的概念,剔除了大量重复冗余的对象,然后详细分析了当决策表删除对象时核属性的动态更新机制,并将逐层细化的方法应用到核属性的动态更新中,避免了许多不必要的重复计算。在此基础上,设计了一种无需存储差别矩阵的核属性动态更新算法。当决策表有对象删除时,该算法只需扫描一遍变化后的决策表,便可快速对核属性进行动态更新。最后,通过实例分析和实验比较验证了算法的可行性和有效性。     

一种优势关系粗糙集近似集动态更新算法

近似集计算是运用粗糙集理论在数据挖掘相关研究领域中发现隐藏在数据中潜在知识的一个关键步骤。实际问题求解中,人们常常面对的信息系统是动态变化的。针对信息系统中对象集变化的情况,提出一种基于有序等价类进行信息粒合并的优势关系粗糙集近似集动态快速更新策略及相应算法。通过一个数值化算例验证了信息粒动态更新的可行性,实验结果反映出粒度动态更新方法能有效提高近似集的动态更新效率。     

一种检测区域动态更新的目标跟踪算法

TLD(Tracking-Learning-Detection)是针对视频中未知物体的长时间跟踪算法.当目标跟踪受到光照、遮挡和旋转等因素干扰时,TLD算法无法实现视频目标准确跟踪.针对TLD存在的问题,提出了一种改进的TLD动态更新检测区域的目标跟踪算法.采用压缩跟踪作为跟踪模块,并且增加了对压缩跟踪模块和检测模块运行效果的评估,根据评估结果来调整压缩跟踪模块和检测模块所占的权重,更准确预测目标的位置.在每次检测之前根据前一帧目标的位置和目标的历史运动速度选定一个动态更新的检测区域,缩短了检测模块和学习模块的运行时间.通过实验对原始TLD和改进后的TLD进行了对比测试,结果表明,改进后的TLD算法较原始TLD算法具备更高的跟踪成功率和更快的处理速度.     

MUC: Updating cloud applications dynamically via multi-version execution

Cloud applications usually need to provide service continuously, however, updating them to fix bugs or add new features will interrupt the service. Conventional Dynamic Software Updating (DSU) systems try to update applications while running, but they are hardly able to consider the communication of the application to be updated with other programs, and could then lead to some inconsistency. Therefore, the DSU systems could not be directly applied into cloud where one application normally interacts with the other side.We propose an improved DSU system to update cloud applications dynamically, and utilize the multi-version execution approach to handle the inconsistent issue. When a new update arrives, instead of updating the application to the new version, we fork a new process of the old version and dynamically update it to the new version, then make these two versions run concurrently until the update finishes. To show the feasibility of the proposed solution, a prototype system called MUC (Multi-version execution for Updating of Cloud) is implemented on Linux, and MUC is applied to update three cloud applications, Redis, Memcached, and Icecast.     

基于动态分组的增量式挖掘关联规则更新算法

数据挖掘的一个重要方面是挖掘关联规则，目前已提出了包括经典算法Apriori在内的许多算法，而在实际关联规则的挖掘过程中，用户将需要不断调整用于描述用户兴趣程度的阈值：最小支持度和最小置信度。如何维护已发现的关联规则变得至关重要。该文提出的GIUA算法解决了在数据库D不变的情况下，最小支持度和最小置信度发生变化时关联规则的维护问题，最大效率地利用原有结果，通过动态分组将连接步和修剪步的循环减到最少，并尽可能地将挖掘过程并行化。     

基于PaaS平台的定制化教学管理功能开发研究

一款合适的教学管理系统是规范人才培养流程,提高人才培养质量的重要辅助工具。硕士与博士的科研任务繁重且管理流程复杂,不同高校、不同历史时期对学生的培养模式都不相同。所以一款好的教务管理系统应当是定制化的、灵活可调整的,能够适应高校培养模式多样性的特点,并且能够对数据进行复杂的分析处理,可以帮助研究生院更加规范且高质量地管理人才,更好地推进学生工作。故系统的开发架构需要是灵活的、可定制的,底层架构稳定且性能强的。根据以上开发需求选择PaaS平台作为系统的开发平台。PaaS是云计算服务的一种,平台即服务。根据高校研究生院的特点与需求,基于PaaS平台搭建并实施开发了一个定制化的教务管理系统。培养方案与培养计划的制定是高校人才管理的核心内容,也是教务管理系统的主轴。以培养方案、培养计划功能为例,着重介绍系统教学管理部分的设计与开发。     

具有路径平滑和信息动态更新的蚁群算法

蚁群算法具有很强的寻优能力,但仍存在搜索时间过长、易于停滞等问题。针对这些不足,提出了一种具有路径平滑和信息动态更新的蚁群算法。新算法引入了路径平滑概念,加强了对蚁群前期搜索的引导,扩大了蚁群后期搜索空间;同时,通过动态调节信息素挥发因子,使得路径间信息素浓度差异不会增长过快,有效地避免了算法陷入局部解。实验结果表明,具有路径平滑和信息动态更新的蚁群算法明显优于基本蚁群算法。     

带标记的不完备双论域模糊概率粗糙集中近似集动态更新方法

当不完备双论域模糊概率粗糙集获取缺省值时,传统的静态算法更新近似集的时间效率较低,为了解决这个问题,对带标记不完备双论域模糊概率粗糙集的近似集动态更新方法进行了研究。首先,给出了带标记的不完备双论域信息系统的相关定义,运用矩阵提出了带标记的不完备双论域模糊概率粗糙集的模型,证明了其相关定理,给出了一种带标记的不完备双论域模糊概率粗糙集的近似集计算方法,并对其进行了讨论分析。其次,当不完备双论域模糊概率粗糙集获取缺省值时,给出了动态更新其近似集的相关定理,并进行了证明,进而设计了一种带标记的不完备双论域模糊概率粗糙集中近似集动态更新算法,并分析讨论了其算法复杂度。最后,在6个UCI数据集和3个人工数据集上进行仿真实验,实验结果表明,该动态更新算法提高了更新近似集的时间效率,并结合实例证明了该动态算法更新近似集时不影响结果的正确性,验证了该动态更新算法的有效性。     

基于业务驱动的“一张图”数据动态更新机制研究

在分析国土资源管理业务模型及"一张图"数据库关系的基础上,重点阐述基于业务驱动的"一张图"数据动态更新机制的原理、实现技术,并在成都市开展应用示范。本文提出基于业务并借助数据捕获、ETL工具实现"一张图"数据动态更新的新思路,为国土资源动态监管、分析核查与决策、防灾减灾提供数据支撑和信息服务。     

基于需求预测的PaaS平台资源分配方法

针对缺乏PaaS平台下资源需求的有效预测与优化分配的问题，提出一种资源需求预测模型和分配方法。首先，根据PaaS平台中应用对资源需求的周期性来对资源序列进行切分，并在短期预测的基础上结合应用的多周期性特征，利用多元回归算法建立综合的预测模型。然后，基于MapReduce架构设计实现了一个Master-Slave模式的PaaS平台资源分配系统。最后，结合当前任务请求和资源需求预测结果进行资源分配。实验结果表明，采用该资源需求预测模型和分配方法后，相比于自回归模型和指数平滑算法，平均绝对百分比误差分别下降8.71个百分点和2.07个百分点，均方根误差分别下降2.01个百分点和0.46个百分点。所提预测模型的预测结果不仅误差小，与真实值的拟合程度也较高，而且利用较小的时间开销就可以获得较高的准确度。此外，使用该预测模型的PaaS平台的资源请求的平均等待时间有了明显的下降。     

基于PaaS和ESB的分布式集群框架服务平台

设计了一种分布式集群框架服务平台。它提供平台级服务,通过ESB集群消息总线进行交互。平台上能够发布多种业务应用或服务产品,充当了基础资源和上层业务应用的桥梁和纽带。随着所集成的系统数目增多,该平台的负载均衡技术、失效转移技术和集群技术等特性效果就更加突出。