一种基于固态盘和硬盘的混合存储架构

为提高基于固态盘和硬盘的混合存储系统的I/O性能并降低固态盘的硬件磨损,提出了一种新型混合存储架构RAF(Random-Access First).该架构利用序列侦测算法识别负载请求队列中的随机I/O请求和顺序I/O请求,通过重定向模块使固态盘作为内存之外的第2层磁盘缓存来服务随机I/O访问请求,从而使硬盘服务过滤后的顺序I/O请求,使两者的优势得以发挥.原型实验证明,该架构可以有效地提升混合存储系统的性能和可靠性.     

冗余SCSI路径驱动程序的设计与实现

研究在Unix系统和NT系统中RDP设备驱动程序的设计原理和实现方法.采用了分层结构设计RDP驱动程序,将RDP置于磁盘驱动程序层次之上,避免了直接操作具体的硬件设备.通过对磁盘I/O请求的挂接和处理,实现故障切换和负载均衡.在路径发生故障时由RDP驱动程序将I/O切换到其他路径,以提高系统的可用性.实现了3种算法,通过将I/O负载均衡分布在各SCSI路径,以增加系统I/O处理能力.     

多线程Web图像搜索器的磁盘I/O缓冲方法

频繁的磁盘I/O操作导致多线程Web图像搜索器的性能显著下降,为此提出一种磁盘I/O缓冲方法,它包括待采URL的双队列缓冲和图像存储与URL存储中的循环缓冲池等2种措施.在URL待采队列中采用双队列缓冲,当其中一个队列处于使用状态时,另一队列执行从磁盘读取新URL的操作,使得各个线程可以不间断地获取URL.2个循环缓冲池分别用于图像和URL磁盘存储操作中,其工作原理相同.实验结果显示,磁盘I/O缓冲方法显著改善了多线程Web图像搜索器的性能.     

ORACLE数据库服务器性能优化技术

ORACLE数据库的优化是通过合理分配计算机的资源(如内存、CPU、磁盘等)、调整系统运行参数来改进性能的过程,包括调整CPU参数、服务器内存分配、硬盘I/O、操作系统参数等几个部分.CPU使用率出现异常时要迅速找出原因,及时调整系统参数或优化SQL语句;内存参数的调整包括库缓冲区、数据字典缓冲区和缓冲区高速缓存的调整;影响磁盘I/O性能的主要原因有磁盘竞争、I/O次数过多和数据块空间的分配管理,使所有可用的磁盘均匀地平衡I/O,可以减少磁盘存取的时间;操作系统的调整要尽可能使ORA-CLE服务器使用资源最大化.在某单位"三流合一"项目中应用这些原则使服务器性能满足了系统的性能要求.     

存储区域网络基于主机接口卡的负载均衡

为提高存储区域网络中主机的I/O吞吐能力,在主机上加入冗余路径驱动程序,对逻辑单元(LUN)的I/O请求进行处理.将LUN的I/O请求分配到它的所有路径上,使主机的负载均匀地分布在存储网络中.应用排队理论的多服务员聚集模型,分析了总吞吐能力与主机负载、主机接口卡(HBA)数目、HBA性能之间的关系.实现了基于HBA的负载均衡算法,提高了主机的吞吐能力,缩短了I/O平均响应时间.     

基于DWarf的语义压缩数据方体计算研究

提出了一个可以减少磁盘访问次数的快速Dwarf计算算法Q-Dwarf,避免了在构建Dwarf过程中,计算汇总单元时不必要关闭结点的频繁I/O磁盘访问,节省了时间.并在此结构上构建查询算法以及增量维护算法.实验证明了一系列算法的效率和有效性,尤其适合数据仓库中的高维数据集.     

基于逻辑卷副本整合的节能存储技术研究

为了解决数据中心外存储系统能耗和负载不对等引发的能源浪费问题,设计并实现了一种能耗和负载强度动态平衡的节能存储系统.该系统对存储虚拟化架构进行优化,通过在多个物理卷中为逻辑卷创建工作集副本,并使用内部算法将外部I/O请求映射到启用的逻辑卷副本,从而最小化工作物理卷数目,达到减少能耗的目的.经模拟验证,该系统能够以10%的冗余存储空间为代价,节约外存储系统30%～40%的能耗.     

VBR视频的安置策略与接纳控制

讨论了 VBR视频在磁盘特别是 MZ磁盘上的安置策略、视频文件的组织模式、磁盘 I/ O调度及相应的接纳控制策略 .主要给出了一个比例安置算法和基于缓冲支持下的磁盘 I/ O平滑调度策略 ,模拟实验结果显示提出的算法和调度策略是可行而有效的     

基于网络编码的多媒体云存储系统单节点修复算法

针对现有多媒体云存储系统单节点修复算法中,有限域大,编解码复杂度高,磁盘I/O开销大,存储开销与修复带宽开销不均衡等问题,基于网络编码提出一种多媒体云存储系统单节点修复算法.该算法将系统中节点已分组的多媒体文件数据进行分组存储,并将组内数据在GF(2)有限域上进行异或编码,当部分节点失效时,新生节点只要连接同组中2~3个未失效节点即可精确修复失效节点中的数据.理论分析与仿真实验结果表明:该算法可减小编解码与修复的复杂度,降低磁盘I/O开销;在相同条件下,该算法存储开销与基于最小存储再生码(minimum storage regeneration codes,MSR)算法的存储开销一致,而修复带宽开销与最小带宽再生码(minimum bandwidth regeneration codes,MBR)算法接近.     

保障服务质量的节能流媒体存储系统

为了节约能源并保障服务质量(quality of service,QoS),提出了一种保障服务质量的节能流媒体存储系统的设计。通过动态的磁盘分组和实时的数据交换,将所有磁盘划分为重负载的性能磁盘组和轻负载的节能磁盘组。提出视频数据分块算法,并用以提高系统的节能效果和服务质量。实验数据表明:该系统适应流媒体应用的特点,在保障服务质量的前提下,节能效果是FT算法的16.34倍、PDC算法的4.47倍。     

基于Gauss混合模型的清浊音恢复改进算法

为提高子带清浊音(unvoiced/voiced,U/V)解码端恢复算法在不同能量电平下的鲁棒性,提出了一种改进型能量自适应U/V参数解码端恢复算法。通过跟踪长时能量的变化轨迹,在Gauss混合模型(Gaussian mixed model,GMM)下,用归一化的能量参数和线谱频率参数(line spec-tral frequency,LSF)对U/V参数的分布特性进行估计。测试结果表明:在较低的能量电平下,与用绝对能量对U/V参数进行恢复的算法相比,该能量自适应U/V参数恢复算法能够将清浊音误判率降低10%～25%,并将合成语音的平均意见得分(mean opinion score,MOS)提高0.03～0.09,改善了算法的性能。     

网络存储中分布式I/O缓存机制研究

针对网络存储中I/O的瓶颈问题,设计了一个基于网络存储的分布式I/O缓存机制,通过本地缓存和远程缓存的两级缓存机制进行I/O性能的优化.其中本地缓存用来保存本地磁盘的读写信息,远程缓存用来协调远程机器的本地缓存.针对以上的缓存机制,设计了相应的数据块更新算法和缓存一致性策略,有效地保证了I/O缓存的性能.     

LKLR: A Local Tangent Space-Alignment Kernel Least-Squares Regression Algorithm

In the fields of machine learning and data mining, label learning is a nascent area of research, and within this paradigm, there is much room for improving multi-label manifold learning algorithms for high-dimensional data. Thus far, researchers have experimented with mapping relationships from the feature space to the traditional logical label space(using neighbors in the label space, for example, to predict logical label vectors from the feature space's manifold structure). Here we combine the feature manifold's and label space's local topological structures to reconstruct the label manifold. To achieve this, we use a nonlinear manifold learning algorithm to transform the local topological structure from the feature space to the label space. Our algorithm adopts a regularized leastsquares kernel method to realize the reconstruction process, employing an optimization function to find the best solution. Extensive experiments show that our algorithm significantly improves multi-label manifold learning in terms of learning accuracy and time complexity.     

预测自适应Gauss混合模型线谱频率量化

为了实现高质量低速率语音编码,提出了高效线性预测Gauss混合模型(Gaussianmixturemodel,GMM)线谱频率参数量化算法(LP-GMM-LSFQA)。线谱频率(linearspectralfrequency,LSF)参数先去均值,经过一阶线性预测,得到残差信号,将残差用协方差矩阵为对角阵GMM量化算法进行量化。在此基础上,利用反量化后参数自适应更新GMM的加权系数和均值,进一步提出了预测自适应GMM-LSF量化算法(LP-AGMM-LSFQA)。实验表明LP-GMM-LSFQA在20b/帧时量化性能超过预测分裂矢量量化22b/帧时的量化性能,节约2b/帧;LP-AGMM-LSFQA量化性能优于LP-GMM-LSFQA。     

5X密度磁光盘模压特性检测的定时逻辑控制

讨论 ５ Ｘ 密度磁光盘模压特性检测系统中的关键技术之一——定时与逻辑控制．该定时与逻辑控制电路通过模压预格式信号中的自同步位时钟与 Ｓ Ｍ 标志指示信号对模压预格式信号中的各个区段 （ Ｓ Ｍ ， Ｖ Ｆ Ｏ， Ａ Ｍ， Ｉ Ｄ， Ｐ Ａ） 在时域上定位，实现对具有高速非重复性的模压预格式信息的实时采集，从而满足检测系统对包括磁光盘扇区标头信号、跨道信号和推挽信号的模压预格式信息的测试要求．     

基于Gaussian混合模型的LSF参数量化方法

为了高效率量化线谱频率(linear spectrumfrequency,LSF)参数,提出了基于G auss ian混合模型(G auss ian m ix ture m ode l,GMM)的LSF量化算法。假设LSF矢量属于GMM中的某一个G auss ian分布,用G auss ian分布随机矢量的量化方法对LSF矢量进行了量化。利用准确的G auss ian分布变量量化误差,得到了G auss ian分布矢量的比特分配方法。应用G auss ian分布随机变量的非均匀量化方法量化每一维LSF参数。最后给出了分裂矢量量化、基于概率密度函数(probab ility dens ityfunction,PDF)量化方法和该算法的性能对比。该无记忆LSF量化算法在21 b/帧可以达到透明量化,比传统Sp litVQ节省3 b。     

预测自适应Gauss混合模型线谱频率的量化

为了实现高质量低速率的语音编码,提出了高效线性预测Gauss混合模型(Gaussian mixture model,GMM)线谱频率参数量化算法(LP-GMM-LSFQA)。线谱频率(linear spectral frequency,LSF)参数先去均值,经过一阶线性预测,得到残差信号,将残差用协方差矩阵为对角阵GMM量化算法进行量化。在此基础上,利用反量化后参数自适应更新GMM的加权系数和均值,进一步提出了预测自适应GMM-LSF量化算法(LP-AGMM-LSFQA)。实验表明:LP-GMM-LSFQA在20 b/帧时量化性能超过预测分裂矢量量化22 b/帧时的量化性能,节约2b/帧;LP-AGMM-LSFQA量化性能优于LP-GMM-LSFQA。     

宏微网络中基于后决策状态学习的基站关断节能策略

为了根据网络的业务状态动态地调整基站的开关状态以在保证用户服务质量的同时降低宏微网络的能量消耗,提出将时延限制下长期平均能耗的最小化问题映射为受限马尔科夫决策过程(constrained Markov decision process,CMDP).在该过程中把网络中每个基站的用户数目定义为系统状态,将每个小基站的开/关操作定义为网络行动.为了充分利用网络已知的先验知识加快学习速度,采用后决策状态学习算法在线更新网络的开/关策略.该算法可根据关断策略执行前已知的网络状态学习关断策略执行后未知的网络状态,从而快速制定出相应的关断策略.理论验证了后决策状态学习算法的收敛性.通过仿真对比可知,后决策状态学习算法不仅学习速度快,且可在保证网络服务质量的同时收敛到最优的基站关断节能策略.     

磁带库随机I/O缓冲调度算法的性能

为了提高磁带设备的在线存储效率,提出了一种磁带库缓冲调度算法.该算法采用磁盘驱动器做缓存,将磁带库设备虚拟为逻辑块设备使用.同时,提出了主动写回以及读预取方法,将磁带库的随机读写操作顺序化,以改善系统随机读写性能.文中还对算法性能进行了详细分析,并利用仿真方法对算法进行了测试,结果证明系统集合I/O和单I/O响应时间能够得到明显改善.