CCN中一种非混合式蚁群路由优化策略

蚁群优化(ant colony optimization,ACO)近年来在信息中心网络(content centric networking,CCN)路由领域的应用逐渐增多,其中,将ACO与其他机制相混合以改善路由性能的策略得到较多研究,但基于蚁群优化的混合式算法通常存在可扩展性低下,动态性差,网络成本高等问题。为此提出一种高效的非混合式蚁群路由算法(irritant ant framework,IAF)。添加一个新维度—一种动态的、仿生物的信息素分层,将传统单级别信息素上升为多级别信息素,增强蚁群对于路径的探索程度,抑制算法过早收敛;并且考虑了节点状态的动态性,实时改变信息素等级以选择最佳转发路径;此外,首次考虑了节点缓存特性对信息素更新策略的影响,构造出全新的信息素更新公式,,减小算法的收敛时间。实验结果表明,该算法能够有效地降低内容请求时延,提升缓存命中率,以较低的开销获得良好的CCN路由性能。     

286以上档次微机内存资源的优化管理和使用

对微机内存资源的管理和使用是一个重要实用意义的问题。本文对有关微机系统内存的易于混淆的概念进行了阐明，讨论了在操作系统水平上对内存的管理和优化利用，同时指出了优化利用内存资源时应注意的的些问题。     

基于存储的矩阵乘积优化算法

提出了一种基于存储的矩阵乘积优化算法.该算法转置矩阵,提高cache命中率,从而降低矩阵乘积时间. 实验结果表明此算法是行之有效的.     

活动缓存模式在知识管理系统中的应用

动态文档正在成为Web内容中越来越重要的组成部分,获取动态内容的缓存成为影响Web规模的重要课题.笔者提倡用“活动缓存模式”来支持动态内容在Web代理上的缓存.这种模式允许服务器提供“缓存小应用”,这些小应用与内容绑定,需要代理根据缓存命令中判定的结果调用缓存小应用来完成必要的处理,而不需要与服务器联系.说明活动缓存模式涉及的协议、接口和安全机制,阐述了在当前的知识管理系统中如何引入活动缓存机制,以此来解决在应用规模不断扩大和数据量不断增加的情况下知识管理系统服务器服务性能问题.     

KDS-CM： A Cache Mechanism Based on Top-K Data Source for Deep Web Query

Caching is an important technique to enhance the efficiency of query processing. Unfortunately, traditional caching mechanisms are not efficient for deep Web because of storage space and dynamic maintenance limitations. In this paper, we present on providing a cache mechanism based on Top-K data source （KDS-CM） instead of result records for deep Web query. By integrating techniques from IR and Top-K, a data reorganization strategy is presented to model KDS-CM. Also some measures about cache management and optimization are proposed to improve the performances of cache effectively. Experimental results show the benefits of KDS-CM in execution cost and dynamic maintenance when compared with various alternate strategies.     

高校网络多出口带宽资源优化调配和管理的分析与研究

随着高校信息化建设的快速发展以及网络应用的不断涌现,高校校园网这个特殊的网络体系所承载的用户和应用对互联网出口资源的需求量激增,这与高校有限的出口带宽资源产生了矛盾。该文通过对各类带宽资源调配方式进行分析,结合在校园网中的实际应用,研究出一套适合高校校园网络特点的优化调配和管理方案。     

一种基于FHMIPv6平滑切换的缓存管理策略

分层移动IPv6与快速切换结合具有较好的切换性能,但是链路层中断不可避免,因此有效的缓存管理机制在FHMIPv6中仍然十分重要.根据快速分层移动IPv6的特点提出了一种有效的缓存管理策略,对比快速切换协议的缓存管理机制,该策略将MAP引入到系统的缓存管理中,从而提高了整个系统的缓存利用率.用NS-2模拟表明,该策略大大降低了切换过程中的丢包率,并减少了实时应用和高优先级包的切换延迟时间.     

基于FPGA的全景图像处理系统SDRAM控制器设计与实现

在对高分辨率折反射全景图像的快速采集处理中,同步动态随机存储器（SDRAM）作为重要的数据缓存器件,对于其正确的控制关系到整个系统能否正常工作.在分析了SDRAM各项参数及其工作原理的基础上,设计了基于FPGA的双SDRAM控制器,在乒乓缓存模式下轮流采集图像,完成了分辨率2048 dpi×2048 dpi、每秒15帧的CameraLink接口的全景图像的实时采集、缓存解算,以及以1024 dpi×768 dpi的分辨率进行实时显示.     

安全高效的流媒体服务器集群系统

为适应流媒体技术要求存储大容量、传输实时高效的特性,提出一种基于L inux的安全高效的流媒体服务器集群系统模型,。该方案利用身份验证保证用户的合法性,基于用户的级别分配不同的服务资源;利用网络负载平衡技术(NLB:Network Load Balance)实现服务器集群各节点的负载均衡;利用改进的两级高速缓存模块保证媒体文件的存储调度的高效性;在两级缓存中增加1台首数据段缓存服务器预处理用户请求,使用户响应时间减少40%。实验数据和结果证明了系统的可行性。     

内存集群计算:交互式数据分析

本文围绕大数据分类中决策数据的管理和分析进行展开.重点分析了大数据时代关于商务智能(Business Intelligence,BI)技术新的应用需求;讨论了计算机硬件和体系结构的发展为决策数据管理和分析带来的挑战和机遇;通过对新兴典型应用的分析和相关技术和系统特点的总结,说明了基于内存计算的高性能数据管理和分析技术是当前亟待解决的问题,具有广阔的应用前景.在全内存式(in-memory)数据管理环境下,网络通讯将成为整个系统的主要瓶颈.结合内存的特点(数据易失性、内存墙瓶颈),设计针对高性能服务器的无共享分布式内存系统拓扑结构;研究面向异构、多层次缓存和内存结构的分布式数据布局与索引策略,跨核、跨处理器、跨服务器的多粒度并行处理框架,缓存感知、内存感知的分布式数据一致性维护等关键技术,轻量级面向按列存储的数据压缩机制及压缩感知的数据处理机制,将是基于内存计算的高性能数据管理与分析技术的重点研究内容,并将最终实现实时交互式分析处理.