数据中心多目标虚拟机管理研究

通过建立起资源使用、服务器热点与电源能耗三者的统一优化模型,设计多目标虚拟机动态管理系统,协同优化资源使用、服务器热点和电源能耗,以使得数据中心的效益达到最优.鉴于数据中心负载流量的动态波动性,采用基于滑动窗口的两级状态检测策略来决策迁移虚拟机时刻,基于多目标统一优化模型设计相应算法来解决迁移虚拟机和目的主机的选择问题.最后在Xen虚拟机平台上测试该系统,实验结果表明:本文设计的虚拟机动态管理方法能够较好地协同优化数据中心的资源使用、服务器热点和电源能耗,使得数据中心的效益达到最优.     

基于Petri网的Web个性化服务

Web站点的个性化服务功能,可以帮助用户快速找到其所需的信息。基于推荐系统是当前实现个性化服务的主要方法。这种个性化服务方法存在显示不直观和重复计算的缺点。本文给出了基于Petri网的Web个性化服务方法,克服了基于推荐方法的缺点,并讨论了进一步的研究工作。     

数据仓库中实视图聚集函数的增量更新

提出在视图表达式树中以由下到上的方式计算中间结点的变化 ,将计算出的中间结果作为辅助视图保存在数据仓库中 ,利用这些辅助视图或子视图计算出来的聚集函数的变化 ,来计算本视图聚集函数值的更新 ,实现视图的增量维护 ,从而缩短数据仓库更新维护时间 ,提高OLAP查询效率 .同时 ,介绍了实视图中聚集函数的增量更新算法 ,实现实视图聚集函数的更新维护     

基于P2P结构的无线网格资源发现机制

针对无线网络的特殊环境,提出了一种基于P2P结构的无线网格资源发现机制,该机制结合了分布式与集中式网格资源发现的优点,引入了超级节点的概念,通过超级节点管理域内用户,将资源信息存放在超级节点中,避免了中央节点聚合目录的更新.并在此机制基础上给出了一个无线网格信息服务架构,满足了无线网格资源发现的分散性和可扩展性的特点.理论分析和实验证明能够提高无线网格资源发现效率.     

计算网格安全政策实施模型的框架和分析

根据计算网格特点及其一般安全需求,从政策的制定和实施角度出发,提出了一个完整可行的安全政策实施模型SPIM．在对计算网格中各类实体间新信任关系进行分析的基础上,选择并确立了模型中的功能实体,将VO的全局安全管理和传统管理域的安全管理分开考虑,引入了GSPEC和LSPEC两类重要的安全管理实体;定义了安全交互过程,使GSPEC和LSPEC可以独立地对用户身份进行鉴别,动态地对用户进行授权;规定了交互过程中所使用的凭证．从而保证在SPIM中,VO的全局安全政策和资源所在管理域的局部安全政策可以相互独立地制定、修改和执行,并在执行时保证各级政策能得到一致的实施．     

面向Deadline约束的网格QoS任务调度

根据调度算法中对QoS的匹配需求,提出了一种基于QoS优先级分组的网格任务调度思想,并且在此基础上引入任务的Deadline约束,综合考虑任务的可接受率以及系统的makespan性能,提出一种面向Dead-line约束的网格任务调度策略QD-Sufferage.实验表明,该算法在makespan、吞吐率等方面的综合性能较以往的算法有较大的提高.     

基于颜色Petri网的多agent动态调度建模与分析

多agent系统是一个典型的分布式系统,其任务调度策略的性能对于整个系统的性能有重要的影响。调度策略研究领域中一个重要问题是如何动态可视化地呈现调度过程。颜色Petri网结合了Petri网和高级程序语言的优点,拥有严格的数学理论基础,能够对分布式系统进行图形化的模拟。提出了一种基于层次颜色Petri网的多agent调度过程建模方法,该方法对多agent任务处理的全过程进行了建模,模型中通过不同角色的agent对任务进行动态分解和调度,利用Petri网仿真工具,能够在调度过程中考察所提出的调度策略与已有调度策略相比所具有的优点,而且通过对调度简化模型的状态空间进行分析,证明了调度策略的正确性和合理性。目前这种基于Petri网的形式化的可视仿真方法和模型评价方法是其它验证方法难以实现的。     

Web日志挖掘

提出了一种新颖的MBP算法，它利用关联规则挖掘发现的频繁项目集以加快速度，能找出所有满足阀值约束的频繁浏览路径，该算法是有很效的，同时，针对Web浏览和日志文件固有的模糊性和不确定性，还讲座了Web面面的模糊聚类问题，最后，对发现的知识讨论了其在推荐系统及自适应Web站点中的应用并给出了相应算法。     

网格QoS层次结构模型的研究

基于网格QoS参数特性,在虚拟层将网格QoS参数分成逻辑资源类、系统类、安全类、信任类和记账类5种类型;根据不同对象在QoS描述的不同需要,构建了网格层次结构模型.本研究对提高网格资源利用及服务成功率有重要意义.     

OLAP聚集计算中的维存储技术

为解决传统行存储结构导致OLAP聚集计算效率低下的问题,设计了基于维存储的OLAP数据存取技术.首先,将OLAP事实表中的维属性集和度量属性集定义为2个列族,每张维表的所有属性定义为1个列族.对维表进行二进制编码,生成维层次编码,从而保持了维的层次语义特性.以(维层次编码,度量值)对形式按列组织数据,消除查询时维表与事实表的复杂连接操作运算.然后,采用自底向上方法构建B+树,对维层次编码进行索引,加快了数据读取效率.通过增删事实表和维层次编码-度量表中相应的列,实现维和度量的增加和删除.性能分析结果表明,这种OLAP数据存取技术具有良好的可扩展性,能高效地管理和存取OLAP海量多维数据,有效支持上层OLAP聚集计算.