磁盘地址转换以及调度算法实现的探讨

磁盘是计算机中重要的设备之一,是存储信息和数据的“仓库”,怎样访问存储在磁盘上的信息,取决于磁盘地址的确定以及磁盘调度算法的实现,本文就磁盘地址的确定加以分析,引出一维地址和三维地址及其之间的关系和调度算法的语言实现,并加以探讨,最终达到对磁盘访问理解的直观性。     

磁盘阵列 Cache 自适应预读算法的研究

提出了一种磁盘阵列Ｃａｃｈｅ的算法，它使用自适应的预读策略根据以往磁盘访问的信息来较精确地预测下一次访问的磁盘地址，并预先读出到Ｃａｃｈｅ中，从而降低磁盘访问的平均服务时间。讨论了在多任务环境下的适配算法。模拟测试的结果表明：本算法比ＬＲＵ算法优越。     

一种新的磁盘调度策略：D（0.2,S,d）

提出了一种新的调度策略Ｄ（０．２，Ｓ，ｄ）。其基本思想是根据请求访问磁盘的申请在磁盘瞬时不均匀分布情况下而进行有选择优先服务的策略。核心是增加磁头向磁盘上申请访问密集处移动倾向的一种调度原则。模拟出各种情形，然后用新旧调度算法调度，比较其调度效果。同时，测定新调度算法中两个调节参数Ｓ和ｄ所处的最佳位置，达到了最佳调度效果：平均等待时间最短和平均响应方差最小。     

Windows系统访问基于LVM存储设备的方法研究

针对Windows系统无法直接访问基于LVM机制的存储设备,引入存储虚拟化技术,通过创建一个虚拟磁盘,建立磁盘上的LV卷与Windows操作系统访问的逻辑扇区的映射关系,实现在Windows操作系统中访问LV卷,并给出详细的访问流程.     

操作系统对磁盘的调度策略与分析

磁盘是存储数据和程序的重要资源,能够被多个用户或进程交替使用,能够合理、快速地对存储在磁盘上的数据和程序进行访问,不但能提高系统吞吐量,更能提高系统的整体性能。本文介绍操作系统中几种常见的磁盘调度算法,并对其进行评价。     

基于Spark和SimHash的大数据K-近邻分类算法

在笔者之前的工作中,提出了一种基于MapReduce和SimHash的大数据K-近邻算法(H-MR-K-NN).虽然该算法能够有效解决大数据K-近邻算法的计算效率问题,运行时间远远低于基于MapReduce的K-近邻(MR-K-NN)所用的运行时间.然而,用MapReduce处理大数据时,需要从磁盘读取数据,再将中间结果写回磁盘,导致系统的I/O开销极大,这大大降低了MapReduce的效率.与MapReduce不同,Spark是一种基于内存的计算框架,它将数据第1次从磁盘读入内存,生成一种抽象的内存对象RDD(resilient distributed datasets).此后,Spark只操作内存中的RDD,计算过程只涉及内存读写,因此大幅提升了数据处理效率.基于这一事实,对算法H-MR-K-NN进行了改进,提出了一种改进的算法(简记为H-Spark-K-NN),可以进一步提高大数据K-近邻分类的运行效率.     

网格存储中的自适应负载平衡策略

为了优化网格存储的系统性能,针对网格环境中不同存储单元的性能差异,基于文件的访问特点提出一种自适应的负载平衡策略. 通过建立能量模型体现文件访问对存储单元的负载压力;通过与用户访问复合减少负载调整开销;通过创建和回收副本实现数据访问优化. 实验证明,提出的负载平衡策略与传统的磁盘冷却算法相比,请求处理时间和系统吞吐量均有20%左右的提高.     

一种智能网络磁盘存储文件系统的设计

针对目前网络存储体系结构中存在的各个磁盘驱动器不能"主动"地进行自主工作和缺乏自动负载平衡机制的问题,文中给出了智能网络磁盘(IND)系统结构的概念,提出了一种新型的智能网络磁盘存储文件系统(INDFS)的设计方案,并详细描述了INDFS的组成结构、文件路由表、系统命令层次结构、基本操作算法和文件系统命名空间等关键技术.最后对INDFS进行了性能测试分析,发现客户端可以对IND存储系统进行文件级访问,说明INDFS是一种使用方便、扩展性好的智能网络磁盘文件系统.     

面向大规模存储系统的静态文件布局策略

为了提高大规模存储系统的访问性能,提出了一种静态文件布局策略(SFLS).SFLS首先把磁盘分成两组,分别用于存放热点文件和大文件,然后按服务时间长短将排序好的文件分别以Round-robin和Greedy的方式存放到两组磁盘上;在进行文件访问时,可根据文件的大小和热度来选择相应的磁盘组进行访问.该策略加快了文件I/O请求的访问速度,提高了存储系统的访问性能.实验结果表明,SFLS能动态适应系统规模的增长,与SP、SOR静态布局策略和HP动态布局策略相比,具有更低的平均响应时间和更好的负载均衡性能.     

LSF:一种面向S-RAID 5的能量管理算法

S-RAID 5是一种适于顺序数据访问的节能磁盘阵列,为了提高其性能并保持节能效率,提出一种能量管理算法:逻辑空间预测法（LSF）,该算法对S-RAID 5的I/O请求地址进行动态聚类分析,以获得I/O请求在逻辑地址空间内的分布区,然后求出各分布区的动态特性,并结合S-RAID 5的特殊数据布局,预测磁盘的工作状态并根据预测状态调度磁盘. 实验表明,在节能效果相当的情况下,与典型算法TPM、Markov相比,LSF可有效消除S-RAID 5的响应时间延迟.      

MapReduce框架下k-支配轮廓查询算法

随着维度和数据量的不断增长,已有的轮廓查询方法已无法为用户提供更好的查询支持.本文采用并行处理框架MapReduce 结合k-支配轮廓查询算法来解决此类查询问题.在对输入的数据集进行预排序的基础上,提出了基于MapReduce 的单轮扫描算法和双轮扫描算法,通过在不同维度、数据分布、节点个数等方面的实验测试及对比,验证了算法的有效性.     

高性能网页索引器JU_Indexer的实现

高性能网页索引器JU_Indexer用倒排索引表存储网页索引数据, 以多线程并行的方式对网页建立索引数据, 采用经过优化的检索算法实现用户的查询. 首先给出了JU_Indexer的系统框架, 然后描述了索引数据在JU_Indexer中的存储结构、 建立网页索引的算法、 以及实现用户查询的检索算法. 实验结果表明, JU_Indexer能在毫秒级的时间内完成用户的查询, 它采用的经过优化的词组检索算法缩短了词组的检索时间.     

一种中国象棋残局棋谱自动生成算法

通过对传统博弈树搜索算法的修改,提出了一种中国象棋残局棋谱的自动生成算法,该算法基于极深极浅算法,并用剪枝、着法排序、置换表等手段对其搜索效率进行了优化.实验数据表明该算法在搜索生成连照胜杀局的棋谱时,具有较好的效果.最后用该算法对《象棋残局杀局宝典》中的残局进行了验证,发现了书中记录的残局棋谱存在的一些错误.     

云平台下基因 基因相互作用识别算法

针对现有的快速方差分析算法进行并行可扩展性改进, 设计一种高效的并行计算模型, 并提出一种基于MapReduce模型的基因 基因相互作用识别算法--MRANOVA算法. 该算法有效解决了现有基因 基因相互作用识别算法在海量数据规模下普遍存在计算复杂度过高的问题. 实验结果表明, 该算法充分利用了云平台的并行计算能力, 随着数据量的增大, 加速比逐渐接近于集群数量, 可高效准确地完成基因 基因相互作用的识别.     

基于改进黑洞算法优化ESN的网络流量短期预测

网络流量数据序列具有混沌特性.相空间重构后,采用一种改进黑洞算法优化回声状态网络的非线性模型对网络流量进行预测.改进黑洞算法是在现有工作的基础上提出一种新的新解生成机制,可以提高算法的收敛速度和精度;相比于遗传算法、和声搜索算法等其他优化算法,所提出的改进黑洞算法不依赖自身相关参数的准确设定;将其应用于回声状态网络4个重要参数的优化选取,使得预测模型具有较好的预测稳定性.通过Mackey-Glass混沌时间序列和网络流量公共数据集的仿真实验,结果表明所提出的方法具有较好的预测性能.     

融合A-Star与DWA双优化算法的自动引导车路径规划

自动引导车的应用越来越广泛,为了达到自动引导车在路径规划中要达到全局最优,实时避障的要求,提出了一种优化A-Star算法与优化DWA算法相融合的自动引导车路径规划方案。A-Star算法能找到全局最优路径,根据A-Star算法进行优化,引入自适应启发函数,并进行路径关键点选取,删除冗余路径点。优化后的A-Star算法解决了传统算法规划效率低,路径不平滑的问题。动态障碍物躲避采用DWA算法,优化评价函数,提升了规划效率。仿真结果表明,融合优化后的A-Star算法与优化后的DWA算法,减小了搜索范围,提高了路径规划效率且能实现避障的效果。该融合算法相较其他融合算法在路径规划效率上有很大提升,最终实现全局最优路径规划和局部动态实时避障。     

AVS-P3音频解码算法定点化中IMDCT模块的优化

为了将AVS-P3音频解码算法移植到支持定点算法的芯片中,需要将浮点算法转换为定点算法,针对AVS-P3解码器中IMDCT模块加窗算法复杂度较大的问题,在算法定点化的过程中提出一种改进的加窗优化算法,测试结果表明优化后该模块时间和空间复杂度明显下降．     

An Optimized Approach for Extracting Approximate Functional Dependencies in XML Documents

0 IntroductionFiunntcetgirointyal c doenpsetrnadienntsc yin ( dFaDta)b aisse so n.e F oDfs ,meoxstp aic imaplloyrt aapn-tproxi mate FDs , are widely used on knowledge discovering,privacy protection,datainference[1 ,2],etc .For instance,pa-thologists wishto acquire the relation between various dietetichabits and diseases ,salesmen want to knowthe relation be-tween different age-grades and consuming patterns , etc .Those prevailing non-precise relationships between data arecalled approxi mate …     

基于观点传播的改进相似性计算评分预测方法

通过研究网络结构上的观点传播与协同过滤算法,基于对观点传播算法的优化,提出了基于用户相似和物品相似推荐系统评分预测算法.设计的算法修正了现有相似研究中在目标比较相似时,相似性结果为零的问题,将用户(或物品)的相似度定义为用户(或物品)间的观点数目和差异在相应复杂网络中的传播结果,并提出了相应的推荐算法.在MovieLens数据集上的实验结果证明,提出的算法与几种典型的现有方法相比较,具有更高的准确性,并且优于观点传播算法.     

基于社区网络的搜索引擎的研究

传统搜索引擎无法满足用户对社区网络中实时信息的需求。给出一种实时搜索引擎模型,利用经过算法优化的网络爬虫,实现制导式的数据抓取,同时利用社区网络提供的开放API获得更新数据。通过XML结构化数据,使用改进的向量空间模型对信息进行过滤和分类,并采用考虑时间因素的相关度算法对搜索结果进行排序。实验证明该模型能够实现搜索结果的实时性,并且能够保证搜索项与搜索结果之间比较高的相关度,为用户提供更好的搜索体验。