高校信息化运维体系中的校园云数据中心建设

高校信息化建设普遍存在重建设轻运维、重技术轻管理的现象,造成了信息化系统可用性差、利用率低、持续性差等问题.校园云数据中心具有资源调度灵活、管理便捷、高可用等诸多优势,以此为基础建立的高校信息化运维体系,可保证高校信息化的可持续发展.     

云存储在高校信息化管理中的应用研究

针对高校信息化管理中资源浪费、重复投资、管理复杂等问题,利用云存储强大的资源整合能力及高效的信息处理特征,设计了基于云存储的高校信息管理平台.讨论了云存储平台的系统架构、设计构思和工作流程,以其为提高高校信息化管理效率和节约成本提供新的思路.     

新时期高校科研信息化建设工作思考

随着网络化、大数据、云计算等信息化手段逐渐得到应用，高校面向教师和学生提供科研信息融合服务的需求不断增大，建设一套功能强大的网络化科研信息化管理和服务系统可以满足高校对国家各级各类科研管理工作的要求。剖析高校科研信息化现状及存在的问题，厘清新时期高校科研信息化建设的总体思路，明确高校科研信息化建设的具体内容，可以为高校科研信息化管理和服务系统建设提供帮助。     

科研信息化管理创新研究

科研信息化是高校信息化的重要组成部分,是高校科技创新和创新型人才培养的关键所在。高校科研管理在信息化环境下,需从科研信息化支撑环境建设、科研云数据中心建设、完善高校科研管理体系等方面创新发展,促进高校科研信息化的可持续发展。     

基于云服务环境下高校信息化建设的研究

云服务以诸多主流技术为依托,例如虚拟化、Web2.0、集群技术等。云服务以云计算为基础,是一种包含平台服务、应用软件服务和基础设施服务的多项服务集合。本文从云服务的概念和优势出发,分析了目前高校应用云服务进行信息化建设的现状,进而重点探讨了云服务环境下开展高校信息化建设工作的方法与策略,以其为高校信息化建设提供些许参考。     

基于云计算的开放大学移动学习平台调度策略研究

当前构建适应移动学习的技术手段是远程教育面临的主要问题,采用OpenStack开源组件设计云环境下开放大学移动学习平台成为一种可用方案,针对云平台设计中的调度策略进行了较详实的研究,调度器采用OpenStack中的Nova-scheduler模块,经调度优化后的平台可有效为移动学习资源管理者、使用者、提供者等各方提供优质资源调度服务。     

跨数据中心一体化协同分布式云管理平台建设

通过对广东电网信息系统支撑平台的分析,阐述跨数据中心一体化协同分布式云管理平台的建设思路及建设方案。从全省资源统一系统层面,该平台通过对信息中心及地市供电局的PCSERVER虚拟资源池、小型机虚拟化资源池、存储虚拟化资源池的统一管理,实现跨数据中心的资源协同及分布式调度,实现电网企业信息化建设的集团化运作。从数据中心精益管理层面,该平台实现主机、存储、网络、中间件、数据库、应用软件等多种计算资源的一体化管理、标准化供给和自动化操作,完成从底层硬件到上层业务应用的一体化智能管控,为电网企业信息化建设的精益化管理、标准化建设提供有力支撑。实践证明,跨数据中心一体化协同分布式云管理平台的建设实现提高IT资源的可伸缩性、扩展性和灵活性,提升IT运维管理能力及效率,提高业务响应能力及服务模式创新的目标。     

云南省高校“少数民族语言文字信息化处理”工程研究中心介绍

<正>"云南省高校少数民族语言文字信息化处理工程研究中心"于2007年9月经省教育厅(云教科〔2007〕13号)批准立项建设。中心目前拥有民族语言文字信息化处理平台、输入设备、语音采集监听实验装置、移动工作站等科研专用设备,用于开展云     

基于SNS的科研资源共享平台的设计与实现

目前科技工作者在科研过程中普遍面临交流模式单一、科研资源过于分散、缺乏规范化的科研创新体系等问题。采用LAMP网站架构技术并基于SNS(SupeSite系统)构建了科研资源共享平台,主要实现基于SNS的科研信息个性化推荐以及科研资讯的可定制化自动采集。对科研资源共享平台所采用的关键技术及核心模块进行了系统、详细的阐述。提供了一套面向科研信息化的科研创新体系建设及科研资源共享的参考方案。     

基于云平台的大规模工业园区资源集约化控制方法

为了解决传统分布式控制部署环境繁琐,令现阶段资源控制变得更加复杂,容易产生服务延迟和稳定性低的问题。通过云平台研究了一种大规模工业园区资源集约化控制方法。以服务思想为核心建立大规模工业园区资源集约化控制框架,为用户提供统一的使用平台。设计云平台由云控制节点控制,按照需求对存储节点进行扩充。框架中的功能层为大规模工业园区资源集约化控制的重要部分,包括性能监测、资源调度、自适应控制与报警四个部分。虚拟机放置遍历全部可能的云平台状态,将状态变化代价最小云平台状态当成虚拟机控制策略。基于成本的最低消耗采取资源调度策略,组建动态任务划分模型。结合总体考虑节点量、输入数据类型、进行调度时所耗时间以及资源回收所需时间等影响因素做出深入分析。结果表明:所提方法控制下网络拥塞率符合要求;服务延时低、稳定性高。可见所提方法整体性能优。     

“智慧校园”环境下的高校财务信息化平台建设

“智慧校园”是我国高校信息化发展的必然趋势,构建基于“智慧校园”的财务信息化平台体系,助推实现“业财融合”的业务—财务一体化,已成为新时代对高校财务信息化建设的必然要求。具体构建应从财务内部信息系统整合互联、财务系统与校内外其他系统互联对接、财务云平台与“智慧校园”云平台的融合共享三大层面依次进行。最后,为了保障“智慧校园”财务信息化教育云平台的安全、健康和有序运行,高校应建立一套完善的运维管理体系。     

基于数字化校园的移动学习系统设计

随着web 2.0技术的深入应用,移动学习已成为现代研究的热点,它满足了学生随时随地展开个性化学习的需求.本文针对移动学习在高校教学应用中的关键问题提出解决方案,并以江西理工大学为例,结合学校信息化建设,融合数字化校园、教育云提出系统设计方案,拟融合数据挖掘技术,将微博过滤和资源推送服务于学习平台,为高校移动学习平台的系统设计提供参考.     

云计算技术与高校校园数字化建设

高校数字化建设负有高校的科研、服务、教育和管理等职能,直接影响高校的综合实力.重点、广泛地使用云计算技术,有利于高校在未来的数字化建设中取得优势.介绍了云计算机技术,分析了目前高校数字化建设的状况及存在的问题,从以下几方面讨论了云计算技术在高校数字化建设中的作用:综合资源,减少成本;提升数据中心整体水平;整合高校已有信息化资源、应用和服务.     

建设智能云数据服务平台让高校大数据“说话”:提升学校核心竞争力

高校信息化建设发展到以数据服务为核心的阶段,怎样挖掘出隐藏在大数据中的重要信息并利用这些信息更好地为师生提供服务是各个高校必须面对的问题,本文对此进行了分析并提出了一些思考.针对这些思考,提出了智能云数据服务平台的解决方案,阐述了平台的建设目标、建设原则与建设内容,探讨了平台使用的整体架构和安全体系,描述了建设过程中可能会遇到的问题并提出解决方案.最后对平台建设的预期效果进行了评估.     

高校信息化建设的“云”之路

近年来，随着信息网络技术的迅猛发展，高校的信息化建设成绩斐然，在高校的教学、科研、人事、财务、设备等领域发挥着举足轻重的作用，高校的信息化体系规模初现。     

基于云遗传算法的不确定性环境下平台资源调度适应性优化方法

针对战场环境中不确定因素对平台资源调度方案的影响,提出了一种面向不确定事件的平台资源调度适应性优化方法。考虑平台损耗和任务处理时间2个方面的不确定性,建立以最大任务执行效率为目标函数的平台资源调度的适应性优化问题的数学模型,根据不确定事件对平台资源能力或任务属性的影响来判断是否触发调度方案的适应性优化,并基于云遗传算法设计了平台资源调度适应性优化问题数学模型的求解方法,最后通过算例进行了验证。仿真结果表明,使用云遗传算法对平台资源调度方案进行适应性优化调整,能得到更加优化的平台任务匹配关系,并从整体上缩短使命完成时间。     

PaaS云资源调度技术研究

重点研究了平台即服务(PaaS)云资源调度方面的相关技术.首先对PaaS云平台的通用架构和关键技术加以说明,而后分析了PaaS云资源调度的特殊性,提出了将机器学习引入到PaaS云资源调度的方法,在对多种机器学习算法进行了分析和比较之后,进一步提出将决策树算法引入到PaaS云资源调度,并给出了具体的算法模型和运行流程.结论表明:将机器学习引入到PaaS云资源调度可以有效地解决传统PaaS资源调度算法遇到的扩张、收缩和保持时机的问题.     

高校数字校园应用支撑平台系统研究

数字校园应用支撑平台的建设是高校信息化、现代化的表现。文章从高校数字化校园建设的角度提出了数字校园应用系统和支撑平台建设意义与整体建设思路,并对统一数据集成平台、统一应用集成平台、统一服务提供平台、统一资源管理平台、统一业务处理平台以及统一系统管理平台等六个支撑平台设计进行了较为详细的阐述,为高校数字校园建设提供了整体技术参考。     

信息化环境下高校虚拟化云平台的构建

随着信息化建设的快速发展,互联网技术逐渐广泛应用于社会生活的各个领域,高校信息化建设更是发展迅速,云计算已经受到信息化行业的高度重视。针对高校数字化信息资源分配不均,以及硬件设备重复投入建设带来资源浪费的现状,本文分析了高校虚拟化云平台的具体需求,设计了整体框架,并总结了方案优势,对于高校信息化建设和发展有一定的借鉴意义。     

面向深度学习Kubernetes负载饱和调度算法设计与实现

构建深度学习云平台的基础技术Kubernetes在调度过程中使用负载均衡策略,易产生资源碎片,增加任务等待时间。Kubernetes没有考虑对GPU等外部拓展资源的评分,不能很好适应深度学习云平台的业务场景。针对以上问题提出一种负载饱和调度策略,对Kubernetes调度过程进行改进,减少资源碎片,提高资源利用率。该策略支持对用户指定的外部拓展资源进行评分,能更好适应深度学习云平台业务场景。实验结果表明,负载饱和调度策略能够减少23.40%的任务等待时间,并能将GPU利用率提升14.15%,GPU显存利用率提升6.85%。