On Peer-Assisted Data Dissemination in Data Center Networks: Analysis and Implementation简

Data Center Networks （DCNs） are the fundamental infrastructure for cloud computing. Driven by the massive parallel computing tasks in cloud computing, one-to-many data dissemination becomes one of the most important traffic patterns in DCNs. Many architectures and protocols are proposed to meet this demand. However, these proposals either require complicated configurations on switches and servers, or cannot deliver an optimal performance. In this paper, we propose the peer-assisted data dissemination for DCNs. This approach utilizes the rich physical connections with high bandwidths and mutli-path connections, to facilitate efficient one-to-many data dissemination. We prove that an optimal P2P data dissemination schedule exists for FatTree, a specially- designed DCN architecture. We then present a theoretical analysis of this algorithm in the general multi-rooted tree topology, a widely-used DCN architecture. Additionally, we explore the performance of an intuitive line structure for data dissemination. Our analysis and experimental results prove that this simple structure is able to produce a comparable performance to the optimal algorithm. Since DCN applications heavily rely on virtualization to achieve optimal resource sharing, we present a general implementation method for the proposed algorithms, which aims to mitigate the impact of the potentially-high churn rate of the virtual machines.     

基于WEB的网络管理系统中数据库的设计与实现

为了增强网络管理系统中信息的安全性，通过对网络数据库结构的分析，对数据库的操作进行封装，对访问频繁的资源信息经常进行复制，用异机备份来定期进行数据的备份和恢复，并采用多级安全措施来保证网络数据库的安全，具体实现了基于Web的园区网络管理系统中数据库的设计，提高了数据库的安全性，形成了一种实现－复制－备份－安全的管理模式。     

Internet网络的公平性问题研究

目前，Internet采用了TCP端到端的拥塞控制机制，RTT不同的连接其窗口增长速度是不同的；同时，随着网络应用的多样化，一些数据流没有执行端到端的拥塞控制，以上两个原因都容易导致网络资源的不公平分配．目前，公平性问题成为衡量网络服务质量(QOS)好坏的重要因素．文章重点探讨了Internet网络通信中存在的资源分配的公平性，分析了导致公平性问题产生的原因及其解决方案，并指出了进一步的研究方向．     

基于社会网络方法的企业智力资源管理

知识时代,知识与智力资源逐渐成为企业的核心竞争力。本文尝试企业智力资源的内部知识共享和企业家如何将企业外部的社会资本转化为企业的无形资产两个方面,用社会网络分析方法为工具进行企业智力资源管理的相关研究。     

基于GPC的主动队列管理算法稳定性分析

根据主动队列管理算法中TCP拥塞窗口的流体流模型,给出了离散模型和广义预测控制(GPC)算法的表达式;得出了路由器输出队列长度与参考队列长度的闭环传递函数;证明了GPC控制器在满足特定控制参数的条件下,无论网络参数如何变化,闭环系统都是稳定的;并通过仿真验证了其正确性.     

科技奖励申报中附件处理方法

随着计算机网络的飞速发展和电子政务应用的不断深入,安徽省科技奖励申报工作已经从人工报送改为网上申报.如何将申报中大量的证件、证明等材料复印件的内容放到网络上,方便评审专家审查浏览,是一个迫切需要解决的问题.笔者采用一种新的无组件上传方法:利用ASP内置对象REQUEST的功能编写了一个能实现任意类型文件上传的ASP方法.     

一种基于粒子群算法和Hopfield网络求解TSP问题的方法

针对Hopfield网络求解TSP问题经常出现局部最优解,将粒子群算法(PSO)与Hopfield神经网络结合,提出一种基于粒子群的Hopfield神经网络方法. 实验证实这种方法能够以更大概率收敛到全局最优.     

WSN中传感器节点的弹性神经网络任务分配方法

为解决WSN多目标跟踪节点任务分配的竞争冲突问题,提出一种融合了模糊聚类的多弹性子模自组织神经网络节点任务分配方法.通过模糊聚类估计目标数量,建立节点任务分配跟踪精度和能量消耗的综合性能指标,采用非全连接的环形弹性结构自组织神经网络优化监测联盟,用最近邻法对神经元弹性子模进行初始化,根据胜者为王原则动态调整子模的感受域,以快速锁定最优监测联盟,实现多目标的精确跟踪.实验结果表明:文中方法能有效解决多目标跟踪节点任务分配的竞争冲突问题,以及竞争冲突时的系统能耗增加与实时性问题;在随机均匀部署节点拓扑和目标直线运动模式下,文中方法的能耗较最近邻法降低了48.2%~55.9%,较未改进弹性神经网络法降低了37.4%~42.5%,且运算速度提高了19.0%~27.4%.     

浅议网络环境下的西文编目和西文编目人员

介绍了图书馆西文编目工作的发展,解释了网络环境下的西文编目方式和西文编目规范,分析了网络环境下西文编目人员应具有的素质。     

英语自主学习网络建设和学习策略研究

自主学习是以人本主义,构建主义理论为基础,自二十世纪80年代初,国内外学者对其进行了多角度研究,研究成果不断问世。自主学习是当前教育学家提倡的学习方式,普遍认为这种方式的学习,能够充分体现学生的主体地位,发挥学生学习的主动性,使得学习针对性更强,学习效率和学习效果更高。随着网络技术的飞速发展,英语教育信息资源不断丰富。如何有效地将网络英语教学资源与自主学习相结合,构建网络环境下英语自主学习模式,成为当代高校英语教学所关注的焦点。本文通过对英语自主学习网络建设和学习策略的研究,旨在进一步培养和提高学生自主学习的认知能力和创造能力。