一种基于复杂系统的多层数据分析方法

    公开(公告)号:CN107302447A

    公开(公告)日:2017-10-27

    申请号:CN201710354863.2

    申请日:2017-05-18

    Abstract: 本发明公开了基于复杂系统的多层数据分析方法,其使用Markov chain和Stochastic Reward Net来进行建模,将数据中心分为3层,为PDU、switch和server层,PDU采用集中式,也即整个数据中心只由单台PDU管理,Switch网络结构为简化的Fat Tree,分为Core Switch和Edge Switch层。Server分两类,逻辑上认为Server分别分布在主服务器集群池和备用服务器集群池。本发明中数据中心的可用性定义为主服务器集群池内可用server的台数。本发明通过对数据中心可用性的定量分析,为其确定合适的超配比,引入转移延迟,使得模型更加符合实际。

    设备内存管理单元的虚拟化方法

    公开(公告)号:CN107193759A

    公开(公告)日:2017-09-22

    申请号:CN201710255246.7

    申请日:2017-04-18

    CPC classification number: G06F12/1036

    Abstract: 本发明提供了一种设备内存管理单元的虚拟化方法,包括:复用客户机的内存管理单元作为第一层地址翻译:客户机设备页表将设备虚拟地址翻译成客户机物理地址;利用IOMMU构造第二层地址翻译:IOMMU通过IOMMU内对应设备的IO页表将客户机物理地址翻译成宿主机物理地址。本发明提出的设备内存管理单元的虚拟化方法,能够高效地虚拟化设备内存管理单元;成功地将IOMMU结合到调解直传中,利用系统IOMMU来做第二层地址翻译,淘汰了复杂低效的影子页表;不仅提高了设备内存管理单元在虚拟化下的性能,而且实现简单,对客户机完全透明,是一个通用的高效的解决方案。

    低延时时间触发网络系统及优化方法

    公开(公告)号:CN106341205A

    公开(公告)日:2017-01-18

    申请号:CN201610791483.0

    申请日:2016-08-31

    CPC classification number: H04L41/0823 H04J3/0652

    Abstract: 本发明提供了一种低延时时间触发网络系统及优化方法,包括:步骤1:由安装在多个单核处理器上的多个同步应用在下一个自身周期到达的时候向总线提出占用申请;步骤2:总线依据设定的优先级对每个同步应用的占用申请进行先后顺序判断,得到每个同步应用在相应节点处数据的发送时间;步骤3:记录每个节点在最小公倍数周期内数据每次从该结点转发到总线的时间。本发明提供的低延时时间触发网络优化方法显著降低了系统的端对端加权时延,与传统采用基于应用固有周期的调度相比,采用基于最小公倍数周期的调度方式,可以将系统端对端加权时延和缩小3.53%,从而提高采用时间触发协议的总线的工作效率。

    虚拟化云环境下GPU-CPU混合资源分配系统和方法

    公开(公告)号:CN106293947A

    公开(公告)日:2017-01-04

    申请号:CN201610681905.9

    申请日:2016-08-17

    Abstract: 本发明提供了一种虚拟化云环境下GPU-CPU混合资源分配系统和方法包括注入模块、分配器;注入模块负责设置钩子,并通过睡眠方式限制进程占用资源;分配器负责调用资源分配算法得到资源分配目标值,并将资源分配目标值发送给注入模块。本发明提供了FEA算法与资源分配框架,用以高效地进行多重异构混合资源的动态资源分配。通过这个资源分配的操作,提升资源分配的公平性,同时保证其效率。本发明能够显著提升多个CPU-GPU多重混合资源需求任务运行时资源分配的公平性与效率。任务在使用分配算法时的公平性,最高有45%的提升。本发明在提升公平性的同时,也通过FEA算法的约束条件,以保证任务运行的效率质量。

    基于一致性特征的非交互式差分隐私发布模型的优化方法

    公开(公告)号:CN105512247A

    公开(公告)日:2016-04-20

    申请号:CN201510862311.3

    申请日:2015-11-30

    CPC classification number: G06F17/30536 G06F2216/03

    Abstract: 本发明提出了一种基于一致性特征的非交互式差分隐私发布模型的优化方法,其先为数据集的每个属性建立体现匿名层次的抽象树结构,作为划分原始数据集的依据;所有抽象树的根节点集合组成初始化的划分区间,把原始数据集归入其中,然后自顶向下依次不重复地选取一个属性作为划分依据,按照这个属性的抽象树结构产生下一层区间集,并划分数据集,依次类推直到事先定义的算法迭代次数,最终生成一棵构造树,并在叶节点处加拉普拉斯噪音;接着利用节点间的一致性特性,运行噪音优化算法f,使得在满足差分隐私保护的前提下,用父节点做应答的方式替代子节点组合的计算模式,大幅度减轻发布数据集对于范围查询类应用的噪音叠加问题。本发明有效的地缓解了范围计数类查询中的噪音叠加问题,并且符合差分隐私保护的定义,减少了隐私保护的代价,有效提高了发布数据在后续应用中的可用性。

    基于CDN和数据中心动态选择的互联网内容分发方法

    公开(公告)号:CN103701619A

    公开(公告)日:2014-04-02

    申请号:CN201310501145.5

    申请日:2013-10-22

    Inventor: 姚建国 周海航

    Abstract: 本发明提供给的基于CDN和数据中心动态选择的互联网内容分发方法,包括步骤:入口服务器对用户动态数据请求,通过动态选择的互联网内容分发方法,执行选择过程,选择由哪一个内容分发网络CDN来接受用户服务请求、以及由哪一个数据中心提供数据。用户的请求被重定向到被选择的内容分发网络的一个副本服务器上,通过选择过程,选择一个分布式的数据中心,用来返回动态数据到被选择的内容分发网络上离用户最近的副本服务器上,被选择的副本服务器返回静态数据和动态数据给用户。本发明通过综合网络、CDN、数据中心的约束条件,求解混合整数线性规划,用以得到这三者间费用最优的数据流。动态数据处理的费用较传统方法平均降低10%以上。

    基于crossbar的神经拟态硬件模拟方法及系统

    公开(公告)号:CN119862920A

    公开(公告)日:2025-04-22

    申请号:CN202411840368.9

    申请日:2024-12-13

    Abstract: 本发明提供了一种基于crossbar的神经拟态硬件模拟方法及系统,所述神经拟态硬件,包括:模拟器;步骤S1:加载配置文件与网络文件,获取初始化参数;步骤S2:根据所述初始化参数,初始化模拟器的芯片模块与神经元集合模块;步骤S3:启动仿真,令所述神经元集合模块接收脉冲信号,并且根据所述脉冲信号执行运算,得到运算结果;步骤S4:根据所述运算结果的脉冲计数,判断仿真是否结束,结果为是,则执行步骤S5;结果为否,则不处理;步骤S5:令所述芯片模块,整合所有所述运算结果,生成报告文件。本发明解决了当前模拟器在精度、性能和灵活性方面的局限性的问题,提供了更稳定和高效的仿真支持。

    基于指纹的块粒度数据去重系统和方法

    公开(公告)号:CN114415955B

    公开(公告)日:2024-04-09

    申请号:CN202210009039.4

    申请日:2022-01-05

    Abstract: 本发明提供了一种基于指纹的块粒度数据去重系统和方法,包括:对原始输入数据进行初步分块;对分块得到的块、块的头部与尾部,分别计算块的指纹、头部指纹和尾部指纹,并保存在对应数据结构中;在读取并输入物理块地址时,向下层存储系统请求数据,并在读取到数据后返回数据;在写入并输入数据时,向下层存储系统输出数据,并在写入完成后返回由存储系统分配的物理块地址;创建delta数据,并根据delta数据恢复原始数据;对系统中的去重表、头去重表、尾去重表和delta表进行条目的增删改查操作。本发明重点关注内容相似的数据去重效果,并通过在I/O模块和索引模块的设计策略保持较高的I/O吞吐量和较低的系统资源开销。

    基于DPU的高性能网络加速方法及系统

    公开(公告)号:CN116132287A

    公开(公告)日:2023-05-16

    申请号:CN202211707782.3

    申请日:2022-12-28

    Abstract: 本发明提供了一种基于DPU的高性能网络加速方法及系统,包括:将DPDK软件栈部署在DPU上,并读取远端存储节点发送的数据包进行网络数据解析,通过DMA接口将处理后的数据发送至主机的用户态应用程序;所述DPDK接收用户态应用程序发送的数据包,并将接收到的数据包进行封装,将封装后的数据包发送至相应IP的存储节点。

    基于指纹的块粒度数据去重系统和方法

    公开(公告)号:CN114415955A

    公开(公告)日:2022-04-29

    申请号:CN202210009039.4

    申请日:2022-01-05

    Abstract: 本发明提供了一种基于指纹的块粒度数据去重系统和方法,包括:对原始输入数据进行初步分块;对分块得到的块、块的头部与尾部,分别计算块的指纹、头部指纹和尾部指纹,并保存在对应数据结构中;在读取并输入物理块地址时,向下层存储系统请求数据,并在读取到数据后返回数据;在写入并输入数据时,向下层存储系统输出数据,并在写入完成后返回由存储系统分配的物理块地址;创建delta数据,并根据delta数据恢复原始数据;对系统中的去重表、头去重表、尾去重表和delta表进行条目的增删改查操作。本发明重点关注内容相似的数据去重效果,并通过在I/O模块和索引模块的设计策略保持较高的I/O吞吐量和较低的系统资源开销。

Patent Agency Ranking