-
公开(公告)号：CN111381886A
公开(公告)日：2020-07-07
申请号：CN202010136404.9
申请日：2020-03-02
Applicant: 西安交通大学
IPC: G06F9/38
Abstract: 本发明公开了一种针对模板计算的菱形分块并行优化方法，定义一个d维空间迭代域计算定义模板，根据模板计算的斜率与菱形分块的宽度和高度选择菱形分块形状以及模板计算运行的计算机系统的Cache大小，确定菱形分块大小，针对模板计算确定菱形分块策略；对得到的菱形分块进行并行调度策略，并在菱形分块的某一未进行菱形分块的维度上采取波阵面并行策略，针对模板计算采取所有菱形分块粗粒度并行策略及菱形分块内部细粒度波阵面并行的策略，完成并行优化。本方法可以使得优化后的模板计算程序相比于模板计算原始程序获得相更好的数据局部性以及更好的程序并行性，从而进一步缩短运行时间。
-
公开(公告)号：CN109783020B
公开(公告)日：2020-05-22
申请号：CN201811627396.7
申请日：2018-12-28
Applicant: 西安交通大学
IPC: G06F3/06
Abstract: 本发明公开了一种基于SSD‑SMR混合键值存储系统的垃圾回收方法，根据SSD或SMR中空闲空间比例采用两级阈值把垃圾回收操作划分为主动式垃圾回收操作和被动式垃圾回收操作；当SSD或SMR需要进行垃圾回收时，根据其权值或有效数据比例，选择相应回收块或回收带；根据对垃圾回收时数据的冷热判断和垃圾回收的模式，选择回收块或回收带内有效数据的迁移目标；当数据为热数据时，把有效数据迁移到SSD块中，当数据为冷数据时，迁移到SMR带中；当垃圾回收完成时，对回收块或回收带中的信息进行更新，同时更新键值映射表信息，完成垃圾回收。本发明提高系统效率减少了系统资源消耗，对系统性能全面优化提升，为构建经济高效的存储系统提高了一种新的方案。
-
公开(公告)号：CN110704221A
公开(公告)日：2020-01-17
申请号：CN201910824129.7
申请日：2019-09-02
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于数据增强的数据中心故障预测方法，将数据点归一化得到故障预测模型的输入输出数据对，确定与故障相关的输入向量x构成真实故障数据集Dfault_real；然后建立数据增强模型，对真实故障数据集Dfault_real进行数据增强，生成器产生样本，用生成样本和真实样本更新判别器，判别器如果能分辨生成样本和真实样本，则固定判别器，更新生成器重新产生样本，如不能够分辨生成样本和真实样本，则进行数据合并，生成数据增强后的数据集Dfull；最后使用数据集Dfull训练故障预测模型至模型损失无法下降，按数据集Dfull的数据格式要求将当前时间点的数据输入模型，输出就是预测视野后的时间点发生故障的概率,实现故障预测。本方法有效提高了故障预测的准确率。
-
公开(公告)号：CN110351336A
公开(公告)日：2019-10-18
申请号：CN201910497368.6
申请日：2019-06-10
Applicant: 西安交通大学
IPC: H04L29/08
Abstract: 本发明公开了一种基于docker容器的边缘服务迁移方法，通过docker容器对需要迁移的服务使用CRIU检查点技术生成检查点数据，对迁移检查点数据使用压缩去重算法，采用自适应压缩算法可以动态调整压缩比例来适应网络状况，充分利用网络带宽和使用OpenMPI充分使用多核处理器计算能力，压缩算法强度随着网络带宽变化而调整，从而让计算资源和网络资源得到充分利用；实现管道化并行处理以上任务进一步利用了宝贵的资源空闲时间，多个任务并行处理加快了任务的处理速度。为边缘设备的服务迁移赢得更加迅速的迁移速度，这些对用户而言是透明的。我们的迁移方法更快速，对网络环境适应性强，可以对用户的位置变动做到敏捷迁移。
-
公开(公告)号：CN110231976A
公开(公告)日：2019-09-13
申请号：CN201910420328.1
申请日：2019-05-20
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于负载预测的边缘计算平台容器部署方法及系统，包括多个计算节点和一个中心节点，计算节点上搭载一个原始负载监测系统，原始负载监测系统分别于节点负载预测系统连接，并通过节点负载预测系统上传至中心服务器，中心节点上搭载了节点负载预测系统和计算任务管理系统，节点负载预测系统上设置有对应各计算节点的LSTM模型，节点负载预测系统接收节点原始负载信息并将预测的结果发送至计算任务管理系统；计算任务管理系统负责容器的部署，计算任务管理系统根据接收的信息反馈节点号、任务时间给节点负载预测系统，并下发容器到可用的计算节点。本发明合理的部署容器至各计算节点，降低了计算任务的成本。
-
Patent Agency Ranking
公开(公告)号：CN109241633A
公开(公告)日：2019-01-18
申请号：CN201811063464.1
申请日：2018-09-12
Applicant: 西安交通大学
Abstract: 本发明公开了基于遗传算法的流体机械并行仿真程序进程映射方法，包括以下步骤：在流体机械并行仿真程序编译时链接进程通信插桩库，捕获程序运行过程中MPI通信的通信信息，得到记录有进程间传输消息大小和通信频次的日志文件；根据通信日志文件构建进程通信模式矩阵；对用户申请到的计算资源测试通信代价，建立计算单元通信距离矩阵；定义流体机械并行仿真程序的通信开销模型；使用混合并行遗传算法求解最优的进程映射策略；根据混合并行遗传算法中得到的最优进程映射策略，静态绑定MPI进程到指定计算节点，重新运行流体机械并行仿真程序。
-
公开(公告)号：CN108287877A
公开(公告)日：2018-07-17
申请号：CN201810002584.4
申请日：2018-01-02
Applicant: 西安交通大学
Abstract: 本发明公开了一种RIB渲染压缩文件FPGA压缩/解压缩系统及硬件解压方法，包括用户端，用户端用于将RIB渲染压缩文件传送到压缩模块，压缩模块为RIB渲染压缩文件通过广域网从用户端传输到服务端前的预处理模块，用于压缩从用户端流到服务端的RIB渲染压缩文件，RIB渲染压缩文件由压缩模块经过批量压缩后通过广域网向FPGA硬件解压模块传送，由FPGA硬件解压模块读取压缩数据，用于实现流传送的RIB渲染压缩文件的硬件解压，并将解压结果输出至服务端，服务端用于访问渲染单元完成后续渲染工作，提高了解压缩的速度，降低了解压缩过程中所需功耗。
-
公开(公告)号：CN103984736B
公开(公告)日：2017-04-12
申请号：CN201410216063.0
申请日：2014-05-21
Applicant: 西安交通大学 , 深圳信息职业技术学院
IPC: G06F17/30 , G06F12/123 , G06F12/126
Abstract: 一种高效的NAND闪存数据库系统的缓存管理方法，数据库缓冲区由三个链表管理，三个链表都是根据最近最少使用原则来组织存储数据对应的逻辑页号，三个链表分别为冷干净队列链表LCC、冷脏页队列链表LDC、混合队列链表LM，当CPU处理数据库系统上的数据I/O操作请求时，首先检查此数据是否在数据库缓冲区中，如果数据在缓冲区中命中，则将该数据在对应的队列链表上的节点调整到混合队列链表LM的头部MRU，设置它的有效冷热标识位为热标识；然后检查混合链表LM长度是否已经超过预定的阈值，启动相应操作；如果数据未在缓冲区命中，则检查缓冲区是否有空余位置，本发明能够获得较高的命中率，以及整体的存储系统性能，特别适用于对实时性要求较高的场景。
-
公开(公告)号：CN106445666A
公开(公告)日：2017-02-22
申请号：CN201610851036.X
申请日：2016-09-26
Applicant: 西安交通大学
Abstract: 本发明提供一种DOACROSS循环的并行优化方法，在保证数据依赖正确性基础上，通过加入了一个状态矩阵和一个就绪节点队列，将同步操作转变为对就绪节点队列的入队/出队操作。本发明实现了各线程对计算区域的动态任务分配，即，在保证波阵面推进的基础上，某一线程将不再固定于执行某一片计算区域，而是总是及时地执行已经满足可执行条件的那些分块，同时也实现了多维分块。本发明的理论执行时间要短于现有三种策略的理论执行时间，且接近最优执行时间。
-
公开(公告)号：CN103425756A
公开(公告)日：2013-12-04
申请号：CN201310330292.0
申请日：2013-07-31
Applicant: 西安交通大学
IPC: G06F17/30
Abstract: 一种HDFS中数据块的副本管理策略，包括副本的启动时机的选择方法，副本个数的选择方法，副本位置的选择方法，以及新增副本的放置方法，副本的启动时机的选择方法是先确定启动周期，把一天当做一个访问周期来进行副本策略的启动，然后确定启动时刻；副本个数的选择方法是采用泊松分布来计算副本的个数，然后基于排队论的副本个数计算方法计算；副本位置的选择方法采用的副本放置策略在机架和节点的选择上，需要考虑节点的利用情况；新增副本的放置方法，新增副本位置选择在用户访问最多的节点所在机架中，在该机架中选择负载最轻的节点进行副本的创建，本发明提出了HDFS先副本策略，可以减少用户在访问HDFS数据时候的等待时间，提高系统吞吐量。
-
-
-
-
-
-
-
-
-
Search Results
209
records
(took 0.036 seconds)
