-
公开(公告)号：CN109584967B
公开(公告)日：2023-05-02
申请号：CN201811404117.0
申请日：2018-11-23
Applicant: 复旦大学
Abstract: 本发明属于并行处理技术领域，具体为一种蛋白质鉴定并行加速方法。本发明首先采用细粒度切分蛋白质库，通过设置低竞争缓冲区实现细粒度batch分配机制，然后通过数据结构的优化和内存分配器的优化实现对动态内存的优化，利用主线程和工作线程完成对蛋白质库的理论水解、匹配、打分和保存分数；最后通过调整计分流程，完成并行计分。本发明相较于传统蛋白质鉴定软件X！Tandem串行性能有20.5倍的性能提升。
-
-
公开(公告)号：CN111966446B
公开(公告)日：2022-08-19
申请号：CN202010641480.5
申请日：2020-07-06
Applicant: 复旦大学
Abstract: 本发明属于虚拟化技术领域，具体为一种容器环境下RDMA虚拟化方法。本发明将RDMA管理和使用工作流分离，并放在不同的层次处理，实现软硬件协同的RDMA虚拟化；其中，RDMA管理分为三个部分：设备管理、连接管理和安全管理，通过软硬件辅助虚拟化结合，管理和映射设备上下文和设备资源参数，通过RDMA虚拟组获得隔离，并且提供安全拓展；使用部分由用户层负责，用户层通过RDMA虚拟层提供的设备上下文完成RDMA使用过程。本发明采用软硬件协同方法，提供设备、连接和安全三个维度的管理能力，具有接近硬件RDMA性能的吞吐量性能、低CPU损耗和较好地压力负载可伸缩性，且具有较好的编排能力，并可集成到多个容器环境。
-
公开(公告)号：CN113885883A
公开(公告)日：2022-01-04
申请号：CN202010625228.5
申请日：2020-07-01
Applicant: 复旦大学 , 上海新氦类脑智能科技有限公司
Abstract: 本发明提供一种一种面向虚拟化的基于规则学习的二进制翻译方法。本发明属于系统虚拟化领域，具体通过对翻译学习模型完成基于待翻译代码和目标代码的预先翻译训练，进一步地，可以用于自动获取翻译规则、加速动态二进制翻译系统速度。本发明提出一种面向虚拟化的基于规则学习的二进制翻译方法。通过自动学习过程为翻译规则添加约束条件的，并在动态翻译过程中通过轻量级的验证保证有约束条件的翻译方法正确使用。本发明相较于传统的动态二进制翻译工具减轻了开发人员的工作负担，并有效的提高了性能。同时相较于原始的基于学习的动态二进制翻译方法提高了学习的效率和实际翻译的性能。
-
公开(公告)号：CN112953894A
公开(公告)日：2021-06-11
申请号：CN202110103777.0
申请日：2021-01-26
Applicant: 复旦大学
Abstract: 本发明属于计算机网络技术领域，具体为一种多路请求复制分发系统和方法。本发明系统包括分发模块、服务实例、总控模块；分发模块可以判断不同类型的请求，进行不同的设置和复制分发；服务实例除了处理请求，还向总控返回处理日志，向分发组件返回状态码；总控组件收集和比对判断服务实例的日志，如果判断被攻击的实例，则删除并重新部署新的实例。本发明还将请求分为有状态和无状态两种，通过键值数据表缓存处理有状态链接，使复制分发策略具有更灵活和更广泛的使用场景。本发明可大大增强现有服务实例安全性、稳定性。
-
Patent Agency Ranking
公开(公告)号：CN111159117A
公开(公告)日：2020-05-15
申请号：CN201911303119.5
申请日：2019-12-17
Applicant: 复旦大学
Abstract: 本发明涉及一种低开销的文件操作日志采集方法，包括以下步骤：1)采用内核探针采集内核中的文件操作日志信息；2)在内核空间设置一块用以写入内核探针采集到的信息的共享内存，用户空间从共享内存中读取内核探针采集到的信息；3)通过去重算法减少日志数量，降低日志采集开销。与现有技术相比，本发明选用开销较小的内核探针技术进行文件操作信息采集，并且采用共享内存的方式把内核里的信息传递到用户层，然后通过在线去重算法来减小日志量，降低系统开销。
-
公开(公告)号：CN109584967A
公开(公告)日：2019-04-05
申请号：CN201811404117.0
申请日：2018-11-23
Applicant: 复旦大学
Abstract: 本发明属于并行处理技术领域，具体为一种蛋白质鉴定并行加速算法。本发明首先采用细粒度切分蛋白质库，通过设置低竞争缓冲区实现细粒度batch分配机制，然后通过数据结构的优化和内存分配器的优化实现对动态内存的优化，利用主线程和工作线程完成对蛋白质库的理论水解、匹配、打分和保存分数；最后通过调整计分流程，完成并行计分。本发明相较于传统蛋白质鉴定软件X！Tandem串行性能有20.5倍的性能提升。
-
公开(公告)号：CN105094949B
公开(公告)日：2018-04-17
申请号：CN201510476754.9
申请日：2015-08-06
Applicant: 复旦大学
Abstract: 本发明属于处理器软件模拟技术领域，具体为一种基于指令计算模型与反馈补偿的模拟方法与系统。本发明模拟过程围绕指令序列进行，采用逐条计算指令时序信息的模拟方式，模拟器通过计算方式获得流经功能部件的指令的发射周期和完成周期；使用多线程并行加速计算过程，处理器对于共享资源的访问以投机执行的方式进行；在投机执行过程中，各个私有资源模块将访问信息发送给共享资源模块，由时序矫正算法进行执行时序计算。如果投机执行时序与实际共享资源计算时序不一致，则计算累计误差，并在程序模拟结束后将累积误差反馈补偿给产生该误差的处理器核。本发明可用于硬件生产的架构模拟及应用程序与系统测评，能快速准确得出各应用程序在目标体系结构下的模拟结果，便于对应用及系统进行快速准确的评估。
-
公开(公告)号：CN106775597A
公开(公告)日：2017-05-31
申请号：CN201611108730.9
申请日：2016-12-06
Applicant: 复旦大学
Abstract: 本发明属于计算机技术领域，具体为一种松耦合结构的并行多核全系统模拟器。本发明主要由功能模拟模块、时序模拟模块、通用接口模块以及差异检测和调节模块构成。本发明在功能模拟和时序模拟模块之间采用松耦合的结构，减少两者之间的交互，增加了系统并行执行的力度，提高了模拟的性能，还使得模拟器容易根据需求扩展，即具有优秀的可扩展性和较高的模拟性能；本发明还通过设计错误路径模块、共享内存访问检测和修正模块、异常和中断处理模块和共享页表访问的检测和修正模块，从而保证模拟器模拟结果的精确性。本发明可用来分析和评估多核处理器的运行行为和时序信息。
-
公开(公告)号：CN105573834A
公开(公告)日：2016-05-11
申请号：CN201510938217.1
申请日：2015-12-16
Applicant: 复旦大学
IPC: G06F9/48
CPC classification number: G06F9/4881
Abstract: 本发明属于并行处理器技术领域，具体为一种基于异构平台的面向高维词汇树构建方法。本发明利用异构处理平台（通用处理器和图形处理器（GPGPU）混合架构）上图形处理器强大的并行计算能力与可编程性，提升高维词汇树构建过程的速度。本发明利用图形处理器高并发性的特点加速高维词汇树算法的核心过程，利用高维词汇树算法特性和图形处理器的内存访问模式优化算法的访存过程，并设计了主机和图形处理器在高维词汇树算法运行过程中的协调策略。本发明方法可以有效提升面向高维数据的词汇树的构建速度。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.026 seconds)
