-
公开(公告)号：CN109582222B
公开(公告)日：2020-11-24
申请号：CN201811281365.0
申请日：2018-10-31
Applicant: 华中科技大学
IPC: G06F3/06
Abstract: 本发明公开了一种主机感知的瓦记录磁盘中持久缓存的清理方法，包括：(1)监测瓦记录磁盘的使用情况，若检测到空闲窗口，且持久缓存的剩余空间低于预设的空闲阈值，则转入步骤(2)；(2)获得磁道区域的使用信息，并确定清理持久缓存时需要写入数据的目标磁道区域；(3)根据目标磁道区域的使用信息构造顺序写请求，并将顺序写请求写入目标磁道区域，以触发瓦记录磁盘清理持久缓存的操作。本发明能够利用系统的空闲时间主动清理持久缓存中的数据，从而有效提高主机感知的瓦记录磁盘的性能。
-
公开(公告)号：CN106095342B
公开(公告)日：2019-05-14
申请号：CN201610425055.6
申请日：2016-06-15
Applicant: 华中科技大学
IPC: G06F3/06
Abstract: 本发明公开了一种动态可变长条带的瓦记录磁盘阵列构建方法及系统，其方法包括如下步骤：将磁盘阵列空间划分成多个条带组，通过地址映射表和条带信息表对条带的元数据进行更新，通过写操作请求触发前台垃圾回收，或者在系统空闲时段启动后台垃圾回收，进行写缓存管理；通过将瓦记录磁盘阵列与动态可变长的数据条带相结合，消除瓦记录写覆盖造成的写放大问题；实现对动态条带的元数据进行维护，对逻辑地址和物理地址进行转换以管理条带信息，通过条带组链表管理缓存，保证最近被访问或访问频度高的数据存储在缓存中而将访问频率低的数据存储在磁盘中，具有提高缓存命中率的效果。
-
公开(公告)号：CN105955841A
公开(公告)日：2016-09-21
申请号：CN201610239962.1
申请日：2016-04-18
Applicant: 华中科技大学
CPC classification number: G06F11/1461 , G06F3/0617 , G06F3/0656 , G06F3/0689
Abstract: 本发明公开了一种RAID双控制器利用磁盘进行写缓存镜像的方法，在磁盘中为控制器分配保留区；将控制器的镜像写区的脏数据备份到保留区；当控制器收读请求时，在缓存读取数据；当控制器收到写入磁盘的通知时，若数据块在Cache中，则将数据块转为干净；若数据块在保留区中，则将数据块在保留区释放；当控制器Cache空间不足需要获取空间时，按照干净区、写区、镜像写区的顺序倒盘；当控制器收到将脏数据写回到磁盘的通知时，若数据在Cache中，则将数据转为干净；若数据在保留区中，则在保留区中将该块的空间释放；当控制器的镜像写区故障时，通过控制器的Cache以及保留区中的数据进行数据恢复；该方法可以减少控制器的Cache数据重复率，具有提高命中率的效果。
-
公开(公告)号：CN109359726A
公开(公告)日：2019-02-19
申请号：CN201811428718.5
申请日：2018-11-27
Applicant: 华中科技大学
Abstract: 本发明公开一种基于winograd算法的卷积神经网络优化方法，包括：(1)确定待优化的卷积神经网络，所述待优化的卷积神经网络包括至少一个卷积层，每个卷积层包括多个过滤器，每个过滤器有多个通道，每个通道对应一个卷积核；(2)在每个卷积层中，根据每个卷积核的绝对值之和进行排序，按比例选取绝对值之和小的卷积核进行裁剪，并更新每个卷积层的面具矩阵；(3)基于所述面具矩阵使用winograd算法确定每个过滤器对应的输出特征图。本发明基于winograd算法在转化卷积核时添加一个面具矩阵来识别已被裁剪的卷积核；使用预设矩阵W、X、M对裁剪的模型进行计算，以此避免局部非结构化带来的计算劣势。
-
公开(公告)号：CN105892947B
公开(公告)日：2019-01-22
申请号：CN201610196315.7
申请日：2016-03-31
Applicant: 华中科技大学
IPC: G06F3/06
Abstract: 本发明公开了一种节能存储系统的SSD与HDD混合缓存管理方法及系统，其方法包括：构建包括SSD缓存与HDD缓存的混合缓存，利用SSD缓存存放最热数据，用HDD缓存存放次热数据；创建基于状态与热度结合的全局访问表；根据全局访问表对用户请求进行分类处理；根据供电状况对主存储池的数据节点进行操作：在面向新能源的节能存储系统的主存储池之上引入由SSD缓存和HDD缓存组成的混合缓存；在供电不足时段，缓存层在处理存储系统的绝大部分请求，在保证数据可用性和存取性能的同时，减少对主存储池的访问次数；并优先淘汰缓存中处于开启状态磁盘的数据，尽可能在HDD缓存中保留关闭磁盘的数据，减少关闭磁盘的被动开启，起到减少磁盘被动开启、降低访问能耗的作用。
-
Patent Agency Ranking
公开(公告)号：CN105872040B
公开(公告)日：2018-11-30
申请号：CN201610188055.9
申请日：2016-03-30
Applicant: 华中科技大学
IPC: H04L29/08
CPC classification number: Y02D50/10
Abstract: 本发明公开了一种利用网关节点缓存优化分布式块存储写性能的方法,具体包括：缓存经过网关节点的数据，并采用计数表对各数据块的访问次数进行计数；对于用户请求，若为读请求，则在读请求命中缓存时从缓存读取数据，在读请求未命中缓存时从本地节点或者副本节点读取数据；并将该请求访问过的节点计数加一；若为写请求，则先写网关节点的缓存，然后在该写请求对应的其他副本节点上做日志备份，用于掉电恢复；在提高系统性能的同时还保证了数据的可靠性；由于写操作除了写缓存以外只需要根据设定在磁盘上备份日志，不需要根据请求地址在磁盘上进行寻址操作，节省了磁盘的寻址时间，使得分布式块存储系统的写性能得到了提升。
-
公开(公告)号：CN105894114A
公开(公告)日：2016-08-24
申请号：CN201610197318.2
申请日：2016-03-31
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于动态条件玻尔兹曼机的太阳能预测方法,包括如下步骤：获取条件玻尔兹曼机的参数；建立动态条件玻尔兹曼机的模型；对动态条件玻尔兹曼机进行训练，获取训练好的动态条件玻尔兹曼机模型的参数；采用训练好的动态条件玻尔兹曼机参数以及样本向量，经过吉布斯采样获取太阳能预测值；由于所采用的条件波尔兹曼机模型可以有效动态捕捉基于时间序列的数据的变化，因此采用该模型可以学习到太阳能数据的变化规律，具有提高实时预测准确率的效果，另一方面，采样数据挖掘的方法实时获取最相似样本作为输入样本，具有进一步提高实时预测准确度效果。
-
公开(公告)号：CN106527978A
公开(公告)日：2017-03-22
申请号：CN201610912391.3
申请日：2016-10-19
Applicant: 华中科技大学
IPC: G06F3/06
CPC classification number: G06F3/0614 , G06F3/0604 , G06F3/0607 , G06F3/061 , G06F3/0629 , G06F3/0658 , G06F3/0662 , G06F3/0689
Abstract: 本发明公开了一种基于环状虚拟双控的多控制器的实现方法，本方法将一个物理磁盘控制器映射成两个虚拟控制器，多个物理磁盘控制器映射的虚拟控制器构成虚拟控制器环，相邻且不属于同一个物理磁盘控制器的两个虚拟控制器形成一组虚拟双控，构成环状虚拟双控；存储卷通过多组虚拟双控映射访问，每组虚拟双控根据接收的请求的类型进行分类处理。每组虚拟双控中的两个虚拟控制器相互形成镜像；当增加或移出物理磁盘控制器，系统可以快速重构为一个新的虚拟控制器环，并对控制器的负载进行重新分布。本方法能提高系统读写性能，同时保证数据的可靠性和负载均衡；具有良好的可扩展性和故障处理能力。
-
公开(公告)号：CN106527978B
公开(公告)日：2019-07-09
申请号：CN201610912391.3
申请日：2016-10-19
Applicant: 华中科技大学
IPC: G06F3/06
Abstract: 本发明公开了一种基于环状虚拟双控的多控制器的实现方法，本方法将一个物理磁盘控制器映射成两个虚拟控制器，多个物理磁盘控制器映射的虚拟控制器构成虚拟控制器环，相邻且不属于同一个物理磁盘控制器的两个虚拟控制器形成一组虚拟双控，构成环状虚拟双控；存储卷通过多组虚拟双控映射访问，每组虚拟双控根据接收的请求的类型进行分类处理。每组虚拟双控中的两个虚拟控制器相互形成镜像；当增加或移出物理磁盘控制器，系统可以快速重构为一个新的虚拟控制器环，并对控制器的负载进行重新分布。本方法能提高系统读写性能，同时保证数据的可靠性和负载均衡；具有良好的可扩展性和故障处理能力。
-
公开(公告)号：CN109634820A
公开(公告)日：2019-04-16
申请号：CN201811296138.5
申请日：2018-11-01
Applicant: 华中科技大学
IPC: G06F11/34
Abstract: 本发明公开了一种云端移动端协同的故障预警方法、相关设备及系统，通过移动端监控用户数据信息，云端接收移动端发送的数据，对移动端发送的数据进行处理，得到故障预警模型并将故障预警模型下发给移动端，移动端获取故障预警模型进行故障预警。该方法利用云端的高计算能力和大的存储空间能够有效解决用户移动端资源有限，机器学习模型训练过程中对计算能力和存储空间的需求。同时云端能够提供大量的用户数据，解决了单纯使用用户移动端数据量不足的问题，使得预警模型得到充分的训练，并且针对每种类型的移动端都训练一个预警模型能够有效提高故障预警的精确度。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.028 seconds)
