系统与应用相结合 加强科学计算研究

科学计算是计算机学科和应用学科交叉融合的产物。文章阐述了科学计算的内涵和作用,论述了其科学基础和关键技术,及其对高性能计算机技术的挑战,提出了从科学计算应用基础研究和艾级计算机关键技术研究着手,加强科学计算交叉研究和复合型人才培养的思考。

软件运行时配置研究综述

运行时配置为用户使用软件提供了灵活性和可定制性,但其巨大的规模和复杂的机制也带来了巨大的挑战.大量学者和研究机构针对软件运行时配置展开了研究,以提升软件系统在复杂外部环境中的可用性和适应性.建立运行时配置研究分析框架,从配置分析与理解、配置缺陷检测与故障诊断、配置应用3个阶段对现有研究工作进行归类和分析,总结归纳现有研究的不足和面临的挑战,并对未来的研究趋势进行展望,对下一步研究具有一定的指导意义.

大规模软件系统日志研究综述

规范和充分的日志是良好代码质量的必要因素,也是软件故障诊断的重要手段.然而,代码的质量管理受限于大规模软件代码的高复杂程度,目前,利用日志信息进行软件故障重现和诊断的难度大、效率低.从日志特征分析、基于日志的故障诊断、日志的增强这3个方面综述了日志研究的现状.通过对几种常用的大规模开源软件的日志进行调研,发现了一些日志相关的特征和规律以及现有工具难以解决的问题.最后,对未来的研究工作进行了展望,并分析了可能面对的挑战.

面向大数据应用挑战的超级计算机设计

在大数据时代,大数据处理给面向高性能计算设计的超级计算机带来计算、存储、通信、编程等软硬件体系结构方面的挑战.对此在分析目前主流学术界和工业界相关研究成果的基础上,介绍了天河二号超级计算机系统针对大数据处理应用所采用的新型异构多态体系结构、自主定制高速互连网络、混合层次式存储系统、混合计算框架等多种优化措施,为大数据时代的超级计算机设计提供有意义的参考.

PVM用于Client/Server方式的网络编程

PVM是一个针对网络并行计算而发展起来的软件包,主要用于科学计算领域。但实际上,借助于PVM内部的共享信息库机制,可以很方便地进行网络Olient/Server模式的编程。本文在讨论了Socket网络编程界面的复杂性以后,详细探讨了如何用PVM来进行Client/Server模式的网络编程方法。

网络并行计算中的负载平衡

本文详细讨论了网络并行计算中的负载平衡、尤其是动态负载平衡问题，并提出了相应的解决办法。最后，我们给出了如何在Ｅｘｐｒｅｓｓ环境中进行负载平衡程序设计的方法。

多处理机系统中的宏任务并行

多处理机系统是巨型机的发展方向。宏任务是在多处理机系统上用来加快程序执行的一条主要途径。文中介绍了宏任务并行,描述了宏任务的实现,讨论了编译器和操作系统的支持。最后解释了宏任务的一个程序。

超级计算机:现代传播与未来传播的引擎动力

在科技与社会经济飞速发展的今天,超级计算机已是显示国家军事和科技实力的重要标志,是支撑国家尖端科研项目的重要装备,在国际竞争格局中扮演了越来越重要的角色,深刻影响着国家的经济、交通、传播、国民生活等方方面面,是现代传播与未来传播的引擎动力。文章全面分析了超级计算机对我国军事、科技、经济、文化和传播等方面发展的重要性,研判了超级计算机在国际竞争格局中的关键地位,解析了超级计算机与人工智能、物联网的发展与推广的密切关系,同时也探讨了超级计算机与现代传播、未来传播的潜在关联。

并行程序设计工具PTOOL

PTOOL使用相关理论来分析循环是否可以执行。当一个循环不能并行执行时,PTOOL也给出解释,指出是那些相关使得循环不能平行执行。程序员可以通过PTOOL提供的信息,修改他的程序,消除这些相关,使得循环可以执行。

软件安全漏洞检测技术

软件安全漏洞检测技术是提高软件质量和安全性、减少软件安全漏洞的重要方法和基本手段,受到学术界和工业界的广泛关注和高度重视.其主要途径包括软件测试、程序分析、模型检验与符号执行等.近年来,综合利用多种研究方法和技术手段来检测软件安全漏洞已成为软件安全领域的研究热点.文中首先回顾了程序分析与软件安全漏洞检测的基本概念、核心问题和传统手段.然后重点介绍该领域的最新进展,主要包括轻量级动态符号执行、自动化白盒模糊测试以及其实现技术和相应的工具.最后,指出了其所面临的挑战和发展趋势.

基于网络编码的无线传感网多路径传输方法

可靠性在无线传感器网络中是非常重要的.传感器网络主要通过增加传输冗余来提高数据传输的可靠性,如多路径或重传.然而,这些方法会造成能效降低,缩短网络生命周期.因此,提出了一种能量有效的方法,将一种新型的网络编码与多路径结合在一起,通过将同组数据编码产生的相互独立的多份数据沿多条路径进行传输,有效地降低了对单份数据的依赖,减少了链路失效带来的影响.在保证数据传输可靠性的同时,显著地减少了通信量,而代价仅仅是少量的元数据传输和小规模的线性运算.此外,还就其中的关键问题——每组数据所需的最小路径数问题提出了一种低开销的近似方法.详细的模拟实验验证了该方法的有效性.

Seadown:一种异构MapReduce集群中面向SLA的能耗管理方法

数据中心的能耗管理已经成为大规模数据处理中的热点问题,其主要目标是控制相关成本的急剧增长.大量的工作围绕着在集群利用率较低时,关闭部分服务器来降低能耗,但是这些方法都严重受限于数据存储策略,同时难以保证应用的实时性能.MapReduce集群作为目前流行的大规模数据处理平台,能耗问题尤为突出.文中针对异构MapReduce集群,提出一种面向SLA的能耗管理方法Seadown.首先,提出一种混合数据副本存储策略,它允许关闭大量节点,同时保证数据的完整性和集群的容错能力.其次,设计了一种基于历史记录的响应时间预测方法,它根据服务器节点的数量、性能参数和运行时间的历史信息准确估计程序的响应时间,相对误差大都在6%以下.最后,通过选择性地关闭部分节点以达到最小化能耗,同时保证应用程序的实时性能.文中证明了该优化问题是NP-hard问题,并提出了一种启发式的节点关闭策略.实验结果表明,在节点关闭策略下MapReduce应用的实时性得以保证,同时降低了大量的能耗.

基于多种资源的负载平衡算法的研究

系统资源的有效利用是集群系统的关键问题 ,负载平衡是实现资源有效利用的重要手段 .本文 ,提出了两种基于资源使用率和向量负载指数的、采用进程迁移机制的负载平衡算法 ,并通过踪迹驱动的方法进行了大量的模拟和分析 .

有向传感器网络最大覆盖调度算法

与传统的全向传感器不同,有向传感器可以切换到不同的方向,并且每个方向覆盖有限角度的感应范围.针对有向传感器网络的区域覆盖问题,研究了"最大有向区域覆盖"MDAC(maximum directional area coverage)问题,期望通过调度传感器的工作方向,最大化覆盖区域面积.首先给出了MDAC的问题定义,使用整数线性规划描述MDAC问题,并且证明其是NP完全的.然后提出一种分布式贪心算法DGreedy(distributed greedy algorithm)解决MDAC问题.在此基础上,通过计算可能的覆盖贡献比例来反映网络拓扑信息.还提出了一种增强的算法PGreedy(distributed probability-enhanced greedy algorithm)使覆盖区域更大.证明了所提算法的收敛性,并通过详细的模拟实验验证了其有效性.

无线传感器网络中一种实时高效的数据存储和查询方法

集中研究了非结构化的数据存储和查询。为了在保证查询成功率的同时最小化总的能耗,分别在存储受限和不受限两种情况下,建立了MESQ(minimizing energy on success fulquery)优化问题模型,给出并证明了最优的复本和查询个数。在此基础上,还设计了一个实用的分布式数据分发算法:BubbleGeocast,其主要包含精确自适应快速分发和基于拒绝的均匀分发两个部分,其中前者用自适应分支的方法加速数据扩散,并精确控制总的复本个数;后者根据每个节点Voronoi单元面积,决定是否接受或拒绝这个报文。从而保证了复本和查询分发的精确性、实时性、均匀性、顽健性。最后,详细的理论分析和模拟实验进一步验证了其性能。分析和实验表明,同已有工作相比,在相同查询成功率时,BubbleGeocast能量有效性平均提高了约30%,复本分发的延迟平均缩短了约30%,成功查询的延迟平均缩短了约50%。

我国人工智能核心软硬件发展战略研究

人工智能(AI)是推动全球数字化发展的重要赋能技术,正在引领新一轮科技革命和产业变革;加快培育和推进我国AI核心软硬件技术及产业发展,对推动我国实现跨越式发展、产业优化升级、生产力整体跃升具有重要战略意义。本文围绕当前AI核心软硬件在技术、产业和政策等方面的发展情况,梳理了国内外的发展现状,分析了我国发展面临的问题,指出了我国AI核心软硬件技术及产业的发展思路,提出了面向2025年和2035年的AI核心软硬件发展战略目标,从AI核心硬件、AI核心软件、AI相关基础技术3个方面凝练了今后发展的重点任务。研究建议,将AI核心软硬件技术纳入国家科技创新顶层规划,加大科研投入;加强AI开源平台建设,开展示范应用;开展AI关键共性技术研发,实现协同创新;实施AI产业基础再造,牵引产业链升级;完善AI创新人才培养体系,以期推动我国AI核心软硬件持续发展。

传感器网络中一种拥塞避免、检测与缓解策略

拥塞控制是无线传感器网络中的一个关键性问题,它不但影响传输可靠性,而且会浪费宝贵的能量资源.提出了一个全新的拥塞避免、检测与缓解策略,该策略主要包含两部分:拥塞避免(COTA)和拥塞检测及缓解(CODEM).COTA从全网出发,基于路径的启发式信息分配流量,避免给潜在的热点区域分配过多负载.CODEM使用精确的拥塞度量来检测拥塞,并采取适当的措施来缓解拥塞,同时保证数据传输的可靠性.此外,还利用现有radio的多频特性有效地为控制报文进行拥塞隔离.详细的实验表明了COTA+CODEM的优势.

FlatLFS:一种面向海量小文件处理优化的轻量级文件系统

海量小文件的高效存储和访问是当前分布式文件系统面临的主要挑战之一。以GFS和HDFS为代表的分布式文件系统大多面向海量大文件的高效存储和访问设计,缺乏小文件处理的针对性优化,导致访问海量小文件时效率低下。针对分布式文件系统中海量小文件访问时的数据服务器优化问题,提出了一种采用扁平式数据存储方法的轻量级文件系统FlatLFS,取代传统文件系统对上层分布式文件系统提供数据存储和访问支持,提高了数据服务器处理小数据块时的I/O性能,从而提升了整个分布式文件系统的性能。实验表明,当数据块大小设定为1M时,FlatLFS的随机读性能分别比ext3、ext4、reiserfs高135%、112%和122%。

无线传感器网络中一种实用的公平性控制模型

公平性问题是拥塞控制中的重要级问题,目的是确保所有数据源共享同等的端到端网络带宽.为了适应传感器网络的特点,扩展了传统公平性的定义,提出了一种基于信息量的公平性定义,并基于该定义提出了一套公平性控制模型CFRC.与现有工作不同,CFRC不需要预先确定数据源,对路由结构没有限制,节点上也不需要维护任何数据流信息和全局状态信息,而是动态地实现公平性控制.CFRC使用一种基于感知面积的信息量计算算法,每个节点只需简单的本地计算而无需复杂的计算开销.在带宽分配上,提出了一种干扰源感知的带宽分配方法,以拥塞节点为中心找到所有干扰源,根据干扰源的信息量来分配信道带宽,充分实现公平性目标.模拟结果表明,CFRC能根据各数据源产生报文的信息量进行公平性控制,降低丢弃报文数目.

面向高性能计算机的海量数据处理平台实现与评测

高性能计算机主要应用于传统的科学计算领域,而在云计算时代,数据密集型应用成为一大类新型应用,已经变得越来越重要.主要探索如何在高性能计算机上高效地进行海量数据处理,使高性能计算机在进行科学计算的同时,能够非常好地支持数据密集型应用,拓展高性能计算机的应用领域.分析了高性能计算机上MapReduce模型实现和部署的可行性之后,在高性能计算环境中进行了实验.实验结果表明,存储系统的并行I/O能力不能充分发挥,是造成系统无法高效运行的主要瓶颈.而导致这个性能瓶颈的原因,是高并发带来的对集群文件系统资源的竞争和冲突.最后,提出了几种解决集群文件系统资源冲突的方案,这是今后的研究方向.