基于时间感知主导资源公平的边缘函数计算负载调度算法

针对边缘函数计算服务FaaS中不同负载之间资源抢占导致的资源分配不公平、利用率不高的问题,提出一种时间感知的主导资源公平调度算法。首先,分析了现有主导资源公平调度算法在应用到边缘函数计算服务时的不足;其次,提出加入函数实例运行时间权重,并通过时间感知队列和主导资源公平队列协同实现对函数运行所需要的资源进行公平分配和集群资源充分利用;最后,基于主流开源函数计算服务平台的调度器对算法进行了实现。采用公开负载运行数据集的测试结果表明,该算法最多提升了18.1%的CPU利用率和21.8%的内存利用率,并且执行时间最多降低了26.1%,能够有效提升边缘函数计算服务的资源分配公平性,且提高了资源利用率。

基于ELK的日志系统性能优化

在IT的运维与安全工作中,健全日志是帮助技术人员快速定位问题、分析故障原因以及优化系统的一个重要手段。在业务量大和并发量高的项目中,单节点的ELK会带来数据丢失、查询慢等问题。文章提出使用Elasticsearch集群和多节点logstash的解决方案,实现中大型系统的日志性能优化。

海洋环流模式的并行I/O优化研究

极端气象日益加剧,严重影响人类的生产生活。如何有效应对未来极端环境变化,更关乎国际竞争。因此,发展高精度高分辨率的地球系统模式推动气候变化研究至关重要。随着模式精度和分辨率的不断提高,I/O性能已成为制约模式计算效率和可扩展性的瓶颈。选取典型的海洋环流模式LICOM3作为研究对象,基于天河HPC系统,详细测试和分析了模式的I/O逻辑过程,发现在3K进程规模下I/O可占整体运行时间一半以上,是限制模式计算性能的关键因素。为此,设计并实现了主要输出过程的MPI-IO并行优化方案,显著提升了模式运行效率,基本解决了模式I/O瓶颈。测试结果表明,MPI-IO并行优化方案将输出时间占比从48.58%降到2.44%,将输出带宽提升到6.21 GB/s,约是原程序的14倍。此外,进一步分析了影响并行I/O性能的因素,以期为相关工作提供参考和指导。

一种不规则稀疏矩阵的SpMV方法

稀疏矩阵-向量乘法SpMV是高性能计算领域的关键算子之一,在新兴的深度学习领域中有着重要应用。现有SpMV算子通常采用行列相等的稀疏矩阵,而对于不规则形状稀疏矩阵(行数与列数不等)的研究仍存在空缺,值得进一步深入探讨。相比于行列相等的稀疏矩阵,不规则形状稀疏矩阵凭借其行数与列数不对等的稀疏特点具有进一步优化的空间。因此,针对这种行数与列数不对等的不规则形状稀疏矩阵建立SpMV性能模型,分析得到其出现性能瓶颈的原因在于缓存和内存之间数据交互的带宽不足。同时做了以下2个方面的优化工作:(1)基于常用稀疏矩阵CSR存储格式,提出新型RCSR存储格式,其针对CSR存储格式中一个制约性能的数组进行了变换和压缩,使得SpMV更加高效;(2)结合国产处理器的SIMD指令扩展设计了基于RCSR格式的SpMV优化算法。在国产飞腾处理器上分别使用规则和不规则稀疏矩阵进行测试,在规则稀疏矩阵的情况下,通过采用RCSR存储格式和SIMD加速指令集,以GFLOPS为性能指标,实现了平均83.35%的性能提升;在不规则稀疏矩阵的情况下,性能提升与行列比相关,在行列不对等加剧时,具有更为明显的优化效果。

一种区块链网络的DDoS攻击模型

攻击区块链及应用的手段非常多。提出一种分布式拒绝服务攻击(Distributed Denied of Service,DDoS)攻击模型,建立2个指标衡量DDoS攻击对区块链网络性能的影响。以Hyperledger Fabric为环境,在6组实验中设置不同数量的DDoS攻击节点,仿真DDoS攻击事件,设置1组实验仿真DDoS攻击全过程。实验表明,区块链网络存在DDoS攻击的安全隐患,区块链对等节点可以成为DDoS攻击节点,攻击节点数量较少(占比低于33%或51%)时能发起DDoS攻击,DDoS攻击对区块链的破坏性主要是延长交易的结束时间,造成网络吞吐量及服务性能下降。

基于SMART数据模式的HDD硬盘状态预测方法

硬盘广泛应用于各类信息系统中,其工作状态预测对信息系统的正常运行管理有着重要意义。现有基于SMART(Self Monitoring Analysis and Reporting Technology)属性的机器学习预测算法为保证其通用性,普遍选取部分典型属性作为特征,带来一定的信息丢失。在分析SMART数据特点的基础上,提出数据模式分类后再进行机器学习预测的SMART数据处理方法。实际测试结果表明,经分类处理后,采用简单的机器学习算法即可获得与强分类器接近的性能,同时,该方法可有效简化SMART数据机器学习时的特征选择过程,有效降低算法的资源消耗。

国内外数据要素标准研究综述

随着数据要素时代的到来,数据已成为重要的战略性资产。以美国为代表的西方国家正加速发展数据市场治理体系。中国在数据市场方面起步较晚,但数据首次作为生产要素被提出来,中央发布的关于数据市场的多份文件多次提及标准化工作对于培育数据要素市场的重要性。本文旨在探讨国内外数据要素的标准现状,通过文献调研法与文献计量方法,梳理国内外数据市场发展与数据标准基础,为我国数据要素标准制定提供参考。

便笺式存储器中一种新颖的交错映射数据布局

现代计算机一直沿用传统的线性数据布局模式,该模式允许对使用行主序模式存储的二维矩阵进行高效的行优先数据访问,但是增加了高效执行列优先数据访问的复杂性,造成列优先访问的空间局部性较差。改善列优先数据访存效率的常见解决方案是对原始矩阵进行预先转置操作,将列优先访问的复杂性集中在一次矩阵转置运算中,然而矩阵转置不仅会引入额外的数据传输操作,而且会消耗额外的存储空间用于存储转置后的矩阵。为了在不引入额外开销的情况下使行优先与列优先数据访问具有同样高效的访存效率,提出一种新颖的交错映射(IM)数据布局,同时在不改变便笺式存储器(SPM)内部结构的基础上,在SPM的输入和输出(I/O)接口处添加循环移位单元和译码单元2个新组件,实现交错映射数据布局并定制访存指令,使程序员可通过定制的访存指令充分利用该数据布局。实验结果表明,应用交错映射数据布局的SPM在仅额外增加了1.73%面积开销的情况下获得了1.4倍的加速。

纺织基软体机器人结构设计与驱动性能研究

针对现有软体气动机器人制备成本高、设计灵活性差、功率密度低、控制技术复杂等问题,文章以鞘芯结构的涤纶∕氨纶弹性纱为基材编织针织罗纹组织,以涤纶纱为纬向衬垫纱间隔织入,形成力学各向异性的针织衬纬组织,并将该衬纬组织作为包覆层与气囊内胆装配,实现具有高致动应变、低能量耗散的高性能纺织基气动机器人开发。文章通过力学性能和驱动变形测试,表征分析了衬纬组织织物层的各向异性力学特征和针脚排列方式等因素对软体机器人驱动性能、变形特征、输出力和运动状态的影响规律。结果表明:纺织基软体机器人展现了优良的弯曲应变(弯曲曲率可达0.27 cm^(-1)),高的驱动力输出(13 N∕kg)。此外,开发的纺织基气动机器人具有低成本、设计灵活快捷、操控简单等优势,可通过编织结构设计和针脚方向的配置实现多模式的复杂变形,在可穿戴医疗康复训练设备和软体抓取器件等领域具有可观的应用前景。

计算机运行全过程日志记录系统设计

为了解决当前国产特种计算机(如星载计算机,机载计算机等)出现偶发故障无日志记录,无法准确获取软硬件和外部环境在故障出现时的具体状态,造成后续难以进行故障分析,无法做到及时归零处理的难题;深入分析了计算机运行的全过程以及影响计算机运行过程的内外部因素,创新性地提出一种计算机运行全过程日志记录技术;该技术采用嵌入式硬件平台进行设计,运行嵌入式软件,采集计算机运行过程状态和外部环境信息并进行存储,解决了国产计算机从上电至操作系统启动完成这一阶段无日志记录的难题,同时还实时记录计算机运行过程的环境信息;完成了软硬件设计,并进行试验验证,设计故障注入,验证了所设计的系统能够准确反映计算机运行全过程状态信息,表明该技术有助于故障定位、机理分析、故障复现、采取措施及验证,最终完成故障归零处理。

云计算环境中自适应负载均衡设计与实现

设计了一种新的可分配的加权轮询负载均衡方法,结合云计算技术通过高效的调度,平衡位于不同的地区、不同用户传入的负载请求,通过使用分布式数据源的数据,可以有效利用云资源和提高任务处理时间。实验证明该方法与轮询调度方法、加权最小连方法相比能够更加高效。

影响织疵产生的灰色关联分析

织疵是衡量织造质量的关键指标。为了优化织造过程,减少织疵产生,首先分析了织造过程中导致织疵产生的影响因素,其次利用灰色关联分析法提取导致织疵产生的关键影响因素。实验和实际生产结果均表明,织机停车次数和停车时间对织疵产生数量的关联度较高,关联度均为0.83以上。同时,针对双纬、百脚和断经3类织疵进行分析,得出导致双纬产生的主要影响因素是经密和转速,导致百脚产生的主要影响因素是经停时间和转速,导致断经产生的主要影响因素是经停次数、打纬次数、停车时长等。

数据要素标准体系建设研究

随着国内外数据市场的发展,数据要素标准建设的需求日益增加,国家出台多个文件对标准化工作提出要求。本文旨在通过词频分析与词云图展示等方法,对比国内外数据要素标准的差异,探讨国内现有标准的空白,归纳标准化工作研究重点,最后基于研究实践,构建数据要素标准体系,为我国数据要素标准制定提供参考。通过研究发现,数据相关国际标准集中在数据流通与交换等方面。国内相关标准中数据交易平台等偏向实用的标准较多,在数据质量管理,尤其是在大模型语料质量等新兴领域存在欠缺。未来,数据要素标准化建设工作中需要兼顾理论层面的完整性与应用层面的必要性,以促进数据要素标准的完善与数字经济的健康发展。

数据中心SFC+X编排评测环境的构建:POC方法

根据不同场景要求及相应业务需求,服务功能链SFC可以部署在边缘云到数据中心、数据中心之间以及数据中心内部,然而,由于数据中心固有的重资产属性,在其基础上灵活组合的SFC+X编排评测工作因无经济有效的评测环境而难以进行。基于概念证明POC方法进行评测,可以针对实际情况实现一个模型或被测对象中最重要部分,以较小的实施代价验证所关注的问题。在对数据中心SFC+X编排的评测过程中,围绕POC评测环境能否有效评测SFC+X编排功能正确性及有效度量SFC+X编排性能指标,对POC评测方法是否可以解决数据中心SFC+X编排评测问题进行分析,论证了SFC功能正确的传递性原则和性能指标蜕变关系保持原则,提出了POC评测方法可行性定理,并依此原则和定理结合数据中心SFC+X编排特点,对评测所需硬件资源进行约减,以设计实现POC评测环境。通过理论推导及POC验证方法证明了POC评测方法不仅能够有效评测SFC+X编排功能的正确性,而且还可以度量SFC+X编排性能指标。最后提出一种基于POC方法的数据中心SFC+X编排是否满足SLA的评测方法,为数据中心SFC+X编排评测问题提供了一个经济有效的解决方案。

基于OpenMP的硅晶体分子动力学模拟的空间分解着色及向量化研究

作为材料领域虚拟过程工程研究的热点之一,硅晶体分子动力学采用Tersoff多体势进行模拟;多体势中粒子间相互作用计算量大,且数据之间存在依赖关系,在并行架构上高效、准确地进行大规模模拟面临写冲突和计算效率低2个挑战。为了解决以上问题,在OpenMP共享内存编程模型的基础上,结合硅晶体粒子特性实施了一系列面向硅晶体分子动力学应用的优化方法,以提高模拟效率:(1)在大规模线程级并行模拟过程中,利用空间分解图着色思想消除粒子之间的数据依赖,从而有效解决写冲突问题;(2)针对核心计算程序段,采用整体向量化的方式提高核心计算效率,并利用级数估计实现超越函数,以实现Tersoff多体势在多核处理器上的并行优化。实验结果表明,在X86平台上Tersoff多体势具有很好的优化潜力,空间分解图着色和向量化方法在硅晶体应用上具有可行性和可扩展性,能够有效地解决由数据交叉导致的写冲突以及计算密集型优化问题,最终加速比可达23.17。

基于统计模型的麦克风阵列语音增强算法

提出一种基于统计模型的麦克风阵列语音增强算法。为了估计第一通道语音信号谱幅度平方,假设第一通道语音信号谱的实部和虚部相互独立,并服从方差相同的高斯分布。先利用贝叶斯公式计算第一通道语音信号谱幅度平方的后验概率,再利用数学期望的计算公式得到第一通道语音信号谱幅度平方的最小均方误差估计,最后用第一通道观测语音信号的谱角度来估计第一通道语音信号的谱角度。实验结果表明,所提出的算法优于三种传统的语音增强算法。

Paxos算法的研究及改进

为进一步提高Paxos算法的执行效率和可用性,采用数学集合的方法,从锁的角度分析算法,深入研究值的确定和持久化问题,引入不变性保证和提案锁模型,通过将两者有机结合,形成简洁和有效的分布式一致性算法。

C++实现X86架构计算机CPU加速的路径研究

计算机CPU加速可以提高处理器性能,更快地执行相关指令,完成数据处理任务。伴随大数据时代到来,计算任务增多、应用程序的负载增高,更需要通过CPU加速,为计算机提供必要的计算能力,确保系统的兼容性和未来的可扩展性。C++语言可以通过编写利用CPU特定指令集的程序间接实现CPU加速,显著提高计算密集型任务的性能。围绕C++实现X86架构计算机CPU加速的路径进行研究和分析,就X86架构的CPU加速要点进行阐述,分析C++语言实现CPU加速的策略,为提高计算机性能提供支持。

基于谱幅度估计的麦克风阵列语音增强算法

麦克风阵列接收到的语音信号常常被噪声信号污染,为了从观测语音信号中去除噪声信号,本文分别提出了基于谱幅度最小均方误差估计和最大后验估计的麦克风阵列语音增强算法。假设语音信号谱和噪声信号谱都服从复值高斯分布以及语音信号谱幅度和谱角度相互独立。在这些假设下,推导出纯净语音成分谱幅度的最小均方误差估计的表达式。通过遗传算法来最大化纯净语音成分谱幅度的后验概率,得到语音成分谱幅度的最大后验估计的次优解。仿真实验结果表明本文提出的两种算法在三种经典的客观评价指标下优于两种经典的算法。

基于数字孪生的加速器机组三维可视化与故障诊断方法

基于数字孪生技术,提出一种机器学习故障诊断与3D可视化系统融合的DC 500 kV加速器故障诊断方法。依据设备通信原理搭建可视化系统整体框架,完成Unity与加速器机组设备的实时通信交互,实现对设备的数据管理和实验控制功能。融合可视化系统与加速器数字孪生模型,实现加速器机组设备的3D可视化和系统新增模型处理功能。针对正常运行状态、轴承故障、漏气故障、底座松动、泵体振动等5种状态下设备放电实验产生的振动信号,利用机器学习算法完成加速器机组设备故障分类预测和验证。采用决策树算法、随机森林算法、k-近邻(k-nearest neighbor,k-NN)算法等3种算法模型对振动信号进行模拟训练,预测精度达到0.96,实现加速器机组可视化系统的故障诊断功能。