基于梯度提升回归树的处理器性能数据挖掘研究

现代处理器一般只内置了4~8个性能计数器,但可以监测多达上千个时钟周期级别的性能事件。这些事件可以轻易地产生大量数据,称为处理器性能大数据。然而,如何从这些性能大数据中提取有价值的信息面临着许多挑战。该文提出一种处理器性能数据分析方法,通过迭代使用梯度提升回归树算法构建性能模型,为云计算负载的性能事件进行重要性排序,从而指导云计算平台的性能调优。

云环境下性能监测数据预处理方法研究

基于性能监测单元(performance monitoring unit,PMU)的分析技术对深入理解程序运行特征十分重要,也是性能优化的重要依据.在云计算环境下,由于机器数目庞大,PMU起着更为重要的作用.然而性能计数器却存在监测效率低,数据质量不高的问题.从两方面对这一问题进行了研究:缺失值的填充和异常值的替换.对缺失值,采用回归方法来进行补全;对异常值,采用局部滤波的方法进行过滤.提出了基于知识库的数据预处理方法(KBDP)将监测效率提升了2-5倍,综合分析了使用PMU对程序执行造成的可能影响,处理后的结果与参考值的相似度高于80%,最高达95%.

公共数据治理中的个人数据法律保护

大数据时代,公权力部门在提供公共治理与社会服务的过程中不断积累数据资源,使得公共数据与个人数据的重合范围日益扩张,这给个人数据的保护带来了全新的冲击。在公共数据治理中,个人数据泄露的范围愈加扩大,对个人数据的运用存在方式不当、监管低效等一系列问题。问题根源在于个人数据与隐私、个人信息的权利混淆、个人数据的权属不清以及实践中缺乏共识性的利益衡量标准。而在我国立法留白、公共数据与个人数据摩擦日渐频繁的背景之下,确有必要通过以隐私权的覆盖代替复杂的竞合关系、以数据权属的场景化弥补较弱的人身属性与识别矛盾、以有限度地克减个人利益为利益衡量标准等途径,探寻维持多元利益最大化的平衡点,确保公共数据治理中个人数据保护的合理合法性。