实时应用中的内存锁定技术研究

内存锁定是一种保证某进程驻留在内存而不需换页的方法。在实时环境中 ,系统应保证将某进程锁定在内存中 ,以减少数据访问、指令读取、进程间缓冲区切换等等引起的延迟。将一个进程的地址空间锁定在内存中 ,就为应用的响应时间满足实时需要提供了保障。一般来说 ,对时间要求苛刻的进程应锁定在内存中。本文主要以实时环境为背景 ,阐述了内存锁定和解锁函数以及在多进程下内存锁定技术的应用。

一种提高Linux内存管理实时性的设计方案

针对Linux系统在内存管理方面实时性支持不够的问题,设计一种提高Linux内存管理实时性的方案。从3个方面改进Linux系统内存管理的实时性,包括建立内存映射来减少用户态和内核态之间的模式转换,将内存锁定避免换页操作,改进系统原有的内存管理算法来消除内存操作的不确定性。改进后的内存管理算法基于分区管理和最佳适配的原理,时间复杂度为O(1)。实验结果表明,该方案可以提高Linux内存管理的时间性能,特别是在内存使用紧张的环境下效果更加明显,性能提高率可达49.5%,能够满足实时性的要求。

基于RTX的实时数据库系统关键技术研究

针对半实物仿真实时数据管理需求和传统实时数据库的不足,基于windows+RTX构架设计了一种新型实时数据库系统。实时数据库系统由RTX下的内存数据库和Windows下的外存数据库组成,结合了RTX实时系统的高精度实时性能与关系型数据库SQL Server数据存储安全性能。采用RTX内存锁定技术,避免了因内存块被windows置换所引起的数据丢帧。采用高精度定时采集技术,克服了因windows定时不准所导致的数据误码。采用IPC数据传递技术,实现了将高速度大容量实时数据刷新到windows下的外存数据库的存储任务。测试结果表明,普通数据采集频率可达2 000 Hz,图像数据采集速率可达60 MB/s,并且没有丢帧现象发生。

Linux下实时数据库系统设计

实时数据库是数据库领域中的一项新技术,是实时技术跟数据库技术相结合的产物。在Linux系统平台下进行以内存作为数据存储介质的实时数据库系统的设计,给出了实时数据库的系统结构,探讨了实时数据内存锁定的Linux实现。

基于混合编程模型的支持向量机训练并行化

支持向量机(support vector machine,SVM)是一种广泛应用于统计分类以及回归分析的监督学习方法.基于内点法(interior point method,IPM)的SVM训练具有空间占用小、迭代趋近快等优点,但随着训练数据集规模的增大,仍面临处理速度与存储空间所带来的双重挑战.针对此问题,提出利用CPU-GPU异构系统进行大规模SVM训练的混合并行机制.首先利用计算统一设备架构(compute unified device architecture,CUDA)对基于内点法的SVM训练算法的计算密集部分并行化,并改进算法使其适合利用cuBLAS线性代数库加以实现,提高训练速度;然后利用消息传递接口(message passing interface,MPI)在集群系统上实现CUDA加速后算法的分布并行化,利用分布存储有效地增加所处理数据集规模并减少训练时间;进而基于Fermi架构支持的页锁定内存技术,打破了GPU设备存储容量不足对数据集规模的限制.结果表明,利用消息传递接口(MPI)和CUDA混合编程模型以及页锁定内存数据存储策略,能够在CPU-GPU异构系统上实现大规模数据集的高效并行SVM训练,提升其在大数据处理领域的计算性能和应用能力.

windows应用程序的实时性编程技术

针对实时软件所具有的特点 ,分析了Windows操作系统所提供的多线程、动态优先级、锁定物理内存以及用户编写驱动程序在实时软件执行过程中起到的关键作用 ,提出了一种通过有效利用操作系统服务来提高实时软件实时性的新思路 ,其可行性和有效性在电荷耦合器件目标综合测量系统中得到了验证 ,在实时软件与操作系统平台的融合技术上有所突破 .

GRP文件格式到MIF格式的实现

为将GRP文件格式转换成MIF文件格式，提供一种数据不变，而文件存储方式改变的数据转换方法和实例。