云原生时代高性能服务框架研究

随着云计算技术的不断发展,云原生已成为一种新兴的应用开发和交付模式。云原生应用以其高度可扩展、灵活性和敏捷性,在当今软件开发领域日益受到重视。结合国内主流技术环境(Java主导着企业级应用)来看,迈向云原生之路并不好走,因为在云计算领域,采用Java的成本比它的一些竞争对手更高。在这个背景下,云原生应用性能优化方面极具潜力的GraalVM备受瞩目。为了发挥云原生架构的优势,提供快速便捷的用户服务,从资源占用、启动速度等维度对比分析传统Java和基于GraalVM的原生Java应用,为架构师或者开发者在技术选型及提升用户体验方面提供指导。

一种新型的原生XML数据库系统的实现和应用探讨

原生XML数据库是随着XML语言的迅速发展而产生的一种非关系型数据库系统。介绍了一种基于Java技术的原生XML数据库实验系统SoapStore,并对其性能优化和实际应用等方面进行了分析和讨论。

跨语言用户态文件系统框架读写性能优化

以深度学习为代表的数据分析应用越来越多依赖分布式文件系统存储管理大规模数据集.为了增强数据访问的兼容性,现有分布式文件存储系统通常需提供标准POSIX接口,以支持深度学习等应用的无缝对接.然而,以内核模块形态开发提供POSIX接口的文件系统非常复杂耗时.近年来,用户态文件系统(Filesystem in Userspace,FUSE)框架大幅简化了文件系统的开发工作,已被Alluxio和Ceph等诸多知名分布式文件系统使用.目前常用的用户态FUSE库libfuse仅提供C语言编程接口,但现有大数据分布式文件系统基本都是基于Java语言开发的(例如HDFS和Alluxio等),为了使基于Java语言开发的分布式文件系统可以对接C语言开发的FUSE库,需采用跨语言FUSE框架作为中介.跨语言FUSE框架利用跨编程语言的函数回调机制,使操作系统FUSE库的C语言函数可以跨语言的调用分布式文件系统提供的Java语言编程接口,从而为大数据分布式文件系统提供标准POSIX接口的访问能力.但在数据密集型应用中,现有跨语言FUSE框架的执行效率低,导致数据密集型作业(深度学习、大数据分析等)中数据I/O耗时占据了显著的性能开销,成为新的潜在性能瓶颈.针对此问题,本文首先评估分析了重要且广为使用的跨语言FUSE框架JNR-FUSE的性能,发现并定位其在高并发和小文件场景下存在的性能瓶颈;接着从多方面剖析性能瓶颈根因,进而总结出高效跨语言FUSE框架的性能优化方向,并面向Java语言设计实现了跨语言FUSE框架JNI-FUSE.JNI-FUSE利用延迟分离和元信息缓存等优化技术降低跨语言函数回调开销,从而提升跨语言FUSE框架的性能.实验结果表明,对比当前性能最好的Java FUSE框架JNR-FUSE,本文提出的JNI-FUSE带来了1.15~6.04倍的FUSE框架性能提升和1.90~2.71倍的文件系统端到端性能提升,并为上层深度学习训练任务带来了1.06~1.73倍的训练加速.本文设计提出的JNI-FUSE(Java Native Interface-Filesystem in User SpacE)因性能优势,已被知名开源分布式文件系统Alluxio官方接受集成.

一种面向工程项目管理的新的软件体系结构

针对目前基于传统软件体系结构开发的项目管理软件难以有效满足项目管理实际需求,提出了一种适应于工程项目管理软件的新的软件体系结构,它融合了标准的基于J2EE框架的软件体系结构的优点,并采用了对象/关系数据映射、基于Java原生类的业务对象以及业务代理、适配器等先进软件技术。基于该软件体系结构开发的工程项目管理软件,已成功在某大型建筑工程中得到实施,表明了这种新的软件体系结构可以很好地满足工程项目管理的需求。