基于元数据的自定义数据结构设计与应用

针对数据操作中对结构数据的频繁提取或修改而引起的加载缓慢问题,提出一种元数据和自定义数据结构相结合的设计方案。通过对传统的树形结构控件进行改进,封装构建成自定义数据模型,设计符合一定规则的数据结构,使主程序的运行只绑定少量参数,即可完成对层次结构数据的增加、删除、修改、查询。这种数据管理机制实现了对层次结构数据的快速提取、操作和回传,提高了数据的操作效率。通过实际项目实例的引入,验证了方法的有效性,它能够有效地提取数据并加工处理,最大程度降低了数据的调整对整体结构的影响。

软件定义数据中心引发高校图书馆IT运维新思考——以长安大学图书馆为例

[目的 /意义]虚拟技术作为下一代数据中心管理的核心和方向,对降低数据中心运维成本、实现资源灵活配置和高效利用有不可替代的作用。[方法 /过程]通过长安大学图书馆虚拟化建设的方案选型、实施过程以及经验的总结,展示软件定义数据中心在实实在在地改变着图书馆数据中心的工作管理模式。[结果 /结论]软件定义方法是有效管理数据中心最佳选择,但在实施过程中需要注意一些问题:架构融合过程中增加了管理的复杂性;需要保证关键任务应用系统的稳定性和灵活性;需适应虚拟化为中心的工作模式。

软件定义数据中心在医院管理方面的应用

随着科学技术的不断进步,软件定义数据中心得到了人们的关注,它在医院的应用实践中有着广泛的适用性。软件定义数据中心是对医院基础化设备的深入,在数据统计的基础上进行计算、整合以及分析,是资源的全面性布局方式,满足了多种多样的业务需求。文章针对软件定义数据中心系统的构建,重点研究其在医院中的应用实践。

软件定义数据中心基于残差网络的大象流预测机制

数据中心网络中的流可以分为大象流和老鼠流,预测流类型是实现优化调度各种流的基础,而现有方法在开销、准确性、预测时间等方面都有或多或少的缺点.为此,利用深度学习具有的刻画多维度特征的能力以及软件定义网络(SDN)具有的全局集中控制的优势,提出了"边缘预分类+中心精分类"两级大象流预测机制.该机制包括以下步骤:首先,利用随机森林技术筛选出流在3个维度(时间分布特征、流的实时特征、数据包头部特征)10个用于构建预测模型的特征.然后,部署在SDN交换机上的预分类模型使用残差网络算法+带代价敏感性质的Softmax交叉熵损失函数,过滤掉大部分老鼠流.最后,部署在SDN控制器的精分类模型使用残差网络算法+Additive M argin Softmax交叉熵损失函数,准确地识别出大象流.面向公开数据集的实验表明,当流的第5个包到达时,所提机制的召回率可达91%,准确率可达93%,开销低至0.1kbps,预测时间低至7ms.与Flow Seer、ESCA、NELLY等现有主要方法对比,所提机制的各评价指标均有改善,马修斯相关系数MCC是NELLY的2.52倍,开销降低到ESCA的0.046%,预测时间减少到Flow Seer的0.35%.

浅议下一代数据中心架构——软件定义数据中心

该文首先简要介绍了目前数据中心发展经历的现状,继而提出了下一代的数据中心发展趋势为软件定义的数据中心,并对软件定义的数据中心和如何建立构建软件定义的数据中心进行了初步研究,最后指出软件定义的数据中心凭借前所未有的自动化、灵活性和效率能实现IT交付方式的转变,更好的支撑用户在云计算、大数据时代的业务运营和增长。

高校软件定义数据中心建设与优化策略研究

服务器虚拟化技术实现了服务器硬件与软件的解耦,在降低管理难度的同时大幅提升了服务器的利用效率和运行质量,但目前高校数据中心网络、存储整体虚拟化进展较慢,网络、存储资源与硬件紧耦合,应用系统受限于硬件性能及可靠性,造成数据中心运维、管理复杂,资源利用率低,维护成本高。本文对软件定义网络、软件定义存储及虚拟化等相关技术在数据中心的应用进行了深入分析,提出了一套通过SDN架构对传统数据中心进行优化的建设方案,该方案通过软件配置的方式对数据中心进行管理,实现了数据中心计算、网络和存储资源与硬件的彻底分离,有效提升了基础设施利用率,推动数据中心向自动化和智能化方向演进,支撑和加速高校各类业务的快速部署和发展。

工业监控系统中自定义数据抽取框架研究

针对工业监控领域数据开发中遇到的业务沟通不畅、模型研发门槛高、维护困难等问题,提出了一种数据抽取框架的设计思路,结合对数据抽取、任务编排、自定义数据源接入的分析和设计,为项目数据抽取工作的实际落地提供借鉴参考。

基于自定义数据模型的信息交换平台

为了适应和满足炼油化工一体化运作的信息交换需求,设计实现了炼油企业与化工企业之间的信息交换平台,提出自定义数据建模方法,解决了因信息交换需求发生变化,需重新开发适配器和重构平台的难题,增强了炼油化工信息交换平台的敏捷响应能力,充分满足一体化运作业务扩展的需要,提高了平台运行效率,降低了运行维护成本。

产品定义数据在工业条件下的交换

本文介绍了工业环境对产品数据交换的需求、交换的方法,以及国际上主要的数据交换标准IGES和STEP。

基于迁移学习及自定义数据集的食物识别

介绍基于迁移学习及自定义数据集的食物识别开发的全过程。主要包括前期准备工作中数据集的收集以及模型的选择、模型训练前期存在的问题及解决方案,以及在PC端的测试与人工智能模块在安卓端的实现。

软件定义数据中心解决方案助力IT数字化转型

随着云计算技术的高速发展和普及,对云数据中心的建设提出了更高需求,而传统的数据中心架构已经无法满足新一代数据中心对于高效、敏捷和扩展性的要求。用户更需要的是将虚拟化概念延伸到数据中心的所有资源和服务中,提供计算、存储、网络基础设施服务的抽象、池化和自动化,为客户提供灵活、稳定、速度、合规的软件定义的数据中心解决方案。

重新定义数据价值

《在线》是本老书,2016年由中信出版社出版发行。6年过去了,数字经济和云计算在我们生活中影响无处不在,尤其是疫情之下的大数据,彻底改变了我们的生活方式。回头看这部多年前的作品,作者王坚博士当时提出的很多理念并没有过时,反而正一步步映照着他曾经的思考。王坚是阿里巴巴集团技术委员会主席,他首创“以数据为中心”的分布式云计算体系架构。

面向下一代数据中心的软件定义存储技术研究

随着互联网技术的快速发展,数据的爆炸式增长,存储系统的软硬件紧耦合设计严重地限制了存储技术的发展,也越来越无法满足移动互联网和大数据时代下,对存储系统快速、多变的需求。软件定义存储(SDS)作为一种新的存储系统架构,更适合下一代数据中心的发展。从SDS的定义出发,对SDS的研究现状进行阐述,结合应用对SDS的需求,提出了SDS的参考架构,并给出了SDS的演进思路。

一种支持自定义模糊数据类型表示的模糊OWL扩展

语义网需要能够以一种智能的方式来表示和处理模糊知识与数据信息,但最近的研究证明,OWL在数据类型表示方面存在严重的局限性:首先,它不能处理在语义网和本体中广泛存在的不精确以及不确定信息;其次,它不支持自定义数据类型及自定义数据类型谓词的表示。为了解决上述局限性,提出了一种新的模糊描述逻辑F-SHOIN(G),给出了F-SHOIN(G)的语法、语义。然后,以F-SHOIN(G)为逻辑基础,并结合RDF/XML的语法规范,重新编码OWL中的描述算子,用来表示模糊本体知识,形成f-OWL。f-OWL不仅能够表示本体中的模糊知识,而且能够表示本体中含有自定义模糊数据类型及自定义模糊数据类型谓词的模糊数据信息,为模糊本体的研究提供了新的表示方法。最后,还给出了由OWL文件到f-OWL文件的转换规则,从而实现了f-OWL对OWL的兼容。

自定义空间数据格式的扩展与应用

针对商业GIS软件缺乏对自定义空间数据格式的支持能力,提出了利用OGR自定义数据源来实现GIS软件对自定义空间数据格式支持。并以ArcGIS平台为例,将OGR数据模型在数据组织、几何模型、属性信息和空间参考信息等方面转换为ArcGIS软件空间数据模型,使ArcGIS具备了访问OGR自定义空间数据格式的能力,实现了自定义空间数据格式的扩展与应用,体现了开源GIS软件和商业GIS软件协同工作能力。

ETC发行方数据分析与挖掘的应用探究

如何为推广ETC发展、提升发行质量、降低运营成本、保障ETC发行量持续提升,成为发行方在撤站后的重要课题。在此背景下,聚焦于发行方的实际业务场景,围绕着发行量持续提升、用户服务体验提升等几方面,打造高速公路联网发行方领域的信息化实力,加快ETC发展步伐的目标,本文提出ETC发行方数据分析与挖掘的应用探究,积极响应了行业主管部门及政策的发展要求,并与发行方行业的具体场景、诉求紧密相连,开展运营数据分析应用的思路,健全数据分析机制,确保研究效果能切实解决行业关注的具体问题,或能给行业带来切实帮助,加快ETC发展步伐。

V5-2000大地电磁测深仪文件头数据格式研究

V5-2000大地电磁测深仪由于其功能强、轻便、勘探范围大等特点,在国内已得到了广泛应用,但其后期数据解释软件却显得相对薄弱。要想解决解释软件的问题,首先所面临的是测量数据的格式问题。由于其保存的测量数据为特殊格式,为了便于对V5-2000测量数据进行后期处理与分析,这里对V5-2000测量数据的特殊数据格式进行了剖析,并用现今流行的,面向对象化的VB6.0编程语言,编写了相关读取及修改程序,以作为下一步的后期数据解释软件开发之基础。

普通高校篮球课程网络化教学的数据库设计研究

根据普通高校篮球课程网络化教学的需要,解决网络化教学过程各种问题,提高课堂与课外联系和师生交流。设计了一个较为完整的数据库,比较完善的数据库需求分析,全面地定义数据字典(数据元素条目、数据结构条目、数据流条目、数据储存条目、数据处理条目、外部实体条目),数据库概念结果设计比较完善。为普通高校其他体育课程网络化教学数据库设计提供了参考。

SDCN中基于深度强化学习的移动边缘计算任务卸载算法研究

随着网络技术的不断发展,基于Fat-Tree的网络拓扑结构分布式网络控制模式逐渐显露出其局限性,软件定义数据中心网络(software-defined data center network,SDCN)技术作为Fat-Tree网络拓扑的改进技术,受到越来越多研究者的关注。首先搭建了一个SDCN中的边缘计算架构和基于移动边缘计算(mobileedge computing,MEC)平台三层服务架构的任务卸载模型,结合移动边缘计算平台的实际应用场景,利用同策略经验回放和熵正则改进传统的深度Q网络(deep Q-leaning network,DQN)算法,优化了MEC平台的任务卸载策略,并设计了实验对基于同策略经验回放和熵正则的改进深度Q网络算法(improved DQN algorithm based on same strategy empirical playback and entropy regularization,RSS2E-DQN)和其他3种算法在负载均衡、能耗、时延、网络使用量几个方面进行对比分析,验证了改进算法在上述4个方面具有更优越的性能。