期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
政府部门云应用系统架构剖析
1
作者 徐民洪 《福建电脑》 2011年第5期33-34,53,共3页
云应用系统是政府部门大型业务系统技术发展趋势,提出研究和开发云计算应用程序引擎是云应用系统架构的关键。在云应用程序引擎体系中,应用服务器是应用管理和服务运行的核心。
关键词 云计算架构 应用程序引擎
下载PDF
基于Android平台的云计算研究 被引量:11
2
作者 林立 邹昌伟 《软件导刊》 2010年第11期137-139,共3页
针对当前的云计算这样一个技术范畴,剖析了云计算的技术特点和实现机制,并深入分析比较了当前云计算主要参与者各自的云计算平台。云计算不仅在PC端,同时在移动领域也快速发展。Google Android移动平台的推出,以及Google大力在Android... 针对当前的云计算这样一个技术范畴,剖析了云计算的技术特点和实现机制,并深入分析比较了当前云计算主要参与者各自的云计算平台。云计算不仅在PC端,同时在移动领域也快速发展。Google Android移动平台的推出,以及Google大力在Android上推广云应用,使得云计算在移动领域迅速扩张。最后结合具体的实例分析了移动云计算的服务模式和主要特点,并指出移动云计算可能的发展方向。 展开更多
关键词 云计算 ANDROID Google应用程序引擎
下载PDF
面向PaaS云的信息流控制框架设计与实现 被引量:1
3
作者 邵婧 陈左宁 +1 位作者 殷红武 许国春 《计算机科学》 CSCD 北大核心 2015年第12期257-262,共6页
分布式信息流控制(DIFC)是实施端到端数据保护的一种有效方法。现有DIFC方法存在信息流控制粒度单一、需要修改语言运行时环境等问题,不能很好地满足PaaS平台的数据安全需求。基于最典型的PaaS云平台GAE,提出了一个信息流控制框架GIFC,... 分布式信息流控制(DIFC)是实施端到端数据保护的一种有效方法。现有DIFC方法存在信息流控制粒度单一、需要修改语言运行时环境等问题,不能很好地满足PaaS平台的数据安全需求。基于最典型的PaaS云平台GAE,提出了一个信息流控制框架GIFC,其结合了对象级、消息级和SQL级3种控制粒度。组件内基于Python库来控制调用对象的方法中所涉及的实体间的信息交互;组件间消息代理根据消息安全标记来过滤消息,以此限制组件可以接收的消息集;组件与数据库之间扩展GAE中的数据模式支持标记信息在datastore中的持久化存储。实验表明,多种IFC粒度相结合有效平衡了信息流控制精度和运行性能。 展开更多
关键词 Google应用程序执行引擎 信息流控制 组件 PYTHON 中间件
下载PDF
Equipment selection knowledge base system for industrial styrene process 被引量:3
4
作者 Weimin Zhong Shuming Liu +1 位作者 Feng Wan Zhi Li 《Chinese Journal of Chemical Engineering》 SCIE EI CAS CSCD 2018年第8期1707-1712,共6页
Equipment selection for industrial process usually requires the extensive participation of industrial experts and technologists, which causes a serious waste of resources. This work presents an equipment selection kno... Equipment selection for industrial process usually requires the extensive participation of industrial experts and technologists, which causes a serious waste of resources. This work presents an equipment selection knowledge base system for industrial styrene process(S-ESKBS) based on the ontology technology. This structure includes a low-level knowledge base and a top-level interactive application. As the core part of the S-ESKBS, the low-level knowledge base consists of the equipment selection ontology library, equipment selection rule set and Pellet inference engine. The top-level interactive application is implemented using S-ESKBS, including the parsing storage layer, inference query layer and client application layer. Case studies for the industrial styrene process equipment selection of an analytical column and an alkylation reactor are demonstrated to show the characteristics and implementability of the S-ESKBS. 展开更多
关键词 Equipment selection Ontology technology Knowledge base system Styrene process
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部