满足工作流执行时限的可抢占虚拟机实例配置和调度方法研究

随着云计算的迅速发展,将工作流部署到云计算平台已经成为了常见的选择。相比于传统的本地工作流,云工作流不仅要考虑计算时长等要求,还要考虑其产生的经济开销。而云计算服务商为了提高资源利用率,提供了可抢占虚拟机实例这种非常廉价但是不稳定的资源。针对工作流在云计算中的调度和执行问题,提出一种满足工作流执行时限的可抢占虚拟机实例配置和调度方法。该方法使用马尔科夫模型和动态规划方法,对可抢占虚拟机实例的价格进行预测,并得到成本最低的出价策略。同时,结合工作流的执行时限要求,在估计的出价策略下对工作流中使用的实例进行配置。实验结果显示,相比于全部使用按需付费虚拟机实例,该方法在满足工作流执行时限的前提下最高可以节省89.9%的计算成本。

基于Apache和多实例Tomcat独立JVM的虚拟主机

本文对Apache和Tomcat服务器软件进行整合,并实现Tomcat多实例独立JVM的虚拟主机。

云计算中基于拍卖的虚拟机动态供应和分配算法

当前云计算供应商通过定价算法或类似拍卖的算法来分配虚拟机(virtual machine,VM)。针对这些算法大多要求虚拟机静态供应,无法准确预测用户需求,导致资源未得到充分利用的问题,提出一种基于组合拍卖的虚拟机动态供应和分配算法,在做出虚拟机供应决策时考虑用户对虚拟机的需求。该算法将可用的计算资源看成是"流体"资源,且这些资源根据用户请求可分为不同数量、不同类型的虚拟机实例。然后可根据用户的估价决定分配策略,直到所有资源分配完毕。基于并行工作负载存档(parallel workload archive,PWA)的真实工作负载数据进行了仿真实验,结果表明该方法可保证为云供应商带来更高收入,提高资源利用率。

基于拍卖的虚拟机动态供应和分配算法

当前云计算供应商通过定价算法或类似拍卖的算法来分配他们的虚拟机(VM)实例。然而,这些算法大多要求虚拟机静态供应,无法准确预测用户需求,导致资源未得到充分利用。为此,提出了一种基于组合拍卖的虚拟机动态供应和分配算法,在做出虚拟机供应决策时考虑用户对虚拟机的需求。该算法将可用的计算资源看成是"流体"资源,且这些资源根据用户请求可分为不同数量、不同类型的虚拟机实例。然后可根据用户的估价决定分配策略,直到所有资源分配完毕。基于Parallel Workload Archive(并行工作负载存档)的真实工作负载数据进行了仿真实验,结果表明该方法可保证为云供应商带来更高收入,提高资源利用率。

云计算中基于拍卖的虚拟机动态供应和分配算法

当前云计算供应商通过定价算法或类似拍卖的算法来分配他们的虚拟机(VM)实例。然而,这些算法大多要求虚拟机静态供应,无法准确预测用户需求,导致资源未得到充分利用。为此,提出了一种基于组合拍卖的虚拟机动态供应和分配算法,在做出虚拟机供应决策时考虑用户对虚拟机的需求。该算法将可用的计算资源看成是"流体"资源,且这些资源根据用户请求可分为不同数量、不同类型的虚拟机实例。然后可根据用户的估价决定分配策略,直到所有资源分配完毕。基于并行工作负载存档(Parallel Workload Archive)的真实工作负载数据进行了仿真实验,仿真结果表明所提方法可保证为云供应商带来更高收入,提高资源利用率。

浅谈虚拟机技术及其在网络教学中的应用

通过对虚拟机的介绍和组建技术及其运用,阐述了中职学校计算机教师如何针对实训设施较少的问题,让学生利用虚拟机技术轻松学习网管知识,进行各种网络试验,从网络系统的组建、配置、管理等技术层面上有新的突破提出了自己实践性的看法。

浅谈传统端子向虚拟端子的转变

随着传统变电站被智能变电站替代,要求大面积实现全站信息数字化、通信平台网络化、信息共享标准化。传统变电站端子排的消失,变电站内开关量及模拟量信号电缆连接方式转变为数字信号光缆连接,为的是更便于用户了解并使用装置,文章提出虚端子这一概念,并通过实例应用进行详细介绍。

基于动态资源选择策略的微服务工作流调度算法

为解决现有云中工作流调度算法在面对大量微服务任务组成的工作流时出现整体调度成本偏高的问题,提出一种基于动态资源选择策略(dynamic resource selection strategy, DRSS)的微服务工作流调度算法——DRSS调度算法。利用任务在工作流中的位置确定任务的子截止期以及调度优先级,采用动态资源选择策略对任务进行调度,获得任务执行的最优资源,在此基础上更新任务状态以及虚拟机实例的资源向量。实验结果表明,该算法在调度成功率与成本方面上较同类算法更优。

面向不均衡数据集的ISMOTE算法

为了提高不均衡数据集中少数类的分类性能,提出ISMOTE算法。它是在少数类实例及其最近邻少数类实例构成的n维球体内进行随机插值,从而来改进数据分布的不均衡程度。通过实际数据集上的实验,与SMOTE算法和直接分类不均衡数据算法的性能比较结果表明,ISMOTE算法具有更高的分类精度,可以有效地改进分类器的性能。

一种改进的少数类样本过抽样算法

针对偏斜数据集的分类问题,提出一种改进的少数类样本过抽样算法(B-ISMOTE)。在边界少数类实例及其最近邻实例构成的n维球体空间内进行随机插值,以此产生虚拟少数类实例,减小数据的不均衡程度。在实际数据集上进行实验,结果证明,与SMOTE算法和B-SMOTE算法相比,B-ISMOTE算法具有较优的分类性能。

基于流态需求规则约束的产品模型动态演化

针对面向设计者的配置设计不能很好适应客户对产品需求表达的动态性和随机性问题,提出流态节点的概念,给出流态节点的形式化表示。通过客户对必要流态节点的表达,建立流态节点与最大相似案例映射关系,作为产品的演化算子。定义了虚拟实例和有效实例,规定了产品演化的基本行为,把流态节点重新实例化过程作为产品演化过程。依据流态规则约束及其触发值或跳转值,建立反馈式模型演化机制并利用回溯法解决底层节点无法实例化的问题。最后给出了挖树机定制的部分示例。

语义Web本体匹配算法研究

随着语义Web不断发展,本体数量不断增加。由于不同领域专家构建的本体存在不匹配的问题,需要对本体进行匹配、合并和比较。本体匹配作为其他工作的基础,具有十分重要的意义。本文提出了一种基于实例的本体相似度计算方法,该方法为每个概念结点增加虚拟实例,并综合考虑了本体的结构特点,使用WordNet调整相似度。我们把该方法运用到PROMPT本体匹配算法中,通过实验得到了较好的准确率和查全率。

基于深度学习的西夏文献数字化

西夏文献的数字化是近半个世纪以来西夏文研究学者一直在努力地工作,以往西夏文献的录入几乎都是手工进行,效率非常低。近年来,以深度学习为代表的人工智能技术进行手写文字识别的准确率已经达到或超过人类专家的水平,我们训练的深度神经网络模型在单个手写体西夏字数据集上的识别准确率超过97%。深度学习算法用于西夏字识别需要大量的标注数据,即每个西夏字都需要几十上百的实际例子;从大量的西夏文献中找到西夏字典中的每个字的多个实例需要的工作量巨大,而且有些西夏字的使用频率比较低更难以找到大量实例。我们提出了一种目标导向的混合算法来对西夏字进行标注:使用已有大量实例的西夏字生成虚拟字符表示那些实例数量不足的西夏字。实验证明这些虚拟字符在训练神经网络方面的效能与实际数据近似,让我们能够从大量未标注的西夏字图片中找到那些神经网络尚未识别的西夏字,并进行标注,而且这些虚拟字符可以与使用频率低的西夏字实例一起纳入训练集,以逐步迭代的方式训练识别能力更强的神经网络。在识别单个西夏字的基础上,我们通过在模型中引入循环神经网络单元,实现了西夏文献整列的识别,从而将传统的扫描文献切割为单个字符进行识别工作流程改进为以列为单位进行识别。TDM与列级别的识别模型相结合能够为我们构建高效的西夏文献自动转录系统,进而加速西夏文献的数字化进程。

Proteus在单片机教学中应用举例

Proteus软件结合keil实现单片机软件和硬件相结合的虚拟仿真实例演示。可使得单片机在教学过程中更加浅显易懂,与单片机课程的实践性特点相结合,解决单片机实验与教学相脱节的问题。本文结合教学内容为例,给出了在单片机课堂教学中的一种新方法。