基于ARM架构的边缘计算服务器关键平台研究

针对现有边缘计算基础网关服务器既不具备安全、稳定、可靠与通用性强等特点,又无法支持边缘计算场景的计算任务等问题,文中首次在基于ARM架构的鲲鹏920芯片的长虹天宫边缘计算服务器TG225B1上,设计并实现了适用于边缘计算场景的iBMC软硬件架构。该架构采用ARM国产化硬件底座,支持边缘网关硬件管理,实现工控多协议的自适应交互框架。对符合性、功能、性能、易用性、维护性、可靠性、兼容性等指标进行测试,表明iBMC架构能较好满足边缘计算服务器的需求。

基于RUL和SVs-GFF的云服务器老化预测方法

针对云服务器中存在软件老化现象,将造成系统性能衰退与可靠性下降问题,借鉴剩余使用寿命(Remaining useful life,RUL)概念,提出基于支持向量和高斯函数拟合(Support vectors and Gaussian function fitting,SVs-GFF)的老化预测方法.首先,提取云服务器老化数据的统计特征指标,并采用支持向量回归(Support vector regression,SVR)对统计特征指标进行数据稀疏化处理,得到支持向量(Support vectors,SVs)序列数据;然后,建立基于密度聚类的高斯函数拟合(Gaussian function fitting,GFF)模型,对不同核函数下的支持向量序列数据进行老化曲线拟合,并采用Fréchet距离优化算法选取最优老化曲线;最后,基于最优老化曲线,评估系统到达老化阈值前的RUL,以预测系统何时发生老化.在OpenStack云服务器4个老化数据集上的实验结果表明,基于RUL和SVs-GFF的云服务器老化预测方法与传统预测方法相比,具有更高的预测精度和更快的收敛速度.

一种联合边缘服务器部署与服务放置的方法

边缘计算(EC)在靠近用户的网络边缘部署边缘服务器(ES),并将服务放置在ES上,从而可以满足用户的服务需求。独立研究ES部署和服务放置问题的成果已有很多,但两者存在高度耦合关系。考虑到EC系统的收益,有必要提供付费服务,使得EC系统处理用户服务请求时会获得相应收入。同时,EC系统处理用户服务请求时会产生时延和能耗成本,为了最大化EC系统的收益,在用户服务请求和服务价格不同的约束下,需要合适的服务放置方案来提高EC系统的收益。为此,在ES与基站之间的位置关系、ES部署和服务放置之间的耦合关系、服务副本数和服务价格等约束下,提出一种包括改进的k-means算法和多智能体强化学习算法的两步方法,使EC系统的收益最大化。首先,构建一个联合ES部署和服务放置模型,其中ES部署明确考虑了基站之间的位置关系,服务放置明确考虑了ES部署的位置,以及不同的服务请求和价格;然后,基于基站的位置关系和基站的服务请求负载,通过带约束的k-means算法,在不同约束条件下分别确定最佳的ES部署位置以及ES的协作域;最后,以最大化EC系统收益为目标,通过多智能体强化学习算法在ES上放置服务。实验结果表明,与对比方法相比,所提方法能够提高收益7%~23%。

基于改进人工蜂群算法的边缘服务器部署策略

作为移动边缘计算架构部署的第一步,边缘服务器的部署是基础和关键,其部署位置与用户体验和系统性能密切相关,但是目前较少有研究关注该问题。研究无线城域网中移动边缘计算环境下的边缘服务器部署问题,以最小化响应时间为目标,将边缘服务器部署问题定义为一个优化问题,并提出基于交叉的全局人工蜂群算法求解边缘服务器部署的最优解以降低系统的平均响应时间。充分的实验结果表明,所提算法能够有效降低系统响应时间,算法性能优于其他代表性部署算法。

基于无服务器边缘计算下的服务负载调度算法

随着边缘计算的不断发展,其在资源管理配置方面逐渐出现相关问题,无服务器计算作为一种新的方式可以有效解决边缘计算的相关问题。然而,无服务器计算不具备在分布式边缘场景中高效处理请求所需服务负载调度的能力,针对这一问题,提出了一种基于无服务器边缘计算的服务负载调度算法(service load scheduling algorithm,SLSA)。SLSA的核心是通过隐式建模充分考虑了动态变化的节点状态、负载调度器放置等影响因素来优化整体时延,然后通过改进的平滑加权轮询调度(smooth weighted round robin,SWRR)算法进行服务调度。经仿真实验分析,SLSA在资源消耗上有着明显下降,同时在单城市场景与多城市场景下均有良好的性能表现,其中在单城市场景中相对于集中式轮询调度(round robin centralized,RRC)算法提升了43.01%,在多城市场景中提升了53.81%。实验结果表明,SLSA可以有效降低资源消耗率并提升性能。

一种基于时间序列分解和时空信息提取的云服务器异常检测模型

异常检测是维护云数据中心性能的一项重要任务。云数据中心中运行着大量的云服务器以实现各种云计算功能。由于云数据中心的性能取决于云服务的正常运行,因此检测和分析云服务器中的异常至关重要。为此,该文提出一种基于时间序列分解和时空信息提取的云服务器异常检测模型。首先,提出带时空信息提取模块的双向Wasserstein生成对抗网络算法(BiWGAN-GTN),该算法在具有梯度惩罚的双向Wasserstein生成对抗网络(BiWGAN-GP)算法的基础上,将生成器与编码器替换为由图卷积网络(GCN)与时间卷积网络(TCN)组成的时空信息提取模块(GTN),实现对数据空时信息的提取;其次,提出半监督BiWGAN-GTN算法来识别多维时间序列中的异常,以在训练过程中避免异常数据侵入的风险并增强模型鲁棒性。最后设计多通道BiWGAN-GTN算法-MCBiWGAN-GTN以实现降低数据复杂度并提升模型学习效率的目标。利用带有自适应噪声完全集合经验模态分解(CEEMDAN)算法将时序数据分解,然后将不同的分量送入对应通道下的BiWGAN-GTN算法中训练。在真实世界云数据中心数据集Clearwater和MBD上采用精确率、召回率和F1分数这3个性能指标验证了该文所提模型的有效性。实验结果表明,MCBiWGAN-GTN在这两个数据集上的性能稳定并优于所比较的方法。

服务器机箱底座下沉量Sag仿真与测试研究

文章采用Abaqus仿真与批量测试的方法,对服务器机箱底座的下沉量进行深入研究分析。以2U通用机架服务器为例展开分析,通过进行仿真与实测对比,证明了仿真精度足够且演练了满载sag到空载sag的分析和管控过程。该研究提出了全新的空载sag管控理论,并根据满载建议值反推空载建议值,再由仿真计算出空满载差值,该方法有效提升了工厂端的sag管控,对服务器机箱的sag设计和生产有重要指导意义。

嵌入式服务器软件接口通信容量调节算法仿真

考虑到实际系统中不同用户对通信有着不同的容量需求,为了在有限的频谱资源中获得更大的容量效果,提出一种嵌入式服务器软件接口通信容量调节算法。通过用户的信道增益信息,获取最小蜂窝用户数量。根据吞吐量增量降序排列结果,将排名靠前的蜂窝用户通信容量分配给用户对。将嵌入式服务器软件接口通信容量调节问题,转换为随机网络优化问题,对数据包码长和发送功率联合优化,引入离线算法的思想,提出通信容量调节算法,完成嵌入式服务器软件接口通信容量调节。实验结果表明,所提算法可以有效提升吞吐总量,同时能够有效降低平均等待调节延时,平均等待调节时延保持在30ms以内。

面向华为鲲鹏服务器的操作系统教学实践平台

操作系统是高校计算机专业本科生的必修课程。针对操作系统实验教学的需求,面向华为鲲鹏服务器,设计并实现了基于Web IDE的操作系统教学实践平台,并在openEuler社区开源;面向学生群体,实现了操作系统实验的全过程管理。此外,还基于Docker容器技术实现了快速部署能力,基于GitLab实现了代码管理和自动评测。同时,开发了学习行为收集插件,帮助教学团队更深入地了解教学情况。最后,设计与实现了一个综合信息平台,方便教学团队对实验相关信息进行查看与分析。

虚拟化服务器磁盘空间扩容研究

磁盘扩容是实际业务场景中经常面临的需求。如何在保障数据有效性的前提下进行服务器虚拟磁盘扩容,是系统运维管理者关注的核心问题。文章通过对虚拟化服务器磁盘容量扩展的实际业务场景需求进行分析,搭建了相应的实验环境,实现了多种模式下不同业务场景的虚拟磁盘扩容测试。实验结果显示,虚拟化服务器磁盘扩容在Linux和Windows操作系统环境下均可实现,且可以确保数据的有效性和完整性,满足实际业务需求。研究发现,虚拟化服务器可以通过新增独立磁盘、使用LVM扩展,以及直接在原磁盘上扩大容量等方式进行磁盘扩容,这些方法在Linux和Win-dows操作系统上均可完成,能够有效解决业务场景中磁盘容量不足的问题。

一种多控制器的网络服务器集群负载均衡调度策略

为提高网络服务器集群中心宽带利用率、降低网络访问及传输时延,文章提出一种基于SDN的多控制器负载均衡调度策略。首先,构建多控制器的网络服务器集群负载均衡调度的总体框架,通过转发层采集网络交换设备的状态信息;然后,在多控制器单元生成全局网络视图,采用自适应网络大小流进行调度,以提高网络及传输时延为目标构建网络服务器集群负载均衡调度策略模型。最后,控制器单元更新流量表并对OpenFlow交换层设备进行更新,以实现网络服务器集群中心的网络负载均衡。

基于区块链技术的Web服务器数据加密方法

为了提高Web服务器数据的安全性,文章提出了一种基于区块链技术的Web服务器数据加密方法。先进行Web服务器数据去重,以减少冗余数据,建立安全传输协议,通过智能合约、生成和分发密钥实现数据的加密传输,确保数据在传输过程中不被未经授权的第三方截获或篡改。利用区块链技术加密访问控制,保障数据的安全访问,实现数据的加密。实验结果表明,该方法的安全系数始终保持在0.98以上,证明了该加密方法的可靠性。

基于教师数字素养的教学资源服务器搭建的研究思路和方法

基于教师数字素养,利用物理微课网分享微课资源的思路和方法,通过家庭宽带、软路由和闲置笔记本,进行必要的硬件升级和软件拓展,搭建了物理资源服务器,并且将各省及不同运营商环境下的服务器配置方法、技巧和注意点加以介绍.帮助教师以平台搭建为基础,再进行微课等资源的创建,在促进教师个人数字素养提升的同时,又能使教育数字化生态得到良性循环发展.

基于云平台和Linux的虚拟FTP服务器搭建方法研究

重要事件的复盘分析工作需要以该过程中的关键数据作为支撑,为了解决利用移动载体、文件共享等方式进行数据传递复杂繁琐且存在安全风险的问题,利用数据中心云平台搭建了基于Linux操作系统的虚拟FTP服务器。依托云平台进行了创建虚拟机实例、安装Linux系统和配置FTP服务等过程,并在实验室环境下对搭建的虚拟FTP服务器进行了用户权限和文件传输功能测试,结果表明,该FTP服务器能够实现对用户的差异化赋权,文件上传和下载速率分别能够达到71.31 MB/s和44.64 MB/s,满足了复盘分析工作的实际需求,达到了预期的设计目标。

串口设备服务器在水厂流量计量系统中的应用

本文主要介绍串口设备服务器的通信功能,以及串口设备服务器在水厂生产过程中对流量监测的应用。串口设备服务器在水厂中应用中可以实现上位机读数与现场仪表测量值一致,提高水厂信息化管理水平;通讯线路敷设简单,既降低生产成本;又能减少设备故障发生可能性,提高工作效率和生产安全性。实际应用表明,该系统运行稳定可靠,安装维护简单方便,为水厂流量监测系统提供了一种较好的选择方案。

基于成本感知的边缘服务器部署方法

针对移动边缘计算(mobile edge computing,MEC)中边缘服务器(edge server,ES)供应商的成本预算问题,建立一种以最小化时延和部署成本为目标的数学模型。通过归一化方法将其转化为单目标优化问题,提出一种基于交叉算法的鲸鱼优化算法的边缘服务器部署方法;采用精英反向学习策略构造新种群,提高种群的多样性和全局收敛速度;采用改进的非线性收敛因子平衡算法的整体开发能力和局部探索能力;利用纵横交叉策略提高算法跳出局部最优的能力。使用上海电信基站的真实数据集进行仿真,其结果表明,与其它4种算法相比,该算法在时延和部署成本方面的表现均优于其它算法,系统成本下降了42.1%。

WEB远程服务器接口数据访问安全防护算法仿真

数据在远程服务接口传输的过程中,容易受到黑客的攻击,导致传输数据被盗取,为保证服务器的安全传输,提出WEB远程服务器接口数据访问安全防护算法。建立访问安全防护模型,利用安全代理和密钥授权中心,实现WEB远程服务器接口数据的安全存储。设计用户身份验证机制,保证WEB远程服务器接口数据在开放环境中的安全性。通过设计容错策略,在链路失效情况下实现WEB远程服务器接口数据的安全访问与防护。实验结果表明,所提算法的身份验证精度高、数据加解密完整度高。

一种通用的服务器类环境资源节能降耗平台

通讯领域的能耗主要来自服务器的电力消耗,随着国家“碳达峰”“碳中和”发展理念的实施,及时开展服务器类环境资源节能降耗技术的研究具有重要的行业引领价值。针对传统持续节能过程中人力投入大、成本高、效率低、闲时无法下电等问题,本文从环境驱动、场景触发的角度提出一种服务器类环境资源分层管理的新思路,并在此基础上设计开发节能降耗平台框架,通过技术手段实现对服务器类环境资源用电进行控制,一键配置节能策略,打造节能强劲引擎,提升了节能的效率,节约了成本。该平台在环境资源提效领域得到了应用推广,取得了良好的效果。

基于不可信服务器的差分隐私混合推荐算法

大多数现有的隐私保护推荐算法是针对显式反馈行为数据的单一推荐算法,且仅适用于可信服务器场景。针对以上不足,提出了一个新的隐私保护推荐系统框架。框架利用用户隐式反馈行为数据,在客户端考虑数值敏感度和数据分布不同,使用LCF-VDP(local collaborative filtering-value differential privacy)机制扰动原始数据并上传到服务器;服务器混合两种算法的相似度,最终选择topk混合相似度发送给每个用户设备,在每个用户设备中进行预测评分计算并推荐。仿真结果表明,提出的方法可以根据不同的需求来选择合适的参数,以达到最佳推荐效果,且LCF-VDP在各种隐私预算下比传统的扰动机制效用更好。

边缘场景下面向分布式交互应用的服务器分配

移动边缘计算作为一种极具前瞻性的分布式计算范式,将云计算的计算能力下沉到网络边缘来高效地处理数据。近年来,分布式交互应用的需求激增,移动智能设备数量爆炸性增长,作为移动边缘计算的重要组成部分,边缘服务器可以使交互应用程序在用户附近执行,从而解决通信和网络开销过大和数据无法即时处理的问题。一个关键的挑战是找到一个合适的边缘服务器分配策略以有效降低交互延迟和平衡服务器工作负载。基于此目标提出了边缘服务器分配算法ESADQN,将问题建模为马尔可夫决策过程,使用强化学习有效地选择边缘服务器部署位置,并将用户分配到相应服务器。与k-means算法相比,ESADQN算法在工作负载标准差相近的情况下,总交互时延平均减少了31%;与Top-K算法相比,ESADQN算法在总交互时延相近的情况下,工作负载标准差平均减少了49%。实验结果表明,ESADQN选择的服务器分配方案能有效降低交互时延和工作负载标准差。