基于云计算的蛋白质折叠空间结构预测

构建基于云计算的蛋白质折叠空间结构预测框架,通过数据云存储设备获取蛋白质序列原始数据,采用HDFS(Hadoop Distributed File System)分布式存储方式保存于云端。资源和队列管理器RQM(Resource Queue Man‐agement)开启云端虚拟机后,以之作为扫描节点(Sensor Node,SN),SN基于二维AB非格点模型建立最小蛋白质分子能量优化函数,采用局部搜索机制改进的量子遗传算法对其作优化求解。利用云端GPU设备处理模型训练数据,即可实现蛋白质折叠空间结构的自动化预测。实验结果表明:蛋白质序列能量势函数计算结果更小、执行效率更高、GDT-TS(Geothermal Development and Testing Tool Suite)评价指标值更大。

云环境下海量GPS、视频监控数据存储检索研究

监控数据在不断增大,且80%以上为非结构化数据,利用传统关系型数据库存储管理时,占用机器内存较大,检索数据需对数据库全表扫描,管理性能低。为解决海量监控数据的存储与管理,采用HDFS分布式文件系统存储视频非结构化数据,研究设计Hbase属性信息表,利用Hbase分布式数据库存储属性信息,研究Hbase全局检索信息行键及MapReduce工作流程,构建检索,实现视频监控数据的检索。最终基于非结构化数据的检索技术以及分布式数据处理框架的研究,得到的海量监控数据存储与检索方案。

基于WebService的地震数据可视化设计与实现

地震数据可视化主要以桌面客户端为主,然而在海量地震数据的存储以及系统的可扩展性、可维护性等方面存在瓶颈。本文采用Spring MVC框架技术,结合HDFS分布式存储,以及Html5异步请求技术,设计并实现了一套符合Restful风格的基于Web Service的地震数据可视化系统,并在实际生产中得到验证度应用。

基于COG、Hadoop和Spark的海量影像快速可视化共享方法

随着遥感技术的飞速发展,海量遥感影像及时、高效、波段可灵活组合可视化共享需求强烈,针对影响海量影像快速可视化共享服务显示速度及预处理时间长的关键问题,提出了基于COG(Cloud Optimized GeoTIFF)技术、Hadoop分布式存储技术和Spark并行运算技术的解决方案,解决了传统金字塔栅格瓦片时效性差、不支持波段组合显示等问题,已在项目和实际生产服务中得到应用验证。

大数据中心处理系统性能优化问题研究

HDFS云存储环境中存在数据异构和虚拟机共存这两个问题,它们会引起数据可靠性和应用性能下降,为了解决这两个问题,提出一种基于位置感知的数据放置算法,以优化大数据中心处理系统性能。对此,通过对虚拟集群的相对位置进行感知,从而更好地实现数据块副本的放置,提高数据的可靠性;通过对各节点的处理负载进行预测,可提高数据处理应用的性能。最后,通过实验表明,本研究提出的位置感知放置算法缩短了接口应用时间,并使得数据具有稳定性,这就证明了该方法大大提高了数据的可靠性和应用性能,具有可行性。