分享到:

云计算概念被滥用了

在Amazon、Google和IBM这些公司推出云计算的概念之后,其他一些公司也开始跟进了。但遗憾的是,其中一部分只是打着云计算的旗号,实际所做的却不值得称为云。 $$——NetApp市场总监 Jay Kidd $$云计算的概念越来越流行,但这个概念也有被人滥用的趋势。Amazon、Google和IBM是第一批将云计算引入公众视线的公司。Amazon使用S3和EC2为小型企业提供计算和存储服务;Google允许第三方在Google的云计算中运行大型并行应用程序;IBM则推出了蓝云计划,让人们创建的新型应用程序能够访问大型共享的计算节点网格。它们的做法让技术更加民主,因此,它们应该使用云这个词。 $$现在,有一些人将云计算、Web 2.0、软件即服务(SaaS)、在线备份和企业网格等概念混为一谈。尽管人们还无法明确定义云计算,但我认为有些东西肯定不应被称为云。 $$SaaS是运行在服务提供商共享的基础架构上的应用软...  (本文共1页) 阅读全文>>

南京大学
南京大学

基于边缘—云环境的数据处理任务放置研究

随着物联网的发展,边缘智能设备的普及,越来越多的物联网应用被部署。物联网设备往往会产生大量的实时性的流式数据,需要物联网应用进行处理。在实际情况中,一个应用需要处理的数据流来自分布在不同地理位置的众多设备。这些数据流数量多,带宽占用大,且呈现地理各异的分布特点。WAN网络带宽能力有限,容易造成延迟升高甚至数据丢失。为了解决WAN高时延和应用低时延高传输速率需求之间的矛盾,相关领域的研究者提出边缘计算(Mobile Edge Computing,或者Fog Computing)的计算系统和模式。通过在靠近用户的网络边缘,例如无线基站,边缘局域网络等部署小型的计算服务器,将数据处理任务部署在其中,以满足应用数据的就近计算和处理请求,节省数据传输到数据中心的时间。将流式数据处理任务部署在边缘计算框架下,随之而来的问题是使用何种策略部署数据处理任务。由于地域分布不同的多输入数据流的延迟差异和多应用之间的带宽资源竞争,不同任务部署位置会产...  (本文共71页) 本文目录 | 阅读全文>>

国防科学技术大学
国防科学技术大学

超级计算机用户安全环境关键技术研究

随着当今社会对任务计算时间和计算量有着越来越高的要求,超级计算机被越来越广泛地运用到相应行业中。为了方便用户使用,超级计算机往往提供了一些访问渠道供用户连接,用户通过互联网使用VPN访问超级计算机资源,一些恶意行为也可以通过互联网影响超级计算机系统。为了方便作业运行,超级计算机系统上存储着大量的用户数据和隐私。当各个用户登录到超级计算机系统后,由于系统缺乏足够的安全机制,各个用户的行为没有得到有效的监控,从而难以保证各个用户的隐私数据的保密性。另外,为了保证系统安全,计算节点不与互联网直接相连。但为了保障用户的正常服务,系统提供登录节点给用户作为连接到系统的入口。由于超级计算机系统内各个节点之间具有的全互连特征,用户可以通过构建―反向隧道‖从而建立从特定登录节点到计算节点的链路,进而绕过系统的资源管理器非法使用系统资源。本文针对超级计算机系统的隐私保护和节点连接验证两大安全问题,通过在TH-1A上构建私有运行环境完成隐私保护,并...  (本文共72页) 本文目录 | 阅读全文>>

长春理工大学
长春理工大学

GPU集群资源虚拟化理论与云共享技术研究

真实感三维场景渲染技术日益成熟,而且已经被应用到很多不同的领域。但是随着技术的成熟,人们对场景的要求也愈加的复杂,普通的个人计算机已经无法满足复杂场景的实时渲染。因此在云端进行三维场景渲染的方式被提出来,通过云端强大的运算能力,来满足场景渲染对计算能力的需求。因此将GPU实现共享并在云端对场景进行渲染的相关技术成为了计算机图形学渲染领域的研究热点之一。本文就虚拟化环境下对GPU集群调度算法的和云共享框架两方面展开研究,主要包含以下内容:一、介绍了GPU虚拟化以及虚拟化环境下GPU集群的调度技术,主要包括GPU虚拟化技术现状,以及GPU调度的负载均衡策略现状。二、提出了一种基于GPU虚拟集群的资源调度方案。该方案通过采用哈希的方式对GPU资源进行调度,通过将GPU资源映射进入哈希空间,同时将绘制任务也映射进入哈希空间,然后将绘制任务映射到集群的计算节点。通过该调度方案,很好的解决服务器宕机问题。同时通过对算法的优化很好的解决了任务...  (本文共51页) 本文目录 | 阅读全文>>

电子科技大学
电子科技大学

分布式海量数据处理系统计算节点的设计与实现

随着互联网的快速发展,各类大型企业和互联网公司对数据的处理形式越来越多样化。一般情况下,需要对用户海量数据进行有效地处理及分析。由于数据量巨大,所需的计算量不是单台电脑在合理的时间内能够完成的。针对海量数据处理的应用背景,我们设计实现了基于分布式计算的海量数据处理系统。本文主要针对这一系统中的子节点分布式计算节点的设计与实现展开研究。分布式海量数据处理系统的目的在于快速的处理海量数据,即具有高效和高可靠的数据分析处理机制。其思想主要是借鉴Map/Reduce的基本思想将海量数据以结构化的形式分布到多个数据节点中,再根据一系列的计算,从多个数据节点中提取用户需要的数据进行分析和查询。本文着重介绍系统中计算节点的设计思想与实现技术,提出了多层次通信处理框架,并在此框架上设计了一种动态分级归并查询策略,实现一个具有高效及高可靠性的分布式计算系统。本文主要做了以下几方面的工作:第一,分布式海量数据处理系统的基础架构设计。通过对现有的分布...  (本文共89页) 本文目录 | 阅读全文>>

《计算机工程》2009年06期
计算机工程

曙光5000A高效能计算节点的设计与实现

1概述随着社会的发展,机群逐渐成为市场主流,但其简单的体系结构在耗电、空间、散热、效率、可靠性和可管理性方面的问题使其性能无法延续到千万亿次(Petaflops)[1]。美国国防部于2002年制定的高效能计算系统(High Productivity Computing Systems,HPCS)研究计划,首先提出以高效能作为新一代高性能计算机研制的目标,IBM PERCS,Cray Cascade,SUN Hero成为首批入选计划。高效能包含了高性能、可编程性、可移植性、稳定性等多个方面的要求[2]。其他千万亿次研发计划,如IBM Roadrunner,Cray Baker,SUN Constellation、日本京速计算机计划等,也将高效能列为其关键实现目标。高效能代表了高性能计算机研究的新方向[3-4]。计算节点(主要由处理器、芯片组和交换芯片构成)是高性能计算机的核心硬件部件,不同的高性能计算机体系结构有不同的实现方式。M...  (本文共4页) 阅读全文>>