分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2019-01-28 合作期刊: 《计算机应用研究》
摘要: 基于Docker的容器云技术是当前研究的热点,容器云中资源的调度策略对数据中心资源利用率和集群性能具有决定性作用。在OpenShift容器云平台上针对其调度策略进行研究和改进,提出了基于多维资源空闲率权重的评价函数和调度方法。该方法综合考虑物理节点CPU、内存、磁盘、网络带宽空闲率和已部署的容器应用个数等因素,并用模糊层次分析法FAHP(fuzzy analytic hierarchy process)自动建模求解容器应用多维资源权重参数。实验表明,新的调度方案能够使集群多维资源利用率更加均衡,从而提升资源的利用率和集群性能。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-11-29 合作期刊: 《计算机应用研究》
摘要: 降低互联网的能耗成为亟待解决的一个科学问题。然而已有的路由节能方案存在都会不同程度的降低网络性能,如网络拥塞、路由振荡、路由可用性和流量分布不均匀等问题,以及需要网络的实时流量信息,从而导致算法复杂度较高的问题。设计一种基于快速重路由的绿色节能方案EEIPFRR,兼顾节能、网络性能和算法复杂度。实验结果表明,与DLF算法比较,EEIPFRR不仅可以降低网络能耗,并且具有较小的路径拉伸度、较低的算法复杂度和的较小的最大链路利用率。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-05-18 合作期刊: 《计算机应用研究》
摘要: 针对传统协同过滤在推荐过程中存在的稀疏性、扩展性以及个性化问题,通过引入算法集成的思想,旨在优化和改进一种新型的基于Spark平台下的混合协同过滤。借鉴了Stacking集成学习思想,将多个弱推荐器线性加权组合,形成综合性强的推荐器。首先,算法基于近邻协同过滤,结合分类、流行度、好评度等对近邻相似度计算策略进行优化,旨在改善相似度的合理性以及相似度计算的复杂度,在一定程度上改善了评分稀疏性的问题;同时,该算法结合Spark分布式计算平台,充分借鉴分布式平台的优点,利用其流式处理以及分布式存储结构等特性,设计并实现了一种推荐算法的增量迭型,解决了协同过滤算法扩展性和实时性问题。实验数据采用UCI公用数据集MovieLens和NetFlix电影评分数据,实验结果表明,改进算法在推荐个性化、准确率以及扩展性上都有不错的表现,较以前同类型算法均有不同程度的提高,为推荐系统的应用提供了一种可行的算法集成方案。