排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
在过去的数十年中,信息数据量呈现指数级增长,如何存储和保护这些大量信息数据成为一个难题.云存储和冗余去重技术成为解决上述难题的主要技术.去冗技术在云存储系统中得到广泛应用,但主流的云存储系统存在索引信息的膨胀以及数据分块的不确定性等不足,而这些弊端会导致内存空间的浪费和数据分块的不可预知性.针对这些问题,提出了一种基于内容分块的层次化去冗优化策略,并构建了对应的算法,解决了云存储系统中索引信息表过大和数据分块过大或过小的问题.并且选取CNN新闻的页面内容作为测试集进行实际测试,通过比较去冗比和去冗时间可以看出,相比于目前主流的去冗策略,本文提出的基于内容分块的层次化去冗优化策略能够提升3%左右的去冗比,同时降低2%左右的去冗时间. 相似文献
2.
3.
4.
OpenMP源程序级同步段负载监测方法与均衡策略 总被引:2,自引:0,他引:2
在详细阐述以同步段为最小分析单位对OpenMP程序进行负载监测与均衡的重要性之后,本文提出了源程序级同步段负载监测方法与均衡策略.其中源程序级同步段负载监测方法以隐含同步的显性化为基础,具有实现简单和易于确定有效监测区域的优点.在获得负载分布信息之后,通过同步段性能评价、筛选、负载扫描与调整实现同步段的负载均衡,这是本文与现有OpenMP性能工具不同的地方.在负载均衡的过程中,根据加权剩余并行效率筛选出需要负载调整的同步段并对其负载进行扫描,最终确定出适合这些同步段的负载调度策略.实际测试结果表明本文提出的同步段负载监测方法与均衡策略是可行的. 相似文献
5.
6.
MapReduce并行编程模型通过定义良好的接口和运行时支持库,能够自动并行执行大规模计算任务,隐藏底层实现细节,降低并行编程的难度.本文对MapReduce的国内外相关研究现状进行了综述,阐述和分析了当前国内外与MapReduce相关的典型研究成果的特点和不足,重点对MapReduce涉及的关键技术(包括:模型改进、模型针对不同平台的实现、任务调度、负载均衡和容错)的研究现状进行了深入的分析.本文最后还对MapReduce未来的发展趋势进行了展望. 相似文献
1