一、构建高性能计算服务应用开发平台（论文文献综述）
尚佳友[1]（2021）在《基于容器技术的用户行为仿真方法研究》文中提出网络空间的重要性及战略地位日益提升,然而网络空间安全形势日趋严峻。网络靶场作为国家网络空间安全体系中的重要基础设施,主要是基于虚拟化等技术对网络空间中的网络架构、用户行为等要素进行复现,并用于网络安全的风险评估、新技术评测与人才培训,满足日益增长的网络空间安全保障需求。用户行为仿真技术旨在复现网络用户行为和业务流量,是网络靶场的重要支撑技术。面向大规模、多样性、高并发的用户行为特征,如何实现高性能、可扩展的用户行为仿真是关键。相对于传统的全虚拟化技术,容器技术具有响应速度快、资源占用低等优势,为此,本文重点研究了基于容器技术的用户行为仿真方法。具体而言,本文主要研究内容如下:1)提出一种面向用户行为仿真的容器网络构建技术。针对当前容器云所能构建的仿真网络存在网络场景单一、网络性能低的问题,基于Kubernetes容器云,设计了一种仿真网络场景可灵活定义的高性能网络互联方案——N-NET,为复杂仿真网络场景下基于容器的用户行为仿真奠定了基础。N-NET突破了Kubernetes固有互联方案的单一性,设计了多样化、高交互的网络管理方案,实现了容器网络的细粒度灵活配置,为复杂仿真网络场景的构建提供了支撑。此外,N-NET通过优化通信网络的传输架构提升了网络传输性能,通过设计Kubernetes与Open Stack的融合体系,实现两者的服务一致性与通信互通性,为基于容器技术的用户行为仿真与基于虚拟化的网络仿真提供无缝互联支撑。实验表明:N-NET可实现基于IP地址的细粒度复杂网络的构建以及容器节点与全虚拟化节点的无缝互通;在网络性能方面,相对于传统的Kubernetes互联方案,N-NET可显着提升网络吞吐量并降低传输延迟。2)提出一种基于容器技术的高性能用户行为仿真模型。面向用户行为仿真的多样性、大规模等特征,从仿真用户、仿真业务架构、仿真资源三个方面,构建一种高性能用户行为仿真模型。在仿真用户方面,通过仿真用户、仿真行为驱动的设计,构建了大规模、多样化且具有真实行为特征的仿真用户;在仿真业务架构方面,一方面,基于层次化仿真业务架构实现了对用户仿真流程的统一描述,另一方面,研究了面向高并发用户行为仿真的优化策略,以提升仿真性能;在仿真资源方面,研究了基于容器技术的分层用户仿真镜像构建方法。实验表明:所构建的仿真模型可有效实现大规模、多样化、差异化的用户行为仿真,可生成真实行为流量,且可有效缩减大规模用户行为仿真任务所消耗的运行时间。3)基于1),2)的研究内容,结合Kubernetes与Open Stack,设计并实现基于容器技术的用户行为仿真系统。该系统通过融合两种云平台,综合了基于Kubernetes的用户行为仿真优势以及基于Open Stack的网络仿真优势,实现跨云平台的仿真系统。基于该系统,提出了面向大规模仿真网络的拓扑映射优化方法,实现计算资源的有效利用,提高了仿真网络拓扑构建的高效性与易用性。基于该系统,构建了典型的面向天地一体化信息网络的仿真场景,并进行了仿真系统的功能测试以及大规模天地一体化网络用户行为的仿真实验验证。
陈建宇[2]（2021）在《云平台支撑下的基于SDN的路由仿真技术研究》文中认为随着互联网技术的飞速发展与应用,一方面各种新型网络技术（诸如卫星互联网、天地一体化信息网络、命名数据网络等）层出不穷,另一方面网络安全事件频发,网络安全形势日趋严峻。面向日益增长的网络新型技术评测与安全防御技术评估的需求,网络靶场主要利用虚拟化技术,对真实网络空间中的各种要素进行模拟和复现,为网络与安全技术的研究提供测试床,因此具有重要研究意义。网络靶场可包括网络仿真、用户行为复制、安全自动化测试、数据采集与效果评估等技术,然而高可扩展、高性能的网络仿真技术是网络靶场的基石。面向高可扩展、高性能的网络仿真需求,本文从网络的核心要素—网络路由,作为出发点,重点开展了路由仿真技术的研究。当前基于虚拟化的仿真技术可实现一定能力的路由仿真,但是存在仿真吞吐量低、资源消耗大、仿真功能有限等缺点。针对于此,本文借助于SDN（Software Defined Network,软件定义网络）技术,重点研究了基于SDN的高性能路由仿真架构,并进一步研究了可扩展、高可用与多功能的路由仿真技术。具体而言,本文的主要研究内容包括以下四个方面:1)提出了一种基于SDN的高性能路由仿真架构。针对当前基于虚拟化的路由仿真中存在的仿真吞吐量低与资源消耗大的问题,结合SDN具备数据转发性能高与资源开销小的技术优势,提出了一种云平台支撑下的基于SDN的路由仿真架构——Crouter。Crouter重点突破了SDN固有的二层转发能力瓶颈,实现了支持三层转发的高性能路由仿真,并通过优化云平台的数据转发机制,提高了仿真网络的转发性能。此外,Crouter设计了OSPF路由协议仿真与QoS（Quality of Service,服务质量）仿真模型,丰富了路由仿真的功能。实验表明:Crouter的CPU和内存资源消耗仅为基于虚拟化路由仿真技术的2%和2.1%;在多跳场景仿真与多节点并发场景仿真中,Crouter的仿真吞吐量分别是基于虚拟化路由仿真的2.49倍与4.49倍,仿真转发延迟分别仅为基于虚拟化路由仿真的11.1%与51%;此外,Crouter还可支持OSPF路由协议以及QoS功能的高逼真仿真。2)基于1)的研究内容,提出了一种基于SDN控制器集群的高可用路由仿真技术,以提升仿真规模的扩展性以及仿真网络的可用性。设计了控制器集群调度机制,该机制首先通过多个控制器并发管理仿真网络从而突破单个控制器的管理瓶颈,进一步依靠控制器评价模型和控制器调度算法提高了仿真规模的可扩展性;设计了仿真网络恢复机制,该机制负责在某个控制器异常终止时,主动将其管理的路由节点重新交付给其它控制器管理并恢复仿真网络的运行状态,确保仿真网络的高可用性。实验表明:相对于1)中基于单控制器的仿真网络管理,基于SDN控制器集群的高可用路由仿真技术可实现控制器集群的并发仿真网络管理,从而提高路由仿真规模的可扩展性,当某控制器出现故障时,仿真网络能继续正常运行,具备高可用性。3)提出一种基于虚拟化的多功能路由仿真技术。针对当前基于虚拟化的路由仿真中存在的仿真功能有限的问题,提出一种云平台支撑下的基于虚拟化的多功能路由仿真技术。该技术通过Quagga路由软件实现静态路由、RIP路由协议、OSPF路由协议、BGP路由协议的仿真,通过Iptables组件实现数据过滤、流量监测、地址转换的功能仿真,并设计自动化配置机制减少重复性的配置操作。实验表明:基于虚拟化的多功能路由仿真技术通过自动化配置机制可以便捷地构建具备多种路由协议以及数据过滤、流量监测、地址转换功能的仿真网络。4)基于1)、2)、3)的研究内容设计并实现了基于云平台的路由仿真系统。该系统融合了基于SDN技术的高性能、低资源开销的路由仿真技术以及基于虚拟化技术的多功能路由仿真技术,实现面向大规模边缘网络的可扩展仿真以及面向骨干网络的资源独占性仿真的融合。该系统设计了可视化管理、链路性能仿真、拓扑自动部署等模块,提升了路由仿真的易用性、链路仿真的逼真性以及仿真拓扑的部署性能。面向广域网仿真拓扑,进行了功能验证与应用。
张鼎超,王小宁,肖海力,卢莎莎,和荣,迟学斌[3]（2020）在《面向高性能计算环境的微服务运维平台设计与实现》文中研究说明国家高性能计算环境为提高应用服务的持续交付能力逐步引进微服务架构。针对国家高性能计算环境由传统单体架构向微服务架构转变引入的新的运维问题,设计并实现了面向高性能计算环境的微服务运维平台,拟面向开发运维人员,降低开发难度,提升运维效率。重点研究并实现了微服务运维平台中的服务部署及管理、服务运行监控和服务弹性伸缩特色功能,通过应用化封装技术对服务部署及管理过程进行封装,同时设计用户权限管理机制,利用EFK和Prometheus分别完善高性能计算环境的日志收集功能和监控告警功能,通过Horizontal Pod Autoscaler资源对象实现基于CPU、内存等核心指标以及QPS等自定义指标的服务规模弹性伸缩技术。测试结果表明,微服务运维平台可以实现高性能计算环境中以项目为划分依据的一键式服务部署、更新、删除等操作,提供交互性更好的可视化运行监控方案,应对流量高峰场景,增强应用服务可靠性。
唐古拉[4]（2020）在《移动源遥感监管平台建设研究》文中进行了进一步梳理我国已连续十年成为世界机动车产销第一大国,机动车等移动源污染已成为我国大气污染的重要来源,移动源污染防治的重要性日益凸显。本研究围绕移动源遥感监管平台构建过程中的关键性问题进行了系统性地阐述,为全国各地响应生态环境部号召,落实党中央国务院决策部署,坚决打好柴油货车污染治理攻坚战,统筹“油、路、车”,提升移动源环境管理水平,有效降低移动源污染物排放提供技术支撑。本文的主要结论是:1.监管平台总体逻辑架构可分为二个体系、五个层次,确保整个信息平台具有规范化、系统化、整体化特点,增强监管平台功能模块独立性、可扩展性,降低其相互之间的耦合度。2.从逻辑和功能上可将整个平台划分为感知层、基础设施层、数据资源层、服务平台层和业务应用层。3.监管平台和机动车尾气遥感监测、柴油货车OBD监测、排污监控以及黑烟车尾气抓拍等系统的传感器数据接口对接,一体化紧密集成,可实现监管平台对数据的统一存储、管理与交换。4.将云计算资源、存储资源、网络资源等物理资源进行整合,按照云服务模式和云架构建立共享资源池,形成可按需动态扩展的高性能计算环境、大容量存储环境,满足机动车尾气监管业务数据存储、高并发事务处理、信息共享和各相关部门业务系统接入平台的需要。5.通过Web Service接口服务支持外部业务对平台数据资源及功能服务的调用,业务和服务分离技术,所有应用依赖服务,而不直接读取数据,便于后期数据更新、更换和调整等不影响移动源管理具体的业务应用。6.移动源尾气的遥感监测方法利用分析吸收光谱法测量烟羽中的CO2、CO、NO和HC的排放浓度,利用光通过烟羽前后的强度变化测量不透光度,经程序反演后得到污染物排放浓度和烟度,是一种高效动态的尾气污染监控方法。
张帅[5]（2020）在《分布式移动网络环境下大规模空间社交媒体数据快速增强现实可视化研究》文中提出增强现实技术被广泛誉为下一代人机交互通用平台技术,近年来受到了国内外学界与产业界的重点关注,迎来了爆发式增长。智能手机i OS与Android平台纷纷推出各自底层增强现实API,ARKit与ARCore,使得全球万亿智能手机都成了增强现实设备。2016年AR游戏Pokemon Go刚上线就火爆全球,一个月内获得了13000万次下载,迅速得到全球70多个国家民众的热捧。增强现实技术能够呈现炫酷引人入胜的3D模型动画,但当前领域内对简单社交多媒体数据,如文字、图片、音频、视频等,的增强现实可视化体验关注不够,而社交媒体数据却是普通用户最容易生产的数字内容,必然伴随着增强现实技术应用的普及而大规模产生。因此,研究社交媒体数据在增强现实环境中可视化问题,对增强现实技术的进一步平民化普及具有重要意义。在如今的大数据时代,当社交媒体数据规模日渐庞大时,在分布式移动网络环境下,研究大规模社交媒体数据快速增强现实可视化问题有着极其重要的应用价值,可视化效率问题严重影响着增强现实前端的用户体验,而优良的数据组织机制、高性能的数据处理架构是增强现实前端快速可视化的首要问题,因此本文的研究重点在于利用大数据技术去支撑增强现实前端快速可视化。另一方面,与传统社交媒体应用不同,社交媒体数据增强现实可视化问题是在现实生活中真三维环境中呈现的,具有鲜明的地理空间属性,属于空间社交媒体数据,因此,大规模空间社交媒体数据增强现实可视化能否快速响应一个关键因素是能否有效利用地理空间信息。本文在前人的研究基础上,对大规模空间社交媒体数据快速增强现实可视化问题的研究,主要从以下几个方面展开:（1）针对大规模空间社交媒体数据的增强现实可视化数据特征,研究适合网络大规模数据传输的空间社交媒体数据规范,提出了Geo ARMedia数据模型规范。Geo ARMedia数据规范参考了现行gl TF与Geo JSON数据标准,定义了常见空间社交媒体的数据模型规范,明确了常见多媒体数据类型（文本、图片、音频、视频等）的存储表达规范。（2）面向分布式集群环境下的大规模空间社交媒体数据存取技术需求,构建了利于数据库跨尺度平滑读写稳态Z曲线算法,研究了大规模空间社交媒体数据基于稳态Z曲线的常见空间查询算法,提出了基于稳态Z曲线的大规模空间社交媒体数据的分布式数据划分策略,优化数据分布式存储结构,提高了空间社交媒体数据的分布式存取效率。（3）研究基于智能手机设备的移动增强现实前端可视化空间的构建,定义了空间社交媒体数据在移动增强现实前端的可视域以及三层空间交互架构,提出了空间社交媒体数据增强现实可视化的球面模型,同时研发了借助地理信息能够大幅提高增强现实识别图命中效率的大规模社交图片检索的时空耦合算法,有效提升了空间社交媒体数据在移动前端增强现实可视化效率。（4）为了在分布式移动网络环境下快速响应大规模空间社交媒体数据加载请求,保障前端增强现实可视化的效率与稳定性,本文提出了空间社交媒体数据增强可视化多级缓存机制,利用空间社交媒体数据的空间邻近性,提出了增强现实可视化前端缓存预调度机制,以及基于地理位置的热点数据云端探测与分布式缓存调度机制,有效保障了增强现实快速可视化的速度与高并发响应要求。（5）大规模空间社交媒体数据增强现实可视化伴随着海量的计算任务,本文研究了大数据技术以及高性能计算技术,研发了面向大规模空间社交媒体数据的并行处理计算框架,提出了一种大规模空间社交媒体数据并行处理的代数方法,能够简洁有效的描述并行处理任务,组织调度多个并行计算算子协同工作共同完成相关任务,支撑了大规模空间社交媒体数据快速处理。（6）结合当前流行分布式数据库、大数据技术、可拓展网络服务架构、移动前端3D引擎技术,依托前文的研究成果,本文设计并开发了大规模空间社交媒体数据快速增强现实可视化原型系统——视网么,详细讨论了常见空间社交媒体数据的增强现实交互与视觉设计,实现了前后端增强现实服务,同时研发了移动端社交媒体数据增强现实编辑器,大范围降低了社交媒体数据增强现实内容生产门槛,最后本文以南京大学仙林校区周边为例展开应用实验,测试表明视网么在应对TB级数据规模千万级并发访问的空间社交媒体数据前端增强现实可视化任务可以在1秒内完成前端响应,达到了理想的研究实验效果。
闻龙[6]（2020）在《面向智能网联汽车的高性能计算仿真平台》文中进行了进一步梳理人工智能技术在解决智能网联汽车在复杂场景下的感知决策课题中具有极大的应用潜力,但同时面临车载算力限制、开发效率较低与场景验证困难的三个方面的挑战。为此,本论文提出一种基于高性能计算平台的仿真平台。该平台主要包括以下两个个内容:（1）构建基于高性能计算的仿真平台,并在其中融合多种常用人工智能算法,提供算法支持;（2）提出一种虚实融合的半真实仿真测试场景,解决算法验证过程中对场景的随机性、真实性的需求,提高保障测试安全的同时,提高测试效率。论文的主要研究研究内容如下:（1）针对在人工智能算法开发门槛高、开发效率低下的问题,以及针对人工智能算法需要较高的车载算力的问题,本文搭建了一个融合低延迟图像传输算法及多种人工智能算法的高性能计算仿真平台。开发了模块化封装的各类人工智能算法开发工具箱,降低人工智能算法开发门槛,提高开发效率。同时算法开发工具箱多线程调用,支撑云平台多车感知决策需求。算法开发工具箱主要包括:目标识别算法、语义分割算法、车道线识别算法、端到端决策算法、有限状态机决策算法以及低延迟图像传输系统。依靠5G等高带宽、低时延的通讯手段,在云端实现感知决策等对算力需求较大的任务,并将结果返回车端。在这个架构下,理想状态下车仅需要感知系统的传感器系统以及线控执行系统,这不仅降低车端对算力的需求,还可在云端实现“车-路”协同感知,提高行车安全。平台的基本架构主要包括:高性能计算服务器、并行计算加速驱动、基于容器引擎的开发环境管理系统以及经过封装的算法开发工具箱。（2）针对人工智能算法在实车实路条件下验证难度大风险高的问题,本文提出了一种仿真场景中的动态交通流生成方法。论文借鉴“平行测试”的理念,基于已搭建完成的仿真平台和静态仿真场景,构建出虚实融合的半真实仿真测试场景,将真实交通流数据同步至仿真场景中,解决算法验证过程中对场景的随机性、真实性的需求,提高保障测试安全的同时,提高测试效率。在构建车路协同的半真实仿真场景系统中,面临道路目标场景理解的难题。为此,论文结合“路端传感器”、“边缘计算”两种关键技术,在虚拟的静态道路场景中动态的生成接近真实的交通流场景信息。（3）论文通过仿真平台与实车的平行试验,对系统主要功能与关键性能进行了验证,通过多智能体在半真实仿真环境中的同步测试,验证了平台算法验证了平台的高性能算力以及算法测试的高效性,通过多路的真实视频数据回传并在高性能计算平台进行集中计算,验证了基于超分辨率算法和算法开发工具箱的云端感知计算系统的可行性。通过对真实道路上目标进行识别定位,最后在虚拟场景中动态生成,验证了半真实仿真测试场景生成的有效性。
程鹏[7]（2020）在《面向高性能计算系统的融合数据管理关键技术研究》文中认为随着高性能计算、大数据与人工智能的不断融合,高性能计算社区亟需同时支持这三种场景的计算系统来加速科学发现。然而,爆炸性增长的科学数据以及不同场景下应用截然不同的I/O特征促使融合应用呈现前所未有的复杂性。与此同时,不断加深的存储层次和多样化的数据定位需求进一步增加数据管理难度,导致高性能计算系统面临严峻的数据存储与管理挑战。为了在高性能计算系统上有效支持融合应用,本文结合层次式存储结构和应用特征,研究融合应用场景下数据管理的关键问题,优化高性能计算系统的数据管理能力并提升应用I/O性能。本文的主要工作包括:1.针对高性能计算系统存储层次不断加深的趋势,本文设计基于层次式存储结构的数据管理系统,统一管理内存、固态硬盘等多个存储层次,为融合应用提供高效数据缓存空间。为充分发挥不同存储层次的性能和容量等特点,该层次式数据管理系统结合应用数据访问模式定制数据管理策略,协调数据在各个存储层次的分布方式。此外,针对存储层次加深引起的数据局部性变化,本文设计数据感知的任务调度机制,配合资源管理系统尽可能将任务调度到拥有数据的计算资源。相比于底层并行文件系统,该层次式数据管理系统能够为应用带来54%的性能提升。2.针对单一数据管理策略无法充分发挥层次存储结构性能优势的问题,本文以科学工作流应用为代表,提出面向融合应用的自适应数据管理技术。本文将层次式存储结构下的数据放置问题抽象为分类问题,提出基于分类模型的智能数据放置策略:该策略以最小化科学工作流应用的总I/O时间为目标,挖掘不同应用特征和系统实时状态下数据放置策略对应用总I/O时间的影响,并训练分类模型智能做出数据放置决策。数据预取问题方面,本文分析科学工作流应用的数据流图拓扑结构和数据访问特征之间的关系,提出针对文件类别的自适应数据预取策略:通过结合局部性预取策略和智能预取策略的各自优势,提升复杂数据访问模式识别能力。相比于固定数据放置策略,本文提出的自适应数据放置策略能够实现34%的I/O性能提升;相比于传统局部性预取策略,本文提出的自适应预取策略识别复杂数据访问模式的能力显着提升,并能够降低54.2%的数据读取时间。3.针对并行文件系统管理海量科学数据时面临的数据定位挑战,本文提出耦合文件系统的索引与查询优化。文件粒度数据定位问题方面,本文设计并发元数据提取机制,快速提取文件系统中已有文件的“应用定制元数据”信息,通过定制的层次式哈希索引结构,高效满足文件粒度定位需求。记录粒度数据定位问题方面,本文采取原位索引构建机制,允许数据在写入文件系统的同时构建索引信息;为了权衡索引粒度与索引构建开销,本文提出轻量级Range-bitmap索引结构;结合本文设计的并行查询处理机制,记录粒度数据定位需求能够被快速响应。对生物和气象等数据集的测试表明,本文设计的文件粒度索引查询方案能够在毫秒内从包含数百万个文件的目录中定位目标文件;本文设计的记录粒度索引查询方案相比于遍历整个数据集定位内部数据的方式实现2个数量级的查询速度提升。
胡小康[8]（2020）在《云数据中心性能与安全关键问题研究》文中认为随着云计算的广泛部署和应用,传统的互联网数据中心正在向云数据中心演变。性能和安全是长期伴随云数据中心的重要议题,本论文以云数据中心的性能与安全为主线,紧跟学术界和工业界发展趋势,从系统虚拟化、异构加速器、敏感数据安全这三个重要又相互联系的性能和安全研究方向展开,总结亟需解决的三个关键科学问题并加以研究,分别为I/O虚拟化事件通路,云数据中心异构计算I/O协同交互,以及云环境租户私钥保护与使用。系统虚拟化的研究重点在于I/O虚拟化,I/O虚拟化的主要性能瓶颈在于事件通路:虚拟机监控器（VMM）的频繁介入造成大量昂贵的VM-Exit。本论文首先研究I/O虚拟化事件通路这一性能关键问题,构建高效虚拟I/O事件通路。早期软件解决方案的缺陷促使了硬件辅助Posted-Interrupt（PI）技术的诞生,提供无Exit的虚拟中断递交和完成。尽管如此,PI距离最优虚拟I/O事件通路仍存在挑战:其一,PI仅作用于中断路径,但虚拟机I/O请求也会引发大量VM-Exit;其二,基于PI的虚拟中断递交仍可能会受虚拟CPU调度影响,造成I/O处理延迟。以构建最优虚拟I/O事件通路为目标,本文基于PI提出高效低延迟虚拟I/O事件系统ES2,同时提升虚拟机与其设备之间的双向I/O事件递交。ES2首先引入混合I/O处理机制高效传递虚拟机的I/O请求,此混合机制在已有的基于Exit的通知模式和新添加的无Exit的轮询模式之间适时切换,同时攫取两种模式的优点,并提供通用的感知模式切换和专用的乐观模式切换两种算法。其次,ES2使用智能中断重定向策略优化PI递交,将虚拟中断重定向至最合适的虚拟CPU从而有效提升虚拟机的I/O响应性,在挑选最合适的中断目的虚拟CPU时,如果存在多个备选则优先考虑缓存亲和性确保I/O处理性能,并对需要定位最先运行虚拟CPU的情形提供了精确递交策略。综合性实验表明ES2可以有效减少I/O相关VM-Exit,在吞吐量和I/O延迟两方面大幅提高I/O虚拟化性能,并且具备良好的性能可扩展性。I/O虚拟化的发展促进了异构加速器（新型I/O设备）上云,成为云数据中心提升算力的有力解决方案,当前的研究重点在于如何提升系统/应用加速性能,其关键不仅仅在于加速器本身,I/O协同交互（即卸载I/O）同样非常重要。本论文接着研究云数据中心异构计算I/O协同交互这一性能关键问题,使得CPU和加速器之间可以紧密协同,有效提升加速性能。本文选择广泛部署的事件驱动型Web负载作为研究对象,首先剖析直接引入异构加速器（直接卸载模式）存在的性能瓶颈,即卸载I/O中的频繁阻塞;然后分析并对比基于Intel QAT设备的两种新型高性能卸载模式,即SSL/TLS异步卸载模式（异步并发）和HTTP压缩流水线卸载模式（同步并发）,这两种创新卸载模式均允许单一应用进程/线程并发地提交卸载任务,继而分摊甚至消除阻塞造成的性能损失,且显着提高加速器内部并行计算单元的利用率。在深度分析SSL/TLS异步卸载模式的基础上,本文提出了两点重要性能优化,进一步提升I/O协同交互的效率:其一是引入启发式轮询机制,集成至应用内部以避免可能的频繁线程切换,并利用应用层知识来指导轮询行为,兼顾效率和及时性;其二是提供绕过内核的异步通知机制,通过避免异步事件递交造成的昂贵用户态/内核态切换来进一步提升应用加速性能。此外,在基于Nginx的原型实现中,本文将Nginx中的简单SSL Engine设置机制扩展为SSL Engine框架,既支持灵活强大的加速器功能配置,也方便开发者集成不同种类的加密加速器。丰富的实验表明SSL/TLS异步卸载模式和HTTP压缩流水线卸载模式均能显着提升系统加速性能,本文设计实现的两点性能优化也能带来进一步的性能提升。综合上述的分析、性能优化以及实验评估,本文可以得出一系列研究结论,为云数据中心负载引入异构加速器、实现高性能卸载提供参考。异构加速器的兴起为同时实现私钥安全和高性能密码学运算提供了新的可能性,但却不一定能够直接适应云环境。本论文最后研究云环境租户私钥保护与使用这一安全与性能关键问题,目标是在保护租户私钥的同时兼顾运算性能。现有的Keyless和Keyguard策略存在性能或安全性上的局限性,以Intel KPT为代表的新型架构使用可信安全模块（TPM）建立信任、部署密钥,并引入加密加速器卸载高开销的加密运算,然而直接将这种新型“类KPT架构”用于云租户私钥保护存在可扩展性（支持足够数量的共驻虚拟机/容器）、密钥部署延迟和透明性上的挑战。本文设计了综合性密钥管理系统Cloud KPT去解决上述挑战:基于密钥包装的思路,Cloud KPT为每个云租户随机生成唯一的租户对称密钥（TSK）作为使用类KPT硬件的主密钥并加密该租户的所有私钥,以此解决可扩展性和密钥部署延迟这两个挑战;加密私钥被租户用于应用部署,Cloud KPT使用从加速器Engine加载私钥的策略配合私钥特殊加密方式,使得上层应用和加密库不会感知到底层的底层的密钥保护机制,从而解决透明性挑战。考虑到TSK代替私钥成为租户最重要的密钥,Cloud KPT在TPM 2.0密钥复制协议的基础上引入证书信任来确保TSK部署的安全性,不仅满足传输安全,而且在目的存储处受真实TPM保护,并只能被合法租户所使用。对于需要安全TSK存储的云端密钥服务器实现方案,Cloud KPT提供了基于TPM的两阶段TSK复制机制,同时兼有高安全性、低成本以及灵活密钥部署等多项优点。此外,本文也呈现了以SGX作为可信硬件技术的Cloud KPT复用方案,提供了直接复用和间接复用两种设计思路。综合性实验表明Cloud KPT可以极大地扩展私钥保护容量,有效减少密钥部署延迟,运行时开销也很低,且得益于硬件加速,Cloud KPT仍能提供远超软件基准的私钥运算和SSL/TLS性能。
张笑忠[9]（2020）在《基于云平台的高性能WEB电商平台的优化研究与实现》文中进行了进一步梳理随着互联网的快速发展,用户数量也在逐渐增加,人们在日常的生活中会经常使用计算机上网,在线购物已经成为人们的日常,Web应用系统面临的问题也在增大,容易出现响应时间过长,系统运行不正常等问题,研发人员需要根据实际情况尽可能对Web应用系统做最大限度的优化,保证Web应用系统的使用质量,构建高性能Web应用系统。以本人为某木塑案例企业已经开发的电商平台为基础,对已经开发的电商平台进行重构优化设计,提升WEB电商平台性能,最终实现一个高性能WEB电商平台。首先研究了Web应用系统架构并分析架构的应用场景和优缺点,分析目前Web应用系统优化方案,从垂直优化和水平优化视角详细阐述了高性能Web应用系统所要优化的内容及相关技术点。然后对已经开发的电商平台进行重构优化,先对架构进行重构优化设计,依托云计算技术,以低廉的成本满足系统的可扩展的性能需求,将原来的单体架构调整为负载均衡层、业务层、中间层、缓存层、数据库层和数据分析层及基础服务层,负载均衡层采用Nginx用来提升系统的吞吐量,提高系统的并发能力,使用最新的全站加速技术提升动静结合的页面的响应速度;中间层使用RabbitMQ消息中间件,异步处理消息,流量削峰;缓存层加快数据的响应速度满足人们对响应速度的需求;数据库层采用主从复制的架构和读写分离模型,提高系统的容灾能力和缓解单库读写压力,由单一云服务调整为多云服务,降低单一云服务带来的风险。在数据传输过程中,采用HTTP/2.0协议提升数据的安全性和传输速度。之后对电商平台中的模块进行优化设计,登录模块采用二次认证的安全策略,提升系统的安全性能;订单模块提出的TPQCAS并发处理模型,解决中小企业订单的并发能力和出现的超卖问题;搜索模块提出基于Trie树的关键词匹配算法和ElasticSearch结合方案,提升检索的速度和并发能力。数据分析层新增了用户行为分析模块,用户行为分析用来分析用户行为数据,为营销提供决策支持。再次,本文阐述了电商平台实现的整体功能,并详细阐述了登录注册模块、订单模块、搜索模块、用户行为分析模块、监控管理模块的实现,同时也阐述了云资源管控模块,云资源管控通过云资源整合解决多云服务带来的账号管理问题,云资源整合采用工厂设计模式,提升扩展性,云资源监控对异常服务器及时预警,并及时生成快照,提升系统的高可用性。最后,对实现的电商平台进行功能测试和性能测试,测试结果表明整体具备较好的性能,对中小企业的WEB应用系统构建具有一定的参考意义。
陈晓[10]（2020）在《基于资源管理与调度的仿真一体化平台的研究与实现》文中指出随着高性能计算以及云计算的蓬勃发展,高性能集群资源支撑着制造业、航天、教育、石油等科研领域的越来越复杂的产品设计,为各领域的快速发展奠定了坚实的基础,所以高性能计算受到仿真设计科研人员的青睐。在教育领域,高校学生和老师做仿真设计实验时,以传统方式使用集群资源是非常耗时的,运维人员管理集群也很不方便。现今将集群资源的使用和管理统一在一个平台上,方便管理员管理,简化学生和老师使用集群资源的步骤,在用户无需关心集群资源的底层细节以及调度的策略去使用计算资源的情况下,为用户提供一个Web平台去访问计算资源。不仅提高了用户仿真设计效率,而且提高了集群资源的利用率。论文选题来源于企业实际开发,主要完成以下内容。（1）对仿真一体化平台进行功能需求和非功能需求分析。本文通过研究仿真设计用户对集群资源使用以及集群资源管理员对集群资源管理的具体需求,结合某高校现有的高性能计算平台,分析了仿真设计一体化平台的功能需求以及非功能需求,同时通过用例图对用户的功能需求按功能模块进行建模。（2）对仿真一体化平台进行设计与实现。将系统的功能需求按模块划分,包括桌面管理、仿真设计、作业管理、用户数据管理、集群监控和审计管理模块,根据实际需求研究具体实现时所需的技术方案和系统的整体架构。由于是B/S架构的Web系统,采用Spring Boot框架快速构建系统,数据库使用Postgre SQL,针对高校对仿真设计软件的需求,系统内置了几种默认的仿真软件,也支持管理员通过平台动态配置,并为用户提供每一次仿真作业的相关数据存档、管理和共享功能。在作业调度和集群运行数据实时监控方面,由于LSF软件的全局资源共享、多个节点可以并行执行作业、支持多种操作系统、扩展集群能力强等优势,系统选用LSF软件作为集群的调度。为集群中每个节点安装LSF软件,配置集群主节点、从节点、集群管理员等相关信息,调用LSF相关命令将作业信息和集群监控数据返回展示在前端,方便管理员和运维人员查看和管理作业及节点。其次考虑到作业执行相关数据和集群监控数据比较多,作业数据和集群监控数据采用按月分表存储。然后给出系统功能模块图,分别对系统的每个模块通过类图和时序图进行详细设计与实现。（3）对仿真一体化平台进行测试。首先测试桌面管理、仿真设计、用户数据管理、作业管理、集群监控和审计管理模块的功能,其次测试了系统的性能、安全性、可靠性和可扩展性。根据测试结果,系统符合用户预期的需求。
二、构建高性能计算服务应用开发平台（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、构建高性能计算服务应用开发平台（论文提纲范文）
（1）基于容器技术的用户行为仿真方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 研究现状 |
| 1.2.2 面临的问题 |
| 1.3 论文的主要内容及章节安排 |
| 1.3.1 主要内容 |
| 1.3.2 章节安排 |
| 第二章 基于容器技术的用户行为仿真技术概述 |
| 2.1 引言 |
| 2.2 虚拟化技术概述 |
| 2.2.1 虚拟化技术简介 |
| 2.2.2 Docker技术概述 |
| 2.2.3 虚拟化技术小结 |
| 2.3 云平台技术概述 |
| 2.3.1 Kubernetes概述 |
| 2.3.2 Open Stack概述 |
| 2.3.3 云平台技术小结 |
| 2.4 用户行为仿真技术概述 |
| 2.5 本章小结 |
| 第三章 面向用户行为仿真的容器网络构建技术 |
| 3.1 引言 |
| 3.2 逻辑架构设计 |
| 3.3 高交互的网络管理实现方案 |
| 3.3.1 多样化网络管理方法 |
| 3.3.2 基于异步消息传输的网络细粒度配置策略 |
| 3.4 高性能网络架构优化策略 |
| 3.5 面向Kubernetes和 Open Stack的融合体系设计 |
| 3.6 实验验证与分析 |
| 3.6.1 实验环境配置 |
| 3.6.2 网络管理功能验证 |
| 3.6.3 网络基础连通性验证 |
| 3.6.4 网络性能验证 |
| 3.6.5 Kubernetes与 Open Stack的融合体系验证 |
| 3.7 本章小结 |
| 第四章 基于容器技术的高性能用户行为仿真模型 |
| 4.1 引言 |
| 4.2 高性能用户行为仿真模型设计 |
| 4.3 面向多种类行为的仿真用户构建 |
| 4.3.1 仿真用户设计 |
| 4.3.2 仿真行为驱动设计 |
| 4.4 层次化仿真业务架构构建 |
| 4.4.1 仿真业务架构设计 |
| 4.4.2 面向高并发用户行为仿真的优化策略 |
| 4.5 基于Docker的仿真资源构建 |
| 4.6 用户行为仿真实现流程 |
| 4.7 实验验证与分析 |
| 4.7.1 实验环境配置 |
| 4.7.2 大规模仿真用户创建测试 |
| 4.7.3 用户行为仿真的可行性验证 |
| 4.7.4 面向高并发用户行为仿真的优化策略有效性验证 |
| 4.8 本章小结 |
| 第五章 基于容器技术的用户行为仿真系统与应用 |
| 5.1 引言 |
| 5.2 基于容器技术的用户行为仿真系统 |
| 5.2.1 仿真系统硬件配置 |
| 5.2.2 基于融合云平台的仿真系统架构 |
| 5.3 面向大规模用户行为仿真网络的拓扑映射优化方法 |
| 5.3.1 问题分析 |
| 5.3.2 基于多虚拟化融合的网络拓扑映射算法 |
| 5.4 用户行为仿真系统工作流程 |
| 5.5 面向天地一体化信息网络的应用实验验证 |
| 5.5.1 天地一体化信息网络仿真场景构建 |
| 5.5.2 用户行为仿真系统功能验证 |
| 5.5.3 大规模用户行为仿真实验验证 |
| 5.6 拓扑映射优化方法有效性验证 |
| 5.6.1 网络拓扑及硬件配置 |
| 5.6.2 拓扑映射评估方法 |
| 5.6.3 拓扑映射性能验证 |
| 5.7 本章小结 |
| 第六章 主要结论与展望 |
| 6.1 主要结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间发表的论文 |
（2）云平台支撑下的基于SDN的路由仿真技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 网络仿真研究现状 |
| 1.2.2 面临的问题 |
| 1.3 论文的主要内容及章节安排 |
| 第二章 路由仿真技术概述 |
| 2.1 引言 |
| 2.2 基于云平台的路由仿真相关技术概述 |
| 2.2.1 主流云平台介绍 |
| 2.2.2 OpenStack架构 |
| 2.2.3 基于云平台的路由仿真分析 |
| 2.3 基于SDN的路由仿真相关技术概述 |
| 2.3.1 SDN技术 |
| 2.3.2 Open Flow协议 |
| 2.3.3 SDN控制器 |
| 2.3.4 Open vSwitch交换机 |
| 2.3.5 基于SDN的路由仿真分析 |
| 2.4 基于虚拟化的路由仿真相关技术概述 |
| 2.4.1 虚拟化技术 |
| 2.4.2 Quagga路由软件 |
| 2.4.3 Iptables组件 |
| 2.4.4 基于虚拟化的路由仿真分析 |
| 2.5 本章小结 |
| 第三章 基于SDN的高性能路由仿真架构 |
| 3.1 引言 |
| 3.2 高性能路由仿真问题描述 |
| 3.3 基于SDN的高性能路由仿真体系架构设计 |
| 3.3.1 逻辑架构设计 |
| 3.3.2 API接口设计 |
| 3.4 基于SDN的高性能路由仿真关键技术 |
| 3.4.1 路由功能仿真技术 |
| 3.4.2 OSPF路由协议仿真技术 |
| 3.4.3 QoS功能仿真技术 |
| 3.5 实验分析与验证 |
| 3.5.1 实验环境 |
| 3.5.2 路由仿真功能验证及分析 |
| 3.5.3 路由仿真逼真性验证及分析 |
| 3.5.4 路由仿真资源开销比较及分析 |
| 3.5.5 路由仿真转发性能比较及分析 |
| 3.5.6 QoS功能验证及分析 |
| 3.6 本章小结 |
| 第四章 基于SDN控制器集群的高可用路由仿真技术 |
| 4.1 引言 |
| 4.2 高可用路由仿真问题描述 |
| 4.3 基于SDN控制器集群的高可用路由仿真体系架构设计 |
| 4.3.1 逻辑架构设计 |
| 4.3.2 消息传输架构设计 |
| 4.4 基于SDN控制器集群的高可用路由仿真关键技术 |
| 4.4.1 仿真网络恢复机制 |
| 4.4.2 控制器集群调度机制 |
| 4.5 实验分析与验证 |
| 4.5.1 仿真规模可扩展性验证与分析 |
| 4.5.2 仿真网络高可用性验证与分析 |
| 4.6 本章小结 |
| 第五章 基于虚拟化的多功能路由仿真技术 |
| 5.1 引言 |
| 5.2 基于虚拟化的多功能路由仿真架构 |
| 5.3 基于虚拟化的多功能路由仿真关键技术 |
| 5.3.1 路由功能仿真技术 |
| 5.3.2 数据过滤、流量监测和地址转换功能仿真技术 |
| 5.3.3 自动化配置机制 |
| 5.4 实验分析与验证 |
| 5.4.1 路由功能验证及分析 |
| 5.4.2 数据过滤、流量监测和地址转换功能验证及分析 |
| 5.5 本章小节 |
| 第六章 基于云平台的路由仿真系统与应用 |
| 6.1 引言 |
| 6.2 基于云平台的路由仿真系统架构 |
| 6.3 基于云平台的路由仿真系统关键技术 |
| 6.3.1 可视化界面 |
| 6.3.2 链路性能仿真 |
| 6.3.3 拓扑自动化部署机制 |
| 6.4 实验分析与验证 |
| 6.4.1 可视化界面验证与分析 |
| 6.4.2 广域网仿真拓扑构建 |
| 6.4.3 链路逼真性测试 |
| 6.5 本章小结 |
| 第七章 主要结论与展望 |
| 7.1 主要结论 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间发表的论文 |
（3）面向高性能计算环境的微服务运维平台设计与实现（论文提纲范文）
| 0 引言 |
| 1 相关工作 |
| 2 面向高性能计算环境的微服务运维平台架构 |
| 2.1 服务部署及管理技术 |
| 2.2 服务运行监控技术 |
| 2.3 服务弹性伸缩技术 |
| 3 性能测试 |
| 3.1 测试环境 |
| 4 结束语 |
（4）移动源遥感监管平台建设研究（论文提纲范文）
| 内容摘要 |
| Abstract |
| 1 引言 |
| 1.1 移动源监管的背景 |
| 1.1.1 我国机动车发展基本现状 |
| 1.1.2 机动车尾气排污现状 |
| 1.2 移动源监管信息化现状 |
| 1.3 移动源监管平台建设研究目标与内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 2 总体功能 |
| 2.1 前言 |
| 2.2 总体逻辑架构设计 |
| 2.2.1 总体逻辑架构设计 |
| 2.2.2 支持体系设计 |
| 2.3 技术路线设计 |
| 3 物理感知层 |
| 3.1 前言 |
| 3.2 机动车尾气遥感监测 |
| 3.2.1 机动车尾气检测原理 |
| 3.2.2 机动车尾气常用检测技术及运算方法 |
| 3.2.3 机动车尾气遥感监测系统组成 |
| 4 基础设施层 |
| 4.1 前言 |
| 4.2 云计算服务 |
| 4.2.1 云计算基础设施与环境框架 |
| 4.2.2 信息虚拟资源池构建模式 |
| 4.2.3 统一资源池管理体系 |
| 4.2.4 云计算设施服务中心 |
| 5 数据资源层 |
| 5.1 数据库设计的主要依据 |
| 5.2 数据库设计原则 |
| 5.3 数据库建设的目标 |
| 5.4 数据库结构 |
| 6 服务平台层 |
| 6.1 前言 |
| 6.2 遥感监管平台服务层逻辑架构 |
| 6.3 遥感监管平台服务层标准与设计 |
| 6.3.1 信息服务标准 |
| 6.3.2 服务平台层设计 |
| 6.4 遥感监管平台服务栈 |
| 6.4.1 微服务架构 |
| 6.4.2 OGC网络服务体系结构 |
| 6.4.3 平台层服务栈体系结构设计 |
| 6.5 遥感监管平台服务模式 |
| 6.5.1 业务应用系统开发和部署模式 |
| 6.5.2 服务资源分配与应用激活策略 |
| 6.6 遥感监管平台服务目录管理 |
| 6.6.1 信息服务注册机制 |
| 6.6.2 服务层注册库设计 |
| 6.6.3 服务平台目录组织方式 |
| 7 业务应用层 |
| 7.1 机动车尾气遥感监测 |
| 7.1.1 站点信息管理 |
| 7.1.2 实时数据 |
| 7.1.3 历史数据 |
| 7.1.4 通知管理 |
| 7.1.5 白名单管理 |
| 7.1.6 统计分析 |
| 7.2 非道路移动机械信息管理 |
| 7.2.1 非道路移动机械档案信息管理 |
| 7.2.2 检测信息管理 |
| 7.2.3 使用人和所有人管理 |
| 7.2.4 使用情况跟踪 |
| 7.2.5 环保标识管理 |
| 7.2.6 电子标签管理 |
| 7.2.7 老旧移动源淘汰管理 |
| 7.2.8 移动执法管理 |
| 7.2.9 在线监测与电子围栏管理 |
| 7.2.10 进出工地管理 |
| 7.2.11 数据分析 |
| 7.2.12 非道路移动机械申报APP |
| 7.3 柴油货车在线管理 |
| 7.3.1 车辆分布 |
| 7.3.2 实时监测 |
| 7.3.3 数据查询与统计 |
| 7.3.4 违规查询 |
| 7.3.5 报警管理 |
| 7.3.6 网络连接情况 |
| 7.4 机动车排污监控管理 |
| 7.4.1 检测信息数据管理 |
| 7.4.2 数据查询综合统计分析 |
| 7.4.3 高排放车型统计 |
| 7.4.4 防作弊数据预警管理 |
| 7.4.5 转入车辆管理 |
| 7.4.6 老旧车辆信息管理 |
| 7.4.7 车辆黑名单管理 |
| 7.4.8 路检抽检管理 |
| 7.4.9 辅助管理 |
| 7.5 排放检验与维修(I/N)监管 |
| 7.5.1 I端功能设计 |
| 7.5.2 M端功能设计 |
| 7.6 冒黑烟尾气抓拍 |
| 7.6.1 实时视频分析 |
| 7.6.2 黑烟车抓拍记录 |
| 7.6.3 点位信息管理 |
| 7.6.4 设备管理 |
| 7.6.5 人工审核 |
| 7.6.6 地图展示 |
| 7.7 电子围栏 |
| 8 结论 |
| 参考文献 |
| 致谢 |
| 博士生期间发表的学术论文,专着 |
| 博士后期间发表的学术论文,专着 |
| 个人简历 |
| 永久通信地址 |
（5）分布式移动网络环境下大规模空间社交媒体数据快速增强现实可视化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 增强现实技术 |
| 1.1.2 大数据特征 |
| 1.2 研究现状综述 |
| 1.2.1 户外增强现实技术 |
| 1.2.2 增强现实地图研究 |
| 1.2.3 相关研究进展分析 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容与关键问题 |
| 1.3.2 研究思路与技术路线 |
| 1.3.3 论文组织结构 |
| 第2章 空间社交媒体数据存储规范 |
| 2.1 大规模空间社交媒体数据存储方案 |
| 2.1.1 关系型空间数据存储方案 |
| 2.1.2 分布式NoSQL数据存储 |
| 2.2 空间社交媒体数据NoSQL表达 |
| 2.2.1 空间数据的JSON表达 |
| 2.2.2 社交媒体数据的空间描述 |
| 2.3 典型空间社交媒体数据存储规范 |
| 2.3.1 文本数据类型存储规范 |
| 2.3.2 图像数据类型存储规范 |
| 2.3.3 音频数据类型存储规范 |
| 2.3.4 视频数据类型存储规范 |
| 2.3.5 三维模型数据类型存储规范 |
| 第3章 基于稳态Z曲线的空间社交媒体数据分布式存储 |
| 3.1 稳态Z曲线的编码构建 |
| 3.1.1 分布式数据库分片键值选择 |
| 3.1.2 空间数据划分的稳态Z曲线构建 |
| 3.2 基于稳态Z曲线的常见空间查询 |
| 3.2.1 K最近邻查询 |
| 3.2.2 点线面空间查询 |
| 3.3 基于稳态Z曲线的负载均衡划分方法 |
| 3.3.1 负载均衡数据划分方法 |
| 3.3.2 实验结果对比分析 |
| 第4章 移动增强现实前端可视化空间构建 |
| 4.1 空间社交媒体可视化空间 |
| 4.1.1 移动增强现实坐标系统 |
| 4.1.2 移动增强现实前端可视化空间构建 |
| 4.1.3 移动增强现实三层可视化空间 |
| 4.2 基于卡尔曼滤波的球面三维注册 |
| 4.2.1 空间社交媒体数据的球面投影 |
| 4.2.2 基于卡尔曼滤波算法相机姿态修正 |
| 4.3 大规模社交图片检索时空耦合算法 |
| 4.3.1 基于图像自然特征的增强现实可视化空间 |
| 4.3.2 社交图片搜索的时空耦合算法原理描述 |
| 4.3.3 图像检索算法测试案例 |
| 第5章 空间社交媒体数据增强现实多级缓存机制 |
| 5.1 增强现实多级缓存架构 |
| 5.1.1 分布式高速读写与高并发访问问题 |
| 5.1.2 增强现实多级缓存架构体系 |
| 5.2 基于空间邻近性的增强现实缓存管理 |
| 5.2.1 常见缓存管理策略问题分析 |
| 5.2.2 基于空间邻近性的缓存预调度策略 |
| 5.2.3 增强现实缓存策略试验与分析 |
| 5.3 增强现实云端热点探测与缓存调度 |
| 5.3.1 局部热点数据探测与缓存调度 |
| 5.3.2 云端缓存命中率测试与分析 |
| 第6章 大规模空间社交媒体数据并行处理框架 |
| 6.1 大数据时代的计算特征 |
| 6.1.1 大数据技术 |
| 6.1.2 云计算技术 |
| 6.1.3 高性能计算 |
| 6.2 大规模空间社交媒体数据并行计算方法 |
| 6.2.1 并行计算算法代数假设 |
| 6.2.2 并行计算算法代数定义 |
| 6.2.3 并行计算算法代数运算谓词 |
| 6.3 大规模空间社交媒体数据并行计算架构 |
| 6.3.1 空间社交媒体数据并行计算框架 |
| 6.3.2 计算任务主从并行调度模式 |
| 6.3.3 空间社交媒体数据并行处理实例 |
| 第7章 原型系统设计与实现 |
| 7.1 移动增强现实原型系统 |
| 7.1.1 原型系统概述 |
| 7.1.2 前后端架构设计 |
| 7.2 原型系统空间界面交互设计 |
| 7.2.1 增强现实人机交互设计 |
| 7.2.2 空间社交媒体数据界面设计 |
| 7.3 原型系统增强现实可视化测试 |
| 7.3.1 增强现实可视化效果演示 |
| 7.3.2 原型系统性能测试 |
| 第8章 结论与展望 |
| 8.1 研究结论 |
| 8.2 研究创新点 |
| 8.3 前景展望 |
| 参考文献 |
| 已发表的研究成果 |
| 致谢 |
（6）面向智能网联汽车的高性能计算仿真平台（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 自动驾驶系统研究现状 |
| 1.2.2 自动驾驶仿真平台研究现状 |
| 1.3 本文的主要贡献与创新 |
| 1.4 本论文的结构安排 |
| 第二章 自动驾驶仿真平台综述 |
| 2.1 引言 |
| 2.2 车辆动力学仿真 |
| 2.3 基于场景的算法仿真平台 |
| 2.3.1 基于点云地图的仿真平台 |
| 2.3.2 基于3D物理引擎的仿真平台 |
| 2.3.3 基于硬件在环的仿真平台 |
| 2.4 研究需求与可行性分析 |
| 2.4.1 高性能计算仿真平台的需求分析 |
| 2.4.2 高性能计算仿真平台可行性分析 |
| 2.5 本章小结 |
| 第三章 面向智能网联车的高性能计算仿真平台设计 |
| 3.1 引言 |
| 3.2 面向智能网联车的高性能计算环境的设计与实现 |
| 3.2.1 基于CUDA并行计算的硬件平台实现 |
| 3.2.2 基于Docker的开发环境管理系统实现 |
| 3.3 基于高性能计算平台的仿真场景设计与实现 |
| 3.3.1 基于AirSim的仿真环境实现 |
| 3.3.2 基于虚幻四的3D仿真场景实现 |
| 3.4 智能网联汽车算法开发工具箱设计与实现 |
| 3.4.1 感知模块的实现 |
| 3.4.2 认知模块的实现 |
| 3.4.3 决策模块的实现 |
| 3.4.4 通讯模块的实现 |
| 3.5 本章小结 |
| 第四章 面向智能网联汽车的动态交通场景生成 |
| 4.1 引言 |
| 4.2 真实交通场景中的动态目标定位方法 |
| 4.2.1 基于单目相机的动态目标定位方法 |
| 4.2.2 基于多传感融合的动态目标定位方法 |
| 4.3 真实世界与仿真场景的地理坐标映射方法 |
| 4.4 仿真场景中的动态目标生成方法 |
| 4.5 本章小结 |
| 第五章 基于高性能计算仿真平台的算法验证与应用 |
| 5.1 智能网联汽车仿真平台实验场景介绍 |
| 5.1.1 实验场景设置 |
| 5.1.2 实验设备介绍 |
| 5.2 仿真场景中的多车协同测试的验证 |
| 5.3 多路图像回传的数据处理的验证 |
| 5.4 仿真场景中的动态交通流生成验证 |
| 5.4.1 基于多传感融合的仿真场景动态交通流生成验证 |
| 5.4.2 基于单目相机的仿真场景动态交通流生成验证 |
| 5.4.3 两种生成方法的比较 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（7）面向高性能计算系统的融合数据管理关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文研究背景和意义 |
| 1.2 融合场景下数据管理关键问题与挑战 |
| 1.3 本文工作和贡献 |
| 1.4 论文组织结构 |
| 第二章 背景和相关工作 |
| 2.1 融合场景下应用特征与系统存储结构变化 |
| 2.1.1 科学工作流 |
| 2.1.2 应用特征变化 |
| 2.1.3 系统存储结构变化 |
| 2.2 现有数据存储与管理方案 |
| 2.2.1 设计动态库丰富数据管理功能 |
| 2.2.2 拓展文件系统优化数据存储与管理 |
| 2.2.3 定制外部数据管理系统管理科学数据 |
| 2.2.4 其他数据管理工具 |
| 2.3 自适应和智能数据管理优化 |
| 2.3.1 数据放置优化 |
| 2.3.2 数据预取优化 |
| 2.4 科学数据索引与查询优化 |
| 2.4.1 文件粒度索引与查询优化 |
| 2.4.2 记录粒度索引与查询优化 |
| 第三章 基于层次式存储结构的数据管理系统设计 |
| 3.1 前言 |
| 3.2 目的与挑战 |
| 3.3 层次式数据管理系统TDMS |
| 3.3.1 TDMS系统架构 |
| 3.3.2 水平及垂直数据管理策略 |
| 3.3.3 系统接口设计 |
| 3.4 面向应用特征的定制数据管理技术 |
| 3.4.1 科学工作流及数据访问模式划分 |
| 3.4.2 定制层次式数据管理策略 |
| 3.4.3 跨存储层的负载均衡机制 |
| 3.5 数据感知的任务调度技术 |
| 3.6 系统实现 |
| 3.7 系统评估 |
| 3.7.1 实验配置 |
| 3.7.2 TDMS基本性能评估 |
| 3.7.3 科学工作流应用评估 |
| 3.8 小结 |
| 第四章 面向融合应用的自适应层次式数据管理技术 |
| 4.1 前言 |
| 4.2 基于分类模型的智能数据放置策略 |
| 4.2.1 目的与挑战 |
| 4.2.2 数据放置与分类问题 |
| 4.2.3 基于启发式方法的自动数据标注 |
| 4.2.4 智能数据放置引擎 |
| 4.3 面向文件类别的自适应数据预取策略 |
| 4.3.1 目的与挑战 |
| 4.3.2 结合数据流图拓扑结构分析数据访问特征 |
| 4.3.3 针对文件类别设计自适应数据预取策略 |
| 4.4 实现 |
| 4.5 系统评估 |
| 4.5.1 实验配置 |
| 4.5.2 数据放置策略评估 |
| 4.5.3 数据预取策略评估 |
| 4.6 小结 |
| 第五章 耦合并行文件系统的数据索引与查询优化 |
| 5.1 前言 |
| 5.2 面向科学数据的索引与查询模块设计 |
| 5.3 面向“应用定制元数据”的文件粒度索引技术 |
| 5.3.1 文件粒度索引与查询案例:气象大数据 |
| 5.3.2 并发元数据提取 |
| 5.3.3 层次式哈希索引结构 |
| 5.3.4 文件粒度查询处理 |
| 5.4 基于原位索引构建的记录粒度索引技术 |
| 5.4.1 记录粒度索引与查询案例:生物大数据 |
| 5.4.2 原位索引构建过程 |
| 5.4.3 Range-bitmap索引结构 |
| 5.4.4 双层并发查询处理 |
| 5.5 实现 |
| 5.6 系统评估 |
| 5.6.1 实验配置 |
| 5.6.2 文件定位服务性能评估 |
| 5.6.3 记录定位服务性能评估 |
| 5.7 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 未来工作 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（8）云数据中心性能与安全关键问题研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 云计算和数据中心 |
| 1.2 研究方向和关键问题 |
| 1.2.1 系统虚拟化 |
| 1.2.2 异构加速器 |
| 1.2.3 敏感数据安全 |
| 1.3 研究内容与贡献 |
| 1.3.1 研究内容 |
| 1.3.2 研究贡献 |
| 1.4 论文组织结构 |
| 第二章 背景知识和相关研究工作 |
| 2.1 虚拟I/O事件通路 |
| 2.1.1 x86 I/O事件架构 |
| 2.1.2 虚拟I/O事件递交:性能瓶颈 |
| 2.1.3 软件解决方案 |
| 2.1.4 硬件辅助技术:Posted-Interrupt |
| 2.2 云数据中心计算密集型负载加速 |
| 2.2.1 加密负载加速 |
| 2.2.2 压缩负载加速 |
| 2.3 云环境下密钥保护 |
| 2.3.1 云环境私钥安全威胁 |
| 2.3.2 Keyless解决方案 |
| 2.3.3 Keyguard解决方案 |
| 2.4 本章小结 |
| 第三章 高性能:I/O虚拟化事件通路研究 |
| 3.1 引言 |
| 3.2 现存挑战分析 |
| 3.3 高效低延迟虚拟I/O事件通路设计 |
| 3.3.1 概述 |
| 3.3.2 混合I/O处理机制 |
| 3.3.3 智能中断重定向机制 |
| 3.4 系统实现 |
| 3.4.1 混合I/O处理 |
| 3.4.2 智能中断重定向 |
| 3.5 实验验证与性能评估 |
| 3.5.1 实验设置 |
| 3.5.2 VM-Exit发生率测试 |
| 3.5.3 吞吐量测试 |
| 3.5.4 I/O响应性测试 |
| 3.6 分析讨论 |
| 3.6.1 系统开销分析 |
| 3.6.2 SR-IOV适用性讨论 |
| 3.7 本章小结 |
| 第四章 高性能:云数据中心异构计算I/O协同交互研究 |
| 4.1 引言 |
| 4.2 背景和挑战 |
| 4.2.1 事件驱动Web架构 |
| 4.2.2 Intel QAT加速器 |
| 4.2.3 直接卸载模式性能瓶颈 |
| 4.3 两种新型高效卸载模式分析和对比 |
| 4.3.1 SSL/TLS异步卸载模式 |
| 4.3.2 HTTP压缩流水线卸载模式 |
| 4.3.3 同步并发vs. 异步并发 |
| 4.4 SSL/TLS异步卸载模式优化 |
| 4.4.1 性能优化:启发式轮询机制 |
| 4.4.2 性能优化:绕过内核的异步通知机制 |
| 4.4.3 配置优化:SSL Engine框架 |
| 4.5 实验验证与性能评估 |
| 4.5.1 实验设置 |
| 4.5.2 SSL/TLS卸载 |
| 4.5.3 HTTP压缩卸载 |
| 4.5.4 联合卸载 |
| 4.6 研究结论 |
| 4.7 本章小结 |
| 第五章 安全加性能:云环境租户私钥保护与使用研究 |
| 5.1 引言 |
| 5.2 目标和方法 |
| 5.2.1 威胁模型和假设 |
| 5.2.2 设计目标 |
| 5.2.3 硬件选择:类KPT架构 |
| 5.2.4 上云挑战 |
| 5.2.5 Cloud KPT方法 |
| 5.3 Cloud KPT系统设计 |
| 5.3.1 系统概述 |
| 5.3.2 密钥生命周期 |
| 5.3.3 TSK部署安全保障 |
| 5.3.4 云密钥服务器:两阶段TSK复制机制 |
| 5.4 系统实现细节 |
| 5.4.1 加密私钥的生成、部署和加载 |
| 5.4.2 TSK相关操作 |
| 5.4.3 证书和信任 |
| 5.5 Cloud KPT复用:使用SGX作为可信硬件技术 |
| 5.5.1 基于TSK部署的直接复用 |
| 5.5.2 基于私钥部署的间接复用 |
| 5.5.3 密钥部署安全保障 |
| 5.5.4 后端加密服务集成与保护 |
| 5.6 安全分析 |
| 5.7 实验验证与性能评估 |
| 5.7.1 实验设置 |
| 5.7.2 保护容量 |
| 5.7.3 密钥部署延迟 |
| 5.7.4 私钥运算性能与运行时开销 |
| 5.8 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究总结 |
| 6.2 后续工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间已发表或录用的论文 |
| 攻读博士学位期间参与的项目 |
| 攻读博士学位期间申请的专利 |
（9）基于云平台的高性能WEB电商平台的优化研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 国内外研究现状 |
| 1.3 研究内容及意义 |
| 1.4 本文组织结构 |
| 第2章 基础理论和相关技术 |
| 2.1 Web基础知识 |
| 2.2 TCP协议 |
| 2.3 HTTP协议 |
| 2.3.1 HTTP协议的发展 |
| 2.4 Web应用系统架构 |
| 2.4.1 单机架构 |
| 2.4.2 集群架构 |
| 2.4.3 基于云计算的架构 |
| 2.4.4 业务系统分层架构 |
| 2.5 相关技术 |
| 2.5.1 负载均衡技术 |
| 2.5.2 NoSQL数据库 |
| 2.5.3 ElasticSearch搜索引擎 |
| 2.6 本章小结 |
| 第3章 Web应用系统优化 |
| 3.1 Web系统优化 |
| 3.1.1 垂直优化 |
| 3.1.2 水平优化 |
| 3.2 优化设计思想 |
| 3.2.1 架构优化 |
| 3.2.2 模块优化 |
| 3.3 本章小结 |
| 第4章 高性能电商平台需求分析 |
| 4.1 电商平台的特点 |
| 4.2 功能性需求 |
| 4.2.1 首页模块 |
| 4.2.2 登录注册模块 |
| 4.2.3 订单模块 |
| 4.2.4 权限模块 |
| 4.2.5 基于用户行为分析模块 |
| 4.2.6 其他模块 |
| 4.3 性能需求 |
| 4.4 本章小结 |
| 第5章 基于云平台的高性能电商平台的设计 |
| 5.1 高性能电商架构设计 |
| 5.1.1 数据层的设计 |
| 5.1.2 基于RabbitMQ的消息队列设计 |
| 5.2 高性能电商功能设计 |
| 5.2.1 登录注册模块设计 |
| 5.2.2 用户行为分析模块设计 |
| 5.2.3 订单模块设计 |
| 5.2.4 搜索功能设计 |
| 5.3 数据库设计 |
| 5.3.1 登录注册及权限模块数据库设计 |
| 5.3.2 订单模块数据库设计 |
| 5.3.3 搜索模块数据库设计 |
| 5.3.4 用户分析模块数据库设计 |
| 5.4 本章小结 |
| 第6章 基于云平台的电商平台的实现 |
| 6.1 平台开发环境 |
| 6.2 平台的功能实现 |
| 6.2.1 登录注册模块 |
| 6.2.2 订单模块 |
| 6.2.3 用户行为分析模块 |
| 6.2.4 搜索模块 |
| 6.2.5 监控模块 |
| 6.2.6 云资源管控 |
| 6.3 平台优化点 |
| 6.4 本章小结 |
| 第7章 系统测试 |
| 7.1 系统测试目的 |
| 7.2 系统测试环境 |
| 7.2.1 测试工具 |
| 7.2.2 测试网络拓扑结构 |
| 7.3 系统测试 |
| 7.3.1 页面测试 |
| 7.3.2 订单测试 |
| 7.3.3 搜索测试 |
| 7.3.4 安全性测试 |
| 7.3.5 可靠性测试 |
| 7.4 本章小结 |
| 第8章 总结与发展 |
| 8.1 工作总结 |
| 8.2 未来展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
| 附录一 系统其他功能实现截图 |
（10）基于资源管理与调度的仿真一体化平台的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 仿真一体化平台研究现状 |
| 1.2.2 集群监控与作业调度研究现状 |
| 1.3 主要工作内容 |
| 1.4 组织结构 |
| 第二章 相关理论和技术 |
| 2.1 Spring Boot框架 |
| 2.1.1 Spring Boot框架发展历程 |
| 2.1.2 Spring Boot自动配置原理及框架优点 |
| 2.2 LSF |
| 2.2.1 LSF功能简介 |
| 2.2.2 LSF相关术语介绍 |
| 2.2.3 LSF作业调度策略 |
| 2.3 Kendo组件 |
| 2.4 CEngine |
| 2.5 仿真设计一体化平台 |
| 2.6 本章小结 |
| 第三章 仿真设计一体化平台需求分析 |
| 3.1 系统功能需求概述 |
| 3.1.1 桌面管理需求分析 |
| 3.1.2 仿真设计需求分析 |
| 3.1.3 作业管理需求分析 |
| 3.1.4 用户数据管理需求分析 |
| 3.1.5 集群监控需求分析 |
| 3.1.6 审计管理需求分析 |
| 3.2 系统非功能需求分析 |
| 3.3 本章小结 |
| 第四章 仿真设计一体化平台设计与实现 |
| 4.1 系统架构设计 |
| 4.2 系统功能模块设计 |
| 4.3 系统数据库设计 |
| 4.3.1 数据库概念设计 |
| 4.3.2 数据库表结构设计 |
| 4.4 仿真设计一体化平台各模块设计与实现 |
| 4.4.1 桌面管理模块设计与实现 |
| 4.4.2 仿真设计模块设计与实现 |
| 4.4.3 作业管理模块设计与实现 |
| 4.4.4 用户数据管理模块设计与实现 |
| 4.4.5 集群监控模块设计与实现 |
| 4.4.6 审计管理模块设计与实现 |
| 4.5 本章小结 |
| 第五章 仿真设计一体化平台测试 |
| 5.1 系统测试环境 |
| 5.2 系统功能测试 |
| 5.2.1 桌面管理模块测试 |
| 5.2.2 仿真设计模块测试 |
| 5.2.3 作业管理模块测试 |
| 5.2.4 用户数据管理模块测试 |
| 5.2.5 集群监控模块测试 |
| 5.2.6 审计管理模块测试 |
| 5.3 系统非功能性测试 |
| 5.3.1 安全性测试 |
| 5.3.2 系统性能测试 |
| 5.3.3 可靠性测试 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
四、构建高性能计算服务应用开发平台（论文参考文献）
- [1]基于容器技术的用户行为仿真方法研究[D]. 尚佳友. 江南大学, 2021(01)
- [2]云平台支撑下的基于SDN的路由仿真技术研究[D]. 陈建宇. 江南大学, 2021
- [3]面向高性能计算环境的微服务运维平台设计与实现[J]. 张鼎超,王小宁,肖海力,卢莎莎,和荣,迟学斌. 计算机应用研究, 2020(S2)
- [4]移动源遥感监管平台建设研究[D]. 唐古拉. 中国农业科学院, 2020(06)
- [5]分布式移动网络环境下大规模空间社交媒体数据快速增强现实可视化研究[D]. 张帅. 南京大学, 2020(10)
- [6]面向智能网联汽车的高性能计算仿真平台[D]. 闻龙. 电子科技大学, 2020(07)
- [7]面向高性能计算系统的融合数据管理关键技术研究[D]. 程鹏. 国防科技大学, 2020(01)
- [8]云数据中心性能与安全关键问题研究[D]. 胡小康. 上海交通大学, 2020(01)
- [9]基于云平台的高性能WEB电商平台的优化研究与实现[D]. 张笑忠. 吉林大学, 2020(08)
- [10]基于资源管理与调度的仿真一体化平台的研究与实现[D]. 陈晓. 西安电子科技大学, 2020(05)