CN104796433B - 一种网络计算模式下的资源访问性能优化方法 - Google Patents
一种网络计算模式下的资源访问性能优化方法 Download PDFInfo
- Publication number
- CN104796433B CN104796433B CN201510230670.7A CN201510230670A CN104796433B CN 104796433 B CN104796433 B CN 104796433B CN 201510230670 A CN201510230670 A CN 201510230670A CN 104796433 B CN104796433 B CN 104796433B
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- common node
- distance
- copy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明提供了一种网络计算模式下的资源访问性能优化方法,包括网络计算系统模型建立、网络节点分类、网络距离计算、复本访问频度计算,以及复本放置优化。本发明通过对网络计算系统建模,将系统模型映射为带权值的几何空间,采用基准节点方法,计算用户节点到基准节点的估计距离,同时通过节点近邻估计方法,选取节点周围一组可用的性能优良的节点,再通过复本访问分析,预测并提前在所选节点布置复本,从而可以有效减少未来时间内对复本的访问时延。本发明通过引入网络距离及复本频度分析,适用于大部分网络高速计算系统,提升全局网络性能,具有显著的效果和很强的实用性。
Description
技术领域
本发明涉及一种网络计算模式下的资源访问性能优化方法,属于计算机网络及文件系统管理应用领域。
背景技术
传统的计算机系统中有文件系统(file system)来管理文件及数据对象,。最初的文件系统直接与操作系统绑定,这样有利于存储媒介中的文件资源管理。由于网络计算模式的发展与普及,大量的数据资源都通过网络通道,由指定的存储服务器下载至客户端,用户可以请求指定的资源。如此出现的分布式文件管理系统,旨在满足通过网络获取资源以及管理大量的数据。
复本管理是网络计算模式的基础上延伸和发展出来的概念,目的是为了满足多用户并发访问,数据资源及集群应用的可用性。由于大量数据资源及应用都存储在网络上,因此这些应用资源的可用性极大的依赖于网络状态。常用的做法是,通过对资源的复本拷贝,将其复本分散于网络系统中多节点上。然而这种方法需要考虑的问题是,将复本存放于哪些节点上,以及复本的数量应该是多少等。
发明内容
为了解决现有技术的不足,本发明提供了一种网络计算模式下的资源访问性能优化方法,提高文件资源的可用性,保证在大量用户同时请求访问数据资源时的网络性能,在网络计算模式下,提升资源共享效率并有效降低网络带宽消耗。
本发明为解决其技术问题所采用的技术方案是:提供了一种网络计算模式下的资源访问性能优化方法,包括以下步骤:
(1)建立由网络节点组成的网络计算系统模型,将由网络节点构成的网络空间映射到欧氏空间,所述欧氏空间为嵌入空间,所述网络节点包括数据存储节点、索引节点和次中心节点,其中数据存储节点存储有原始的复本,索引节点用于记录各个数据存储节点的复本存储信息、复本访问信息以及网络节点间的距离,次中心节点用于存储系统数据;
(2)从所有数据存储节点中选取一组基准节点,构成基准节点集,基准节点外的其它数据存储节点为普通节点;各个普通节点为其存储的每个复本设置一个列表,用于记录该复本被该普通节点的近邻节点访问的频度;普通节点还设置有一个数据表,用于记录该普通节点接收的复本请求;列表和数据表每隔一段设置时间更新一次;
(3)测量基准节点之间的距离值,构建由各距离值组成的距离矩阵,确定基准节点的坐标值;测量网络空间中的普通节点到基准节点的距离,确定普通节点对于基准节点的坐标;
(4)每个普通节点向各个基准节点发送报文探测消息,基准节点向普通节点返回应答后,普通节点获得到该基准节点的距离值;普通节点利用到各个基准节点的距离值构造节点向量,将该节点向量提交至索引节点;所述节点向量包括该普通节点到各个基准节点的距离;
(5)对于每个普通节点,获取该普通节点在设置距离范围内的普通节点,所述一定距离范围内的普通节点构成该普通节点的近邻节点集;
(6)建立复本模型:
设集合O={o1,...,oN}表示存储于各个普通节点上的N个复本组成的复本集,其中oi表示第i个复本,0≤i≤N;用集合V={v1,...,vm}表示普通节点集,其中vj表示第j个普通节点,0≤j≤m;
已知普通节点vj的存储空间为Cj,访问频率为rij,表示普通节点vj对复本oi发出对复本的访问请求的频率,普通节点vj对全局的复本请求频率表示为rj=(rj1,rj2,...,rjN),一组有m个普通节点的网络计算系统的访问矩阵表示为R=(r1,r2,...rm)T,Pj表示普通节点vj上的复本存储量,且|Pj|≤Cj,则Rj={oi∈O:rij>0}表示为向普通节点vj发送的请求集合,表示普通节点vj发出的请求集合;
在复本模型下,每个普通节点分别计算从本普通节点访问复本的距离djl、从近邻节点访问复本的距离djr,以及从远程数据节点访问复本的距离djs;其中远程数据节点为所有普通节点中除了本普通节点及其近邻节点以外的普通节点;
(7)复本放置优化:
(7-1)对于各个普通节点的每个复本,进行步骤(7-2)至步骤(7-4):
(7-2)利用以下公式计算复本的全局访问频度:
其中,GFVj表示复本Oi的全局访问频度,rij是普通节点Vj对复本Oi发出的对复本的访问请求的频率,m为普通节点数;
(7-3)利用以下公式计算复本对于每个普通节点的插入增益:
其中,i的取值为1到N,j的取值为1到m,σij表示若复本oi存储于普通节点vj后,网络计算系统总体增益的增加量即插入增益,当复本oi存储于普通节点vj,则pij取值为1,否则pij取值为0;若σij达到预设的最大值,则将复本oi复制后存储于普通节点vj;
(7-4)利用以下公式计算各个普通节点的删除成本:
其中,δij表示若复本oi从节点vj删除后,网络计算系统总体增益的下降量即删除成本;若δij小于预设的最大值,则将复本oi从节点vj删除。
步骤(3)中,测量基准节点之间的距离值,构建由各距离值组成的距离矩阵,确定基准节点的坐标值,具体包括以下步骤:
测量基准节点之间的距离,利用测得的各距离构成E×E的距离矩阵D,E为基准节点的数目;
由索引节点对距离矩阵D进行SVD操作,距离矩阵D中的每一个元素表示为:
将wi按降序排列;
利用PCA分析取距离矩阵D的前q项,组成变换矩阵Uq,距离矩阵D任意一个距离向量Di通过变换映射为q维向量D′i,该向量D′i构成基准节点Li在嵌入空间内的坐标值。
步骤(3)中,测量网络空间中的普通节点到基准节点的距离,确定普通节点对于基准节点的坐标,具体包括以下步骤:
测量所有普通节点到所有基准节点的距离,其中对于普通节点Hi,测量得到其到所有基准节点的距离构成距离向量其中表示普通节点Hi到基准节点Lj的距离;
根据变换矩阵Uq将向量Vi映射到q维嵌入空间中,映射后的向量值即普通节点Hi的坐标。
本发明基于其技术方案所具有的有益效果在于:
本发明公开了一种面向网络计算系统模型的分布式复本管理方法,包括网络计算系统模型建立、网络距离预测、复本访问频度分析、网络节点分类以及复本管理以及复本放置节点选择等。本发明通过对网络计算系统建模,将系统模型映射为带权值的几何空间,采用虚拟基准节点方法,计算用户节点到基准节点的估计距离,同时通过节点近邻估计方法,选取节点周围一组可用的性能优良的节点,再通过复本访问分析,预测并提前在所选节点布置复本,从而可以有效减少未来时间内对复本的访问时延。本发明通过引入网络距离及复本频度分析,适用于大部分网络高速计算系统,提升全局网络性能,具有显著的效果和很强的实用性。
附图说明
图1是本发明所述方法的流程示意图。
图2是本发明所述网络空间构造图。
图3是本发明网络近邻节点获取示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
本发明提供了一种网络计算模式下的资源访问性能优化方法,参照图1所示的流程示意图,包括以下步骤:
本发明提供了一种网络计算模式下的资源访问性能优化方法,包括以下步骤:
(1)建立由网络节点组成的网络计算系统模型,将由网络节点构成的网络空间映射到欧氏空间,所述欧氏空间为嵌入空间,所述网络节点包括数据存储节点、索引节点和次中心节点,其中数据存储节点存储有原始的复本,索引节点用于记录各个数据存储节点的复本存储信息、复本访问信息以及网络节点间的距离,次中心节点用于存储系统数据;将由网络节点构成的网络空间映射到欧氏空间的结果如图2所示,其中H1、H2、H3和H4均表示网络节点;
(2)从所有数据存储节点中选取一组基准节点,构成基准节点集,基准节点外的其它数据存储节点为普通节点;各个普通节点为其存储的每个复本设置一个列表,用于记录该复本被该普通节点的近邻节点访问的频度;普通节点还设置有一个数据表,用于记录该普通节点接收的复本请求;列表和数据表每隔一段设置时间更新一次;
(3)测量基准节点之间的距离值,构建由各距离值组成的距离矩阵,确定基准节点的坐标值;测量网络空间中的普通节点到基准节点的距离,确定普通节点对于基准节点的坐标;
(4)每个普通节点向各个基准节点发送报文探测消息,基准节点向普通节点返回应答后,普通节点获得到该基准节点的距离值;普通节点利用到各个基准节点的距离值构造节点向量,将该节点向量提交至索引节点;所述节点向量包括该普通节点到各个基准节点的距离;
(5)对于每个普通节点,获取该普通节点在设置距离范围内的普通节点,所述一定距离范围内的普通节点构成该普通节点的近邻节点集;图3所示为网络近邻节点估计示意图,近邻节点集外的普通节点为远距离节点;
(6)建立复本模型:
设集合O={o1,...,oN}表示存储于各个普通节点上的N个复本组成的复本集,其中oi表示第i个复本,0≤i≤N;用集合V={v1,...,vm}表示普通节点集,其中vj表示第j个普通节点,0≤j≤m;
已知普通节点vj的存储空间为Cj,访问频率为rij,表示普通节点vj对复本oi发出对复本的访问请求的频率,普通节点vj对全局的复本请求频率表示为rj=(rj1,rj2,...,rjN),一组有m个普通节点的网络计算系统的访问矩阵表示为R=(r1,r2,...rm)T,Pj表示普通节点vj上的复本存储量,且|Pj|≤Cj,则Rj={oi∈O:rij>0}表示为向普通节点vj发送的请求集合,表示普通节点vj发出的请求集合;
在复本模型下,每个普通节点分别计算从本普通节点访问复本的距离djl、从近邻节点访问复本的距离djr,以及从远程数据节点访问复本的距离djs;其中远程数据节点为所有普通节点中除了本普通节点及其近邻节点以外的普通节点;
(7)复本放置优化:
(7-1)对于各个普通节点的每个复本,进行步骤(7-2)至步骤(7-4):
(7-2)利用以下公式计算复本的全局访问频度:
其中,GFVj表示复本Oi的全局访问频度,rij是普通节点Vj对复本Oi发出的对复本的访问请求的频率,m为普通节点数;
(7-3)利用以下公式计算复本对于每个普通节点的插入增益:
其中,i的取值为1到N,j的取值为1到m,σij表示若复本oi存储于普通节点vj后,网络计算系统总体增益的增加量即插入增益,当复本oi存储于普通节点vj,则pij取值为1,否则pij取值为0;若σij达到预设的最大值,则将复本oi复制后存储于普通节点vj;
(7-4)利用以下公式计算各个普通节点的删除成本:
其中,δij表示若复本oi从节点vj删除后,网络计算系统总体增益的下降量即删除成本;若δij小于预设的最大值,则将复本oi从节点vj删除。
步骤(3)中,测量基准节点之间的距离值,构建由各距离值组成的距离矩阵,确定基准节点的坐标值,具体包括以下步骤:
测量基准节点之间的距离,利用测得的各距离构成E×E的距离矩阵D,E为基准节点的数目;
由索引节点对距离矩阵D进行SVD操作,距离矩阵D中的每一个元素表示为:
将wi按降序排列;
利用PCA分析取距离矩阵D的前q项,组成变换矩阵Uq,距离矩阵D任意一个距离向量Di通过变换映射为q维向量D′i,该向量D′i构成基准节点Li在嵌入空间内的坐标值。
步骤(3)中,测量网络空间中的普通节点到基准节点的距离,确定普通节点对于基准节点的坐标,具体包括以下步骤:
测量所有普通节点到所有基准节点的距离,其中对于普通节点Hi,测量得到其到所有基准节点的距离构成距离向量其中表示普通节点Hi到基准节点Lj的距离;
根据变换矩阵Uq将向量Vi映射到q维嵌入空间中,映射后的向量值即普通节点Hi的坐标。
Claims (3)
1.一种网络计算模式下的资源访问性能优化方法,其特征在于包括以下步骤:
(1)建立由网络节点组成的网络计算系统模型,将由网络节点构成的网络空间映射到欧氏空间,所述欧氏空间为嵌入空间,所述网络节点包括数据存储节点、索引节点和次中心节点,其中数据存储节点存储有原始的复本,索引节点用于记录各个数据存储节点的复本存储信息、复本访问信息以及网络节点间的距离,次中心节点用于存储系统数据;
(2)从所有数据存储节点中选取一组基准节点,构成基准节点集,基准节点外的其它数据存储节点为普通节点;各个普通节点为其存储的每个复本设置一个列表,用于记录该复本被该普通节点的近邻节点访问的频度;普通节点还设置有一个数据表,用于记录该普通节点接收的复本请求;列表和数据表每隔一段设置时间更新一次;
(3)测量基准节点之间的距离值,构建由各距离值组成的距离矩阵,确定基准节点的坐标值;测量网络空间中的普通节点到基准节点的距离,确定普通节点对于基准节点的坐标;
(4)每个普通节点向各个基准节点发送报文探测消息,基准节点向普通节点返回应答后,普通节点获得到该基准节点的距离值;普通节点利用到各个基准节点的距离值构造节点向量,将该节点向量提交至索引节点;所述节点向量包括该普通节点到各个基准节点的距离;
(5)对于每个普通节点,获取该普通节点在设置距离范围内的普通节点,所述设置距离范围内的普通节点构成该普通节点的近邻节点集;
(6)建立复本模型:
设集合O={o1,...,oN}表示存储于各个普通节点上的N个复本组成的复本集,其中oi表示第i个复本,0≤i≤N;用集合V={v1,...,vm}表示普通节点集,其中vj表示第j个普通节点,0≤j≤m;
已知普通节点vj的存储空间为Cj,访问频率为rij,表示普通节点vj对复本oi发出对复本的访问请求的频率,普通节点vj对全局的复本请求频率表示为rj=(rj1,rj2,...,rjN),一组有m个普通节点的网络计算系统的访问矩阵表示为R=(r1,r2,...rm)T,Pj表示普通节点vj上的复本存储量,且|Pj|≤Cj,则Rj={oi∈O:rij>0}表示为向普通节点vj发送的请求集合,表示普通节点vj发出的请求集合;
在复本模型下,每个普通节点分别计算从本普通节点访问复本的距离djl、从近邻节点访问复本的距离djr,以及从远程数据节点访问复本的距离djs;其中远程数据节点为所有普通节点中除了本普通节点及其近邻节点以外的普通节点;
(7)复本放置优化:
(7-1)对于各个普通节点的每个复本,进行步骤(7-2)至步骤(7-4):
(7-2)利用以下公式计算复本的全局访问频度:
<mrow>
<msub>
<mi>GFV</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</msubsup>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
其中,GFVj表示复本Oi的全局访问频度;
(7-3)利用以下公式计算复本对于每个普通节点的插入增益:
<mrow>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>GFV</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>j</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>j</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>j</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>j</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
<mi> </mi>
<msub>
<mi>RC</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>j</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>j</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
<mi> </mi>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<msub>
<mi>RC</mi>
<mi>j</mi>
</msub>
<mo>></mo>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
<mi> </mi>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,i的取值为1到N,j的取值为1到m,σij表示若复本oi存储于普通节点vj后,网络计算系统总体增益的增加量即插入增益,当复本oi存储于普通节点vj,则pij取值为1,否则pij取值为0;若σij达到预设的最大值,则将复本oi复制后存储于普通节点vj;
(7-4)利用以下公式计算各个普通节点的删除成本:
<mrow>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
<mi> </mi>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>j</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>j</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
<mi> </mi>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<msub>
<mi>RC</mi>
<mi>j</mi>
</msub>
<mo>></mo>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>GFV</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>j</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>j</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>j</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>j</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
<mi> </mi>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<msub>
<mi>RC</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mn>1.</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,δij表示若复本oi从节点vj删除后,网络计算系统总体增益的下降量即删除成本;若δij小于预设的最大值,则将复本oi从节点vj删除。
2.根据权利要求1所述的网络计算模式下的资源访问性能优化方法,其特征在于:步骤(3)中,测量基准节点之间的距离值,构建由各距离值组成的距离矩阵,确定基准节点的坐标值,具体包括以下步骤:
测量基准节点之间的距离,利用测得的各距离构成E×E的距离矩阵D,E为基准节点的数目;
由索引节点对距离矩阵D进行SVD操作,距离矩阵D中的每一个元素表示为:
<mrow>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mi>E</mi>
</munderover>
<msub>
<mi>W</mi>
<mi>k</mi>
</msub>
<msub>
<mi>U</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<msub>
<mi>V</mi>
<mrow>
<mi>j</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>,</mo>
<mn>1</mn>
<mo>&le;</mo>
<mi>i</mi>
<mo>&le;</mo>
<mi>E</mi>
<mo>,</mo>
<mn>1</mn>
<mo>&le;</mo>
<mi>j</mi>
<mo>&le;</mo>
<mi>E</mi>
</mrow>
将wi按降序排列;
利用PCA分析取距离矩阵D的前q项,组成变换矩阵Uq,距离矩阵D任意一个距离向量Di通过变换映射为q维向量Di′,该向量Di′构成基准节点Li在嵌入空间内的坐标值。
3.根据权利要求2所述的网络计算模式下的资源访问性能优化方法,其特征在于:步骤(3)中,测量网络空间中的普通节点到基准节点的距离,确定普通节点对于基准节点的坐标,具体包括以下步骤:
测量所有普通节点到所有基准节点的距离,其中对于普通节点Hi,测量得到其到所有基准节点的距离构成距离向量其中表示普通节点Hi到基准节点Lj的距离;
根据变换矩阵Uq将向量Vi映射到q维嵌入空间中,映射后的向量值即普通节点Hi的坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510230670.7A CN104796433B (zh) | 2015-05-08 | 2015-05-08 | 一种网络计算模式下的资源访问性能优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510230670.7A CN104796433B (zh) | 2015-05-08 | 2015-05-08 | 一种网络计算模式下的资源访问性能优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104796433A CN104796433A (zh) | 2015-07-22 |
CN104796433B true CN104796433B (zh) | 2018-05-22 |
Family
ID=53560945
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510230670.7A Expired - Fee Related CN104796433B (zh) | 2015-05-08 | 2015-05-08 | 一种网络计算模式下的资源访问性能优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104796433B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101316274A (zh) * | 2008-05-12 | 2008-12-03 | 华中科技大学 | 一种适用于广域网的数据容灾系统 |
CN101340458A (zh) * | 2008-07-09 | 2009-01-07 | 南京邮电大学 | 一种基于时间空间局部性的网格数据副本生成方法 |
CN102377826A (zh) * | 2011-11-28 | 2012-03-14 | 中国科学院研究生院 | 一种对等网络中冷门资源索引的优化放置方法 |
CN103139302A (zh) * | 2013-02-07 | 2013-06-05 | 浙江大学 | 考虑负载均衡的实时副本调度方法 |
CN103491128A (zh) * | 2013-06-13 | 2014-01-01 | 中国科学院大学 | 一种对等网络中流行资源副本的优化放置方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060209717A1 (en) * | 2005-03-16 | 2006-09-21 | Puneet Sharma | Distributed storing of network position information for nodes |
-
2015
- 2015-05-08 CN CN201510230670.7A patent/CN104796433B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101316274A (zh) * | 2008-05-12 | 2008-12-03 | 华中科技大学 | 一种适用于广域网的数据容灾系统 |
CN101340458A (zh) * | 2008-07-09 | 2009-01-07 | 南京邮电大学 | 一种基于时间空间局部性的网格数据副本生成方法 |
CN102377826A (zh) * | 2011-11-28 | 2012-03-14 | 中国科学院研究生院 | 一种对等网络中冷门资源索引的优化放置方法 |
CN103139302A (zh) * | 2013-02-07 | 2013-06-05 | 浙江大学 | 考虑负载均衡的实时副本调度方法 |
CN103491128A (zh) * | 2013-06-13 | 2014-01-01 | 中国科学院大学 | 一种对等网络中流行资源副本的优化放置方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104796433A (zh) | 2015-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111027736B (zh) | 多目标优化下的微服务组合部署与调度方法 | |
US10102227B2 (en) | Image-based faceted system and method | |
CN104820714B (zh) | 基于hadoop的海量瓦片小文件存储管理方法 | |
CN108804551B (zh) | 一种兼顾多样性与个性化的空间兴趣点推荐方法 | |
CN106034160B (zh) | 分布式计算系统和方法 | |
CN111258980B (zh) | 一种云存储系统中基于组合预测的动态文件放置方法 | |
CN104063501B (zh) | 基于hdfs的副本平衡方法 | |
CN102984280A (zh) | 针对社交类云存储网络应用的数据备份系统和方法 | |
CN103763365A (zh) | 一种云存储下元数据服务的负载均衡方法及系统 | |
JP2010074604A (ja) | データアクセスシステム、データアクセス方法およびデータアクセス用プログラム | |
CN103198097A (zh) | 一种基于分布式文件系统的海量地学数据并行处理方法 | |
Khalajzadeh et al. | Improving cloud-based online social network data placement and replication | |
CN105704218A (zh) | 云计算平台中数据存储与管理方法 | |
CN111708497A (zh) | 一种基于hdfs的云环境数据存储优化方法 | |
Liu et al. | Recent advances on federated learning: A systematic survey | |
CN108173958A (zh) | 一种多云环境下基于蚁群算法的数据优化存储方法 | |
Sun et al. | SORD: a new strategy of online replica deduplication in Cloud-P2P | |
TWI758223B (zh) | 具有動態最小批次尺寸之運算方法,以及用於執行該方法之運算系統及電腦可讀儲存媒體 | |
CN104796433B (zh) | 一种网络计算模式下的资源访问性能优化方法 | |
KR20160081231A (ko) | 이미지 기반 검색을 위한 맵리듀스 기반의 이미지 특징 추출 방법 및 시스템 | |
CN101340458B (zh) | 一种基于时间空间局部性的网格数据副本生成方法 | |
khalili azimi | A Bee Colony (Beehive) based approach for data replication in cloud environments | |
Spivak et al. | Storage tier-aware replicative data reorganization with prioritization for efficient workload processing | |
WO2024021470A1 (zh) | 一种跨区域的数据调度方法、装置、设备及存储介质 | |
CN109981755A (zh) | 图像识别方法、装置和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180522 Termination date: 20190508 |