摘要：当一个企业或商家需要投放广告时,往往会先通过历史数据、个人兴趣等挖掘出可能购买自己产品的用户,即目标市场(Target Market),然后将广告信息通过电视、报纸等公共媒体的形式传递给这些目标用户,希望有更多的目标用户接受信息.然而调查显示,相比于传统大众媒体,人们更倾向于从自己认识的人那里去获取信息,因此文中考虑利用社会影响力的方式去传播广告:在社会网络中说服有限数目的初始用户,并让他们向熟识的人传播信息,期望信息可以通过级联传播覆盖尽可能多的目标用户.由于以往的信息覆盖最大化的工作集中于对全局网络的考虑,因此会忽略目标节点和全局网络之间的联系.通过数据观察可以发现,目标用户往往会由于同质性等原因而聚集在一起,因此文中提出基于聚类的KCC算法,算法通过对用户进行聚类分析,找出每个聚类的代表性用户,使得这些代表性节点可以影响尽可能多的目标用户,同时避免他们之间对信息覆盖的重叠.在不同的真实的数据集的实验显示KCC可以在大多数情况下取得优于其它常用算法的性能,尤其当种子节点数增多时,KCC可以更多地避免节点之间信息覆盖的重叠,从而取得更好的效果;同时,KCC只需要很短的运行时间,具有良好的可扩展性.

摘要：在增强现实应用中,距离较近的多个用户请求很可能是相似或者相同的,从而导致同样的计算任务被重复执行。针对该问题,设计基于冗余任务消减的计算任务缓存系统。通过在边缘节点设计任务缓存,使边缘服务器以自组织方式维护全局缓存。对客户端请求时延、用户轨迹、节点部署和总时延进行建模,基于此研究基站上边缘服务器的计算资源部署问题,在给定总的部署代价下优化平均请求时延,并将该问题转化为整数非线性规划问题,设计针对中小规模场景的IDM算法和针对大规模场景的LDM算法。实验结果表明:IDM算法的平均时延与参考最优解仅相差5.85%,对最优解具有较好的逼近效果;LDM算法在牺牲9.20%平均时延的情况下,相比于IDM算法运行时间缩短98.15%,大幅减少了运行开销。

摘要：针对集群负载动态变化引发容器频繁迁移的问题,提出了一种基于资源预留的容器部署方法。首先,设计了基于马尔可夫链模型的单容器资源需求动态变化描述机制,用于刻画单容器的资源需求情况;其次,基于单容器马尔可夫链模型分析了多容器资源动态变化情况,以刻画容器资源需求态势;随后,基于多容器马尔可夫链提出了面向动态负载的容器部署与资源预留算法;最后,基于容器资源需求特征的分析对所提算法的性能进行了优化。基于国产软硬件环境构建了仿真实验环境,仿真结果表明,在资源冲突率方面,所提方法的性能接近最优的峰值配置策略RP,但所需宿主机数量、容器动态迁移次数明显比其更少;在资源利用率方面,所提方法的宿主机使用数量略多于最优的谷值配置策略RV,但动态迁移次数更少,资源冲突率更低;相较于峰谷配置策略RVP,所提方法在综合性能方面更佳。

摘要：针对无线网络中的传输控制协议(TCP)因为丢包触发丢包重传机制而导致传输性能大幅下降的问题,提出了一种基于前向纠错的自适应传输机制(Adaptive FEC)。该机制通过前向纠错来减少数据段的丢失,以避免触发TCP的丢包重传机制,从而达到提升TCP传输性能的目的。首先,根据当前的网络状况以及当前连接的数据传输特征确定当前时间段中的最优冗余段比例;然后,利用TCP数据段中的数据段序号信息实时进行网络状况的估计,从而根据网络波动来动态更新冗余段比例。大量实验结果说明,在20 ms的往返时延以及5%丢包率的传输环境中,相较于静态的前向纠错机制,AdaptiveFEC能够使得TCP连接的传输速率平均提升42%,当运用在文件下载的应用中时,所提机制能够使得下载速度提升至原来的两倍。

摘要：软件缺陷预测先前的研究工作主要关注软件缺陷分类问题,即判断一个软件模块是否含有缺陷。如何量化一个软件模块中含有软件缺陷的数量问题还未被很好地研究。针对该问题,提出了一种两阶段的软件模块缺陷数预测特征选择方法FSDNP:特征聚类阶段和特征选择阶段。在特征聚类阶段中,使用基于密度峰聚类的算法将高度相关的特征进行聚类;在特征选择阶段,设计了三种启发式的排序策略从簇中删除冗余的和无关的特征。在PROMISE数据集上,使用平均错误率和平均相对错误率指标,与6个经典的方法进行了比较。实验结果表明,FSDNP能够有效移除冗余的和无关的特征,构建高效的软件缺陷数预测模型。

摘要：综合考虑物理设施和业务逻辑,基于层次分析法首先提出信息系统运行方式的三层健康度模型,并设计了实时健康度评估算法;然后提出基于健康度优先级的系统局部调整策略,以保障业务系统的稳定运行.实验结果表明,该评估模型能够准确刻画信息系统的健康度,局部调整算法可在不增加物理资源下有效提升系统健康度,且当物理设施发生故障时,系统能通过局部调整策略恢复健康运行.

摘要：针对Hadoop和Spark等大数据分析系统中无先验知识任务的高效执行问题,设计了基于累计工作量(CRW)的任务调度器CRWScheduler。该调度器根据CRW将任务在低权重队列与高权重队列间切换;在为作业分配资源时,同时考虑到作业所在的队列和其瞬时占用资源量,无需作业先验知识即显著提升系统性能。基于ApacheHadoopYARN实现了CRWScheduler原型,在28个节点的基准测试集群上的实验表明,与YARN的公平调度机制相比,作业流时间(JFT)平均降低21%,其中95百分位的作业流时间(JFT)最多降低了35%,并且在与任务级调度程序协作时可获得进一步的性能提升。

摘要：为了更好地体现计算机专业基础课程对于学生的能力培养,南京大学计算机科学与技术系重组了计算机导论、离散数学、程序设计、数据结构和计算机算法设计与分析五门课程的内容,打破课程间的边界,突出问题求解主线,形成新的"计算机问题求解"课程。文章介绍课程内容以及内容设计的基本思路。

摘要：基于多副本的分布式存储是数据中心的主要数据存储方式,为应用提供可靠、高效的数据读取服务。针对当前日益增多的大数据分析应用,以及频繁数据读取带来的较大能耗等问题,文章分析异构存储系统数据读取能耗的差异,提出面向大数据处理的异构存储节能调度问题(Energy Reduction problem on Heterogeneous storage,ERH),并设计具有性能保证的随机任务调度算法。该算法基于精确计算的概率,选择源存储设备,并证明所提算法以高概率收敛于最优值。大量仿真实验表明,相较于目前主流的数据调度算法,该算法能降低40%的数据读取能耗。