摘要：梯度提升树算法由于其高准确率和可解释性,被广泛地应用于分类、回归、排序等各类问题.随着数据规模的爆炸式增长,分布式梯度提升树算法成为研究热点.虽然目前已有一系列分布式梯度提升树算法的实现,但是它们在高维特征和多分类任务上性能较差,原因是它们采用的数据并行策略需要传输梯度直方图,而高维特征和多分类情况下梯度直方图的传输成为性能瓶颈.针对这个问题,研究更加适合高维特征和多分类的梯度提升树的并行策略,具有重要的意义和价值.首先比较了数据并行与特征并行策略,从理论上证明特征并行更加适合高维和多分类场景.根据理论分析的结果,提出了一种特征并行的分布式梯度提升树算法***-GBDT设计了一种高效的分布式数据集转置算法,将原本按行切分的数据集转换为按列切分的数据表征;在建立梯度直方图时,FP-GBDT使用一种稀疏感知的方法来加快梯度直方图的建立;在分裂树节点时,FP-GBDT设计了一种比特图压缩的方法来传输数据样本的位置信息,从而减少通信开销.通过详尽的实验,对比了不同并行策略下分布式梯度提升树算法的性能,首先验证了FP-GBDT提出的多种优化方法的有效性;然后比较了FP-GBDT与XGBoost的性能,在多个数据集上验证了FP-GBDT在高维特征和多分类场景下的有效性,取得了最高6倍的性能提升.

摘要：分块缓存技术能够有效提高动态网页的服务质量.现有的既存系统较少使用分块缓存技术设计,如何将其应用于这些系统是一个很大的挑战.本文提出了一种在线的动态网页分块缓存方法,使原系统演化成基于分块的系统,为用户服务.该方法具有三方面优点:(1)使原系统在线演化,不影响系统对用户的服务提供;(2)简化了模板的维护,使逻辑执行的粒度从页面降低到分块,减轻了服务器端的压力;(3)独立于原系统,有效支持系统的变化和升级.文章最后对方法进行了实现和评估,结果说明该方法能够较好实现系统的演化,提高系统的服务质量.

摘要：流处理是一种重要的大数据应用模式,在金融、广告、物联网、社交网络等众多领域得到了广泛应用.在流处理场景中,流数据的产生速度往往变化剧烈且不容易预测.这时,如果数据流量峰值超过处理系统的承载能力,可能使得系统运行缓慢甚至崩溃,导致处理作业失效;如果为了应对数据流量峰值而过度配置资源,则可能在系统轻载时产生不必要的浪费.为了解决流处理中负载和资源的匹配问题,流处理系统应该具有弹性可伸缩的能力,一方面以高效的方式组织运算资源;另一方面能根据数据流量的实时变化自动地调整资源使用量.然而,现有的流处理框架对于弹性可伸缩的支持尚很初步.介绍了一种基于Actor模型的弹性可伸缩的流处理框架***首先基于Actor模型将批量的处理单元进行分层管理,通过2层路由机制实现了对伸缩性的支持;在此基础上,设计一个基于数据处理延迟的过载判断算法和基于数据处理速度的轻载判断算法来指导系统对资源的有效使用,进而实现弹性可伸缩的流处理.实验结果表明:eSault具有较好的性能,而且能够很好地实现弹性可伸缩.

摘要：自适应系统由于其能够自主地适应具有非确定性的部署环境,并持续地保持用户的满意度,受到了广泛的关注.然而,目前仍然存在未解决的挑战,例如如何在新的部署环境下,或者在开放且复杂的环境下,使得系统仍然能满足自适应性.因此,为自适应系统的设计引入了一个新的概念模型,受归因理论启发,该模型被设计成内归因和外归因两层结构.内归因层决定了内因如何影响自适应行为,这一层与部署环境解耦,可以独立设计且可以复用在不同的部署环境中.外归因层映射了外因与内因的关系,这一层在不同的部署环境中可以被替换.基于两层结构的实现框架,具有设计且实现自适应系统的适用性,以及内因层适应逻辑的可复用性,通过两个案例,一个是被广泛使用的电子商务网络应用,一个是需要躲避障碍物且避免滑倒和翻转的机器人系统,来进行评估.

摘要：无线射频识别技术(RFID)是适用于普适计算环境的技术之一,它的应用正在变得随处可见.RFID安全与隐私问题是这些应用的基本需求之一.由于RFID标签的资源限制,传统的安全元素不能很好地应用到RFID标签中.因此,设计轻量级的安全机制非常重要.应用中,贴有标签的物品经常发生所有权的转移.这就需要保护原所有者与新所有者的隐私.基于SQUASH方案,一种具有可证安全属性的消息认证码机制,提出了一种新的轻量级所有权转移协议.新协议比基于Hash的方案具有更高的效率.同时,它还具有很强的安全特性.新协议是第1个基于SQUASH的方案,优化了所有权转移协议,去掉了Hash方案中不需要的特性.最后,新协议完全满足所有权转移协议的要求,可有效保护原所有者与新所有者的前向与后向隐私.

摘要：按需远程执行是软件应用实现对资源按需占有,从而保障性能并提高资源利用率的重要手段.给出了一种通过自动程序转换来支持Java应用中计算按需远程执行的方法,其核心是支持计算按需远程执行的设计模式.介绍了将Java应用转换成该模式所面临的技术挑战、处理机制以及DPartner转换系统.与已有工作相比,DPartner有两大特色:一是程序转换自动执行;二是转换后应用可实现真正按需的远程执行,使性能和资源利用率得以提升.此外,DPartner被设计为可对只有Java字节码的遗产应用进行转换,更具实用性.

摘要：模型转换是模型驱动开发的核心操作,它通常被实现成一种特殊的程序.模型转换可以实现不同模型、模型和代码,以及模型和各种结构化文档之间的转换.随着模型驱动方法的发展,模型转换正在被运用到越来越复杂的问题上,从而导致越来越庞大的规模和越来越复杂的程序结构.为了更好地控制转换开发过程中的复杂性,需要一种图形化的建模语言,支持对转换程序的分析和设计.提出一种针对模型转换程序的可视化建模语言VisTML(the visual transformation modeling language).它包含7种不同的视图,每个视图都包含一组建模概念.这些概念覆盖了整个转换程序开发过程中(从需求到部署运行)的所有主要阶段,支持开发人员在不同的抽象层次基于不同视角刻画模型转换.用VisTML对转换程序进行建模,有助于控制其复杂性,并促进开发人员的相互沟通与分工合作.最后介绍了VisTML的支持工具TModeler,并且通过3个案例论证VisTML的可行性与有效性.

摘要：开放分布式环境下自适应软件的研究已引起学术界、工业界的广泛关注.但分布在网络上的软件实体是由不同的组织独立开发并部署的,它们代表各自的组织(或所有者)自主地采取行动,在构造分布式环境下的自适应系统时,不能再将构成单元视为被动的受管对象,而应将其建模为具有主动行为能力的计算实体,并在这一层面设计和封装系统的自适应逻辑.然而,在现阶段对于自主计算实体的研究中,大多缺乏对于自适应策略的动态加载和动态演化的支持.提出了一种支持策略动态加载的自主构件模型,使得自主构件能够在运行时习得新的自适应策略和行为,实现了一种基于质量运行时动态评估的自主构件的自适应机制,使得自主构件能够自行评估自适应策略的优劣并选择最佳的策略加以适应,在保证自身目标得以实现的同时,提高了服务质量.另外,还详细描述了自主构件的实现方案及其运行支撑,通过实验展示了自主构件基于质量动态评估的自适应过程以及自适应策略的动态加载过程.

摘要：主流个性化推荐服务系统通常利用部署在云端的模型进行推荐,因此需要将用户交互行为等隐私数据上传到云端,这会造成隐私泄露的隐患。为了保护用户隐私,可以在客户端处理用户敏感数据,然而,客户端存在通信瓶颈和计算资源瓶颈。针对上述挑战,设计了一个基于云‒端融合的个性化推荐服务系统。该系统将传统的云端推荐模型拆分成用户表征模型和排序模型,在云端预训练用户表征模型后,将其部署到客户端,排序模型则部署到云端;同时,采用小规模的循环神经网络(RNN)抽取用户交互日志中的时序信息来训练用户表征,并通过Lasso算法对用户表征进行压缩,从而在降低云端和客户端之间的通信量以及客户端的计算开销的同时防止推荐准确率的下跌。基于RecSys Challenge 2015数据集进行了实验,结果表明,所设计系统的推荐准确率和GRU4REC模型相当,而压缩后的用户表征体积仅为压缩前的34.8%,计算开销较低。

摘要：提出了一种针对企业级Web应用的体系结构风格:面向业务单元的体系结构(Business unit Oriented Architecture,BuOA).与分层体系结构风格对系统的"横向"划分不同,BuOA将Web应用"纵向"分解为一组业务单元,其中每一个业务单元描述一个完整且内聚的业务功能.对业务单元之间的交互方式进行了分类,总结为四种模式:观察、注入、织入和绑定.提供了BuOA开发工具和运行环境.开发实例表明BuOA在设计、实现和部署等软件生命周期阶段能够有效地控制系统复杂性,并对企业级Web应用的并行开发和动态演化提供了良好的支持.