摘要：随着IP网络架构的不断演进以及网络业务和安全需求的不断增长,高性能网包分类在下一代交换机、路由器、防火墙等网络基础设备中有着越来越广的应用.网包分类算法作为高性能网包分类的核心技术,具有重要的研究价值和实践意义.文中从理论分析和算法设计两方面介绍了高性能网包分类的最新研究成果.在理论分析层面,依据计算几何理论对网包分类问题的数学解法及复杂度进行了归纳,总结了网包分类算法的理论依据及性能评价方法.在算法设计层面,对具有影响力的网包分类算法按照不同的研究方向进行了归类和介绍,并结合自身研究成果对不同类别的算法设计思路行了深入分析.作者在多核网络处理器平台以及FPGA平台上实现了几类具有代表性的网包分类算法,并通过真实的网络流量测试比较了不同类型算法在不同系统平台上的实际性能.最后,作者总结并展望了高性能网包分类的下一步发展方向.

摘要：随着云计算和虚拟化技术的发展,为云资源管理提供了一种更高层次的调度选择:一个作业不再只能分配到一台物理机上,而是可将一台或多台物理机的计算资源虚拟化成一台虚拟机来运行该作业.根据作业需要,高效分配定量的物理资源放置虚拟机,是决定云系统性能的关键因素,即云资源调度问题实质就是一个虚拟机和物理机之间的映射问题.文中借鉴网络效用最大化模型,提出了一种云资源调度模型——云效用最大化(Cloud UtilityMaximization,CUM)模型,与传统调度模型相比,目标函数不再是最小化最大完工时间,而是以达到效用最大为调度目标,可以充分提高用户的满意程度.通过求解CUM优化问题得到最优的虚拟机和物理机映射关系.设计了针对该模型的分解优化算法——简化次梯度算法求解拉格朗日对偶问题,证明了该算法可以获得原始模型问题的最优解.仿真实验表明算法可行且具有良好的收敛特性,并给出了CUM模型在真实云环境下的应用场景.

摘要：随着人们对网络上海量数据的传输要求的提高,对互联网的资源分发模式进行分析和评价越来越重要。目前主要的因特网资源分发模式包括传统Client/Server模式的网站、内容分发网络(CDN)和对等(P2P)网络三种。该文采用建模分析和实验模拟的方法,重点对可扩展性较好的CDN和P2P这两种模式进行了分析与评价,着重比较了它们的性能可扩展性。结果表明,合理增加缓存对提高CDN网络性能很有帮助,而P2P网络对缓存容量需求较小;CDN网络中核心网络带宽和用户接入网络带宽同步增长才能提高性能,而P2P网络中用户接入的网络带宽起主导作用。

摘要：针对卫星高速数传系统的高增益、多码率、高可靠性通信编码应用需求,提出了一种低密度奇偶校验(LDPC)码组的低实现复杂度、高速的编码器设计实现方案,通过高效复用不同码率和不同扩展因子的编码硬件资源,并采用低存储和局部三模冗余设计,有效降低了多码率高速LDPC编码器的整体硬件规模并显著提升了编码速率和可靠性。现场可编程门阵列(FPGA)实现结果表明:该方法设计的融合28种码字的航天加固编码器可基于单片Xilinx XC2V3000FPGA芯片实现,最高编码速率可达3.2Gb/s;其触发器、查找表和存储器资源与已有方案相比,分别降低了24.5%、34.4%和11.1%。该编码器设计方案在当前及未来的卫星数传系统中具有较高应用价值。

摘要：透明计算系统是一种支持程序按需加载的新型分布式系统。缓存机制是影响透明计算系统性能重要因素之一。针对现有的缓存仿真算法不支持透明计算缓存性能分析的问题,该文提出了一种支持多用户共享服务器存储空间的缓存仿真算法(SSCS)。该方法扩展了传统的栈距离模型,采用首存储块号、拥有者用户ID二元组标识缓存块,根据不同用户对缓存块的访问情况分别管理、调度和测量。实验表明,该算法的仿真结果可用于指导透明计算系统的缓存设计。根据仿真结果进行改进,有效地提升透明计算系统的性能和可扩展性。

摘要：在对等网(peer-to-peer,简称P2P)流媒体系统中,节点(用户)的输出带宽(上行带宽)容量利用率的提高能够降低服务器的带宽开销.网络编码可以实现组播的最大吞吐率,因而具有提高系统中节点输出带宽容量利用率的潜力.将随机线性网络编码应用到P2P流媒体系统中,建立了基于随机线性网络编码的P2P流媒体传输过程模型,并据此建立传输算法的优化模型,比较研究了贪婪式算法、最少者优先算法和随机算法等.优化结果表明,随机算法可以平等均匀地获取数据包,能够最充分地利用节点的输出带宽容量,降低服务提供商的运营成本.通过对优化模型解的分析,对实际系统中的传输算法给出了设计指导原则.

摘要：人们构建的知识库通常被表示为网络形式,节点代表实体,连边代表实体间的关系.在网络表示形式下,人们需要设计专门的图算法存储和利用知识库,存在费时费力的缺点,并受到数据稀疏问题的困扰.最近,以深度学习为代表的表示学习技术受到广泛关注.表示学习旨在将研究对象的语义信息表示为稠密低维实值向量,知识表示学习则面向知识库中的实体和关系进行表示学习.该技术可以在低维空间中高效计算实体和关系的语义联系,有效解决数据稀疏问题,使知识获取、融合和推理的性能得到显著提升.介绍知识表示学习的最新进展,总结该技术面临的主要挑战和可能解决方案,并展望该技术的未来发展方向与前景.

摘要：为了克服传统处理器设计方法采用最坏情况来确定电路的工作频率带来的性能(吞吐率)损失,人们开始采用具有探测错误和纠正错误功能的电路设计方法。该文在已有的探测错误、纠正错误电路基础上,提出了一种针对具有延时错误纠错功能的电路的设计策略。该方法通过计算电路的延时错误概率函数,得出在一定电源电压下使得电路达到最大吞吐率的工作频率。模拟实验结果表明,该方法可以求得使电路获得最大吞吐率的工作频率。

摘要：直接数字线性调频(linear frequency modulation,LFM)源中相位截断会引入线性度误差,影响线性调频信号在雷达系统中的性能。首次运用离散数学理论分析了相位截断所引起的线性度误差,得到了相位截断不引入线性度误差的充要条件,推导了一般情况下线性度和调频斜率误差的数学表达式。采用蒙特卡罗方法得到了调频斜率误差在4种可能取值上的分布规律及其数字特征。通过仿真实例,定量评估了相位截断对线性度的影响,根据所得结论为实际应用提供了设计建议。仿真结果验证了理论推导的正确性。

摘要：针对SoC芯片设计中的系统划分问题,提出一种面向应用的系统结构自动划分方法——基于模板的系统划分方法,并开发了系统划分工具——TBPS.基于模板的系统划分方法通过提取应用描述中的相似结构,并使用相似结构划分系统,最终得到一个尽量复用的系统结构.系统的相似结构划分采用遗传算法实现最优覆盖的搜索,并使用贪婪算法实现资源配置和任务调度.与已有的在系统划分中事先设定目标结构方法不同,文中方法可以根据应用的特点自动生成划分的结构.采用该方法及TBPS实现了应用描述到系统结构的自动划分.实验结果表明了TBPS对数据处理为主的应用划分的有效性.