服务网格中带实时特性的容错调度
这是一篇关于服务网格,服务质量,实时,容错的论文, 主要内容为网格试图实现互联网上所有资源的全面连通,包括计算资源、存储资源、通信资源、软件资源、信息资源、知识资源等。服务网格研究的目标是智能信息处理,它侧重在如何消除信息孤岛和知识孤岛,实现信息资源和知识资源的智能共享。 服务网格是构筑在Internet上的一组新兴技术,其基础设施是基于IP协议的宽带数字通信网络,以及广域分布的异构的服务节点。它将改变传统的Client/Server结构,形成新的网格体系结构。信息服务网格分为若干自治的管理域,域和域之间是松耦合的对等结构,这种分布式体系结构使得服务网格具有很好的动态可扩展性。 每个域中有一个域服务器和一个信息服务器。域服务器是服务网格中的核心,也是实现实时容错调度的关键,它负责域内服务和服务代理的管理,监控服务实例的状态,实现实时、容错等特性。 为了保证服务网格稳定可靠地向外提供满足一定服务质量要求的服务,网格系统中需要有一个带有实时特性的容错调度策略。网格中间件能够根据用户的具体要求从网格信息服务器中查找、匹配最佳服务节点进行调度。在服务执行过程中,预订通知机制可以监听服务实例的即时状态,一旦实例出现故障,将启动容错调度模块向另外的合适节点迁移服务任务,重构服务实例,并采用基于SLA的服务质量保障机制,确保最终服务结果满足用户的初始要求。 在GT3基本服务上采用Java开发的网格中间件技术,较好地解决了服务网格中的服务质量保证和可靠性问题。测试表明,这种实时调度是可行的,也是有效的,容错策略的实现大大提高了系统的可用性和可靠性。
企业内手机实时投票问卷系统的设计与实现
这是一篇关于实时,投票问卷,移动终端,html5,J2EE的论文, 主要内容为在企业管理的过程中,为了完成一些基础性的调研工作,经常需要对员工进行投票问卷以指导管理者进行各项决策。但是传统的投票问卷方式存在诸多弊端,需要消耗大量的人力、物资、金钱以及时间。随着互联网的发展以及计算机的普及,投票问卷的方式逐渐从线下的纸质媒介转移到了线上,工作效率和资源利用得到了空前提升。但是传统在线投票方式依然有其弊端,那就是个人电脑的不便携性,使很多问卷投票工作无法现场进行,在实时性上不如传统的纸质媒介的投票问卷。现在,移动互联网的高速发展使人们随身都可以携带功能强大的智能移动终端设备,企业内手机实时投票问卷系统在这一背景下应运而生。系统分为两个部分,后台管理员系统基于B/S架构,业务逻辑采用轻量级J2EE架构下常用的MVC框架struts2+spring3+hibernate,客户端采用html+js/jQuery+css,数据库使用MySQL,技术架构成熟,方便企业的管理人员在进行投票问卷的发布、投票结果的统计查看以及各员工的管理;客户端采用html5技术,利用PhoneGap封装,以其跨平台适配不同的设备,方便企业员工随时随地使用。系统研究了大量同类的系统,结合了其优点与移动互联网的优势,并对该系统的需求进行了详尽的分析,开发了大量有针对性的实用功能,简洁高效,操作灵活。系统完成了从后台发布管理,到前端实时投票,再到结果实时统计一整套流程,可以适应企业的各项需求,是一套专业高效的解决方案。
基于智慧商圈的实时推荐系统的设计与实现
这是一篇关于智慧商圈,实时,推荐系统,聚类,协同过滤,相似度查询的论文, 主要内容为随着物联网、移动互联网等新一代信息技术的快速发展,传统商圈逐渐被新一代的智慧商圈所取代。智慧商圈,作为智慧城市的一部分,依托于线上线下的O2O互动模式,成为了促进消费的新途径。因此,如何根据广大线上消费者的需求定位到线下商品,帮助消费者完成最终消费,成为了智慧商圈建设过程中的一个关键问题。针对以上问题,一个常用的解决方案是推荐系统。随着智慧商圈的数据规模的日渐增大,如何在海量数据中挖掘出用户喜欢的商品就显得相当重要。于是,本文的研究目标是以智慧商圈为应用场景,分析用户的潜在需求,基于主流大数据处理与存储框架,设计了一个高可扩展性的实时系统架构,实现在智慧商圈场景下可以根据用户的需求迅速提供个性化推荐的实时推荐系统。为了实现以上目标,本文的主要工作有如下几个方面:1.为了满足推荐系统的实时性要求,本文研究现有的大数据开源框架,并结合智慧商圈场景,设计并实现了一种离线、在线与实时的三层架构。2.基于现有的增量式推荐模型,结合智慧商圈的场景,提出一种适合于智慧商圈场景下的增量式推荐计算模型。3.基于各类推荐算法的优缺点,结合智慧商圈场景,提出适合智慧商圈场景下的高准确度、高性能的离线、在线推荐算法。4.结合智慧商圈的场景,将智慧商圈的数据源作为本推荐系统的配置项,并且把本推荐系统作为一个web服务提供给智慧商圈系统,实现一种适用于智慧商圈的推荐系统集成方案。5.设计实验,对大数据规模下实时推荐系统的准确度和实时性进行评估和分析。最终的实验和系统验证证明,本文设计与实现的实时推荐系统,为智慧商圈、乃至更多应用场景,提供了一种高准确度的实时解决方案,无疑具有一定的理论价值和应用前景。
实时视频监控系统的设计与实现
这是一篇关于实时,视频监控,WEB,安防,Java的论文, 主要内容为随着社会科技快速进步,传统的视频监控系统已经几乎无法满足现阶段的监控需求,为人类社会的健康发展带来了很多潜在的威胁。因此对于安全的需求和保障也不断的增加,尤其是有关于人身安全和财产安全的保障设施,这就使得监控系统显得尤为重要。而视频监控系统是安防领域中的热点,同时近年来各类智能设备数量的爆发性增长,视频监控系统正朝着数字化,智能化,网络化,人性化的方向发展。传统视频监控系统因存在处理能力较低、可扩展性差、无法准确捕获实时视频的监控需求,这样就不利于很多案件的侦破工作。随着视频监控的应用不断广泛,其原有的劣势也就不断的显现出来,视频数据不能够智能高清化,有线网络的传输方式过于单一等。这时就需要用到嵌入式web服务器结构技术的实时的监控系统,将摄像头将采集到的数据传输给服务器,操作员再通过服务器查看已经保存的数据,这些数据还可以接入互联网,这样使得观看时更加方便快捷,随时随地都能在有互联网的地方实现实时监控。本实时视频监控系统紧密的结合了安全防御业务实际工作具体需求,围绕实时监控与网络传输的信息可视化目标,开展技术研究和系统建设,最终利用J2EE平台,基于SNMP协议及Megaeyes协议,以B/S的结构,进行该系统的开发和设计。在实现的过程中,运用了发展成熟的第三方框架Struts、Spring、Hibernate,使得本系统结构清晰,易于维护和扩展。在数据传输方面,使用了Json来进行数据的传输,并最终将数据存储在MySQL数据库中。与此同时,本系统针对敏感数据的传输和存储进行了加密,使本系统具有良好的安全性。本文立足于我国现阶段对监控系统的基本需求,并总结和归纳了国内外先进的安防类软件的相关技术和思想,同时进行了自助创新,最终设计出了本实时视频监控系统。本实时视频监控系统严格的遵守了软件工程的开发与设计流程,最终完成了需求分析的全部功能,并进行了充分的测试,在我国多个地区的安防建设类业务中推广应用,取得了良好的应用效果。
分布式脑—机接口实时测试平台的设计与实现
这是一篇关于脑-机接口,分布式,实时,测试平台,云计算的论文, 主要内容为近年来,得益于计算机技术飞速发展,脑-机接口(Brain-Computer Interface,BCI)作为一种全新的人-机接口技术已引起广泛关注。各种脑-机接口应用如雨后春笋般纷纷问世,让该领域呈现一派朝气蓬勃的景象。然而,随着各大高校、科研机构纷纷投入脑-机接口领域研究,各类脑-机接口解码算法层出不穷,如何客观、高效地实现各类算法对比测评,如何可靠、公正地完成系统评估验证成为一道摆在学术界面前的难题。另一方面,对于脑-机接口领域研发企业来说,将科研成果落地转化需要耗费大量的人力、物力,因此迫切希望有一种快速完备的方式能够让算法直接融入脑-机接口应用之中。此外,对于初入脑-机接口领域的研究者而言,因为不熟悉计算机相关知识,搭建一套脑-机接口在线系统是一件十分棘手的任务。面对上述问题,本研究设计并开发了一种分布式脑-机接口实时测试平台。本研究提出的测试平台支持主流操作系统,兼容多种编程语言。通过纵向切分架构、模块化功能组件,打破了传统封闭式系统限制,保证代码复用性,帮助研究者快速搭建脑-机接口软件系统。通过搭建星型网络结构的通信平台,基于发布-订阅模式使子系统完全解耦,保证平台稳定性和可扩展性。通过标准化数据与算法接口,帮助研究者快速完成范式任务及算法的设计、开发和测试,加快算法落地速度,降低转化成本。通过结合云计算、云存储和Docker、Kubernetes等云原生技术,实现脑-机接口应用系统上云,推动脑-机接口技术与其他领域融合发展,推动脑-机接口实用化、产品化。本研究提出的测试平台,基于微服务软件架构设计思想设计实现了刺激子系统、数据采集子系统、任务子系统、算法子系统、结果呈现子系统、持久化子系统和中央控制子系统以提供测试平台核心功能。通过提供通信组件、远程过程调用组件、循环数据池组件、Trigger控制组件和心跳组件帮助用户应用或扩展系统。通过提供权限控制和代码上传等辅助系统帮助提升平台易用性。本研究开发的测试平台作为目前世界范围内较为成熟且先进的脑-机接口算法测试平台,已经在2020-2022三年时间内有力支撑了世界机器人大赛-BCI脑控机器人大赛技术赛的竞赛活动。同时,该测试平台也已被部署于清华大学、北京邮电大学等多个实验室及教学中心,帮助众多研究生快速学习、掌握脑-机接口研究方法,有力促进了脑-机接口技术发展,展现出极高的实用价值及应用潜力。
基于Storm的实时推荐系统的设计与实现
这是一篇关于推荐系统,实时,协同过滤,Storm的论文, 主要内容为随着近几年来互联网技术的加速发展,各类互联网产品每天都会产生大量的用户行为日志。这些增长的日志信息使得数据利用率下降等问题逐渐显现出来。个性化推荐技术的提出就是为了解决这个问题。传统的个性化推荐技术,大多都是对数据进行离线收集,再对数据进行定期得分析以及对模型进行更新。而这种方法无法保证推荐的实时性,不能够及时反应出当前的推荐状态,从而导致推荐结果不准确。本文在研究了各个推荐算法的基础上,结合大数据的处理平台,设计并实现一个基于Storm的实时推荐系统,即对采集的数据进行分析从而得到实时的推荐结果。本文的工作内容如下:(1)针对推荐物品的特征,本文设计了离线平台和在线平台相结合的系统架构,这种架构可以很好得利用传统基于物品的协同过滤离线推荐算法,并且结合在线平台的更新算法,提高推荐的实时性和准确性。(2)本文在Storm流处理技术的基础上结合用户的实时数据,设计并实现增量更新算法。该算法包括了对物品相似度的增量更新和物品推荐结果的增量更新,并且通过时间窗口获取近期内的用户行为数据对推荐结果增量计算,从而提升推荐系统的响应速度。(3)结合本文提出的系统架构和算法,最终实现了以数据采集模块、数据接入模块、离线计算模块、在线计算模块和存储模块为核心的实时推荐系统,并以小型的电商APP的形式展现推荐结果。(4)本文根据当前推荐系统对实时性的需求,搭建实现了实时的推荐系统,完成在线实时的物品推荐,并且通过实验来验证系统实时推荐的可行性。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码货栈 ，原文地址：https://m.bishedaima.com/lunwen/47316.html
