【摘 要】
：
SaaS(Software as a software)已逐渐成为了一种新的软件自动生成方法,但怎样在云计算系统中通过Web服务和REST(Representational State Transfer)接口将不同SaaS实体的功能进行重组生成按需的软件是目前最关键的问题之一.因些,针对这个问题,本文采用划分算法将云计算系统中的各SaaS的功能进行划分;将各功能定义成一个节点,并将计算各节点的相似
【机 构】
：
成都理工大学,成都 611741 电子科技大学 计算机科学与工程学院, 成都611731
论文部分内容阅读
SaaS(Software as a software)已逐渐成为了一种新的软件自动生成方法,但怎样在云计算系统中通过Web服务和REST(Representational State Transfer)接口将不同SaaS实体的功能进行重组生成按需的软件是目前最关键的问题之一.因些,针对这个问题,本文采用划分算法将云计算系统中的各SaaS的功能进行划分;将各功能定义成一个节点,并将计算各节点的相似度,以实现划分分类,从而提供功能搜索效率.在此基础上,根据需求变化实现功能寻址中断完成新的SaaS软件生成.最后通过在Amazon下例以一个SaaS销售软件生成为进行分析表明,该方法有效且可行.
其他文献
随着互联网上服务数量的急剧增长,快速、准确地搜索到可信服务是面向服务计算的一个关键问题.本文针对开放网络环境下可信服务发现工作量大、效率不高等问题,基于模拟现实世界的网络小世界特性,设计了基于信任和推荐关系的可信服务发现方法.首先,提出一种开放的具有信任和推荐关系的服务网络模型,给出该模型的形式化定义和相关策略.其次,在具有信任和推荐关系的服务网络模型之上,给出一种动态的可信服务发现算法,该算法能
根据移动通信中的位置信息来研究用户群体的移动行为,可以发现其中潜在的群体移动模式.这些模式反映了用户之间相似的移动规律,可以为移动运营商进行基于位置的服务提供有效的决策支持,还可以带来更多的商业价值及社会意义.然而,移动数据本身的特点为这项研究带来了困难:用户的已知轨迹通常是间断的位置点的序列,而且某些时间戳对应的位置信息发生缺失;轨迹数据十分庞大,传统的轨迹挖掘算法很难适应海量数据的处理需求.本
针对当前流行的云计算技术,分析了其所面临的安全问题.以BLP(Bell-LaPadula)模型和Biba模型为参考,通过基于行为的访问控制技术来动态调节主体的访问范围,实现BLP 模型和Biba 模型的有机结合,提出了CCSM(Cloud Computing Security Model)模型.该模型不仅能保护云端服务器中数据完整性和保密性,而且使云计算环境具有相当的灵活性和实用性.本文给出了该模
渲染云作为云技术的一个特定细分,同时作为将对计算能力敏感的应用程序扩展到云技术这一趋势的典型代表,具有很广阔的发展前景.当前与渲染云直接相关的工作主要有各种渲染集群以及Nvidia的RealityServer平台.但是前者不支持作为云技术基础的虚拟化技术,后者限制了渲染云平台的硬件,并且不能整合各种不同的图形加速设备使其协同工作.本文分析了渲染云的基础虚拟化硬件3D图形加速技术,对目前主要的加速方
本文从降低电能消耗的视角,分析基于虚拟化技术的高校实验室存在不必要的虚拟机更新操作与虚拟化资源分配不均匀产生能源消耗问题.提出一种虚拟机资源优化模型,通过资源占用当量平均分布函数、虚拟机更新适应度函数优化虚拟机的更新操作,从而降低计算资源开销.模拟实验与分析证明,优化的资源当量分布趋于均匀,提高了计算资源的使用效率.
基于云技术的多跳网络数据收集系统存在着固有的大规模及并行化等特点,这使得传统的编码收集及优化模型面临着巨大的挑战.特别是目前传统的分布式编码策略在解码的过程中可能出现严重的“陡壁效应”,即在收集编码包不足时,只能解出少量源数据.随着时间的推移,系统节点可能以一定概率因能量耗尽或者外界环境影响而失效,尤其是灾难情景下,集中在某区域的节点极易出现同时失效的情况.这种情况严重降低了持久性数据的采集性能.
公共安全已经成为世界各国政府的关注重点,危险核、生、化智能监控是其中的重点研究领域,这也对与其配套的监测数据处理分析计算平台提出了更高的要求.面对实时收集的海量数据,如何提供高效、经济、便捷同时又有QoS 保证的计算服务和存储服务,也成为了公共安全支撑技术领域的难点和热点.本文提出了一种用于公共安全监控预警的混合云体系统架构,借鉴传统IaaS 云架构的基础上,集成了高性能计算和虚拟私有云两种计算资
首先分析了目前实际应用中主流P2P流量识别技术的方法和存在的问题,同时针对网络带宽不断增加和现有流量识别工具面对超大流量数据识别存在明显不足的情况,本文基于云计算平台Hadoop的Mapreduce分布式并行计算架构,提出了一个基于云计算的P2P流量识别系统模型.
为提高个体层次上客户流失预测的精确度,建立了融入个体活跃度的电子商务客户流失预测模型H-ILSVM.该模型首先利用融入地域因素的启发式算法计算出最优阈值,并求出个体的活跃度,识别出正判客户和错判客户;在此基础上,考虑电子商务客户流失预测影响因素众多,提出了一种粗糙等价类属性约简方法提取出重要的客户流失预测指标,然后将降维后的正判客户样本送到非平衡最小二乘支持向量机进行学习和训练,进而利用得到的分类
通过梳理IS 持续使用理论和服务管理中用户满意度研究的发展脉络,借鉴其成果并结合SaaS系统的特点,提出了SaaS 用户满意度与持续使用的理论模型,并经过了实证检验.研究结果表明,SaaS 系统的系统质量和服务质量会影响用户的满意度,并且满意度与感知有用性一起影响用户的持续使用意图.使用IT 知识存量和组织嵌入作为调节变量,分析了在不同的条件下,服务质量和系统质量等外生因素与用户满意度之间关系的变