【摘 要】
：
通过高速网络连接,各类计算资源互联构成了一个庞大的全球计算机系统。资源请求因资源以云服务形式分享而无处不在,这一转变正在改变每个人对计算能力获取、消费和提供等方面的使用习惯。各主要国家和知名企业纷纷推出云计算发展规划,加快建设云计算平台。然而通过网络请求使用云服务具有动态开放的特点,采用面向固定环境的传统编程方法开发云服务系统并非易事。一方面云服务供应商捆绑使得部署在不同云平台的云服务难以直接集成
论文部分内容阅读
通过高速网络连接,各类计算资源互联构成了一个庞大的全球计算机系统。资源请求因资源以云服务形式分享而无处不在,这一转变正在改变每个人对计算能力获取、消费和提供等方面的使用习惯。各主要国家和知名企业纷纷推出云计算发展规划,加快建设云计算平台。然而通过网络请求使用云服务具有动态开放的特点,采用面向固定环境的传统编程方法开发云服务系统并非易事。一方面云服务供应商捆绑使得部署在不同云平台的云服务难以直接集成;另一方面网络环境的动态性要求在集成云服务时既要考虑用户需求的多样性又要分析相互竞争云服务的绑定方法。因此,本文针对云服务呈现的新特征,提出一种新型云服务编程语言Apla+,支持便捷地开发云服务系统。云服务是Apla+编程的基本单元,Apla+使用资源描述机制Bundle消除云服务的平台依赖。基于面向服务分析中得到的不确定候选服务集,在Apla+中提出抽象服务请求机制有效实现运行时动态绑定云服务。通过定义集成云服务的服务组合机制,可便捷地实现组合小服务得到功能增值的大服务。通过定义Apla+形式语义,研究了用于分析云服务系统动态重构的等价关系。最后,由Apla+编写的程序将由支撑环境自动生成目标代码并编译执行。具体说,本文主要做了以下几方面工作:（1）提出Apla+中云服务编程机制服务是资源动态执行时提供的功能,那么不同资源可以提供相同的服务。基于云服务新定义,提出了资源描述机制Bundle用于表示提供服务的不同资源。根据面向服务分析中定义的不确定候选服务集,定义了抽象服务请求机制,其中包含时间和断言的契约可有效应对云计算环境的网络不确定性,契约中的配置信息可用于描述用户个性化需求。通过分析组合服务的基本结构和并行性质,定义了五个具有并行语义的服务组合算子便捷地描述服务集成,其中调用算子体现了云计算环境下便捷处理大数据的思想。这些新机制构成了 Apla+中云服务编程的核心要素。（2）定义Apla+语言的形式语义针对Apla+语言具有并行含义和服务动态绑定的特点,采用标记事件发生时间、执行状态与变量取值共同定义状态和对状态赋予断言等方法定义时间标记的标签转换系统。使用该系统精确定义Apla+语言的语义信息,并以此为基础定义强时间互模拟和弱时间互模拟,进而建立强等价和弱等价关系,可分别用于结构相同组合云服务的等价性分析和结构不同组合云服务的相容性分析。同时针对特定环境中的服务,提出了环境等价及其验证算法并形式化证明了该算法。实现对云服务系统进行形式化分析及优化。（3）研究Apla+的实现方法基于模型驱动开发思想,主要研究了 Apla+程序开发支撑环境的系统架构和实现原理,并采用生成式程序设计方法实现了原型系统。重点研究了开放环境下异构资源的访问方法、异构资源之间数据交互策略和分布式服务并行执行等核心问题及其实现算法。基于Apla+语言语义,定义了由Apla+到Java的程序生成规则库及服务组合算子构件库,从而可自动生成对应的Java目标程序,或直接发布部署为云服务。（4）提出基于迭代的交互式面向服务分析方法基于迭代的交互式面向服务分析将系统分析过程分为交互式面向服务分析和基于迭代的分析过程两部分组成。其中,交互式面向服务分析将系统分析中的创造性活动交由设计过程完成,而精确查找满足规约的服务这一非创造性活动则采用自动化方法实现。采用基于迭代的分析过程可以有效避免分析过程中存在的局部视角缺陷,实现尽可能复用已有服务。最终通过设置可复用服务阈值得到实现云服务系统的不确定候选服务集。将并行绑定算子作用于该集合实现依据服务执行状态选择并绑定服务。
其他文献
根据摩尔定律,当价格不变时,集成电路上可容纳的元器件的数目,约每隔18-24个月便会增加一倍,性能也将提升一倍。现如今,半导体器件的特征尺寸从微米级缩减至7纳米,逐渐接近摩尔定律的极限。深纳米尺寸的电子器件面临众多复杂且难以解决的量子效应,给半导体行业带来前所未有的挑战。与此同时,人工智能飞速发展,由谷歌（Google）旗下DeepMind公司开发的人工智能机器人AlphaGo吸引人们对深度学习的
近年来,随着科技的迅猛发展,智能手机、电脑、可穿戴设备、智能家居设备和无人机等电子产品已被广泛使用并将逐步普及,这给人们的生活带来了极大的便利。然而,这些产品续航能力不足的问题也渐渐的凸显出来。可见,以低功耗设计为优化目标的产品是当今绿色智能电子设备发展的必由之路。智能电子设备中最重要的组成部分是处理器和存储器,这两部分通常也是功耗开销的主要部分。随着半导体工艺的进步,处理器的运行速度越来越快,而
软硬件划分是软硬件协同设计中关键步骤之一,随着嵌入式系统任务复杂度和设计规模的增加,已逐步成为一个具有挑战性的优化问题。粒子群算法因其概念简单、实现容易和收敛速度快,已被广泛应用于软硬件划分问题中。但是没有一种通用的算法能够有效地解决所有类型的软硬件划分问题,采用粒子群算法求解软硬件划分存在如下问题:1)早熟收敛;2)容易陷入局部最优解;3)时间开销高。为了解决粒子群算法求解软硬件划分中的问题,本
对于软件开发和维护人员来说,软件调试是日常性的工作。一般而言,软件调试过程包括错误定位、错误理解和错误更正。不幸的是,软件调试极其费时、费力,实证研究证实软件调试的开销己经超过软件开发费用的50%。为了应对这一挑战,人们提出软件调试的自动化处理,并且对其展开了广泛而深入的研究。但是,由于软件本身的复杂性,软件演化等原因,目前的自动化软件调试方法存在一些问题,如调试结果的质量不高,调试方法的适用性不
计算机视觉领域的研究涉及众多的学科,而运动目标的跟踪技术是其中重要的研究方向之一。近年来,随着计算机图像处理、模式识别、人工智能以及相关学科研究的不断深入,目标跟踪技术也得到了长足的进步。目前在这一领域的研究主要集中在两个大的方向上,其一是基于先验知识的目标跟踪技术研究,在获得初始的目标运动信息的基础上进行目标的跟踪;其二是不依赖于先验知识的目标跟踪技术研究,通过在视频中识别并检测出感兴趣的目标完
接触式图像传感器于20世纪80年代末面世,1998年首次应用于扫描仪,21世纪初开始广泛应用于金融机具中,例如点钞机、清分机、ATM机等,目前仍处于发展阶段。在金融机具应用背景下,接触式图像传感器的图像存在分辨率丢失、三色分离及噪声问题,对于这些问题的研究,目前仍处于起步阶段。本文将金融机具应用背景下的接触式图像传感器的彩色图像作为主要研究对象,旨在采用软件算法的方式解决其分辨率丢失问题、三色分离
云计算和大数据时代,数据比算法更能深刻的影响计算结果。根据需求度量价值的原则,以按需服务的视角来理解价值,那么价值即服务,即VaaS（Value as a Service）。从数据中发现价值信息并为用户所用,就可以理解成从数据中按需进行价值服务发现的问题。面对互联网上的各种数据资源,如何从中获取知识以支撑价值服务的发现成为亟待解决的一个重要问题。数据规模的剧增以及数据本身结构的复杂性,增加了价值服
SaaS软件所处环境的开放性和动态性导致其在长时间运行过程中可能出现性能降级问题,根据动态变化的环境快速优化SaaS软件的部署方案是应对该问题的一种有效途径。然而,SaaS软件的服务化特点及其运行平台的硬件虚拟化特点使得传统的部署优化方法无法直接用于解决SaaS软件的部署优化问题。为此,本文针对SaaS软件的部署特点,提出了一种能够在运行时自动为SaaS软件寻找性能最优部署方案的方法,具体内容如下
由于包含信息量丰富,且直观易懂,图像视频在数字传媒、智能系统、社交娱乐、网络直播、监控安防和军事侦查等多个领域都有重要应用。上述应用通常以对图像视频内容进行准确理解和可靠编辑为前提,而人类视觉感知系统对色调高度敏感,因此以色调为线索或载体进行图像视频内容理解和编辑受到了大量的关注,现已发展成为计算机图形学、计算机视觉和图像视频处理领域的一个热点研究问题。色调敏感的图像视频内容理解与编辑以色调信息为
近年来,随着计算机硬件设备的迅速发展和进步,图像采集设备逐渐在人类生活的各个领域得到了广泛应用,从而使得计算机视觉领域中以运动目标图像为研究对象的目标跟踪技术受到国内外研究人员的广泛关注。目标跟踪技术是一门融合了数字图像处理、模式识别、机器学习、数理统计、生物学以及心理学等多方面前沿理论的跨学科综合技术。目标跟踪技术作为计算视觉领域中的核心技术之一,目前已经融入到人类生活的各个方面,特别是在智能视