检索结果

Select

1. MapReduce并行加速数据流多模式相似性搜索

付晨, 钟诚, 叶波

计算机应用 2017, 37 (1): 37-41. DOI: 10.11772/j.issn.1001-9081.2017.01.0037

摘要（636）

PDF （941KB）（574）

设计时间序列数据在Hadoop分布式文件系统（HDFS）中的有效存储方式，利用分布式缓存工具Distributed Cache将各子序列分发到Hadoop集群的计算节点上，将动态时间弯曲距离矩阵划分成多个子矩阵，采取并行迭代计算每条反对角线上子矩阵的方法，基于MapReduce编程模型，实现高效并行计算时间序列动态弯曲距离，通过改进剪裁冗余计算方法，设计实现一种数据流多模式相似性搜索并行算法。中国雪深长时间序列数据集的实验结果表明，当每条时间序列的长度达到5000以上时，并行计算动态弯曲距离所需时间少于串行计算所需时间，当每条时间序列的长度达到9000以上时，参与计算的集群节点越多，并行计算所需时间越少；当模式长度达到4000、参与计算的集群节点数达5个以上时，从数据流中并行搜索出与模式匹配的相似子序列所需时间约为串行搜索所需时间的20%。

参考文献 | 相关文章 | 多维度评价

Select

2. 融合遗传和蚁群算法并行求解最短公共超串

伍世刚钟诚

计算机应用 2014, 34 (7): 1857-1861. DOI: 10.11772/j.issn.1001-9081.2014.07.1857

摘要（319）

PDF （949KB）（647）

依据各级缓存容量，将CPU主存中种群个体和蚂蚁个体数据划分存储到一级、二级和三级缓存中，以减少并行计算过程中数据在各级存储之间的传输开销，在CPU与GPU之间采取异步传送和不完全传送数据、GPU多个内核函数异步执行多个流的方法，设置GPU block线程数量为16的倍数、GPU共享存储器划分大小为32倍的bank，使用GPU常量存储器存储交叉概率、变异概率等需频繁访问的只读参数，将输入串矩阵和重叠部分长度矩阵只读大数据结构绑定到GPU纹理存储器，设计实现了一种多核CPU和GPU协同求解最短公共超串问题的计算、存储和通信高效的并行算法。求解多种规模的最短公共超串问题的实验结果表明，多核CPU与GPU协同并行算法比串行算法快70倍以上。

参考文献 | 相关文章 | 多维度评价

Select

3. 隐私保护的一站多表跨多表频繁项集挖掘

林瑞钟诚华蓓

计算机应用 2013, 33 (12): 3437-3440.

摘要（578）

PDF （666KB）（410）

从多方合作挖掘分布存储在不同计算站点上多个数据库表而不泄露各方原始数据信息的目的出发，对于每个站点拥有多个数据表的分布式计算环境，基于三方安全协议，运用生成随机数扰乱方法，采取各站点并行挖掘频繁项集,将站点间各表数据公共连接属性作等值连接,以安全协议计算全局站间跨表频繁项集支持数的策略，提出了一站多表的3站点跨多表频繁项集挖掘隐私保护算法。实验结果表明，该算法在高效地联合挖掘出跨多表频繁项集的同时保护了各站点的敏感信息。

相关文章 | 多维度评价

Select

4. 多核机群上通信高效的整数序列并行排序方法

柯琦钟诚陈清媛陆向艳

计算机应用 2013, 33 (03): 821-824. DOI: 10.3724/SP.J.1087.2013.00821

摘要（865）

PDF （681KB）（519）

建立一个适用于整数序列排序的数据分配模型,在多核计算节点组成的异构机群上设计通信高效的整数序列并行算法。所提出的数据分配模型依据机群中各节点不同的计算能力、通信速率和存储容量,动态计算出调度分配给各节点的数据块的大小以平衡各个节点的负载。所设计的并行排序算法利用整数序列的特性,主节点采取两轮分发数据与接收结果的方法,从节点运用分桶打包方式返回有序的整数子序列给主节点,主节点采用桶映射方法将各个有序子序列直接整合成最终有序序列,以减少需要耗费较多通信时间的数据归并操作。分析与实验测试结果表明,给出的多核机群上的整数序列并行排序算法高效,具有良好的可扩展性。

参考文献 | 相关文章 | 多维度评价

Select

5. 基于多核多线程的AES保密模式

卢丹华钟诚杨锋

计算机应用 2011, 31 (04): 1003-1005. DOI: 10.3724/SP.J.1087.2011.01003

摘要（1580）

PDF （440KB）（462）

为适应高速网络对大容量文件加解密速度的要求，提出了一种适用于多核环境下的AES保密模式——MACBC。MACBC模式利用多核计算机的多级缓存和共享内存等方面的特点，在保证安全性和对内存空间需求基本不变的情况下，把容量较大的待加密文件拆分为若干数据块，然后由多核心分别对这些数据块进行多线程加解密。实验表明，该模式加速效果明显，并且文件容量越大,加速比越高。