基于RMI的高性能计算网格二次开发模型

计算机应用 ›› 2010, Vol. 30 ›› Issue (9): 2526-2529.

基于RMI的高性能计算网格二次开发模型

曹荣强¹,曹宗雁²,迟学斌¹,肖海力¹

1. 中国科学院计算机网络信息中心
2. 中国科学院计算网络信息中心

收稿日期:2010-03-22 修回日期:2010-05-12 发布日期:2010-09-03 出版日期:2010-09-01
通讯作者: 曹荣强
基金资助:
中国科学院“十一五”信息化专项“超级计算环境建设与应用”;863项目“中国国家网格运行管理技术研究”

RMI-based grid re-development model for high-performance computing

Received:2010-03-22 Revised:2010-05-12 Online:2010-09-03 Published:2010-09-01
Contact: CAO Rong-qiang

摘要/Abstract

摘要： 根据高性能计算和网格的特点，提出一种网格二次开发模型(GRM)。结合RMI和SSL/TLS技术，该模型提供了访问中间件的一致性接口，屏蔽了通过网络访问网格的繁杂问题，解决了敏感数据在不安全的广域网中传输的问题。以科学计算网格的中间件为基础，实现了GRM。多个基于GRM的用户接口开发经历和实验结果表明，GRM为开发人员提供了一个简单易用和功能全面的开发模型，而且具有良好的性能和可移植性。

关键词: 高性能计算, 网格, 用户接口, Java RMI, 数据安全

Abstract: According to the characteristics of high-performance computation and computational grid, a Grid Re-development Model (GRM) was proposed. Regarding the combination of Remote Method Invocation (RMI), and SSL/TLS technology, GRM firstly provided a consistent interface to access to grid middleware; secondly, screened the complex and trivial problems for accessing grid through network; thirdly, solved the data security issues for sensitive data transferred in insecure wide-area network. Based on the grid middleware used by scientific computing grid, the GRM was implemented. The case studies and experimental results of developing user interfaces based on GRM and experimental results show that, the GRM not only provides an easy, useful and full featured development model, but also has good performance and portable features.

Key words: high-performance computing, grid, user interface, Java Remote Method Invocation(RMI), data security

中图分类号:

TP393

曹荣强曹宗雁迟学斌肖海力. 基于RMI的高性能计算网格二次开发模型[J]. 计算机应用, 2010, 30(9): 2526-2529.

[1]	陈美宏, 袁凌云, 夏桐. 基于主从多链的数据分类分级访问控制模型[J]. 《计算机应用》唯一官方网站, 2024, 44(4): 1148-1157.
[2]	林滏, 石稼晟, 高泽, 楚遵康, 马琼敏, 余海燕, 饶卫雄. 基于3D几何特征深度表达学习的物理系统仿真[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3548-3555.
[3]	冯睿琪, 王雷蕾, 林翔, 熊金波. 基于软件防护扩展的车联网路况监测安全数据处理框架[J]. 《计算机应用》唯一官方网站, 2023, 43(6): 1870-1877.
[4]	陈林颖, 刘建华, 孙水华, 郑智雄, 林鸿辉, 林杰. 面向方面的自适应跨度特征的细粒度意见元组提取[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1454-1460.
[5]	隋佳宏, 毛莺池, 于慧敏, 王子成, 平萍. 基于图注意力网络的全局图像描述生成方法[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1409-1415.
[6]	张韵, 王淑营, 郑庆, 张海柱. 保持细节几何特征的三维网格模型轻量化算法[J]. 《计算机应用》唯一官方网站, 2023, 43(4): 1226-1232.
[7]	马英杰, 肖靖, 赵耿, 曾萍, 杨亚涛. 可控网格多涡卷混沌系统族及其硬件电路实现[J]. 《计算机应用》唯一官方网站, 2023, 43(3): 956-961.
[8]	刘乾, 张洋铭, 万定生. 网格化分布式新安江模型并行计算算法[J]. 《计算机应用》唯一官方网站, 2023, 43(11): 3327-3333.
[9]	尹丽华, 康亮, 朱文华. 融入时空显著性的高精度视频稳像算法[J]. 《计算机应用》唯一官方网站, 2022, 42(8): 2564-2570.
[10]	申玉民, 王金龙, 胡殿凯, 刘星宇. 基于区块链的建筑信息模型图纸多人协同创作系统[J]. 计算机应用, 2021, 41(8): 2338-2345.
[11]	曾祥银, 郑伯川, 刘丹. 基于深度卷积神经网络和聚类的左右轨道线检测[J]. 计算机应用, 2021, 41(8): 2324-2329.
[12]	龙超奇, 蒋瑜, 谢雨. 基于峰值网格改进的小波聚类算法[J]. 计算机应用, 2021, 41(4): 1122-1127.
[13]	秦静, 安雯, 季长清, 汪祖民. 无线体域网隐私保护机制研究综述[J]. 计算机应用, 2021, 41(4): 970-975.
[14]	高昊昱, 李雷孝, 林浩, 李杰, 邓丹, 李少旭. 区块链在数据完整性保护领域的研究与应用进展[J]. 计算机应用, 2021, 41(3): 745-755.
[15]	陈朗, 王让定, 严迪群, 林昱臻. 融合残差网络和极限梯度提升的音频隐写检测模型[J]. 计算机应用, 2021, 41(2): 449-455.