排序方式： 共有45条查询结果，搜索用时 406 毫秒
31.
针对高校机房教学设备资源严重短缺和大量设备处于老化淘汰的现状,以及设备故障层出不穷的困境。提出基于云计算技术环境下高校机房管理中的应用模式,并介绍基于Hadoop架构的构建。云计算在高校机房的应用,可减少计算机设备的投入和维修维护成本;节省计算机操作系统和应用软件的升级和维护费用;提高数据存储安全保障,降低管理成本;解决高校教学设备资源紧缺,以及在实际的机房管理中存在的各种难题和问题。 相似文献
32.
施工现场监控系统是建设工程监督领域一个最基本的质量安全保障措施,施工现场监控系统传输的数据量大、时间长,如何有效地提高传输速率是一个一直有待解决的问题。分析建设工程施工现场远程监控系统的使用情况及优缺点,有助于提出基于云架构技术的施工现场远程监控系统架构,并设计关键的模块,实验表明基于云架构技术的施工现场远程监控系统架构有高的传输速率。 相似文献
33.
整合科技项目所产出成果的信息能间接反映项目的研究内容,可以弥补项目查重过程中申报书难以获取的不足,具有重要的研究意义。本文提出一种整合科技项目相关产出信息的数据模型。该模型通过整合项目产出的科技报告、学术论文和科技成果等信息,抽取其中的关键词、标题和摘要等对项目的研究内容进行准确的描述,并强化了项目负责人和承担机构等辅助信息对项目查重的重要性,从而为解决项目查重问题提供客观的数据支撑。 相似文献
34.
为了提升电商大数据平台复杂数据操作性能,通过分析电商业务特点,从数据重新组织与平台参数调优两个方面对数据平台进行优化。在数据重新组织方面,使用 ORC 数据格式存储数据,并对数据表进行合理的分区、分桶;在平台参数调优方面,对业务涉及到的主要组件参数进行针对性调节。最后,通过搭建具有 32个节点的 Hadoop 集群,并使用 TPC-DS 测试集进行仿真实验,验证调优思路及方法的有效性。结果表明,调优之后的平台性能大约是未进行任何优化平台的 7.5 倍,优化效果显著。 相似文献
35.
当前,高职教育正在实现由规模扩张向提高质量转变。教学质量管理是规模扩张向高质量转变的核心,信息化建设有助于高职院校提高教学质量管理的工作效率和管理水平。高职院校教学质量管理信息化工作开展得比较晚,在很多方面还是基于纸质存档的形式。为了提升高职院校教学质量管理效率和水平,构建了基于Hadoop的教学质量管理平台:使用SSM(Spring+Spring MVC+MyBatis)技术完成平台开发,使用Hadoop的核心组件HDFS存储教学质量管理文件,使用MySQL存储后台数据,使用Docker完成分布式部署。 相似文献
36.
随着网络规模的不断扩大,为了保障网络安全、稳定运行,需要一种更高效的网络故障预警算法。通过对传统网络故障预警算法优缺点的分析,针对其缺点进行优化改进,采用离群点检测算法建立网络故障预警模型。对异常检测算法数据进行预处理,在 Hadoop 平台上计算数据异常指数,并不断调整阈值参数。实验结果表明,改进型离群点检测算法故障检测率达到 98%,可对网络故障进行有效预警。 相似文献
37.
针对海量数据处理在处理速度、存储空间、容错性、访问时间等方面存在的问题,对Google MapReduce编程模型的原理、执行流程等进行分析研究,介绍4种主要的MapReduce实现平台Hadoop、Phoenix、Disco、Mars,从编程语言、构建平台、功能特点和应用领域4个方面对4种平台进行比较分析,以期对MapReduce编程模型原理及其应用平台有一个较全面的认识。 相似文献
38.
随着信息社会发展,海量数字信息资源存储的需求变得越来越普遍,使用分布式文件存储是一种有效的解决方案。文章通过分析HDFS本身信息存储交互的特点,给出了使用HDFS的长期保存分布式存储实现方案,为今后使用HDFS及Fedora进行分布式长期保存及管理提供了借鉴参考。 相似文献
39.
云平台下大型矩阵乘法运算处理方案设计 总被引：1，自引：0，他引：1
本文在开源云计算平台Hadoop的基础上利用MapReduce和HDFS,针对大型矩阵相乘,并结合个人实际水平进行简单的开发应用。通过开发和研究,进一步探讨云计算关键技术MapReduce对于海量数据处理的意义。 相似文献
40.
基于Hadoop开源分布式计算框架和Mahout协同过滤推荐引擎技术构建图书推荐引擎系统,并利用云模型和Pearson系数对传统协同过滤推荐算法进行改进,改善传统单机推荐算法在高维稀疏矩阵上进行运算所导致的系统性能不佳及推荐结果不准确的问题。利用实验对分布式推荐平台的整体性能及改善后的协同过滤推荐算法进行测试评估,发现当虚拟机节点不断增加时,协同过滤推荐引擎的计算时间不断减少,这表明推荐引擎系统的总体性能较传统单机推荐引擎得到提升;利用MAE分别对原始协同过滤推荐效果和改进后的推荐算法进行测评,发现改进后的推荐引擎算法的推荐准确率较改进前提高13.1%。 相似文献