陈莉君
- 作品数：23 被引量：59H指数：5
- 供职机构：西安邮电大学更多>>
- 发文基金：陕西省教育厅自然科学基金陕西省教育厅规划基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 一种基于文件预测的分布式缓存模型
- 本发明涉及一种基于文件预测的分布式缓存模型，建立在分布式文件系统之上，每个客户端维护本机之上的DLS(double last successor)文件预测数据，每次读请求时，同时预读DLS文件预测模型中预测的读请求目标文...
- 陈莉君张胜利
- Xen虚拟化设备驱动前后端通信机制研究被引量：1
- 2014年
- 在Xen虚拟化中已存在基于共享内存的域间通信机制,为了简化Xen虚拟化驱动的编写工作和提高稳定性,提出一种基于消息队列的域间通信机制。申请一块内存来存放消息队列,并通过授权表在所有的域间共享此段内存。在上述共享内存中创建消息队列,并将消息队列的起始地址存放到Xenstore中,从而使得所有的域都可以使用该消息队列收发信息。结果CPU的吞吐量降低38.3%,传输速率降低38.2%,同时响应时间增加64.3%。该模型有效简化编写分离设备驱动程序的复杂性,并使得驱动程序的可靠性得到了显著地提高。
- 陈莉君李伟
- 关键词：虚拟机
- 基于NAT的网卡虚拟化设计与实现被引量：3
- 2013年
- 虚拟化技术通过使用虚拟机监控器对底层硬件资源进行管理,可以支持多个客户操作系统在单一硬件平台上同时运行。通过将NAT网络模式应用于虚拟化领域,可以实现使用单一网卡设备同时满足多个客户操作系统对网络的访问需求。首先对Linux下NAT的实现机制进行分析,然后依据虚拟化中驱动分离设计理念并结合NAT机制原理,实现网卡设备的虚拟化,从而达到了多个客户操作系统之间对网卡设备的复用。
- 李廷陈莉君
- 关键词：虚拟化技术NAT
- Android进程间通信Binder扩展模型的设计与实现被引量：5
- 2013年
- 为使Android中的服务得到最大化利用,在原有系统框架下设计一种将服务扩展到移动互联网的模型。通过分析Binder机制,借助网络套接字技术,在服务端的Binder框架之上增加一个用于监听的守护进程,达到分发服务请求的目的,从而在不改变原生服务调用机制下实现跨网络平台的服务。试验结果表明,相比原模型,扩展模型的服务执行效率并没有明显的降低,达到了设计要求。
- 陈莉君张超
- 关键词：ANDROID移动互联网BINDER守护进程
- 基于静态分析的函数调用关系研究被引量：2
- 2014年
- 为了帮助研发人员理解复杂系统的架构,通过对源码进行静态分析,在此基础之上,重点对函数调用关系进行研究,并且基于开源编译器ncc实现了函数调用关系的解析。实验结果表明该方法可以有效地获取函数的调用关系且准确地解析钩子函数对应的回调函数。
- 苗磊陈莉君
- 关键词：函数调用
- 基于LKM的Docker资源信息隔离方法被引量：6
- 2016年
- 针对Docker容器目前存在的内存资源信息尚未隔离的问题,设计了一种基于LKM技术的资源信息隔离方法.该方法通过LKM的形式利用系统调用劫持来修改读取到的procfs文件内容,从而实现了Docker中的容器资源信息隔离的功能,使得在其上运行的容器可以不用作任何修改就能达到资源信息隔离的目的.最后通过实验证明资源信息隔离的功能是可用的.
- 陈莉君张义飞
- 关键词：LKMDOCKER
- 一种基于文件预测的分布式缓存方法
- 本发明涉及一种基于文件预测的分布式缓存模型，建立在分布式文件系统之上，每个客户端维护本机之上的DLS(double last successor)文件预测数据，每次读请求时，同时预读DLS文件预测模型中预测的读请求目标文...
- 陈莉君张胜利
- 文献传递
- 一种针对kubernetes主节点选择的优化方法
- 本发明公开了一种选择kubernetes主节点的优化方法。所述方法包括下列步骤：首先，新增一个全局调度表。其次，在kubernetes集群中，每隔一定时间段，计算每个节点的负载得分，将每个节点的权重得分保存在这个全局调度...
- 陈莉君杨莹
- 文献传递
- 云存储文件系统
- 本发明公开了一种云存储文件系统，在Hadoop分布式文件系统基础之上实现日志结构块存储系统；所述Hadoop分布式文件系统，用于提供分布式的存储介质；所述日志结构块存储系统包括快照单元，克隆单元，块压缩单元，缓存单元等等...
- 陈莉君康华贾威威王博
- 文献传递
- 一种基于Docker容器的集群分段伸缩方法被引量：6
- 2017年
- 针对现有的虚拟机集群伸缩方法响应慢、开销大的问题,提出一种基于Docker容器技术的虚拟机集群伸缩方法。在检测实时工作负载同时通过自回归模型对未来工作负载进行预测,最后使用排队论模型计算所需伸缩量。首先从虚拟机自身进行资源重分配,然后依据工作负载变化率选择Docker容器级别的伸缩或虚拟机级别的伸缩,直到请求响应时间在用户可接受范围之内为止。实验结果证明,在面对不同的工作负载变化情况时,该方法可以提供更快的响应速度和更低的开销。
- 苗立尧陈莉君
- 关键词：虚拟机
