基于LSM-Tree的压缩日志缓存方法及装置

    公开(公告)号:CN111737261B

    公开(公告)日:2023-09-22

    申请号:CN202010589115.4

    申请日:2020-06-24

    IPC分类号: G06F16/22 G06F16/174

    摘要: 本发明公开了一种基于LSM‑Tree的压缩日志缓存方法及装置,基于LSM‑tree在LevelDB的实现,提出了多层压缩日志缓存(Compact Log Buffer)架构,保留了LevelDB原有的LSM结构的优点,结合LSM‑tree的日志归并树结构,在原有日志结构之外设计了用于管理压缩过程(Compaction)的日志缓存,从而实现了对“major Compaction”的分层控制和统一管理,有效的缓解了当前基于LSM‑tree结构的存储方案固有的写放大问题。由于本发明提出的日志缓存方案维护成本极低,占用的内存和磁盘资源相对写入数据可以忽略不计,因此本发明的额外开销极低,可以有效的控制企业运行时的存储成本。

    基于LSM-Tree的压缩日志缓存方法及装置

    公开(公告)号:CN111737261A

    公开(公告)日:2020-10-02

    申请号:CN202010589115.4

    申请日:2020-06-24

    IPC分类号: G06F16/22 G06F16/174

    摘要: 本发明公开了一种基于LSM-Tree的压缩日志缓存方法及装置,基于LSM-tree在LevelDB的实现,提出了多层压缩日志缓存(Compact Log Buffer)架构,保留了LevelDB原有的LSM结构的优点,结合LSM-tree的日志归并树结构,在原有日志结构之外设计了用于管理压缩过程(Compaction)的日志缓存,从而实现了对“major Compaction”的分层控制和统一管理,有效的缓解了当前基于LSM-tree结构的存储方案固有的写放大问题。由于本发明提出的日志缓存方案维护成本极低,占用的内存和磁盘资源相对写入数据可以忽略不计,因此本发明的额外开销极低,可以有效的控制企业运行时的存储成本。

    一种Raft分布式系统及Raft共识方法

    公开(公告)号:CN116248697A

    公开(公告)日:2023-06-09

    申请号:CN202211631933.1

    申请日:2022-12-19

    申请人: 山东大学

    摘要: 本发明提出了一种Raft分布式系统及Raft共识方法,涉及分布式存储领域,用于解决现有技术将数据存储在每个节点上导致的计算和存储开销问题,包括主节点、从节点、候选节点和备份节点;主节点执行客户端的数据请求,并将数据请求日志发送至从节点和备份节点;从节点接收主节点的数据请求日志,执行数据请求日志所关联的数据请求;候选节点选举主节点过程中的中间状态,发起主节点的选举投票过程;备份节点,没有状态机,不保存数据的完整副本,随机选择设定个数的从节点配置为备份节点;本发明利用Raft算法的容错能力,引入新的备份节点角色,通过优化Raft共识方法,消除备份节点上的数据冗余副本,在保证一致性的同时,能够极大地降低存储和计算开销。

    一种基于步态分析的帕金森疾病辅助诊断系统

    公开(公告)号:CN113768471A

    公开(公告)日:2021-12-10

    申请号:CN202111192113.2

    申请日:2021-10-13

    申请人: 山东大学

    IPC分类号: A61B5/00 A61B5/11

    摘要: 本发明公开了一种基于步态分析的帕金森疾病辅助诊断系统,所述系统包括:数据采集装置,用于采集运动数据并发送至上位机;上位机,用于对运动数据进行预处理并发送至本地服务器;本地服务器,用于基于运动数据进行步态特征提取,并发送至云平台;云平台,用于对根据所述步态特征进行可视化。本发明基于惯性传感器和摄像头进行运动数据采集,提取不同的步态特征并进行量化,以及可视化,以低成本、高便利性的特点有效解决了帕金森病诊断时运动特征靠肉眼观察、病情难诊断的问题,为帕金森病诊断提供了有利的辅助。

    一种面向非易失处理器的基于增强学习的备份系统及方法

    公开(公告)号:CN110968458A

    公开(公告)日:2020-04-07

    申请号:CN201911174721.3

    申请日:2019-11-26

    申请人: 山东大学

    IPC分类号: G06F11/14 G06F3/06

    摘要: 本发明公开了一种面向非易失处理器的基于增强学习的备份系统及方法,包括:能量获取模块,被配置为从外界能量源中获取能量并为自身电源进行充电;数据处理模块,被配置为处理和存储数据和指令;备份控制器,被配置为根据电源的当前电量以及由数据处理模块提供的需要备份的数据的数量信息,并结合记录了对之前在某一状态下进行的选择的评估值的历史信息Q表和对本次执行结果的即时奖赏,向数据处理模块发送执行备份动作指令或者继续执行当前动作指令。本发明有益效果:基于增强学习的备份方法不需要线下分析,可以在运行程序的时候动态决定备份的时机,达到推进程序执行进度,提高能量利用率的效果。

    适用于HEVC标准中运动估计的电路及其工作方法

    公开(公告)号:CN110213592A

    公开(公告)日:2019-09-06

    申请号:CN201910542671.3

    申请日:2019-06-21

    申请人: 山东大学

    摘要: 本公开公开了适用于HEVC标准中运动估计的电路及其工作方法,用于对系统内存中的图像进行压缩,电路包括:输入模块、行译码器、符号选择器、纵横式交换矩阵Cross-Bar和输出模块,输入模块从系统内存图像数据端口载入当前图像与参考图像,并输出给行译码器,行译码器将参考图像送入纵横式交换矩阵Cross-Bar的上半部分,行译码器将当前图像送入纵横式交换矩阵Cross-Bar的下半部分;纵横式交换矩阵Cross-Bar对接收到的图像的像素进行运动估计计算,并将计算得到的结果通过输出模块输出。