【摘 要】
：
以城市轨道交通列车指挥调度系统为代表的工业系统受限于工程成本,在运营现场往往仅部署两个服务节点.指挥调度中心因故障离线后,若采用主流的分布式一致性协议保证运营现场节点间数据一致性,将因为降低了可用性而无法容忍节点发生故障.为解决此问题,提出一种基于Raft一致性协议的调度算法,通过对Leader选举与数据同步过程进行合理扩充,使路由器成为分布式系统逻辑上的第3个节点,满足Raft协议多数派设计要求.经实验验证,基于该算法的两节点分布式系统相较于基于Raft协议的两节点分布式系统,提高了可用性,能够容忍单节
【机 构】
：
北京工业大学北京市物联网软件与系统工程技术研究中心,北京100124
论文部分内容阅读
以城市轨道交通列车指挥调度系统为代表的工业系统受限于工程成本,在运营现场往往仅部署两个服务节点.指挥调度中心因故障离线后,若采用主流的分布式一致性协议保证运营现场节点间数据一致性,将因为降低了可用性而无法容忍节点发生故障.为解决此问题,提出一种基于Raft一致性协议的调度算法,通过对Leader选举与数据同步过程进行合理扩充,使路由器成为分布式系统逻辑上的第3个节点,满足Raft协议多数派设计要求.经实验验证,基于该算法的两节点分布式系统相较于基于Raft协议的两节点分布式系统,提高了可用性,能够容忍单节点故障.基于Raft协议的三节点分布式系统在Leader选举与数据同步的正确性方面保持一致.受限于节点数量,可用性差距为27.8％,占少量运行时长的Leader选举性能差距为65.6％,主要运行时长的数据同步性能提升了7.8％,能够在不增加工程成本的情况下满足两节点的分布式主备系统,并兼顾可用性与数据一致性的工程需求.
其他文献
多智能体系统能够在部分能力不足时更有效地到达目标,具有许多组件的多智能体系统如何到达期望目标是一个重要议题.受生物的嗅觉和视觉导航模式启发,使用群决策方法建立多智能体导航模型,以更好地发挥多智能体系统鲁棒性优势.由于多个智能体对信息和动作的集体决策,驱使模型生物朝着特定目标前进.使用栅格地图开发受生物嗅觉启发的导航算法,并通过迷宫实验考察使实体尽可能接近目标的最佳参数.实验结果表明,在复杂障碍环境下,在嗅觉和视觉模式之间取得平衡是一个关键点.超出该临界点,模拟生物在复杂环境中的导航能力将大大增加,在智能体
为辅助临床诊断胆囊癌,使用深度学习技术,通过改进的3D-DenseNet建立一个基于患者增强CT影像的胆囊癌辅助诊断模型.首先,将患者多张动脉期CT转化为三维影像,利用医生标注的胆囊区域,将三维影像切割出感兴趣区域;然后对传统DenseNet网络进行优化,改进Dropout机制与Softmax损失函数并在输出部分将交叉熵函数替换为Focal-loss以进行不平衡校正,从而建立胆囊癌辅助诊断模型;最后,将测试集结果与金标准进行比较,采用ROC曲线、召回率、准确率评估模型性能.通过训练集不断迭代训练,模型损失
为提高早期糖尿病患病风险的预测准确性,基于集成学习算法建立糖尿病患病风险预测模型.分别基于集成学习算法随机森林、GBDT和XGBoost建立糖尿病预测模型,并比较以上3种方法与单一分类器支持向量机和BP神经网络的分类预测性能.在UCI数据库的早期糖尿病数据集上进行验证试验,使用准确率、精确率、召回率、F1分数和AUC 5个指标评价模型效果,并基于最佳性能模型对变量重要性进行排序.所有模型中,基于集成学习的XGBoost算法准确率、精确率、召回率、F1值、AUC值最高,分别达到97.44％、99.02％、9
针对当前新冠疫情常态化的趋势,各大高校推出了每日签到、健康申报系统并强化了出入管理,因而给异地学术交流带来了很大不便,同时还出现了健康码造假等事件.为解决上述难题,设计一个基于区块链技术的疫情管理系统,并设计了相应的Web交互界面,应用Hash散列算法对用户明文进行加密,同时将疫情数据、隐私数据存储入区块链中.系统测试结果表明,该疫情管理系统可有效保护用户的个人行程隐私,可达到防篡改的目的,还能实现对疫情数据的溯源.
饲料原料粉碎颗粒的大小是决定养殖动物饲料效率和肠道健康的一个重要因素.随着对饲料粉碎颗粒大小特性、肠道健康和微生物区系间复杂相互作用的日益关注,饲料工业也要适应这种变化.
根据土壤数据进行作物推荐是农业大数据应用的重要内容之一.针对现有土壤数据推荐模型忽略土壤文本域信息、土壤数据交叉特征表达能力不足和无差别对待交叉特征问题,提出一种融合注意力机制的深度交叉网络作物推荐模型.首先,该模型对土壤文本数据通过向量化嵌入转化成低维稠密向量;然后通过注意力机制训练稠密向量交叉特征的权重;再连接数值域特征、稠密向量和带有权重的交叉特征并输入交叉网络层和深度网络层;最后结合深度网络层和交叉网络层输出得到推荐的作物.在中华土壤数据集上的数据表明,该模型F1达到93.4％,优于现有的主流作物
谁从猪玩具的发展中受益?猪是因为它们享有一些娱乐而受益,养猪人是因为猪之间咬尾次数的减少而受益,还是因为卖猪玩具的这个行业从产品销售中获利?猪福利专家艾琳·卡梅林博士对猪玩具及其用途进行了批判性研究.
针对警情数据中日益增长的不同种类要素提取需求,提出一种多模型融合的要素提取方法.对于警情数据中人名、地名、机构名等无明显规律的要素,采用BERT+BiLSTM+CRF模型结合文本上下文信息的方法,抽取包含语义信息的关键要素;对于时间、车牌号等具备一定规律的数据,采用模式识别方法抽取符合定义规则的相关要素;然后将上述两种方法融合,形成一体化模型进行要素提取.验证实验结果表明,与传统命名实体识别方法相比,BERT+BiLSTM+CRF模型在测试集上的F1值均提高3％以上,模式识别效果提高1％以上,可满足日常警
针对单目三维稠密重建任务传统方法可扩展性较低的特点,基于Transformer架构改进出能使用深度学习方法求解的三维运动重建网络,并提高网络的三维重建精度.修改Transfomer架构的查询矩阵、键矩阵和值矩阵,并使用点积与Moore-Penrose伪逆操作替换Transformer中的点积注意力.将传统三维非刚体运动重建过程嵌入Trans?former求解.实验结果表明,基于Transformer架构改进的三维非刚体运动重建网络错误率逼近最新的传统三维非刚体重建方法,相较于现有唯一的三维非刚体运动重建网
利用层次方法的平衡迭代规约和聚类(BIRCH)算法是层次聚类算法的一种,也是机器学习算法的一种.随着机器学习的日益发展,在机器学习中如何保护隐私成为目前研究的热点问题.差分隐私是数据分析保护中的新技术,其特点之一是数据在被不同的参数处理后具有可比较性.针对机器学习中的隐私泄露现象,提出面向差分隐私的BIRCH算法(DPBIRCH),在构建聚类特征树的过程中对聚类特征添加拉普拉斯噪声,解决了聚类特征中的隐私泄露问题.通过对实验中隐私预算参数的取值和聚类准确性的结果分析,DPBIRCH算法能够在隐私预算参数取