基于生物计算的分布式计算系统

合集下载

生物计算下的分布式计算系统设计及实现

生物计算下的分布式计算系统设计及实现
张辉
【期刊名称】《电脑知识与技术》
【年(卷),期】2016(012)012
【摘要】该文简单地介绍了当下我国生物计算下的分布式计算系统设计方案，并且提出了生物计算下的分布式计算系统设计及实现的注意事项，期望能够产生一定的积极效用。

【总页数】2页(P92-93)
【作者】张辉
【作者单位】中南民族大学，湖北武汉430000
【正文语种】中文
【中图分类】TP311
【相关文献】
1.高清数字视频特效渲染系统设计——一种基于分布式计算的可扩展实现方案 [J], 张一新;张文军;王兴东;孙思慧
2.基于STM32和手机APP的智能血压计监测系统设计及实现 [J], 杨日容;
3.分布式计算机应用水平考试系统设计与实现 [J], 徐嘉
4.分布式计算机应用水平考试系统设计与实现 [J], 徐嘉
5.石英加速度计电流信号测量系统设计与实现 [J], 赵雷;纪文昕;齐航天;张晓林
因版权原因，仅展示原文概要，查看原文内容请购买。

基于生物免疫机理的分布式agent入侵检测系统模型

ｎｂｓｄｏｓｒｃｌａｄａｃｉｃｒｔｉｐｏｅｔｅｃｐｂｉｆｅｃｏｆｕｒｔｅｗｒ — ＤＩＳｏｅｗｓｖａｅｎｉｉｉｅｎｒｈｔｔｅｏｍｒａａｉｔｏｄｔｔｎｏｒｎｔｏｋｉｇｅｔｐｎｐｅｕｖｈｌｙｅｉｃｅｎｎ
统的新模型。该模型系统通过多层次分布式代理的相互协作实现主机／网络的实时入侵检测，具有多样性、其分
布性、自适应性、容错性、态性和可扩展性等特性。在整个设计过程中，分考虑了最适合生物免疫特性的算动充
Ａｂｓｒｃ：Ｄｒｗｉｇｈｅｎｓｒｔｏｆｏｔａｔａｎｔｉｐｉａｉｎｒｍｂｏｏｙｍｍｕｎｍｅｈａｓ，ａｏｅｄｓｒｂｔｄａｅｔｎｒｉｄｅｅｔｎｙｔｍｉｌｇｉｅｃｎｉｍｎｖｌｉｔｕｅｇｎｉｔｕｓｏｎｉｔｃｉｓｓｅｏ
基于生物免疫机理的分布式ａｅｔｇｎ入侵检测系统模型木
马占飞，雪峰郑
（、１北京科技大学信息工程学院，北京１０８；、００３２内蒙古科技大学包头师范学院，内蒙古包头０４３）１００
摘要：在剖析生物免疫机理的基础上并受其启示，出了一种基于生物免疫机理的分布式ａｅｔ提ｇｎ入侵检测系
ｔｓｏｅｅｔｎｓｓｅ、Ｔｈｅｒａ．ｉｅｔｃｉｎｏｈｓｕｒｉｎｄｔｃｉｙｔｍｓｏｅ１ｔｍｅｄｅｔｆｔｅｈｏｔ＆ｎｔｒｓｒａｉｅｈｏｅｗｏｋｗａｅｌｚｄｂｙｔｅｍｕｈ．ｇｎｓｃｌａｒｔｎｏｈｓｉａｅｔｏｌｂｏａｉｆｔｉｏｍｏｅ，ｃａｕｃｈａａｔｒｓｉｓａｉｅｓｔｄｌｗｈｉｈｈｄｓｈｃｒｃｅｔｃｓｄｖｒｉｉｙ，ｄｉｔｂｕｅｓｒｔｄ，ｓｌ－ｄｐｔｂｌｔｏｅａｅ，ｄｎｍｉｎｘｎｓｂｉｉｉｅｆａａａｉｉｙ，ｔｌｒｎｃｙａｃａｄｅｐａｉｌｔｙ，ａＯｎｄＳｏｎ、Ｉｈｓｇｒｃｓｎｔｅｄｅｉｎｐｏｅｓ，ｔｅｔｒａｇｒｔｍｎｄｅａｅｎｂｏｏｉａｍｍｕｉｙｃａａｔｒｓｉｓｄｉｃｓｄ．Ｔｅａｈｅｂｔｅｌｏｉｈａｄｍｏｌｂｓｄｏｉｌｇｃｌｉｎｔｈｒｃｅｔｃｗａｓｕｓｅｉｈ — ｇｎｃａｉｍｓｃｎｉｅｅｓａｍｅｈｆｃｍｍｕｉａｉｎａｄｍｏｉｏ，ａａｓｐｏｓｂｅｆｗａｓｔｙｔｍｅｏｃｅｔｍｅｈｎｓｗａｏｓｄｒｄａｔｏｄｏｏｎｃｔｏｎｎｔｒｓｆｒａｓｉｌｅｔｋｅｈｅｓｓｅｒｓｕｒｅ，ｅｈａｃｄｔｅｓｓｅｅｆｃｅｙ，ａｄｇａａｔｅｈｇｒｓｕｒｔｅｅ．Ａｔｔａｉｎｎｅｈｙｔｍｆｉｉｎｃｎｕｒｎｅｄｔｅｈｉｈｅｅｃｉｌｖ１ｙｈｅｓｍｅｔｍｅ，ａｎｖｌｉｔｓｏｅｅｔｏｐｉ— ｏｅｎｒｉｎｄｔｃｉｎｏｎｕｉｎｗａｏｐｓｄｉｈｅｗｏｋｓｃｒｔｉｌｓｏｓｐｒｏｅｎｔｅｎｔｒｅｕｙｆｅｄ．ｉＫｅｙｗｏｒｄｓ：ｉｔｓｏｅｅｔｏｎｒｉｎｄｔｃｉｎ；ｂｏｏｍｍｕｕｉｌｇｉｙｎｅ；ｉｍｍｕｌｇｃａｓ；ｉｏｍａｉｎｓｃｒｔｎｏｏｍｅｈｎｉｍｙｎｆｒｔｏｅｕｙ；ａｅｔｉｔｂｅｉｇｎ；ｄｓｒｕｔｄｉ

生物计算机的新进展

生物计算机的新进展随着生物技术的不断发展和进步，生物计算机这门新兴科技也在不断的迎来新的突破和进展。

生物计算机是利用生物体系中的化学分子、细胞和生物体系等作为信息处理、传输和存储的媒介，利用生物技术进行计算和数据处理的一种新兴计算方法，它与传统的数字电子技术不同，有着更低的功耗和更高的生物兼容性。

目前，生物计算机的相关技术正在不断的探索和研究中，取得了一系列重要的进展。

1.微生物计算机微生物计算机是利用微生物的生物特性和计算结构进行信息处理、计算和存储的一种生物计算方式，可以实现高效的信息存储、处理和传输。

近年来，微生物计算机的相关技术得到了不断的突破，包括基于细胞信号传输网络的分布式计算、基于细胞遗传算法的优化计算等，这些技术为微生物计算机在生物信息处理和计算领域的应用奠定了坚实的基础。

2. DNA计算机DNA计算机是利用DNA分子作为信息处理和存储的媒介，通过不同分子之间的化学计算进行信息传递和处理的一种计算方法。

DNA计算机具有信息存储密度高、计算速度快、功耗低等优点，可广泛应用于生物信息学、生物工程学等领域。

近年来，DNA计算机的相关技术也得到了重要的进展，包括单分子DNA计算、分子酶切技术、DNA序列调控等，这些技术为DNA计算机的应用带来了更大的前景和潜力。

3.细胞计算机细胞计算机是利用细胞的生物特性、分子信号传输等进行信息处理和存储的一种计算方法。

细胞计算机具有生物兼容性强、计算速度快、能量消耗低等优点，可广泛应用于医疗保健、生命科学等领域。

目前，细胞计算机研究的关键技术包括生物传感器、细胞自动机、细胞逻辑门等，这些技术的不断发展和完善将为细胞计算机的应用提供更多的可能性和前景。

4.光遗传学计算机光遗传学计算机是指利用光遗传技术对光信号进行控制、处理和传输，完成信息计算和存储的一种计算方法。

光遗传学计算机具有能量消耗低、信息处理速度快等优点，可广泛应用于神经科学、生命科学等领域。

目前，光遗传学计算机的关键技术包括光遗传开关、合成生物学网络等，这些技术的不断发展与完善为光遗传学计算机的实际应用提供了更多的可能性。

基于应用层逻辑的分布式集群架构在生物计算中的应用

一
粒度负载平衡有很大差距，而面临着更多的问题。从
对此，我们设计出一种体系结构。它将任务从逻
种折中的办法是将以上两种方案结合使用，即
对于可预测的任务，用统计方案，使而对于其他任务则
辑上分类，尝试着为同一类型的任务制定量化标准。再
至在算法设计时，已经对任务逻辑进行分析，就确定了
（）中粒度负载平衡：２用于ＭＰＰ和ＮＷ，Ｏ主要进任务参数与其复杂度的关系，从而能够准确地预测出任务的复杂度。另一种是统计方案。统计方案是采用
行进程（ｒｃｓ）Ｐｏｅｓ一级的调度：（３）粗粒度负载平衡：用于ＮＷ，要为任务Ｏ主
合理的。针对这种情况，我们提出了以下的体系结构。
负载平衡的效率和准确度。（）同类的任务在逻辑上和数据访问上必有相似２
和相关之处。用固定的服务器执行固定类型的任务，
实际上是利用了时间局部性和空间局部性原理，得使缓存在服务器上的数据可以反复被利用，而提高服从务器执行的效率。
・
性和空间局部性原理，高了整个系统运行的效率。提

关键词：生物信息学任务描述负载平衡集群计算分布式
１概述
在计算机集群系统中，一个与总体性能有极大关系的因素就是负载平衡（ｏｄｂｌｃｇ。负载平衡Ｌａａａｉ）ｎｎ指在集群环境中，过什么样的逻辑来保证各个服务通

基于云计算的分布式计算系统设计

基于云计算的分布式计算系统设计一、引言随着数字化时代的到来，计算机技术迎来了一个新的发展时期，其应用领域也不断拓宽。

面对大规模数据的挑战，分布式计算系统因其在存储、计算和通信方面的优势而逐渐成为首选。

基于云计算的分布式计算系统将成为未来计算机科学研究的一个重要方向，本文将从系统架构、数据管理、任务调度三个方面阐述云计算的分布式计算系统的设计。

二、系统架构1.架构概述基于云计算的分布式计算系统是一种应用领域非常广泛的系统，其架构主要分为三个层次：客户端层、中间层和计算层。

客户端层是用户与系统交互的接口，中间层是系统的控制和管理中心，计算层是系统的任务执行和计算中心。

2.客户端层客户端层是系统的用户界面，主要是为用户提供任务提交、任务管理和任务结果更新等功能。

客户端层需要具有友好的用户界面，兼容性强，能够适应不同平台的操作系统，并且需要建立标准的数据交换协议，以便和中间层进行交互。

3.中间层中间层是系统的核心层，主要负责系统的管理、控制和任务调度等功能。

中间层需要实现任务的分配、资源的管理、实时监控、任务调度和异常处理等功能。

中间层需要设计一个合理的调度算法，以实现任务的动态分配和负载均衡等功能。

4.计算层计算层是系统的任务执行中心，主要负责任务的计算、数据的处理和结果的返回等功能。

计算层需要设计一个高效的计算方法，提高计算效率和系统性能，并能够保证数据的安全性和可靠性等要求。

三、数据管理1.数据存储数据存储是云计算的分布式计算系统中一个重要的环节，数据存储涉及到数据的传输、存储和共享等问题。

数据存储需要考虑到数据的容错性、安全性和可扩展性等因素，同时需要考虑到数据存储的位置、数据管理的方法、数据的备份和恢复等问题。

2.数据传输数据传输是云计算的分布式计算系统中另一个重要的环节，数据传输需要考虑到数据的传输速度、传输的稳定性和传输的安全性等因素。

数据传输需要采用高效率的数据传输技术，并且需要与各种协议兼容，如FTP和 HTTP 等。

基于元胞自动机-概述说明以及解释

基于元胞自动机-概述说明以及解释1.引言1.1 概述概述:元胞自动机（Cellular Automaton，CA）是一种模拟分布式系统的计算模型，由数学家约翰·冯·诺伊曼（John von Neumann）和斯坦利斯拉夫·乌拉姆（Stanislaw Ulam）于20世纪40年代末提出。

它被广泛应用于各个领域，如物理学、生物学、社会科学等，并且在计算科学中也具有重要地位。

元胞自动机模型由一系列的离散的、相互联系的简单计算单元组成，这些计算单元分布在一个规则的空间中，每个计算单元被称为细胞。

细胞根据一组规则进行状态转换，通过与其相邻细胞的相互作用来改变自身的状态。

这种相邻细胞之间的相互作用可以通过直接交换信息实现，也可以通过间接地通过规则来实现。

元胞自动机的基本原理是根据细胞的局部状态和相邻细胞的状态来决定细胞下一时刻的状态。

这种局部的状态转换会逐步扩散并影响整个空间，从而产生出复杂的全局行为。

元胞自动机非常适合用于模拟大规模复杂系统中的行为，如群体行为、自组织系统、流体力学等。

元胞自动机的应用领域非常广泛。

在物理学中，它可以用于模拟晶体的生长、相变过程等。

在生物学中，元胞自动机可以模拟细胞的生命周期、生物群体的演化过程等。

在社会科学中，它可以模拟群体行为的形成、传播等。

此外，元胞自动机还被应用于计算科学中，用于解决许多复杂的计算问题，如图像处理、数据挖掘等。

尽管元胞自动机具有许多优势和广泛的应用，但它也存在一些局限性。

首先，由于元胞自动机的状态转换是基于局部规则进行的，因此难以精确地模拟某些复杂系统中的具体行为。

其次，元胞自动机的规模和计算复杂度随着细胞数量的增加而增加，这限制了其在大规模系统中的应用。

此外，元胞自动机模型的抽象性也使得人们难以解释其内部机制及产生的全局行为。

在未来，元胞自动机仍将继续发展。

随着计算能力的提高，我们可以采用更精确的数值方法和更复杂的规则来描述系统的行为。

生物信息学中的分布式计算

力的增长可以与之比拟。数据的积累已远远超出了实验室的分析能力。同时，基因组和蛋白质研究还
据资源和计算资源。生物信息学要求实现大规模的资源共享，相互供应和使用资源。这种新型的资源
共享关系往往是对等的，协作双方都既是资源供应
是一个计算密集的科学领域。诸如ＤＡ序列拼装，ＮＤＡＮ物理作图，基因预测，位点识别，ＮＤＡ和蛋白质序列比对，白质结构预测，系发生学分析等等，蛋种
Ｋｅｏｄ：ｉｉｆｒｆｓｄｓｉｕｅｏｕｎ；ｄＰＰａｅｔｙＷｒｓＢｏｎｏｍａｃ；ｉｔｂｔｄｃｍｐｔｇｇｉ；２；ｇｎｉｒｉ
１生物信息学面临的挑战
目前，伴随着基因组研究为代表的生命科学的
维普资讯
生物信息学
ＣｉｕａｏＢｏｆｍｔｓｈａｏｒｌｆｉｎｒａｃｎＪｎｉｏｉ
专论与综述
生物信息学中的分布式计算
李斌李义兵，，何红波
（．１中南大学信息科学与工程学院，长沙４０８；．１０３２中南大学物理学院，长沙４０８）１３０
（）１巨大的数据量和计算量以ＤＡ碱基数为Ｎ
（）３对等的资源共享生物信息学所服务的生命科学研究项目往往规模大，应用软件种类多，遍布
全球的数据库所有权属于许多不同机构。在这种情
况下，一个机构甚至一个国家很难单独拥有所有数
例，其增长速度呈指数性增长，大约每６个月就会增长一倍，这一增长速度只有计算机的存储和运算能
Ⅱ ｓｏｌａｄｒｅｒｈｐｊｓｈｔｎ，ｔｓｎｓａｒ￣ａ眦ｏｅｃｏｔ

黏菌算法原理

黏菌算法原理一、引言黏菌算法（Slime Mould Algorithm，SMA）是一种基于生物学黏菌的智能优化算法。

黏菌是一种单细胞生物，具有自组织、自适应和分布式计算能力。

SMA模拟了黏菌在寻找食物过程中的行为特征，并将其应用于求解优化问题。

二、黏菌的行为特征1. 自组织性黏菌没有中枢神经系统，但它们可以通过自身的化学信号来协调行动。

当一个单个的细胞遇到食物时，它会释放出化学物质，并吸引周围的其他细胞聚集在一起形成一个类似于团状体的结构。

2. 自适应性当食物数量不足时，黏菌会通过改变自身形态来寻找新的食源。

例如，它们可以扩展其纤维状体以覆盖更广阔的区域或缩小其纤维状体以减少能量消耗。

3. 分布式计算能力当一个团状体遇到障碍时，它会分裂成多个较小的团状体，并试图从不同方向寻找新的食源。

这种分布式计算能力可以帮助黏菌在复杂环境中寻找最优解。

三、黏菌算法的基本原理1. 初始化首先，需要定义问题的目标函数，并初始化一组随机解作为初始种群。

每个解可以看作一个黏菌单元。

2. 移动每个黏菌单元会根据当前的位置和周围环境信息（如食物浓度）来决定下一步的移动方向。

移动方式可以随机选择或根据某种规则进行选择。

3. 聚集当多个黏菌单元聚集在一起时，它们会形成一个团状体，并共享信息。

这个过程类似于自组织性。

4. 分裂如果团状体遇到了障碍，它会分裂成多个较小的团状体，并从不同方向寻找新的食源。

这个过程类似于自适应性和分布式计算能力。

5. 更新最优解在整个迭代过程中，需要记录当前最优解，并根据目标函数值进行更新。

6. 终止条件当达到预设的迭代次数或目标函数值满足要求时，算法停止并输出最优解。

四、应用场景和优缺点1. 应用场景黏菌算法可以应用于求解各种优化问题，如机器学习、图像处理、物流规划等。

2. 优点（1）SMA具有自组织、自适应和分布式计算能力，可以在复杂环境中寻找最优解。

（2）SMA可以避免陷入局部最优解，并具有较好的全局搜索能力。

分布式计算技术在生物信息学中的应用

分布式计算技术在生物信息学中的应用一、引言如今，生物信息学已经成为生物科学领域中一个重要且不可或缺的分支。

然而，随着研究领域的不断扩大和数据规模的增加，需要处理和分析大量的生物信息数据。

在这个背景下，分布式计算技术应运而生，为生物信息学的发展提供了有力的支持。

二、分布式计算技术的基本概念分布式计算技术是指将一个计算任务分解成多个子任务，并将这些子任务分配给不同的计算节点进行并行计算的技术。

这些计算节点可以是独立的计算机，也可以是云计算中心的虚拟机。

通过将计算任务分布到多个计算节点上，可以大幅提高计算效率和处理能力。

三、分布式计算技术在基因组测序中的应用基因组测序是生物信息学中一个重要的研究内容。

传统的基因组测序需要大量的时间和计算资源，而使用分布式计算技术可以显著加快基因组测序的速度。

通过将大量的测序数据分割成多个小片段，并将这些小片段分配给不同的计算节点进行并行计算，可以大幅缩短测序时间，提高测序效率。

四、分布式计算技术在基因组比对中的应用基因组比对是将已知的DNA或RNA序列与未知序列进行对比的过程，用于寻找两个序列之间的相似之处。

由于基因组比对需要处理大量的序列数据，传统的计算方法往往较为缓慢。

但是通过利用分布式计算技术，可以将比对任务分布到不同的计算节点上，从而大幅提高比对速度和准确性。

五、分布式计算技术在蛋白质结构预测中的应用蛋白质结构预测是生物信息学中一个充满挑战的任务。

分布式计算技术可以将大规模的蛋白质序列和结构数据分解成多个子任务，并将这些子任务分配给不同的计算节点，进行并行计算。

通过并行计算的方式，可以大幅提高蛋白质结构预测的速度和准确性。

六、分布式计算技术的挑战和前景尽管分布式计算技术在生物信息学中的应用已经取得了一定的进展，但仍面临一些挑战。

例如，数据传输和同步问题、计算节点间的通信效率等。

解决这些挑战，进一步提高分布式计算技术在生物信息学中的应用效果仍是一个研究热点。

然而，分布式计算技术在生物信息学中的应用前景广阔，可以极大地推动生物信息学研究的发展。

生物大数据处理平台的构建

生物大数据处理平台的构建随着生物技术的迅速发展，生物数据的量不断增加，同时单一数据的元信息也越来越复杂，这就对数据的处理和管理提出了更高的要求。

为此，生物大数据处理平台应运而生。

本文将探讨如何构建一个高效、可靠的生物大数据处理平台。

一、平台架构设计生物大数据处理平台的架构设计非常重要，它需要结合生物学家和计算机工程师的共同需求。

平台应该是一个开放式的设计，能够接受各种类型的生物数据，而且数据管理和处理系统应该足够灵活以适应不同类型的数据。

此外，平台应该具有可重用性，保证数据一致性和安全性。

1、数据管理与存储系统生物数据的量巨大，而且格式也不尽相同，这就要求平台架构要设计一个用于存储和管理各种类型数据的文件系统。

传统的文件系统难以满足生物数据的高度异质性和超大规模存储需求。

因此，应该采用基于对象的存储，建立专门的存储集群，提高数据的读取和存储效率。

同时，这个存储系统需要支持快速检索，将不同的数据索引并进行分类，以便生物学家轻松地访问和下载所需数据。

2、数据处理系统生物数据的处理是平台的核心部分，它包括生物数据的预处理、分析和挖掘。

数据的预处理包括清洗、整合、转换、标准化等，以确保数据质量和完整性。

数据分析包括数据挖掘、模型构建、可视化等，以从数据中挖掘新的发现和信息。

为了实现高效的数据处理、可视化、模型构建和结果展示，数据处理系统应该采用分布式计算和深度学习架构，以满足处理大规模数据的需求。

3、数据共享与交流系统生物大数据是众多研究者共同产生和使用的，因此，数据共享和交流平台是不可或缺的。

平台应该为研究者提供一个协作交流系统，可以共享数据、评论和分享研究成果，同时还应该支持机器学习模型的共享和使用。

为了保证数据的隐私和安全性，平台还应该支持数据开放标准协议，并采用多层次的安全措施，来保障数据和用户隐私的安全。

二、平台实现技术为了实现上述生物大数据处理系统，需要使用到许多技术和工具。

下面介绍一些常用的技术和工具：1、Hadoop生态系统Hadoop是一种开源的分布式计算框架，常用于处理大数据。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

法。Ｍｏｉｉｉ对ｔｎｎｆｄｇ问题的求解验证表明，Ｆ分布式并行计算机制能大大缩短问题的求解时间，为计算领域的难解问题提供有效的解决途径。关健词：分布式计算系统；容错性；任务调度
Ｄｉｔｉｕｅｍｐｔｎｙｔｍｓｄ０ｏｏｙＣｏｐｔｔｏｓｒｂｔｄＣｏｕｉｇＳｓｅＢａｅｎＢｉｌｇｍｕａｉｎ
ｒｎｉｇｔｅｓｒｌ．ｄｉ’ ａＳｎｅｅｔｖｙｔｏｖｔｅａｄｐｏｌｍｓｉｏｕｉｇａｅｕｎｎｍｈａｐｙＡｎｔＳｌＯａｆｃｉｅｗａｓｌｅｏｈｒｈｒｒｂｅｃｍｐｔｎｒａｉｏｎ
ｔｐｏｄａｐｌａｉｎａｌｓｒｉｅＴｈｙｔｍｓｃａａｔｒｚｄｗｉｈｏｅｅｓｉｏｏｕｌａｐｉｔｃｏｎａｄｃｌｅｖｃ．ｅｓｓｅｉｈｒｃｅｉｅｔｐｎｎｓ，ｓｍｅｉｍ，ａｌｔｌｒｎｅａｄｕａｉｔＴｈａｅｏｕｅｎｔｅｒｓｆｕｔｏｅａｃｎｓｂｌｙｉｅｐｐｒｆｃｓｓｏｈ
ｄｉｔｉｕｅｒｌｌｏｓｒｂｔｄｐａａｌｍｐｕｉｇｓｓｅｗｈｃｓｂｓｄｏｎｓｖｎｅｃｔｎｙｔｍ，ｉｈｉａｅｏｌｉｇＮＰ— ａｄｐｏｌｍｏｕａｉｎｌｉｏｙａｒｖｄｓａｐｎｉｔｒａｅｆｒｃｉｎｔｈｒｒｂｅｉｃｍｐｔｔｏａｏｌｇｎｄｐｏｉｅｎｏｅｎｅｆｃｏｌｎｂｅ
的用户可以从网络向系统提交计算任务，利用本系统的计算
资源快速获得结果。（）２易用性：提供简单友好的界面，志愿者只需在第一次申请时安装ＪＥ和客户端软件，其余工作由Ｒ客户端软件自动完成。（）３易编程性：接口简单清晰，方便用户编程，无需关注调度、容错等细节。（）４异构性：能适应多种系统环境，并通过防火墙；（）５容错性：系统能够容忍和处
源闲置，怎样组织和利用这些闲置资源进行分布式计算，解决生物计算或其他领域的难解问题受到越来越多的关注…。
本文结合Ｊｖ的平台无关性与Ｗｅ的易用性而实现的分布式ａａｂ计算系统，采用志愿者模型０，具有动态可用性与资源异构
性等特点。此外，该系统还有以下特点：（）Ｉ开放性：经授权
［ｓａｔｓｉｕｅｏｐｔｇｔｃｎｌｇｒｖｄｓｎｅｆｃｉｅｗｙｔｄｑａｌｔｉｅｎｔｒｅｏｒｅ．ｈｓｐｐｒｒｓｎｓｎｖｒａＡｂｔｅｌＤｉｒｔｄｃｍｕｉｈｏｏｙｐｏｉｅｆｅｔａａｅｕｔｙｕｉｚｅｗｏｋｒｓｕｃｓＴｉａｅｅｅｔａｕｉｅｓｌｒｔｂｎｅａｖｏｅｌｐ
维普资讯
第３４卷第２期
Ｖ１３ｏ．４
・
计
算
机
工
程
２００８年１月
Ｊｎａｙ２０ａｕｒ０８
Ｎｏ．２
Ｃｏｍｐｅ・
文编：０－４（００－０－３文标码Ａ章号１０３８０）－８－献识：０－２２８２－６－－００
ＺＨＡＮＧ－ｉｇＷＡＮＧＺｕｐｎ，Ｌｉ
（ｃｏｌｆｎｏｍａｉｎＳｉｎｅ＆ＥｇｎｅｉｇＣｎｒｌｏｔｉｅｓｙＣｈｎｓａ１０３ＳｈｏｏｆｒｔｃｅｃＩｏｎｉｅｒ，ｅｔａＳｕｈＵｎｖｒｔ，ａｇｈ０８）ｎｉ４
．
ｆｕｌｔｌｒｎｃｎｓ，ｈｃｐｎｔａｅｙａｄｔｓｃｅｕｅａｇｒｈ．ｐｒｍｅｔｏｏｉｉｄｎｒｂｍｎｓｏｈｔｔｅｓｓｅｃｎｓｏｔｎａｔｏｅａｔ。ｍｅｈａｉｍｃｅｋｏｉｔｒｔｇｎａｋｓｈｄｌｌｏｉｍＥｘｅｉｎｒｓｔｆＭｔｆｎｉｇｐｏｌｈｗｓｔａｙｔｍａｈｒｅｆｈ
中分 — 圈羹
基于生物计算的分布式计算系统
张祖平，王丽
（中南大学信息科学与工程学院，长沙４０８）１０３
摘
要：分布式计算技术提供了充分利用现有网络资源的有效途径。该文论述了基于解决生物计算中难解问题的具有开放接口的分布式并
行计算系统的设计与实现技术。系统兼有开放式、异构性、容错性与易用性等特点。讨论了系统的容错性机制、检查点策略及任务调度算
．
［ｙｗｒｓｉｒｂｔｄｃｍｕｉｇｓｓｍ；ａｌｔｌａｃ；ａｋｓｈｄｌＫｅｏｄ］ｄｓｉｕｅｏｐｔｔｆｕｔｏｅｎｅｔｓｅｕｔｎｙｅｒｃｅ
在生物学的研究中，大量的课题都是Ｎ．Ｐ难问题，这些问题的解决往往需要大规模的计算，而高性能超级计算机价格昂贵且具有局限性。随着硬件技术的发展，越来越多的个人计算机构成了庞大的网络，据统计，截至２０年，Ｉｔｎｔ００与ｎｅｅｒ连接的计算机超过３台，台机器有８％～９％的ＣＵ资亿每００Ｐ