10、面向市场的网格计算资源使用会计核算

面向市场的网格计算资源使用会计核算

1. 引言

计算网格正从用于研究和学术的协作式、特定应用领域的分布式系统,演变为具有商业价值的通用服务型计算平台。无论是协作性质还是商业性质的网格基础设施,都需要对用户服务请求所消耗的资源进行及时且全面的核算。为众多地理上分散且异构的服务实例提供准确可靠的使用信息是一项困难且易出错的任务,但对于建立计算经济至关重要。

1.1 资源使用核算对计算经济的重要性

在计算网格中应用市场原则进行计算服务(包括但不限于处理能力)的交换,主要旨在将可用资源高效公平地分配给网格用户群体,同时也能为资源所有者提供强大的经济激励,促使他们为系统贡献更多服务。

资源分配的关键目标是平衡系统的整体吞吐量和单个应用的服务质量(QoS),在保证高利用率的同时不牺牲QoS,反之亦然,并确保网格用户之间的公平性。当资源需求超过供应,且生产者(资源所有者)和消费者(资源用户)目标、策略不同时,这一平衡尤为困难。计算经济被广泛认为能提供自然且分散的自我调节机制,有助于平衡供需。采用计算经济模型,并结合适当的资源定价方案,可吸引或阻止用户,不仅能平衡供需,还能有效将传入的服务请求分配给不同的服务提供商。

在商业环境中,准确的资源使用信息对于向远程用户计费至关重要。执行应用程序的成本可能取决于其运行时间、占用的处理器或节点数量、使用的内存(尤其是超过可用物理内存时)以及输入/输出(I/O)操作。即使在多组织的非商业环境中,如研究和学术使用的协作网格基础设施,用户很少因资源消耗而被收费,但也有必要跟踪单个用户和整个虚拟组织(VO)的资源使用情况,以确保资源的公平共享、实现参与组织间的成本均衡分配,并评估网格服务提供商是否履行既定的服务级别协议

Security-feature-detection-system 安全检测系统 简介 安全检测系统-多目标识别(YOLOv5)和人脸识别(Facenet)快速部署系统。 功能上:本项目使用YOLOv5实现多目标识别,使用Facenet实现人脸识别,最终需要人脸和此人应具备的多目标同时满足才能通过安全检测,部署上:使用pyqt5实现前端可视化,在前端页面运行YOLOv5多目标识别系统(将模型运行封装到Qt中),使用Docker封装人脸识别后端系统,使用网络请求等包实现前后端交互 案例:进行多目标识别的同时,进行人脸识别,前端系统发送请求,携带参数到后端进行人脸识别,最终返回人脸识别结果,获取人脸识别结果后,检索该成员应具备的多目标特征,与YOLOv5多目标识别的实际结果进行比对,若无误则通过安全检测。 根据原作 https://pan.quark.cn/s/9784cdf4abfd 的源码改编 项目背景 出于一些比赛的需要,以及逃离懵懂状态开始探索,我于2023.12~2024.1(大二上)开始一些CV、LLM项目的研究,苦于能力有限,当时大部分的项目都是依托开源搭建而来,诸如本项目就是依托开源的Compreface和Yolov5搭建,我只不过做了缝合的工作,所以在此必须提及这两个项目的巨大贡献:https://.com/exadel-inc/CompreFace https://.com/ultralytics/yolov5 今天是2024.7.11(大二下暑假),时隔半年我才开始这个项目的开源工作是因为,半年前的水平有限,虽然自己能实现项目的运作,但是恐很多细节介绍不好,当然本文自发出,后续我还会跟进,欢迎指正:22012100039@stu.xidian.edu.c...
使用教程: https://pan.quark.cn/s/c0f2b4acdf83,有不会的再问我  功能介绍: 用户输入人脸照片,程序从照片库中选出10张最相似人脸照片输出在文件夹中,并且给出这十张人脸与输入人脸的相似度值。 照片库可以增删 调节相似度阈值可调节 自定义UI操作界面 视频演示: [[项目分享]基于OpenCV的人脸集合相似度检测系统(源码&UI&教程)哔哩哔哩bilibili](https://www.bilibili.com/video/BV1Wa41137CW/?vd_source=bc9aec86d164b67a7004b996143742dc) 图片演示: png png 人脸相似度对比原理: 整体思路: 1、预先导入所需要的人脸识别模型; 2、遍历循环识别文件夹里面的图片,让模型“记住”人物的样子; 3、输入一张新的图像,与前一步文件夹里面的图片比对,返回最接近的结果。 使用到的第三方模块和模型: 1、模块:os,dlib,glob,numpy; 2、模型:人脸关键点检测器,人脸识别模型。 导入需要的模型。 这里解释一下两个dat文件: 它们的本质是参数值(即神经网络的权重)。 人脸识别算是深度学习的一个应用,事先需要经过大量的人脸图像来训练。 参考该博客,设计一个神经网络结构,来“记住”人类的脸。 对于神经网络来说,即便是同样的结构,不同的参数也会导致识别的东西不一样。 在这里,这两个参数文件就对应了不同的功能(它们对应的神经网络结构也不同): shapepredictor.dat这个是为了检测人脸的关键点,比如眼睛,嘴巴等等;dlibface_recognition.dat是在前面检测关键点的基础上,生成人脸的特征值。 所以后面使用dlib模块的时...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值