信息物理融合系統(tǒng)（Cyber-Physical System,CPS）是“工業(yè)4.0”和“中國制造2025”等眾多戰(zhàn)略中的核心技術,其是集計算、通信、控制三位于一體的系統(tǒng),通過感知、計算決策、反饋控制的反饋環(huán)實現(xiàn)信息世界和物理世界的融合。CPS廣泛應用于工業(yè)制造、智能交通等行業(yè)及生活中,CPS是一類對實時性有較高要求的系統(tǒng),最壞情況執(zhí)行時間（Worst-Case Execution Time,WCET）分析是CPS為保障實時性所倚賴的任務調(diào)度的重要基礎和輸入之一,這對CPS的任務WCET分析提出了需求,而現(xiàn)有的CPS的任務WCET分析方面的研究并不多。現(xiàn)在是大數(shù)據(jù)（Big Data）時代,CPS本身具有海量性、面向海量數(shù)據(jù),利用大數(shù)據(jù)技術處理得出的數(shù)據(jù)全面、準確、覆蓋面廣,具有高應用價值,可用于協(xié)助CPS的任務WCET分析。因此,本文在查閱、分析與歸納CPS、WCET以及大數(shù)據(jù)的相關的研究與文獻的基礎上,思考并探索三者間的關系,提出并建立了一套較為完整、全面的大數(shù)據(jù)驅(qū)動的CPS的WCET分析方法。本文首先分析并指出大數(shù)據(jù)知識可以幫助CPS修正和縮小系統(tǒng)WCET分析所需考慮的輸入空間及狀... 

【文章來源】：廣東工業(yè)大學廣東省

【文章頁數(shù)】：95 頁

【學位級別】：碩士

【部分圖文】：

執(zhí)行時間的相關概念圖解

廣東工業(yè)大學碩士學位論文個階段構成，分別對應 Map 函數(shù)和 Reduce 函數(shù)，這兩個函數(shù)都能分別的針數(shù)據(jù)項運行，也就是說，在處理囊括許多不同數(shù)據(jù)項的海量數(shù)據(jù)集的時候，多個 Map 對象和 Reduce 對象的實例在并行地運行。在 MapReduce 中，采用了主—從處理機的思想。首先要設置一臺主處理機（Me），主處理機下有許許多多的從處理機（Worker node）。主處理機的職責是據(jù)處理分析任務根據(jù)其數(shù)據(jù)項將這個任務分解成若干的 Map 任務和 Reduce 將從處理機（從節(jié)點）分成兩部分，主處理機將 Map 任務和 Reduce 任務分兩部分的從處理機去做。下面將給出兩張能較詳細地描述 MapReduce 的原理的圖。

第二章 CPS、WCET 與大數(shù)據(jù)到的數(shù)據(jù)集，并將它們處理轉(zhuǎn)換成一種中間態(tài)數(shù)據(jù)，而 Reduce 函數(shù)的職責則 Map 函數(shù)處理后的中間數(shù)據(jù)中，提取它工作所需要用到的鍵值對，然后對這進行處理和分析，最后得出我們想要的結果。上面提到了在 Map 函數(shù)和 R中，前者會從用戶輸入或分布式文件系統(tǒng)中提取出數(shù)據(jù)集，這樣的數(shù)據(jù)集往許多數(shù)據(jù)項的一部分的數(shù)據(jù)集，里面有許許多多的鍵值對；那么從前者包含項的中間數(shù)據(jù)到后者要處理相同的數(shù)據(jù)項之間，還存在著一個階段，要在 M出的所有中間數(shù)據(jù)中，分別把每個復合數(shù)據(jù)項的部分鍵值對提取出來，整合完整的獨立的數(shù)據(jù)項交給相應的 Reduce 函數(shù)，這就是 MapReduce 中的 Shu混排或洗牌。


本文編號：3074760