概述

交付基于C++语言的原型系统，原型的关键算法和处理机制应能适应业务模型不可预知的情形，即在算法或处理失效场景下应不额外导致性能严重劣化，影响小于5%。在典型数据集上实现100%的性能提升。在典型数据集上实现60%的耗时下降。GC 工作所需空间冗余和计算冗余均应低于10%，完成原型与浪潮分布式存储AS13000 完成对接适配。

需求详情

研究面向写入加速的大规模数据流计算复用机制，探索基于相关性的计算削减方法，挖掘数据流在时间与空间上的冗余特征，实现“一次计算、多点复用”或“低代价计算推导高代价结果”，从根本上消除流水线中的无效运算，大幅提升系统处理通量。研究面向高频GC 的数据活性感知与I/O 复用加速技术，设计一种无需全盘扫描即可精准剔除无效回收任务的筛选机制，快速识别出“无需迁移”或“自消亡”的数据对象，实现垃圾回收目标的快速定位，大幅提升系统在复杂负载下的回收效率与稳定性。交付基于C++语言的原型系统，原型的关键算法和处理机制应能适应业务模型不可预知的情形，即在算法或处理失效场景下应不额外导致性能严重劣化，影响小于5%。在典型数据集上实现100%的性能提升。在典型数据集上实现60%的耗时下降。GC 工作所需空间冗余和计算冗余均应低于10%，完成原型与浪潮分布式存储AS13000 完成对接适配。