• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于Spark的遙感數(shù)據(jù)分析方法

    2015-07-26 02:29:50陳峰科孫眾毅池明旻
    微型電腦應(yīng)用 2015年8期
    關(guān)鍵詞:分布式計算內(nèi)存集群

    陳峰科,孫眾毅,池明旻

    基于Spark的遙感數(shù)據(jù)分析方法

    陳峰科,孫眾毅,池明旻

    隨著遙感技術(shù)的快速發(fā)展,遙感數(shù)據(jù)呈爆炸式增長,給遙感數(shù)據(jù)計算帶來巨大的挑戰(zhàn)。采用基于內(nèi)存計算的Spark分布式計算框架以克服該問題,并選擇YARN作為資源調(diào)度系統(tǒng)和采用HDFS為分布式存儲系統(tǒng)。Spark是一個開源的分布式計算框架,基于彈性分布式數(shù)據(jù)集(RDD)概念,采用先進(jìn)的有向無環(huán)圖執(zhí)行機(jī)制以支持循環(huán)數(shù)據(jù)流操作,通過一次數(shù)據(jù)導(dǎo)入內(nèi)存就可以完成多次迭代運(yùn)算。因而,特別適合基于多次迭代的大數(shù)據(jù)計算分析方法,相較于每輪迭代需把數(shù)據(jù)導(dǎo)入內(nèi)存的MapReduce有更大的優(yōu)勢。將該計算框架應(yīng)用于海量遙感數(shù)據(jù)分析,驗證需要多次迭代的奇異值分解(SVD)算法在該數(shù)據(jù)分析中的有效性。實(shí)驗表明,隨著迭代次數(shù)增加,基于Spark的SVD運(yùn)算效率相對于MapReduce有明顯提高,通??商岣咭粋€數(shù)量級。

    大數(shù)據(jù)計算;遙感數(shù)據(jù);Hadoop;Spark;MapReduce

    0 引言

    目前,世界上有超過1000個正在工作的衛(wèi)星實(shí)現(xiàn)對地觀測的任務(wù)[1]。其中,大量的衛(wèi)星用于民用工程,數(shù)據(jù)全球可共享,為科學(xué)研究提供有力的數(shù)據(jù)保障。隨著遙感技術(shù)的飛速發(fā)展,遙感圖像的空間和光譜分辨率也越來越高,可以獲取的遙感數(shù)據(jù)量也迅猛增長。通常,機(jī)器學(xué)習(xí)、模式識別和數(shù)據(jù)挖掘方法用來分析和理解遙感圖像。其中,大量的算法需要大量迭代運(yùn)算,比如用于分類的邏輯回歸方法、用于特征提取的SVD(Singular Value Decomposition)等。而遙感數(shù)據(jù)爆炸性增長給這類方法帶來巨大的計算挑戰(zhàn)。為了解決該問題,目前常用的方法有基于GPU加速的高性能計算系統(tǒng)和基于Hadoop的分布式集群。

    CUDA[2]和OpenCL[3]是基于圖形處理器(GPU)的并行計算編程模型,適合需要大量計算的應(yīng)用,以此為基礎(chǔ)的傳統(tǒng)高性能計算系統(tǒng)被廣泛用于研究領(lǐng)域。GPUs在浮點(diǎn)運(yùn)算和并行計算方面相對于 CPUs有著巨大的優(yōu)勢,使得使用GPU可以大幅提高計算速度。深度學(xué)習(xí)是一種需要大量計算的多次迭代算法,英偉達(dá)在[4]中提出了基于CUDA的深度神經(jīng)網(wǎng)絡(luò)包CUDNN(CUDA Deep Neural Network library),實(shí)驗結(jié)果顯示深度學(xué)習(xí)框架利用cuDNN加速后獲得了36%的速度提升。但是,雖然GPU加速能提高計算速度,卻對于數(shù)據(jù)密集型計算效率不高,而且代碼編寫調(diào)試復(fù)雜。

    Hadoop[5,6]的核心分為兩部分:HDFS分布式文件系統(tǒng)[4]和MapReduce計算框架[5]。在處理大量文件時,相對于傳統(tǒng)的本地文件系統(tǒng),HDFS在吞吐率和穩(wěn)定性方面有很大的優(yōu)勢。除此之外,[7-8]中工作證明,基于 MapReduce實(shí)現(xiàn)的分布式算法能夠在批量處理數(shù)據(jù)的任務(wù)中相對于單機(jī)實(shí)現(xiàn)的算法有極大的性能優(yōu)勢。然而,在許多迭代進(jìn)行的計算任務(wù)中因為在每一輪迭代過程中,中間數(shù)據(jù)集都需要從硬盤中加載,如此的 IO操作會消耗大量的時間,限制了基于MapReduce在如機(jī)器學(xué)習(xí)等多次迭代算法上的速度性能優(yōu)勢。Hadoop和 GPU加速技術(shù)的結(jié)合(CUDA+Hadoop[9], OpenCL + Hadoop[10]),在一定程度上能夠提高計算速度,但在涉及多次迭代機(jī)器學(xué)習(xí)算法時候,依然受 MapReduce每輪中間數(shù)據(jù)集讀寫時間的掣肘。Mahout是基于MapReduce的機(jī)器學(xué)習(xí)包,2014年4月份Mahout社區(qū)宣布,Mahout不再接受基于MapReduce實(shí)現(xiàn)的算法,轉(zhuǎn)向Spark[11]。Spark是一個基于內(nèi)存計算的開源分布式計算框架,其是一個快速且易于使用的計算框架,核心數(shù)據(jù)結(jié)構(gòu)為彈性分布式數(shù)據(jù)集(RDD),擁有先進(jìn)的有向無環(huán)圖(DAG,Directed Acyclic Graph)執(zhí)行引擎,能夠有效處理循環(huán)數(shù)據(jù)流。當(dāng)集群內(nèi)存充足時,基于Spark的多次迭代機(jī)器學(xué)習(xí)算法只需要在第一次迭代時將數(shù)據(jù)從硬盤中導(dǎo)入內(nèi)存,相對于基于MapReduce的多次迭代算法來說,節(jié)省了中間數(shù)據(jù)集硬盤讀寫的時間。這些特有的性質(zhì),使得Spark特別適用于機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘算法,基于Spark的多次迭代算法能夠在保持高可靠性和容錯性的情況下相對于基于MapReduce算法擁有更強(qiáng)的速度性能優(yōu)勢。在許多實(shí)際任務(wù)中,基于Spark的多次迭代算法比基于MapReduce實(shí)現(xiàn)的算法在時間上可以快10倍以上。

    本文提出了一個基于Spark的遙感數(shù)據(jù)處理平臺,能夠有效應(yīng)對遙感數(shù)據(jù)日益增長對于相關(guān)算法處理數(shù)據(jù)帶來的挑戰(zhàn)。該平臺由兩部分組成:分布式存儲系統(tǒng)和分布式計算框架。在該平臺中,選擇了Hadoop的分布式文件系統(tǒng)(HDFS)作為分布式存儲。分布式計算框架由傳統(tǒng)的MapReduce和基于內(nèi)存的Spark組成,其中Spark由于其能高效實(shí)現(xiàn)機(jī)器學(xué)習(xí)等多輪迭代算法而被選為平臺核心框架?;贛apReduce實(shí)現(xiàn)的機(jī)器學(xué)習(xí)包Mahout和基于Spark實(shí)現(xiàn)的機(jī)器學(xué)習(xí)包MLlib在該平臺上都可以使用,里面包含了大部分主流的機(jī)器學(xué)習(xí)算法,可以為遙感大數(shù)據(jù)的處理提供支撐。為驗證平臺的有效性,并評估不同計算框架的性能,本文在構(gòu)建的平臺上對于兩個公開數(shù)據(jù)集,分別基于 Spark和MapReduce實(shí)現(xiàn)了奇異值分解(SVD)。SVD是一種多次迭代算法,是許多遙感數(shù)據(jù)處理算法的重要組成部分。實(shí)驗結(jié)果顯示,隨著迭代次數(shù)的增加,Mahout中基于MapReduce實(shí)現(xiàn)的SVD和MLlib中基于Spark實(shí)現(xiàn)的SVD運(yùn)行速度上的差距逐漸增大。當(dāng)?shù)啍?shù)到達(dá)一定數(shù)量之后,基于Spark實(shí)現(xiàn)的SVD比基于MapReduce實(shí)現(xiàn)的SVD有十倍以上的性能優(yōu)勢。

    1 數(shù)據(jù)處理平臺介紹

    隨著可利用的遙感數(shù)據(jù)量日益增長,即使是使用GPUs加速,單機(jī)也越來越難滿足需要。開發(fā)能夠快速有效處理遙感數(shù)據(jù)的分布式平臺顯得愈發(fā)緊迫與重要。數(shù)據(jù)處理平臺通常分為兩個部分:分布式存儲系統(tǒng)和分布式計算框架。以HDFS、Hbase為代表的分布式存儲系統(tǒng)已經(jīng)被廣泛應(yīng)用于各個領(lǐng)域的大數(shù)據(jù)存儲系統(tǒng)之中。MapReduce因其在數(shù)據(jù)密集型計算方面的巨大優(yōu)勢,是目前大部分應(yīng)用中分布式平臺的最主要選擇。在本文提出的平臺中,分布式存儲系統(tǒng)采用了以GFS[12]為基礎(chǔ)的HDFS分布式文件系統(tǒng)。在使用平臺對數(shù)據(jù)進(jìn)行處理之前,遙感數(shù)據(jù)需要首先導(dǎo)入到HDFS中。基于內(nèi)存計算的Spark,被選擇作為主要的分布式計算框架。平臺同時整合了Hadoop的MapReduce計算框架。Apache YARN被選擇作為平臺的任務(wù)調(diào)度系統(tǒng),YARN位于HDFS和分布式計算框架之間,為多個運(yùn)行中的應(yīng)用分配資源。YARN能夠支持Spark和MapReduce等多種計算框架,使得在平臺上,基于Spark的機(jī)器學(xué)習(xí)包MLlib和基MapReduce的機(jī)器學(xué)習(xí)包Mahout里面的算法皆可使用。本文提出的平臺,在滿足一般分布式平臺具有的存儲和批量處理遙感數(shù)據(jù)功能之外,還能實(shí)現(xiàn)迭代運(yùn)算對數(shù)據(jù)的快速處理。在這一章剩下的部分,我們將對我們工作中涉及到的分布式技術(shù)做進(jìn)一步的介紹。

    1.1 Hadoop

    Hadoop包含一系列分布式存儲和處理數(shù)據(jù)技術(shù),是一個由Apache基金會支持的開源項目,同時滿足容錯、可伸縮,并且易于擴(kuò)展,易于學(xué)習(xí)。Hadoop的核心分為兩部分:分布式文件系統(tǒng) HDFS和分布式計算框架 MapReduce。Hadoop的完善與普及,使得原本需要昂貴的超級計算機(jī)才能解決的數(shù)據(jù)任務(wù)在使用一般的服務(wù)器組成的集群中就能得到高效解決。通常情況下,隨著集群規(guī)模變大,硬件損壞頻率會越來越高,Hadoop容錯機(jī)制都能夠保證任務(wù)在一般硬件損壞情況下成功執(zhí)行。如今,Hadoop已經(jīng)能夠管理數(shù)千臺機(jī)器,對PB級別的數(shù)據(jù)進(jìn)行存儲和處理。

    1.2 Mahout

    ApacheMahout是一個可擴(kuò)展機(jī)器學(xué)習(xí)包,在ApacheHadoop項目的基礎(chǔ)上,基于MapReduce編程模型實(shí)現(xiàn)的。Mahout能從多個數(shù)據(jù)源中讀取數(shù)據(jù),利用數(shù)據(jù)科學(xué)的工具分析挖掘數(shù)據(jù)。Mahout的目的在于使得算法處理過程速度更快,數(shù)據(jù)規(guī)模更加容易擴(kuò)展。到目前為止,Mahout支持四種數(shù)據(jù)處理應(yīng)用:協(xié)同過濾,聚類,分類和頻繁項集挖掘。大部分經(jīng)典的機(jī)器學(xué)習(xí)算法在Mahout中都有實(shí)現(xiàn)。

    1.3 Spark

    ApacheSpark是一個Scala語言實(shí)現(xiàn)的基于內(nèi)存計算用于處理大規(guī)模數(shù)據(jù)的快速通用引擎。雖然MapReduce模型在分布式批量處理任務(wù)的現(xiàn)實(shí)應(yīng)用中取得巨大的成功,但卻不能滿足涉及到循環(huán)數(shù)據(jù)流應(yīng)用的需要,而這種應(yīng)用在機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘算法中是十分常見的。Spark技術(shù)的提出正因為此,在保證與MapReduce可以媲美的可擴(kuò)展性和容錯性的基礎(chǔ)上,滿足循環(huán)數(shù)據(jù)流應(yīng)用的需要。Spark基于其創(chuàng)造性的彈性分布式數(shù)據(jù)集(RDD)概念,使用先進(jìn)的有向無環(huán)圖(DAG)執(zhí)行機(jī)制,能夠支持循環(huán)數(shù)據(jù)流的應(yīng)用和內(nèi)存計算。在許多機(jī)器學(xué)習(xí)任務(wù)中,Spark能夠在執(zhí)行速度上遠(yuǎn)遠(yuǎn)超越MapReduce。Spark被設(shè)計為可以獨(dú)立地運(yùn)行,其也能夠與其它主流分布式存儲系統(tǒng)與任務(wù)調(diào)度系統(tǒng)合作工作。在本文提出的平臺之中,Spark被作為一種計算框架置于YARN之上,與MapReduce同時運(yùn)行于集群之上。

    1.4 Spark vsMapReduce

    Spark與MapReduce相比,其有如下優(yōu)勢:

    基于內(nèi)存計算。中間數(shù)據(jù)集保存于內(nèi)存之中,無需反復(fù)讀取硬盤,適合于迭代計算任務(wù)。

    DAG 執(zhí)行引擎。Spark執(zhí)行過程中沒有嚴(yán)格的Map/Reduce階段,通過其獨(dú)有的血緣機(jī)制,在保證容錯性下進(jìn)一步減少硬盤讀寫操作。

    容易編程。Spark是由函數(shù)式語言Scala實(shí)現(xiàn)的,可以通過Scala編寫創(chuàng)建任務(wù),代碼編寫更加靈活。

    Spark相比MapReduce更加適合于如機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘等迭代計算任務(wù),而MapReduce在數(shù)據(jù)密集型計算中仍然保持了強(qiáng)大的競爭力。兩者互補(bǔ)已經(jīng)成為當(dāng)今主流分布式平臺構(gòu)建時的共識。

    2 實(shí)驗數(shù)據(jù)集和實(shí)驗設(shè)置

    隨著遙感技術(shù)和互聯(lián)網(wǎng)技術(shù)的快速發(fā)展,可以獲取的遙感數(shù)據(jù)來源逐漸增多,越來越多的高光譜與高分辨率數(shù)據(jù)被應(yīng)用于各類科學(xué)研究中。如何快速有效地處理遙感數(shù)據(jù)從未像現(xiàn)在一般迫切和重要。在本章的剩余部分,我們簡單我們實(shí)驗中涉及到的遙感數(shù)據(jù)集,并對實(shí)驗設(shè)定做一個詳細(xì)的描述。

    2.1 實(shí)驗數(shù)據(jù)集

    (1)Indian_pines:1992年AVARIS傳感器在IndianPine上空拍攝的高光譜遙感圖像。圖像大小為145*145像素,每個像素點(diǎn)有220個波長,分布在0.36到2.5μm之間的波段中。

    (2)Pavia:由ROSIS-03衛(wèi)星在Pavia上空獲取的高光譜高分辨率(1.3m)圖像,每個像素點(diǎn)有103個波長在0.43到0.86μm之間的波段。分為Pavia和PaviaU兩張圖像,圖像覆蓋地點(diǎn)分別為Pavia市區(qū)和Pavia大學(xué)。

    2.2 集群配置

    本文提出的平臺在實(shí)驗集群上實(shí)現(xiàn)。實(shí)驗集群由5臺服務(wù)器組成,每臺服務(wù)器內(nèi)存為24GB,擁有四核處理器。服務(wù)器操作系統(tǒng)皆使用CentOS6.5,集群使用的分布式系統(tǒng)版本為Hadoop 2.5與Spark 1.0.1。

    2驗設(shè)置

    實(shí)驗在兩個公開遙感數(shù)據(jù)集上對于 Spark實(shí)現(xiàn)的 SVD和基于MapReduce實(shí)現(xiàn)的SVD算法進(jìn)行運(yùn)行時間比較,以證明本文提出的平臺在性能上對于遙感數(shù)據(jù)的處理與傳統(tǒng)分布式平臺有極大提升。SVD是許多遙感數(shù)據(jù)相關(guān)操作的重要組成部分,對于SVD操作的快速計算可以大幅提高有關(guān)算法的性能。由于在實(shí)際情況下,SVD實(shí)驗運(yùn)行時間與集群狀態(tài)擁有關(guān)聯(lián)性,集群內(nèi)存或者集群網(wǎng)絡(luò)的占用都會影響到任務(wù)執(zhí)行時間,單次實(shí)驗結(jié)果有一定隨機(jī)性。為保證實(shí)驗結(jié)果的科學(xué)與嚴(yán)謹(jǐn),每次SVD實(shí)驗都重復(fù)10次,并取平均計算時間作為最終結(jié)果值。

    3 實(shí)驗結(jié)果及分析

    顯示了基于Spark實(shí)現(xiàn)的SVD和基于MapReduce實(shí)現(xiàn)的SVD在IndianPine和 Pavia數(shù)據(jù)集上面隨著奇異值的增大運(yùn)算時間的變化情況。如圖1、圖2所示:

    圖1 :Indian_pines遙感數(shù)據(jù)集上的SVD計算時間

    圖2 :Pavia遙感數(shù)據(jù)集上的SVD計算時間

    在SVD的分布式實(shí)現(xiàn)中,當(dāng)奇異值的個數(shù)小于總的特征數(shù)量的一半時,算法的迭代次數(shù)隨著奇異值數(shù)量的增大而提升。實(shí)驗中使用數(shù)據(jù)集的數(shù)據(jù)規(guī)模(樣本數(shù)量和每個樣本的特征個數(shù))如表1所示:

    表格1:數(shù)據(jù)集規(guī)模

    從圖1、圖2的計算時間結(jié)果中可以看出,當(dāng)奇異值為1時,Spark的SVD比MapReduce的SVD并沒有優(yōu)勢。但是,從所有的數(shù)據(jù)集的實(shí)驗結(jié)果中我們可以看到,隨著奇異值數(shù)量的增大,算法的迭代次數(shù)增多,MapReduce的SVD運(yùn)行時間迅速增加。相對而言,Spark的SVD的運(yùn)行時間卻沒有隨著迭代次數(shù)的增加有快速提升。在相同數(shù)據(jù)集上,當(dāng)奇異值超過30時,MapReduce SVD消耗的時間是Spark SVD消耗的時間的10倍以上。

    無論基于何種計算框架,實(shí)驗數(shù)據(jù)皆需要在第一次迭代之前從硬盤中導(dǎo)入至內(nèi)存中,基于 MapReduce的算法在每一輪迭代中都需要進(jìn)行如第一輪中的硬盤讀寫操作。而對于基于內(nèi)存計算的Spark框架而言,迭代計算的中間數(shù)據(jù)集可以存儲于內(nèi)存中,無需進(jìn)行反復(fù)的硬盤讀寫。這使得由Spark實(shí)現(xiàn)的算法中,后面的迭代相比第一次迭代消耗的時間要短許多。內(nèi)存計算的特性為基于Spark的許多算法提供了無與倫比的性能優(yōu)勢。

    在SVD算法實(shí)際的運(yùn)行過程中,無論是MapReduce還是Spark,每一次計算的時間都遠(yuǎn)遠(yuǎn)小于數(shù)據(jù)導(dǎo)入內(nèi)存的時間,數(shù)據(jù)導(dǎo)入時間對于總體運(yùn)行時間起到了決定性因素然而數(shù)據(jù)導(dǎo)入內(nèi)存的時間因集群狀況,比如內(nèi)存使用和CPU占用等影響很大,這使得數(shù)據(jù)導(dǎo)入時間在一定程度上有很大的隨機(jī)性,甚至可能會出現(xiàn)導(dǎo)入相同的數(shù)據(jù)消耗的時間相差10倍以上的情況。在實(shí)驗結(jié)果中,即使是使用10次實(shí)驗的平均計算時間作比較,也出現(xiàn)了隨著迭代次數(shù)的增加,計算時間反而出現(xiàn)了減少的情況。但是這并沒有影響基于Spark的SVD算法對于基于MapReduce算法的巨大性能優(yōu)勢。

    4 總結(jié)

    本文提出基于Spark的分布式數(shù)據(jù)處理平臺。在該平臺中,HDFS作為分布式文件系統(tǒng),YARN作為資源調(diào)度框架,Spark作為主要分布是計算框架。為了驗證該平臺的計算有效性,實(shí)驗采用需要多次迭代算法SVD提取海量遙感數(shù)據(jù)的特征。實(shí)驗結(jié)果表明,基于Spark的分布式多次迭代算法相對于基于MapReduce實(shí)現(xiàn)的在計算效率上有顯著的提升。與傳統(tǒng)的MapReduce數(shù)據(jù)處理平臺相比,該平臺更適合處理利用多次迭代的數(shù)據(jù)方法處理海量遙感數(shù)據(jù)。

    [1] 姚禹,向晶.全球在軌衛(wèi)星數(shù)量突破1000顆大關(guān)[J].中國無線電,2012, (11):77-77.

    [2] CUDA, http://www.nvidia.com/object/cuda home new.html/.

    [3] Xu J Y. OpenCL–The Open Standard for Parallel Programming of Heterogeneous Systems[J]. 2008.

    [4] Chetlur S, Woolley C, Vandermersch P, et al. cudnn: Efficient primitives for deep learning[J]. arXiv preprint arXiv:1410.0759, 2014.

    [5] Borthakur,D.“The hadoopdistributed file system: Architecture anddesign,” [J]Hadoop ProjectWebsite,2007, 21(11).

    [6] Dean J and Ghemawat. S,“Mapreduce: simplified data processingon large clusters,” [C].Communications of the ACM,51(1):107–113, 2008.

    [7] Golpayegani.N and Halem.M “Cloud computing for satellite dataprocessing on high end compute clusters,” [J] in Cloud Computing, 2009.CLOUD’09. IEEE International Conference on. IEEE, 2009:88-92.

    [8] Pan.X and Zhang.S, “A remote sensing image cloud processingsystem based on hadoop,” [J] in Cloud Computing and Intelligent Systems(CCIS), 2012 IEEE 2nd International Conference on, vol. 1. IEEE,2012, pp. 492-494.

    [9] Grossman M, Breternitz M, Sarkar V. HadoopCL: MapReduce on Distributed Heterogeneous Platforms through Seamless Integration of Hadoop and OpenCL[J]. Parallel and Distributed Processing Symposium Workshops & PhD Forum (IPDPSW), 2013 IEEE 27th International, 2013:1918-1927.

    [10] Wang Z, Lv P, Zheng C. CUDA on Hadoop: A Mixed Computing Framework for Massive Data Processing[M]//Foundations and Practical Applications of Cognitive Systems and Information Processing. Springer Berlin Heidelberg,2014:253-260.

    [11] Zaharia.M, Chowdhury.M, M. J. Franklin, S. Shenker, and I. Stoica,“Spark: cluster computing with working sets,” [C] in Proceedings of the2nd USENIX conference on Hot topics in cloud computing, 2010:10.

    [12] Ghemawat S, Gobioff H, Leung S T. The Google file system[C]//ACM SIGOPS operating systems review. ACM, 2003, 37(5):29-4

    V249 文獻(xiàn)標(biāo)志碼:A

    2015.01.21)

    1007-757X(2015)08-0065-03

    國家自然科學(xué)基金,(71331005)

    陳峰科(1990-),男,江西,復(fù)旦大學(xué)計算機(jī)科學(xué)技術(shù)學(xué)院,上海市數(shù)據(jù)科學(xué)重點(diǎn)實(shí)驗室,碩士研究生,研究方向:數(shù)據(jù)科學(xué)、大數(shù)據(jù)上海,201203孫眾毅(1992-),男,上海,復(fù)旦大學(xué)計算機(jī)科學(xué)技術(shù)學(xué)院,上海市數(shù)據(jù)科學(xué)重點(diǎn)實(shí)驗室,碩士研究生,研究方向:數(shù)據(jù)科學(xué)、大數(shù)據(jù),上海,201203池明旻(1977-),女,福建,復(fù)旦大學(xué)計算機(jī)科學(xué)技術(shù)學(xué)院,上海市數(shù)據(jù)科學(xué)重點(diǎn)實(shí)驗室,電磁波信息科學(xué)教育部重點(diǎn)實(shí)驗室,副教授,研究方向:數(shù)據(jù)科學(xué)、大數(shù)據(jù), 上海,201203

    猜你喜歡
    分布式計算內(nèi)存集群
    海上小型無人機(jī)集群的反制裝備需求與應(yīng)對之策研究
    “春夏秋冬”的內(nèi)存
    一種無人機(jī)集群發(fā)射回收裝置的控制系統(tǒng)設(shè)計
    電子制作(2018年11期)2018-08-04 03:25:40
    Python與Spark集群在收費(fèi)數(shù)據(jù)分析中的應(yīng)用
    勤快又呆萌的集群機(jī)器人
    基于云計算的移動學(xué)習(xí)平臺設(shè)計與實(shí)現(xiàn)
    云計算中MapReduce分布式并行處理框架的研究與搭建
    面向異構(gòu)分布式計算環(huán)境的并行任務(wù)調(diào)度優(yōu)化方法
    基于內(nèi)存的地理信息訪問技術(shù)
    上網(wǎng)本為什么只有1GB?
    在线观看一区二区三区激情| 精品少妇黑人巨大在线播放| 国产成人精品福利久久| 高清黄色对白视频在线免费看 | 又爽又黄a免费视频| 国产欧美日韩精品一区二区| 色网站视频免费| 亚洲av中文av极速乱| 深夜a级毛片| 精品一区二区免费观看| 日韩成人av中文字幕在线观看| 夜夜骑夜夜射夜夜干| 麻豆乱淫一区二区| 国产精品麻豆人妻色哟哟久久| 尾随美女入室| 日本黄大片高清| 深夜a级毛片| 亚洲自偷自拍三级| 久久午夜福利片| 国产精品久久久久久av不卡| 亚洲成人一二三区av| 国产一区有黄有色的免费视频| 91精品一卡2卡3卡4卡| 欧美区成人在线视频| 在线观看av片永久免费下载| 在线观看免费日韩欧美大片 | av在线app专区| 国产免费又黄又爽又色| .国产精品久久| 自拍偷自拍亚洲精品老妇| 七月丁香在线播放| 18禁在线无遮挡免费观看视频| 欧美精品亚洲一区二区| 欧美日韩亚洲高清精品| 涩涩av久久男人的天堂| 五月开心婷婷网| 我的老师免费观看完整版| 免费观看a级毛片全部| 搡女人真爽免费视频火全软件| 亚洲国产欧美人成| 亚洲av免费高清在线观看| 一级av片app| 久久精品国产a三级三级三级| 男女无遮挡免费网站观看| 91狼人影院| 亚洲欧美一区二区三区黑人 | av天堂中文字幕网| 精品久久久久久久久亚洲| 亚洲国产欧美人成| 女性被躁到高潮视频| 免费看日本二区| 夜夜爽夜夜爽视频| 免费观看在线日韩| 日本wwww免费看| 2018国产大陆天天弄谢| 亚洲色图综合在线观看| 女性被躁到高潮视频| 亚洲国产成人一精品久久久| 国产精品不卡视频一区二区| 国产高潮美女av| 国产精品av视频在线免费观看| 国产高清国产精品国产三级 | 国产精品蜜桃在线观看| 欧美+日韩+精品| 黄色一级大片看看| 一区在线观看完整版| 欧美国产精品一级二级三级 | xxx大片免费视频| 亚洲欧美日韩卡通动漫| 免费看av在线观看网站| 尾随美女入室| 亚洲av国产av综合av卡| 夫妻午夜视频| 一级毛片我不卡| 免费看av在线观看网站| 欧美人与善性xxx| 久久精品人妻少妇| 欧美少妇被猛烈插入视频| 亚洲婷婷狠狠爱综合网| 亚洲精品国产av蜜桃| 80岁老熟妇乱子伦牲交| 两个人的视频大全免费| 久久久成人免费电影| 偷拍熟女少妇极品色| 亚洲综合精品二区| 在线观看人妻少妇| 国产av码专区亚洲av| 一区在线观看完整版| 日韩强制内射视频| 丝袜脚勾引网站| 新久久久久国产一级毛片| 人妻制服诱惑在线中文字幕| 日本av免费视频播放| 国产精品欧美亚洲77777| 一区二区三区乱码不卡18| 少妇 在线观看| 成人美女网站在线观看视频| 永久网站在线| 国产一区二区在线观看日韩| 欧美性感艳星| 亚洲美女视频黄频| 亚洲色图综合在线观看| 亚洲精品国产av蜜桃| 亚洲精品一二三| 欧美最新免费一区二区三区| 亚洲激情五月婷婷啪啪| 国产av一区二区精品久久 | 亚洲欧美日韩东京热| 天堂中文最新版在线下载| 亚洲av成人精品一二三区| 久久久久久久精品精品| 秋霞在线观看毛片| 人人妻人人看人人澡| 寂寞人妻少妇视频99o| 少妇被粗大猛烈的视频| 一级毛片电影观看| 中文字幕精品免费在线观看视频 | 精品人妻偷拍中文字幕| 国产一区亚洲一区在线观看| 夜夜骑夜夜射夜夜干| 晚上一个人看的免费电影| 尾随美女入室| 久久热精品热| 日本猛色少妇xxxxx猛交久久| videossex国产| 国产精品蜜桃在线观看| 亚洲精品一二三| 高清午夜精品一区二区三区| 中国三级夫妇交换| 在线观看免费高清a一片| 亚洲欧美一区二区三区国产| 91精品一卡2卡3卡4卡| 日韩电影二区| h日本视频在线播放| 亚洲av国产av综合av卡| 欧美 日韩 精品 国产| 97精品久久久久久久久久精品| 尤物成人国产欧美一区二区三区| 少妇高潮的动态图| 亚洲熟女精品中文字幕| 成人漫画全彩无遮挡| 免费观看性生交大片5| 国产精品久久久久久精品电影小说 | 一本一本综合久久| 欧美变态另类bdsm刘玥| 欧美精品一区二区免费开放| 亚洲国产最新在线播放| 99热这里只有是精品50| 久久99蜜桃精品久久| 久久97久久精品| 久久精品国产鲁丝片午夜精品| 日本-黄色视频高清免费观看| 制服丝袜香蕉在线| 18禁裸乳无遮挡免费网站照片| 精品国产露脸久久av麻豆| 99热6这里只有精品| 国产黄色视频一区二区在线观看| 极品教师在线视频| 国产精品女同一区二区软件| 97热精品久久久久久| 国产黄频视频在线观看| 夫妻午夜视频| 免费观看的影片在线观看| 国产精品蜜桃在线观看| 内射极品少妇av片p| 人妻一区二区av| 精品视频人人做人人爽| 一个人看的www免费观看视频| 亚洲av国产av综合av卡| 免费播放大片免费观看视频在线观看| 在线观看美女被高潮喷水网站| 一本久久精品| 久久精品国产亚洲av天美| 亚洲国产精品999| 国产欧美亚洲国产| 一区在线观看完整版| 欧美日韩视频精品一区| 国产成人免费观看mmmm| 99久久中文字幕三级久久日本| 观看美女的网站| 久久久久性生活片| 亚洲丝袜综合中文字幕| 制服丝袜香蕉在线| 国产精品成人在线| 偷拍熟女少妇极品色| 下体分泌物呈黄色| 欧美成人精品欧美一级黄| 欧美变态另类bdsm刘玥| 国产精品久久久久久久电影| www.色视频.com| 久久 成人 亚洲| 婷婷色av中文字幕| 国产欧美日韩精品一区二区| 男女边摸边吃奶| 久久人人爽人人爽人人片va| 亚洲va在线va天堂va国产| 精品视频人人做人人爽| 国内少妇人妻偷人精品xxx网站| 大码成人一级视频| 亚洲欧美一区二区三区国产| 一个人看的www免费观看视频| 黄片wwwwww| 久久综合国产亚洲精品| 97精品久久久久久久久久精品| 久久国产精品男人的天堂亚洲 | 久久久久精品性色| 97在线人人人人妻| 色综合色国产| 黄片wwwwww| av国产精品久久久久影院| 干丝袜人妻中文字幕| 熟女av电影| 婷婷色麻豆天堂久久| av又黄又爽大尺度在线免费看| 啦啦啦视频在线资源免费观看| 秋霞在线观看毛片| 人妻 亚洲 视频| 制服丝袜香蕉在线| 日韩av免费高清视频| 中文乱码字字幕精品一区二区三区| 亚洲av成人精品一区久久| 你懂的网址亚洲精品在线观看| 精品一区二区免费观看| 丰满少妇做爰视频| 一级爰片在线观看| 国产免费一级a男人的天堂| 国产成人免费观看mmmm| 国产精品嫩草影院av在线观看| 成年av动漫网址| 国产免费又黄又爽又色| 国产免费一级a男人的天堂| 99久久精品热视频| 一二三四中文在线观看免费高清| 九九爱精品视频在线观看| 国产探花极品一区二区| 免费人妻精品一区二区三区视频| 热99国产精品久久久久久7| 老女人水多毛片| 插逼视频在线观看| 一级片'在线观看视频| 我要看黄色一级片免费的| 涩涩av久久男人的天堂| 国产免费福利视频在线观看| a级毛片免费高清观看在线播放| 秋霞在线观看毛片| 国产在线免费精品| 一级毛片久久久久久久久女| 99热这里只有精品一区| 精品酒店卫生间| 欧美日韩视频精品一区| 欧美成人a在线观看| 99热这里只有精品一区| 欧美xxⅹ黑人| 国国产精品蜜臀av免费| 欧美 日韩 精品 国产| 又黄又爽又刺激的免费视频.| 免费av不卡在线播放| 精品国产三级普通话版| 国产成人免费无遮挡视频| 一级av片app| 国产探花极品一区二区| 日韩中字成人| 嫩草影院入口| 国产色爽女视频免费观看| 你懂的网址亚洲精品在线观看| 久久久久视频综合| 久久人人爽人人片av| 亚洲无线观看免费| 一区二区av电影网| 亚洲国产最新在线播放| 看免费成人av毛片| 日韩三级伦理在线观看| 亚洲国产色片| 国产伦理片在线播放av一区| 日韩不卡一区二区三区视频在线| 精品久久久久久久末码| 国产 一区 欧美 日韩| 日本免费在线观看一区| 亚洲内射少妇av| 少妇熟女欧美另类| 久久鲁丝午夜福利片| 成人国产麻豆网| 99久久精品国产国产毛片| 亚洲av成人精品一区久久| 夜夜看夜夜爽夜夜摸| 少妇人妻 视频| 亚洲欧美日韩另类电影网站 | 国产亚洲5aaaaa淫片| 中国国产av一级| 亚洲精品中文字幕在线视频 | 人妻少妇偷人精品九色| 在线观看人妻少妇| 亚洲欧洲国产日韩| 婷婷色综合www| 亚洲丝袜综合中文字幕| 黄片无遮挡物在线观看| 99久久综合免费| 又黄又爽又刺激的免费视频.| 1000部很黄的大片| 国产精品精品国产色婷婷| 中文字幕人妻熟人妻熟丝袜美| 日韩人妻高清精品专区| 国产黄片视频在线免费观看| 久久久久久久久久久丰满| 成人亚洲欧美一区二区av| 欧美精品国产亚洲| 免费看av在线观看网站| 九九在线视频观看精品| 亚洲色图综合在线观看| 亚洲第一av免费看| 亚洲国产高清在线一区二区三| 精品久久久久久久久av| 最后的刺客免费高清国语| 国产精品久久久久久久久免| 在线观看人妻少妇| 亚洲天堂av无毛| 亚洲精品第二区| 国产探花极品一区二区| 欧美精品国产亚洲| 成人综合一区亚洲| 哪个播放器可以免费观看大片| 国产黄色视频一区二区在线观看| 日本黄色日本黄色录像| 国产精品国产三级国产av玫瑰| 国产黄色视频一区二区在线观看| 一个人看的www免费观看视频| 各种免费的搞黄视频| 久久久久久人妻| 午夜福利在线观看免费完整高清在| 一级毛片电影观看| 欧美日韩亚洲高清精品| 一级毛片黄色毛片免费观看视频| 多毛熟女@视频| 香蕉精品网在线| 一级毛片黄色毛片免费观看视频| 亚洲精品国产色婷婷电影| 精品一区二区三卡| 街头女战士在线观看网站| 亚洲高清免费不卡视频| 精品一区二区三卡| 少妇人妻一区二区三区视频| 一区二区三区乱码不卡18| 在线观看免费视频网站a站| 久久99蜜桃精品久久| 卡戴珊不雅视频在线播放| 一个人免费看片子| 亚洲精品,欧美精品| 18禁在线无遮挡免费观看视频| 99热这里只有是精品50| av在线观看视频网站免费| 自拍欧美九色日韩亚洲蝌蚪91 | 亚洲欧洲国产日韩| 欧美xxxx性猛交bbbb| 内射极品少妇av片p| 丰满迷人的少妇在线观看| 久久精品国产a三级三级三级| 永久免费av网站大全| 偷拍熟女少妇极品色| 高清在线视频一区二区三区| 亚洲一区二区三区欧美精品| 成人无遮挡网站| 成年女人在线观看亚洲视频| 亚洲天堂av无毛| 亚洲精品中文字幕在线视频 | 少妇被粗大猛烈的视频| 精品酒店卫生间| 亚洲熟女精品中文字幕| 欧美另类一区| 七月丁香在线播放| 国产精品女同一区二区软件| 极品少妇高潮喷水抽搐| 91午夜精品亚洲一区二区三区| 天美传媒精品一区二区| 国产成人精品一,二区| 国产精品成人在线| 亚洲国产精品成人久久小说| 人妻夜夜爽99麻豆av| 狂野欧美激情性xxxx在线观看| 久久久久久久大尺度免费视频| 亚洲欧美一区二区三区黑人 | 久久久久网色| 免费看光身美女| 免费不卡的大黄色大毛片视频在线观看| 国产中年淑女户外野战色| 伊人久久精品亚洲午夜| 有码 亚洲区| 亚洲人成网站在线播| 亚洲精品亚洲一区二区| 丰满迷人的少妇在线观看| 成人综合一区亚洲| 亚洲欧洲国产日韩| 秋霞在线观看毛片| 日本-黄色视频高清免费观看| 免费大片18禁| 国产色婷婷99| 五月伊人婷婷丁香| 久久久久久人妻| av网站免费在线观看视频| 在线观看国产h片| 最近手机中文字幕大全| 美女内射精品一级片tv| 99热这里只有是精品在线观看| 夜夜爽夜夜爽视频| 久久毛片免费看一区二区三区| 人体艺术视频欧美日本| 欧美区成人在线视频| 精品久久久久久久久亚洲| 97精品久久久久久久久久精品| 久久女婷五月综合色啪小说| 成人18禁高潮啪啪吃奶动态图 | 亚洲图色成人| 观看免费一级毛片| av在线老鸭窝| 国产欧美日韩精品一区二区| 国产精品99久久久久久久久| 国产精品不卡视频一区二区| 精品国产乱码久久久久久小说| 国产精品99久久99久久久不卡 | 成人午夜精彩视频在线观看| 一本色道久久久久久精品综合| 啦啦啦啦在线视频资源| 国产爱豆传媒在线观看| 女人十人毛片免费观看3o分钟| 日韩欧美一区视频在线观看 | 五月伊人婷婷丁香| 黄色视频在线播放观看不卡| 熟女av电影| 啦啦啦中文免费视频观看日本| 精品视频人人做人人爽| 亚洲国产精品专区欧美| 国产v大片淫在线免费观看| 边亲边吃奶的免费视频| 99久久精品国产国产毛片| 一个人看视频在线观看www免费| 777米奇影视久久| 晚上一个人看的免费电影| 男人舔奶头视频| 毛片女人毛片| 成人亚洲精品一区在线观看 | 精品久久久精品久久久| 99国产精品免费福利视频| 日本猛色少妇xxxxx猛交久久| 免费黄色在线免费观看| 亚洲中文av在线| 嫩草影院新地址| 男女无遮挡免费网站观看| 黑人猛操日本美女一级片| 午夜免费观看性视频| 中文精品一卡2卡3卡4更新| 久热这里只有精品99| av又黄又爽大尺度在线免费看| 国产在线男女| 麻豆国产97在线/欧美| 国产久久久一区二区三区| av又黄又爽大尺度在线免费看| 熟妇人妻不卡中文字幕| 亚洲精品乱久久久久久| 国产日韩欧美亚洲二区| 精品久久久久久久久av| 青春草视频在线免费观看| 亚洲国产欧美人成| 联通29元200g的流量卡| 18禁裸乳无遮挡动漫免费视频| 在线观看美女被高潮喷水网站| 又爽又黄a免费视频| 国产午夜精品久久久久久一区二区三区| 国模一区二区三区四区视频| 午夜免费观看性视频| 综合色丁香网| 亚洲欧美成人精品一区二区| 一边亲一边摸免费视频| 亚洲av在线观看美女高潮| 国产 一区精品| 丝袜脚勾引网站| 久久亚洲国产成人精品v| 在线观看一区二区三区| 欧美3d第一页| 久久人妻熟女aⅴ| 亚洲精品国产色婷婷电影| 日本欧美视频一区| 日韩中文字幕视频在线看片 | 日韩国内少妇激情av| 97在线视频观看| av在线老鸭窝| www.色视频.com| 狠狠精品人妻久久久久久综合| 国产精品成人在线| 日本黄色片子视频| 精品久久久久久久久亚洲| 香蕉精品网在线| 国产真实伦视频高清在线观看| 少妇 在线观看| 欧美精品一区二区大全| 国产精品伦人一区二区| 蜜臀久久99精品久久宅男| 男人爽女人下面视频在线观看| 日韩,欧美,国产一区二区三区| 亚洲综合色惰| 精品久久久精品久久久| 18禁裸乳无遮挡动漫免费视频| 欧美xxxx性猛交bbbb| 国产一区二区三区综合在线观看 | 精品国产露脸久久av麻豆| 大香蕉97超碰在线| 男的添女的下面高潮视频| 51国产日韩欧美| 日韩一本色道免费dvd| 国产黄片视频在线免费观看| 蜜桃久久精品国产亚洲av| 岛国毛片在线播放| 国产精品秋霞免费鲁丝片| 51国产日韩欧美| 大陆偷拍与自拍| 青春草亚洲视频在线观看| 亚洲av在线观看美女高潮| 寂寞人妻少妇视频99o| 久久久久人妻精品一区果冻| 久久午夜福利片| 97在线人人人人妻| 婷婷色麻豆天堂久久| 卡戴珊不雅视频在线播放| 欧美3d第一页| 精品国产露脸久久av麻豆| 又粗又硬又长又爽又黄的视频| 建设人人有责人人尽责人人享有的 | 久久av网站| 亚洲综合色惰| 国产美女午夜福利| 亚洲成色77777| 国产精品久久久久久av不卡| 亚洲国产精品999| 中国国产av一级| 亚洲精品一二三| 欧美国产精品一级二级三级 | 免费在线观看成人毛片| 国产永久视频网站| 日本欧美国产在线视频| 亚洲电影在线观看av| 好男人视频免费观看在线| 小蜜桃在线观看免费完整版高清| 久久久国产一区二区| 中文字幕人妻熟人妻熟丝袜美| 日日撸夜夜添| 又黄又爽又刺激的免费视频.| 美女国产视频在线观看| 蜜桃久久精品国产亚洲av| 草草在线视频免费看| 国产精品久久久久久精品电影小说 | 亚洲激情五月婷婷啪啪| 国产乱来视频区| 久久久久久九九精品二区国产| 我要看黄色一级片免费的| 美女脱内裤让男人舔精品视频| 午夜福利视频精品| 亚洲精品日韩在线中文字幕| 99热6这里只有精品| freevideosex欧美| 国产精品一二三区在线看| 免费不卡的大黄色大毛片视频在线观看| 亚洲,欧美,日韩| 久久国内精品自在自线图片| 精华霜和精华液先用哪个| 精品一品国产午夜福利视频| 久久 成人 亚洲| 日韩av在线免费看完整版不卡| 丝瓜视频免费看黄片| 国产精品一区二区在线不卡| 国产av精品麻豆| a级毛色黄片| 久久久久视频综合| 久久久久国产网址| 丝袜脚勾引网站| www.色视频.com| 国产成人一区二区在线| 在线 av 中文字幕| 搡女人真爽免费视频火全软件| 欧美高清成人免费视频www| 夜夜骑夜夜射夜夜干| 精华霜和精华液先用哪个| 国产伦精品一区二区三区四那| 一区二区三区免费毛片| 欧美亚洲 丝袜 人妻 在线| 精品亚洲成国产av| 国产黄片视频在线免费观看| 22中文网久久字幕| 久久精品夜色国产| 国产黄色免费在线视频| 又黄又爽又刺激的免费视频.| av国产精品久久久久影院| 日韩人妻高清精品专区| 国产亚洲av片在线观看秒播厂| 久久人人爽av亚洲精品天堂 | 欧美xxxx性猛交bbbb| 七月丁香在线播放| 国产在线视频一区二区| 丝袜脚勾引网站| 国产亚洲5aaaaa淫片| 国产精品蜜桃在线观看| 亚洲伊人久久精品综合| 伊人久久国产一区二区| 国产男人的电影天堂91| 精品亚洲成国产av| 亚洲欧美日韩卡通动漫| 免费av不卡在线播放| 亚洲四区av| 国产精品一区二区性色av| 在线观看免费高清a一片| 亚洲成人av在线免费| 亚洲av免费高清在线观看| av网站免费在线观看视频| 欧美xxxx黑人xx丫x性爽| 国产高清不卡午夜福利| 国产亚洲精品久久久com| 男的添女的下面高潮视频| 韩国高清视频一区二区三区|