可扩展数据流框架的应用模型描述及可视化建模工具的实现

来源 :华南理工大学 | 被引量 : 0次 | 上传用户:gg741852963
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着软件应用和网络技术的飞速发展,人们对分布式应用的需求越来越大。缩短复杂应用系统的开发周期、降低开发成本和难度、提高系统的可扩展性和可复用性、提高软件质量成为了目前急待解决的问题。打破常规的软件开发方法,建立适合未来大型分布式应用系统的软件开发框架是十分必要的。 本课题提出一种可扩展的数据流框架XDFF(Extensible Dataflow Framework),它是基于网格数据资源融合的结构可扩展的软件开发框架,属于数据流处理框架。它将应用系统看作是通过将网格数据资源进行融合而形成的。融合是通过融合器来完成,融合器是对提供数据通路的通道和加工、处理和控制数据的组件的统称。各融合器协同工作形成了XDFF的基本结构骨架。通过组合已有的或用户扩展的融合器,让软件开发者可以像搭积木一样快速地构造应用程序。 本论文在详细研究数据流编程开发和框架技术的基础上,为基于XDFF应用系统的开发设计了一个统一的模型,从平面模型引出层次模型,并且对层次模型进行扩展,详细介绍了模型的核心实体、消息传递原理以及调度执行机制。 在分析模型描述语言的特点和应满足的条件后,设计了基于XML的模型配置描述语言,详细介绍了模型配置文档的元素组成,通过解析配置文档构建XDFF内存模型的过程以及从内存模型导出配置文档的反过程。同时给出了XDFF的可视化建模工具的实现,为用户构建应用系统,提供了可视化图形编辑器。通过从图形编辑器的通用库中选择融合器,以连线的方式对融合器进行组装,来快速构建应用系统。最后通过实验证明XDFF是可行和正确的,并且体现了其良好的可扩展性、并发性和可重组性。
其他文献
人脸识别技术是近年来的热门研究内容,涉及模式识别和计算机视觉等方面的学科,在新一代人机交互技术和安全等领域的应用吸引了众多研究者的注意,具有重要的理论意义和应用价
最近几年,网络进一步普及,而人们对信息量以及信息获取速度的要求也在不断提高。基于此,对等网络(P2P)的用户规模、应用类型和流量也在不断增长。分析结果表明,基于P2P的语音通信
随着无线传感器网络在工业、军事、医疗护理、环境监测和保护等各方面的发展和应用,无线传感器网络已逐渐渗入到人类日常生活的很多领域。由于无线传感器网络是一个十分有限
流媒体(Streaming Media)技术是一种实时的连续时基媒体,媒体的分发不需要等待整个媒体文件下载结束就可以播放,极大节约了时间和播放硬件成本。广泛应用于多媒体视频点播,电