已有样品/nSTT-MRAM 是一种极具应用潜力的下一代新型存储器解决方案。由于采用了大量的新材料、新结构，加工制备难度极大。当前，美韩日三国在该项技术上全面领先，很有可能在继硬盘、DRAM 及闪存等存储芯片之后再次实现对我国100%的垄断。微电子所集成电路先导工艺研发中心研究员赵超与北京航空航天大学教授赵巍胜的联合团队通过3 年的艰苦攻关，在STT-MRAM 关键工艺技术研究上实现了重要突破，在国内首次采用可兼容CMOS 工艺成

已有样品/n64Mb ReRAM 芯片和内嵌ReRAM IP 的SOC 由紫光国芯等单位共同设计，在实现基于ReRAM 存储机理和单元特性的读写电路、芯片构架、可测试性设计、冗余设计、纠错设计和系统访问管理等关键技术方面实现了突破和创新。两款芯片均已经在相关验证系统完成了应用演示等相关测试，其中64Mb ReRAM 芯片可成功实现数据文件、图形文件及多媒体文件的读写编辑及实时播放操作，在功耗、速度和寿命等方面取得了令人满意的效果。

成果描述：本发明申请要解决的问题是，云计算平台中的动态任务调度问题。本专利针对动态任务调度问题的特点，引入了排队论对任务分配、执行前的状态进行快速建模、结构化处理；针对现有以任务高度值（粒度）来作为主要参考因素的任务调度算法所存在的严重不足，本专利提出了任务-计算资源分配矩阵，用以描述任务（或虚拟机）与计算资源（节点）之间的关系，并结合人工免疫理论给出了运算模式，保证能以概率1搜索到问题的最优解，能有效提高收敛速度和精度，快速搜索到合理配置，提高集群资源利用率市场前景分析：本发明为云计算平台下的动态任务调度研究提供了一种新的途径，本发明首先利用排队论对任务进行排队处理，然后用人工免疫理论中的免疫克隆选择策略对集群中的计算资源进行合理配置，再利用负载均衡调整抗体基因，使得集群资源的配置更加满足任务处理的需要，本发明能适应云平台的动态变化和虚拟化的环境，快速搜索出最优配置，提高集群资源利用率。与同类成果相比的优势分析：本专利提出了任务-计算资源分配矩阵，用以描述任务（或虚拟机）与计算资源（节点）之间的关系，并结合人工免疫理论给出了运算模式，保证能以概率1搜索到问题的最优解，能有效提高收敛速度和精度，快速搜索到合理配置，提高集群资源利用率。

本发明公开了一种基于云计算的数控系统数据采集及处理系统， 包括由远程服务器集群搭建而成的云平台，该云平台包括计算服务器 集群和存储服务器集群，计算服务器集群中集成有虚拟机集群，且分 别与数控系统和存储服务器集群连接通信，虚拟机集群具有多个分布式并行计算单元，用于执行数据采集与并行计算，存储服务器集群中 用于对采集或分析处理后的车间数据进行分布式存储。本发明还公开 了相应的方法。本发明以虚拟机代替实体机实现并行计算，并通过虚 拟化管理平台对虚拟机集群进行管理，使车间服务器资源不再受单点 配置的限制，并

本发明公开了一种云环境下的分布式系统多级故障容错方法， 包括：基于虚拟机磁盘快照的分布式应用协同备份算法，能够对 I/O 状态以及所依赖的操作系统环境进行备份；分层故障检测和恢复机制， 能够实时地检测物理层、虚拟化层、云平台层、虚拟机 OS 层和应用 层故障，针对不同的故障采用相匹配的故障恢复方法。使得故障检测 和恢复细化到模块，采用自顶向下逐级恢复的策略，做到恢复开销最 小化；基于模板的虚拟容错集群服务部署策略，用

本发明提供一种针对云平台虚拟机度量的主动远程证明方法，包括远程证明客户端主动操作过程和 云管理端的服务器可信验证过程，在云平台虚拟机启动后进行静态度量和运行后周期性的动态度量，度 量完成后，进行主动的远程证明，云管理端获得度量的值和度量报告后，通过与基线值的对比，验证虚 拟机的状态是否被篡改。该方法改变了传统的被动式远程证明方法，由度量模块主动触发远程证明客户 端，实时将度量结果发送给云管理服务器端，无需将度量值保存在 TPM 的 PCR 中，

本发明公开了一种云环境下基于信任模型的跨租户访问控制方 法，针对云计算多租户架构特点，实现一个租户的用户经过相应授权 可以访问其他租户的资源，解决租户之间协作带来的资源安全性和隐 私性问题。通过定义两种类型的租户信任关系，将租户信任关系概念 引入访问控制模型中，反映在两个租户之间的访问控制需求。通过模 型元素的定义和模型函数的形式化描述，构造了租户信任模型，以适 应云计算多租户的特点，实现跨租户访问控制。

本发明申请要解决的问题是，云计算平台中的动态任务调度问题。本专利针对动态任务调度问题的特点，引入了排队论对任务分配、执行前的状态进行快速建模、结构化处理；针对现有以任务高度值（粒度）来作为主要参考因素的任务调度算法所存在的严重不足，本专利提出了任务-计算资源分配矩阵，用以描述任务（或虚拟机）与计算资源（节点）之间的关系，并结合人工免疫理论给出了运算模式，保证能以概率1搜索到问题的最优解，能有效提高收敛速度和精度，快速搜索到合理配置，提高集群资源利用率

1 成果简介随着互联网技术、内容管理技术的快速发展，电视传媒行业产生了深刻的变革。制播分离的趋势已经不可逆转，越来越多的电视节目内容制作可以从原来电视台内分离出来，媒体制作从也呈现了原来的全国媒体中心北京、上海等城市向其他城市转移的趋势。另外，多种新媒体形式如雨后春笋般涌现，手机电视、地面移动电视、网络电视、卫星电视、网游、 3G等多种新媒体形式需要大量的不同题材、不同格式、不同风格的媒体内容，媒体内容的制作需要有了飞速的增长。广播电视是海量数字媒体内容的典型代表。全国广播电视网络经过多年发展也形成了卫星、有线、地面无线多种类型、覆盖全国 31 个省份的传输网。另外我国电话用户和互联网用户发展迅猛，我国互联网用户有超过 1.6 亿在线视频用户，视频上传和视频观看均排名全球第一，手机视频已经越来越受到手机用户的青睐。 限于技术体系的不同与我国内容行业的特殊性，这些内容资源目前还仅仅是一个个的信息孤岛，大量视、音频内容的交互与交易仍在沿用传统的磁带递送方式，距离具有高度通用性、可服务于全社会、易接入、可靠、可监管的内容交换交易的文化产业目标还相距甚远。 本项目将重点探索研究及建设在现有的技术基础和相关项目研究及建设的基础上，如何建立起一个可有效服务于内容制造商、内容提供商、内容运营商、终端用户等环节的海量视频云产业基地，并结合示范工程研究及建设新媒体内容管理、交易和分发中的数字版权管理技术应用体系，同时考虑端到端的内容安全问题，并满足监管的需要。这项研究及建设工作将对促进我国新媒体相关产业的发展起到积极而且至关重要的作用。 本项目在组织实施上将有效利用中央电视台经过多年积累所形成的强大媒体内容资源优势和清华大学在信息技术/媒体信号处理技术/网络技术/云计算的技术优势，紧密结合当前数字新媒体应用部门的实际需求，充分发挥参与成员在视、音频媒体内容生产、存储、传播、分发、交换等方面的丰富经验及技术积累，同时广泛联合行业内外广播电视台、网及科研院校，产、学、研相互配合，协同合作。2 效益分析本产业分两期进行实施，期限为 4 年。产业基地预计需要投入经费总额 5 亿元人民币。以规划和建设产业园区占地 300 亩（ 20 万平方米）为例：建设海量视频云存储中心节目资源交易中心数字高清制作中心新媒体内容制作中心动漫产业中心网络游戏研发中心新媒体教育培训中心项目分两期实施： （ 1）第一期建设时间为 2 年，预计占地 150 亩（ 10 万平方米）。园区初步建成为视频云存储中心、数字高清制作中心、新媒体内容制作中心、网络游戏研发中心。 （ 2）第二期建设时间为 2 年，预计占地 150 亩（ 10 万平方米）。进一步扩建一期项目并使其规模化，同时建成节目资源交易中心 、动漫产业中心、新媒体教育培训中心等。进驻上下游企业达到 30 家。发展成全国性的海量视频云产业基地。 项目建设资金约 5 亿元人民币，研制开发具有自主知识产权的海量视频云存储、数字媒体内容及安全管理、高清节目制作、新媒体内容制作、新媒体内容管理交易分发、动漫产业和网络游戏内容制作等软硬件产品 30 种（类），建成集影视文化创意、节目制作发布、节目管理交易分发、网络/电视新技术研制为一体的，面向国际国内市场的大型海量视频云产业基地。3 合作方式商谈。4 所属行业领域信息领域。

针对国产云平台，本工具提出一套完整的测评体系，建立了针对云计算服务设施的测试分析与评估模型，实现了云基础设施测试 & 评估工具（软件）。该工具从功能和性能两个角度出发，结合云平台的特点，对云平台进行功能、性能测评；同时也可用于云平台的日常运营监控 & 告警用途。在性能测评方面，本工具可对云平台各节点的 CPU、内存、I/O、网络以及虚拟化能力进行监测、评估；在功能测评方面，本工具不但可以对云平台必备的基本功能（如镜像管理、虚拟机管理等等）完善度进行测评，还可以在模拟百万级别负载访问压力下，针对云平台高级能力指标（如动态扩展能力、节点失效处理能力、故障迁移处理能力、负载均衡等能力）进行定量的测评。最后，本工具还实现了测试过程的自动化和可视化，支持在线、离线两种测评模式，并最后根据测试结果自动生成 word 版测评报告。 该云平台基准测评工具支持如下指标： （1）对云平台各节点的 CPU、内存、I/O、网络以及虚拟化能力进行监测、评估。 （2）对云平台基本功能（如镜像管理、虚拟机管理等等）进行监测 & 评估。 （3）对云平台高级能力指标，动态扩展能力、节点失效处理能力、故障迁移处 理能力、负载均衡等能力进行定量的测评。 （4）支持在百万级别访问条件下的动态扩展、节点失效、负载均衡、 故障迁移等云计算平台功能特性的测评。 （5）支持提供不少于 1 万虚拟租户模拟系统访问，并依据测试分析与评估模型，产生测试报告。 （6）支持海量监控数据的采集、上报、存储和分析处理能力。 （7）支持自动化测试（减少人工干预）。 （8）支持测试过程动态可视化，图形化，可回溯，可跟踪。 （9）支持在线、离线两种测评模式。测试完成后自动生成 word 版测评报告。 （10）支持系统节点级、集群级、云平台三个级别的监控和告警功能。