PDF《2018 ฤࣞሲ෹࿺ۨᒎฉ》

6 ― 开销小于百分之三;

采用国产处理器的云服务器原型在关键行业 的云计算系统中开展应用验证,在典型云计算应用负载下,与采 用X86 处理器的云服务器对应指标相当, 提升基于国产处理器的 云装备在云计算行业的应用能力.申请系列专利,发表一批高水 平学术论文. 1.6 数据驱动的云数据中心智能管理技术与平台(共性关键 技术类) 研究内容:研究超大规模云数据中心运行数据的管理方法;

研究基于运行数据的云数据中心运行评估与预测技术,实现数据 驱动的云数据中心运行精准化评估与预测;

研究数据驱动的大规 模云数据中心资源智能调度与管理技术;

面向典型领域,研究应 用导向的云工作流智能管理与调度技术,提供高能效、高服务质 量的云工作流应用服务;

研制云数据中心智能部署、运维管理与 服务能力保障系统,并开展示范应用. 考核指标:形成智能化的云数据中心系统运行评估、行为预 测、资源调度、工作流管理与系统运维的关键技术体系;

云工作 流和云服务请求的接受率比当前主流水平提升 20%以上,满足用 户在时间和成本等多方面的差异化需求;

研制的云数据中心智能 管理系统在数十万台量级服务器规模的云数据中心开展示范应 用;

申请系列专利,发表一批高水平学术论文,并完成若干国家 标准(送审稿)或国际标准提案. ―

7 ― 2. 基于云模式和数据驱动的新型软件 2.1 群智化生态化软件开发方法与环境(基础研究类) 研究内容:研究基于互联网的群体智能的形成机理、软件生 态系统中的群体协作规律、社区组织模式、社会化特性和最佳实 践;

研究软件生态系统的多维度度量和评估方法、软件生态系统 形成和演化的微过程模型等;

研究基于大规模群体协同的在线需 求获取与建模、软件设计与建模、软件构造与测试、个体信息融 合与个性化信息推荐等群智软件开发模式与方法;

研制基于群体 智能的协作式软件开发、管理和维护支撑工具集及平台,形成支 持智能化群体协作的软件开发环境,并进行示范应用. 考核指标:建立基于群智协作的软件开发模型与机制,形成 覆盖软件生命全周期的群智软件开发方法、工具、环境和最佳实 践,支持单一项目数千名开发者规模;

形成兼容国际主流、符合 中国特色的群智化软件开发生态系统建设方案,实际应用于

10 个以上项目合计

1000 名以上开发者;

发表一批高水平学术论文, 申请系列知识产权. 2.2 基于编程现场大数据的软件智能开发方法和环境 (共性 关键技术类) 研究内容: 研究跨地域软件开发现场的数据实时采集、 清洗、 组织、管理技术,基于机器学习的程序语义学习及自动生成方法 与技术;

研究面向代码质量实时动态检测与质量提升的智能编程 ―

8 ― 技术;

研究面向代码风格与编程规范实时检测与改进的智能人机 交互方法与技术、上下文感知的编程接口与代码推荐方法;

构建 跨地域的软件开发现场数据库和规范源码样例库,研制基于智能 化人机交互协作的软件开发云平台,在不同规模的软件企业中进 行示范应用. 考核指标:研制的平台支持

1000 人以上的软件开发现场, 人机交互协作系统响应时间低于

2 秒;

规范源码样例库覆盖