金融危机对高校计算机相关专业的影响与对策初探

华任教，把外教的授课范围从外语向其他专业课程扩展，把外教的聘任从短期向长期扩展。
　　建设一支国际化的教师队伍是实现高等教育强国的必由之路，国内的计算机相关专业要做好“外籍人士担任专职教师”的准备工作。哈尔滨工业大学国家示范性软件学院不仅与国外的高校建立起稳定的教师聘请关系外，还聘任了一位专职外籍教师。
　　(3)鼓励和扶持大学生自主创业
　　最新的统计数据显示，2009年将有610万应届毕业生要走上社会，大学生就业面临着空前的压力。
　　在拓宽就业渠道、鼓励大学生到基层单位工作的同时，鼓励大学生自主创业是目前解决大学生就业难的一个有效手段。首届世界高等教育大会通过的《世界宣言》和《行动框架》也强调：“毕业生将愈来愈不再仅仅是求职者，而首先将成为工作岗位的创造者。”要“使他们不仅成为求职者，而且成为工作岗位的创造者。”
　　鼓励大学生自主创业不单纯是学生工作部门的工作，教务部门也要改革教育理念和办学思想，支持教师在课堂上介绍大学生创业成功的典型事例。例如，著名的美国微软公司和雅虎公司都是当年大学生自主创办的。笔者在“计算机组成技术”的教学过程中，用很短的时间向学生展示这两家公司创始人比尔·盖茨和杨致远的照片。从学生兴奋的反应，就明显感觉到“榜样的力量是无穷的”。
　　哈尔滨工业大学国家示范性软件学院就为本科生开设了“IT创业管理”课程以及“企业家论坛”，邀请有经验的企业家来校授课或演讲，激发学生的创业热情。同时支持学生按照公司管理模式创办学生俱乐部。目前已有多位学生走上了自主创业之路。
　　不过，由于缺乏实践经验，毕业大学生创业成功率还不高。为此，学生工作部门应该与教学管理部门加强合作，尝试“弹性学制”并改革现行的学分学年制度，为大学生在校创业提供方便，创业不成功还可以回到学校继续学习。在这方面，国家示范性软件学院可以走出一条新路。
　　事实上，比起没有离开过校园的大学生，那些品尝过创业艰辛的大学生返回校园后，将会更加珍惜学习机会、更加刻苦学习、作风更加踏实。这反过来会带动学风、校风的改善。
　　另外，计算机相关专业还要加强各地校友会的建设。无论学生在哪里创业，都会直接或间接地得到学校、校友会的支持与帮助。
　　(4)努力降低办学成本，避免发生财政危机
　　目前各个高校都在强化“精细化管理”，努力降低办学成本。这无疑是一个明智而正确的举措，通过在水、电、车等后勤部门与机关办公管理等领域推行“精细化管理”已经取得了明显的成效，不过笔者认为目前各个高校降低办学成本的着眼点还可以扩展到教学领域。
　　例如有些老师提交的考试试卷中对纸张浪费严重。具体

基于龙芯2F的智能1553B节点设计与实现

　　关键词:1553B总线;智能;龙芯2F;PMON
摘要:基于龙芯2F的的智能1553B节点用于对1553B总线上传来的数据进行解算并提供高分辨率显示输出。该节点通过1553B总线与外界接口,在硬件设计上采用国产高性能微处理器龙芯2F来进行解算,使用Volari V2芯片搭配8M 64-bitDDR SDRAM来支撑1600×1200×32@70NI的显示模式,软件系统设计上使用VxWorks系统,并对PMON作优化设计来缩短系统启动时间。

　　Design of Intelligent Node of 1553B Bus System Based on Loongson
　　Wu Liang,Wang Quansheng
　　(Jiangsu Automation Research Insititute,Lianyungang222006,China)
　　Abstract:The intelligent node of 1553B bus system is used for processing data from 1553B bus,outputing to display terminal.The node communicates outside through the 1553B bus interface,processes data with high-powered Loongson 2F,use Volari V2 and 8M 64-bitDDR SDRAM to support the display mode of 1600×1200×32@70NI. The node use VxWorks as its embeded OS,and optimizes PMON to reduce boot time.
　　Keywords:1553B bus;Intelligent;Loongson 2F;PMON
　　一、引言
　　龙芯2F处理器是一款由中国科学院计算技术研究所自主研发的64位高性能微处理器芯片,它采用先进乱序执行技术,最高频率可达1GHz,具有很强的数据处理能力和控制能力,功耗仅为3--5W,在高性能嵌入式系统中将会有相当广泛的应用。
　　以前使用的基于ARM的智能1553B节点,利用其内部LCD控制器来控制液晶屏作简单的点阵式显示输出,且无数据解算功能,需要搭配一个单独的数据解算模块一起工作,已经完全满足不了现在的高速数据解算、高分辨率实时显示输出的应用需求。而基于龙芯2F的的智能1553B节点设计,将以前两个模块的功能集成到一个模块中实现,减少了模块数量,简化了系统设计,更适合嵌入式系统的应用需求,且龙芯2F强大的数据处理能力和搭配Volari V2芯片提供的高分辨率显示输出能力完全满足当前的应用需求,软件上使用VxWorks系统,并作了一定的优化设计来缩短系统启动时间。
　　二、硬件系统设计与实现
　　此智能1553B节点的功能是尽量保证与1553B总线通信的可靠性,对1553B总线传来的数据进行高速实时解算,提供1600×1200×32@70NI的高分辨率显示输出。本设计中采用龙芯2F处理器搭配时钟为266MHz的64-bit×128M DDR2 RAM来完成高速实时解算功能,显示上使用Volari V2芯片搭配8M 64-bitDDR SDRAM来支撑1600×1200×32@70NI的高分辨率显示模式,显示带宽高达756MB/s。数据记录方面使用一个10G的电子盘来存储数据,此电子盘为IDE接口,挂接在南桥CS5536后级。龙芯2F通过一片FPGA实现与1553B

3.6OLAP系统数据立方体及系统维的设计
　　数据仓库中维的概念类似于关系表的属性。数据立方体是指由两个或更多个属性即两个或多个维来描述或分类的数据。在三维的情况下以图形来表示，该类数据具有立方体结构，一般称为数据立方体。虽然通常从几何意义的角度将立方体理解为三维的，但在数据仓库中数据立方体是一个n维的概念。在确定分析主题的基础上设计OLAP数据立方体。
　　维是决策分析者分析数据的角度，也是数据立方中重要的组件。维是有组织的“类别”层次结构，此类别成员结构就是“层次”，主要用来说明“事实数据表”中的数据(也就是“度量值”)。有关维的层次信息需要存放在元数据中，系统在进行各种综合查询时，通过元数据的信息区分不同的维层次，从而正确地完成相应的分析功能。在设计中，要正确确定维的层次级别。例如在时间维上，从上到下有年、季、月、日四个层次，其级别关系是年包括季、季包括月、月包括日。在数据综合过程中，要在同一维层次上进行求和操作。如果系统不能区分维层次而跨越不同的维层次求和，就会产生错误的结果，出现重复计算或缺项计算。维包括共享维和私有维，共享维是指在同一个分析数据库中可以共享的维度，也就是说，该维度可以同时用在同一分析数据库中的不同数据立方上。私有维是指隶属于某一特定的数据立方。
　　根据设计好的主题，了解企业需要从哪些角度对主题进行分析，从而确定相关的维，以及适当的层次和粒度。
　　3.7数据仓库数据模型设计
　　由于数据仓库的主要操作对象是多维数据，因此在数据仓库设计中，应采用多维数据建模技术，以使用户更好地理解企业的数据信息。多维数据建模符合人们的思维方式，易于用户的理解和使用，能支持用户从多个角度对数据进行分析。现在大部分企业使用的是关系数据库，在建设企业的数据仓库时，一般采用基于关系数据库的建模方法。在基于关系数据库的多维数据建模中最常见的是星形模型。
　　数据仓库是数据库技术一种新的应用。至今，数据仓库一般仍是应用数据库管理系统来管理其中的数据。数据仓库的逻辑数据模型最终将转为数据库的物理模型。
　　建立数据仓库物理模型所依据的逻辑模型是多维数据模型，而不是实体－关系模型，并且要尽可能地与多维数据

游戏软件设计专业培养模式的实践与探索

基于ORACLE数据库的SQL应用优化

　　关键词:Oracle;数据库;查询应用;优化
摘要:随着我国信息化建设在各行各业中不断的深入和发展,应用管理系统的性能在企业信息化中越来越被人所关注,尤其对于一些存在海量数据处理和快速响应需求的企业显得尤为重要。本文阐述了基于ORACLE数据库系统的数据库性能优化和调整的原理和相关技术。从而验证了这些优化技术在数据库性能调整和优化中所起的重要作用。通过对数据库系统的性能进行调整和优化,大大提升了对资源的使用效率,进而加快了应用系统的运行速度,对于现有系统正常有效的运行有着较高的实用价值。

　　一、引言
　　在数据库应用系统中,其性能受多方面的限制,如操作系统、前端开发工具等都有很大的影响。而对于基于WEB的应用,最终用户和顾客是同一个对象。性能管理就该从最终用户需求出发,目标应该是保证关键事务的性能需求以简单的消耗时间来得到定义。而从大多数数据库应用系统的实例来看,相对于数据库其他操作,查询操作占的比重最大。查询优化也就有着重要的地位。科学合理地构造查询系统,是开发数据库应用系统重要的环节。优化数据库性能,除了在数据库的物理设计,关系规范化等方面改进外,另一个简单有效的方法就是提高查询响应速度。
　　二、查询优化的必要性
　　信息管理系统通常为B/S结构,采用ORACLE数据库系统作为后台数据库。作为一个四层应用系统,对于用户事务,在结果被返回客户端之前,在中间件层、数据库层和物理存储器之间通常需要多个回合信息交换,同时依赖于各层之间的网络。由于用户终端操作频繁,数据量大,且查询多为跨表查询,很多情况下查询过程非常复杂。为了在开发阶段能成功的进行SQL优化,需采用“随时测量所有信息”的方法。使每个语句执行时间最短。如果确保每个SQL语句被开发成具有最小执行时间,则用这些SQL组合成的系统就将运行良好[1]。
　　三、性能优化的策略
　　(一)统计量和事件的测量
　　为了简易化性能的测量,ORACLE提供了可以通过SQL视图得到的性能量度指标,这些量度指标是以计数器(即统计量)和等待时间(即事件)的形式存在的[2]。通过参考这些统计量的值,就可以了解采取何种措施来降低资源使用。
　　(二)设置缓冲区缓存
　　通常从内存中读取缓存数据的速度,要比读取物理文件快几个数量级。ORACLE维护着一个SQL语句所请求的“近期最常使用(MRU)”的数据块的高速缓存。我们可以通过DB_CACHE_SIZE设置数据库默认块大小的缓冲区缓存大小。设置过小会降低高速缓存命中率,而设置过大又会占据过多的内存容量。因此缓冲区缓存大小需要我们均衡事务操作效率以及内存大小来设置。
　　(三)使用并行操作
　　物理I\O通常比逻辑I\O在操作时间上大好几个数量级,而全表扫描会涉及许多物理I\O,因此具备检测全表扫描的能力是重要的。当优化器判定没有合适的索引来执行一个SQL语句以满足优化器目标时,ORACLE就会进行全表扫描来执行该SQL语句。当客户有多个CPU的服务器时,可以考虑ORACLE的并行查询特性。但当执行时没有足够的CPU资源时,系统会默认将该SQL语句串行执行。因此我们可以通过设置ORACLE的自动并行优化功能来改善性能。
　　(四)改善SQL语句的运行速度
　　1.调整SQL语句。
　　通常一个SQL SELECT语句指定的是所要求的结果,而具体如何执行则由ORACLE在生成执行计划时决定。因此,几个等价的SQL语句通常可以得到一个特定的结果集,而每条语句执行时都会有不同的成本和消耗时间。
　　2.使用内嵌视图代替表。
　　在查询语句中的from子句使用内嵌视图来代替表会使查询的目的性更易理解。这可以使我们显式控制语句的执行次序,使被传送的行数在执行早期就被减少,在后期阶段就会仅有较少的行处理,从而降低了资源使用时间和语句执行时间。
　　3.正确合理的使用索引。
　　索引是数据库中一个常用而重要的数据库对象,优化查询的一个最重要的方法就是合理地建立索引。在关系数据库系统中,通常对达标进行扫描时,应避免必要的全表扫描。在表上建立合适的索引,改变了对数据的访问路径,我们就可以通过访问索引的方式获得记录的物理位置,从而达到访问表的目的。可以避免因全表扫描而造成的I/O开销,提高数据库查询速度。但创建索引会增加系统开销,因此必须与实际查询需求紧密结合,才能达到查询优化的目的。
　　4.更改优化器模式。
　　优化器是ORACLE数据库中接受来自产生器处理过的SQL语句的程序。通过更改执行计划来修改优化器模式,可能会对SQL的性能产生巨大的影响,其优点在于无需修改SQL[3]。ORACLE有两种优化器模式:基于规则的优化器模式和基于成本的优化器模式。
　　5.使用存储概要。
　　存储概要也称持久表示,用于保证使SQL总是使用同一个计划来执行的计划稳定性。可以为某个会话里的所有语句以指定的类型创建概要,也可以为单个语句创建概要。我们可以通过修改存储概要而不修改SQL来更改语句执行计划,提高语句的执行性能。
　　(五)SQL网络性能的优化
　　通常信息管理系统中,客户端和服务器是通过广域网来连接的,因此网络延迟也成为影响系统客户端响应时间的因素之一。我们在客户端尽量采用批量处理请求来使信息往返服务器的时间最小化。ORACLE中引入了BULK COLLCT特性用于阵列操作[4]。从而保证从远程服务器送来的网络包充满记录行。
　　四、结论
　　ORACLE的SQL性能优化远不止这些。操作系统的影响,ORACLE的优先级,第三方软件及服务器整合,资源管理等都不同程度上影响了SQL的性能。如何提高客户端的响应时间,提高SQL的执行效率才是最重要的。优化策略的确可以在一定程度上提高ORACLE的SQL语句的执行效率。只有在使用时根据实际应用环境选择合理的优化策略,才能达到充分利用数据库管理系统提供的高性能服务使应用系统充分发挥功能。
　　参考文献:
　　[1]Geoff Ingram .High-performance Oracle--Proven Methods f