CN109324906A - 云计算平台中选择处理节点的方法 - Google Patents
云计算平台中选择处理节点的方法 Download PDFInfo
- Publication number
- CN109324906A CN109324906A CN201811227212.8A CN201811227212A CN109324906A CN 109324906 A CN109324906 A CN 109324906A CN 201811227212 A CN201811227212 A CN 201811227212A CN 109324906 A CN109324906 A CN 109324906A
- Authority
- CN
- China
- Prior art keywords
- node
- class
- information
- nodes
- resource
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000015654 memory Effects 0.000 claims abstract description 82
- 238000005259 measurement Methods 0.000 claims description 85
- 238000004364 calculation method Methods 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 15
- 239000010755 BS 2869 Class G Substances 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims 2
- 238000013461 design Methods 0.000 abstract description 2
- 230000001934 delay Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer And Data Communications (AREA)
Abstract
云计算平台中选择处理节点的方法，包括：云计算平台中每一个C类节点计算资源是一个五元组SRM=(M，C，D，N，I):1.M代表节点内存信息，包括总内存、缓存和己使用的内存信息；2.C代表CPU信息，包括CPU的具体参数信息和当前己使用的CPU；3.D代表所有的外存信息，包括所有外存的总大小、以及当前己使用的大小；4.N代表网络状态信息，主要包括网络带宽和与中央节点的网络时延信息；5.I代表与所有G类节点的网络时延的平均状况的信息。
Description
技术领域
本发明涉及云计算平台的数据处理领域。
背景技术
云计算在近几年取得了迅速的发展，使用云平台承载各种大规模服务己经成为了信息产业发展的大势所趋。此外，随着多媒体技术的进步，互联网上也涌现出了大量新型多媒体业务并在广大用户中普及。在这样的两个大背景下，如何使用云计算平台承载多媒体业务，便成为了一个很有研究价值的问题。
为了更好地描述***中的资源信息及状态，我们定义了计算资源模型，从物理上实现一个特定的功能。云计算平台中每一个节点计算资源是一个四元组SRM=(M，C，D，N):
1. M代表节点内存信息，包括总内存、缓存和己使用的内存信息。
2. C代表CPU信息，包括CPU的具体参数信息和当前己使用的CPU。
3. D代表所有的外存信息，包括所有外存的总大小、以及当前己使用的大小。
4. N代表网络状态信息，主要包括网络带宽和与中央节点的网络时延信息。
对于时间t，每一个节点的计算资源度量值的计算公式为:
其中，为各个类型资源的权重因子，为各个类型资源的度量函数;
当有一个新的作业来到时，根据其作业内容，可以计算出作业总共的资源需求，然后由中央资源管理器在当前记录信息中，根据计算资源度量值，找到一批候选的节点组，最后由这些节点组，选出了当前最有效的节点组，开始对这个任务进行计算。
通过对现有技术的分析，现有技术存在缺陷：
现有的云计算平台普遍缺乏针对多媒体业务的针对性设计，因而直接在这些平台中部署多媒体业务时面临着很多问题。主要存在以下问题:(1)大多数云计算产品缺少对多媒体业务所需的特殊硬件平台支持的考虑;(2)多媒体业务的实时性和对服务质量的敏感对网络特性提出了更高要求。
我们的团队通过研究，发现目前***上的数据流量87%都属于视频类的多媒体。目前的主流云计算平台都是为了通用云计算业务而建立的，他们的资源占优的是CPU能力和存储能力。但是对于视频类多媒体却很难满足。
目前妥协的做法是在异构的移动终端上对图像数据进行降维处理来适应终端，这样的做法只是勉强实现了在移动终端上显示图像数据。但带来了很大的缺陷。一个是由于在移动终端处理数据，处理能力是严重不足的，因此图像呈现的效果不好，另一个会大大消耗移动终端的处理能力和电力。因此，需要布置以GPU能力为主的处理节点。
要解决的问题是：在具有CPU类节点和GPU类节点的环境下，如何计算度量出这两类节点的资源。
发明内容
云计算平台中选择处理节点的方法，包括：
步骤1：
云计算平台中每一个C类节点计算资源是一个五元组SRM=(M，C，D，N，I):
1. M代表节点内存信息，包括总内存、缓存和己使用的内存信息；
2. C代表CPU信息，包括CPU的具体参数信息和当前己使用的CPU；
3. D代表所有的外存信息，包括所有外存的总大小、以及当前己使用的大小；
4. N代表网络状态信息，主要包括网络带宽和与中央节点的网络时延信息；
5. I代表与所有G类节点的网络时延的平均状况的信息；
对于时间t，每一个C类节点的计算资源度量值的计算公式为:
；
其中，为各个类型资源的权重因子，为各个类型资源的度量函数;
本次度量是在所有节点的范围内做的度量；
步骤2：
云计算平台中每一个G类节点计算资源是一个五元组SRM=(M，G，D，N，I):
1. M代表节点内存信息，包括总内存、缓存和己使用的内存信息；
2. G代表GPU信息，包括GPU的具体参数信息和当前己使用的GPU；
3. D代表所有的外存信息，包括所有外存的总大小、以及当前己使用的大小；
4. N代表网络状态信息，主要包括网络带宽和与中央节点的网络时延信息；
5. I代表与所有C类节点的网络时延的平均状况的信息；
对于时间t，每一个C类节点的计算资源度量值的计算公式为:
其中，为各个类型资源的权重因子，为各个类型资源的度量函数;
本次度量是在所有节点的范围内做的度量；
步骤3：核心服务器接收任务，并根据接收的任务确定出需要参与任务的C类节点的数量是和G类节点的数量是；
步骤4：根据步骤1和2获得的度量值，确定出满足所述任务的候选C类节点和候选G类节点；
步骤5：将度量范围限定到候选节点集合，重新执行步骤1的度量，由于本次度量重新确定的节点范围，所以，本次度量被重新确定的是参数I的值，即节点范围更加精确后，需要重新确定C类节点与G类节点之间的网络情况；
步骤6：将度量范围限定到候选节点集合，重新执行步骤2的度量，由于本次度量重新确定的节点范围，所以，本次度量被重新确定的是参数I的值，即节点范围更加精确后，需要重新确定G类节点与C类节点之间的网络情况；
步骤7：根据步骤6和7获得的度量值，从候选C类节点中选择资源度量值最高的个C类节点，从候选G类节点中选择资源度量值最高的个G类节点；和为预设的固定值；
步骤8：根据选择的节点组成节点组，开始对这个任务进行计算。
云计算平台中选择处理节点的方法，包括：
步骤1：
云计算平台中每一个C类节点计算资源是一个五元组SRM=(M，C，D，N，I):
1. M代表节点内存信息，包括总内存、缓存和己使用的内存信息；
2. C代表CPU信息，包括CPU的具体参数信息和当前己使用的CPU；
3. D代表所有的外存信息，包括所有外存的总大小、以及当前己使用的大小；
4. N代表网络状态信息，主要包括网络带宽和与中央节点的网络时延信息；
5. I代表与所有G类节点的网络时延的平均状况的信息；
对于时间t，每一个C类节点的计算资源度量值的计算公式为:
；
其中，为各个类型资源的权重因子，为各个类型资源的度量函数;
本次度量是在所有节点的范围内做的度量；
步骤2：
云计算平台中每一个G类节点计算资源是一个五元组SRM=(M，G，D，N，I):
1. M代表节点内存信息，包括总内存、缓存和己使用的内存信息；
2. G代表GPU信息，包括GPU的具体参数信息和当前己使用的GPU；
3. D代表所有的外存信息，包括所有外存的总大小、以及当前己使用的大小；
4. N代表网络状态信息，主要包括网络带宽和与中央节点的网络时延信息；
5. I代表与所有C类节点的网络时延的平均状况的信息；
对于时间t，每一个C类节点的计算资源度量值的计算公式为:
其中，为各个类型资源的权重因子，为各个类型资源的度量函数;
本次度量是在所有节点的范围内做的度量；
步骤3：核心服务器接收任务，并根据接收的任务确定出需要参与任务的C类节点的数量是和G类节点的数量是；
步骤4：根据步骤1和2获得的度量值，确定出满足所述任务的候选C类节点和候选G类节点；
步骤5：将度量范围限定到候选节点集合，重新执行步骤1的度量，由于本次度量重新确定的节点范围，所以，本次度量被重新确定的是参数I的值，即节点范围更加精确后，需要重新确定C类节点与G类节点之间的网络情况；
步骤6：将度量范围限定到候选节点集合，重新执行步骤2的度量，由于本次度量重新确定的节点范围，所以，本次度量被重新确定的是参数I的值，即节点范围更加精确后，需要重新确定G类节点与C类节点之间的网络情况；
步骤7：根据步骤6和7获得的度量值，从候选C类节点中选择资源度量值最高的个C类节点，从候选G类节点中选择资源度量值最高的个G类节点；和为根据任务所需资源量而动态确定的值；
步骤8：根据选择的节点组成节点组，开始对这个任务进行计算。
发明点1：提出了将计算节点进行分类的思想，分成C类节点和G类节点。根据任务需求，分别选取这两类节点。
发明点2：由于这两类节点需要协作来执行任务，因此，度量要素中增加了两类节点之间的网络情况。
发明点3：采用两步度量法，先确定大体范围，然后再精确度量。
本案提出云计算平台的一种新的架构，将计算节点分成C类节点和G类节点，在度量节点资源时，增加了两类节点之间的网络状况，并采用了两步度量的方法，精选出最合适的节点参与执行任务。
具体实施方式
实施例1
边缘服务器分两类，一类是以CPU资源为主的边缘服务器，我们称为C类处理节点，另一类是以GPU资源为主的边缘服务器，我们称为G类处理节点。
由于在处理视频类具体业务时，C类处理节点和G类处理节点要共同协作来处理，因此，在度量处理节点能力时就需要考虑这两类节点相互之间的情况。度量方法就会变得很复杂。
本发明的步骤下：
为了更好地描述***中的资源信息及状态，我们定义了计算资源模型，从物理上实现一个特定的功能。
云计算平台中每一个C类节点计算资源是一个五元组SRM=(M，C，D，N，I):
1. M代表节点内存信息，包括总内存、缓存和己使用的内存信息。
2. C代表CPU信息，包括CPU的具体参数信息和当前己使用的CPU。
3. D代表所有的外存信息，包括所有外存的总大小、以及当前己使用的大小。
4. N代表网络状态信息，主要包括网络带宽和与中央节点的网络时延信息。
5. I代表与所有G类节点的网络时延的平均状况的信息。
云计算平台中每一个G类节点计算资源是一个五元组SRM=(M，G，D，N，I):
1. M代表节点内存信息，包括总内存、缓存和己使用的内存信息。
2. G代表GPU信息，包括GPU的具体参数信息和当前己使用的GPU。
3. D代表所有的外存信息，包括所有外存的总大小、以及当前己使用的大小。
4. N代表网络状态信息，主要包括网络带宽和与中央节点的网络时延信息。
5. I代表与所有C类节点的网络时延的平均状况的信息。
云计算平台中选择处理节点的方法，包括：
步骤1：
云计算平台中每一个C类节点计算资源是一个五元组SRM=(M，C，D，N，I):
1. M代表节点内存信息，包括总内存、缓存和己使用的内存信息；
2. C代表CPU信息，包括CPU的具体参数信息和当前己使用的CPU；
3. D代表所有的外存信息，包括所有外存的总大小、以及当前己使用的大小；
4. N代表网络状态信息，主要包括网络带宽和与中央节点的网络时延信息；
5. I代表与所有G类节点的网络时延的平均状况的信息；
对于时间t，每一个C类节点的计算资源度量值的计算公式为:
；
其中，为各个类型资源的权重因子，为各个类型资源的度量函数;
本次度量是在所有节点的范围内做的度量；
步骤2：
云计算平台中每一个G类节点计算资源是一个五元组SRM=(M，G，D，N，I):
1. M代表节点内存信息，包括总内存、缓存和己使用的内存信息；
2. G代表GPU信息，包括GPU的具体参数信息和当前己使用的GPU；
3. D代表所有的外存信息，包括所有外存的总大小、以及当前己使用的大小；
4. N代表网络状态信息，主要包括网络带宽和与中央节点的网络时延信息；
5. I代表与所有C类节点的网络时延的平均状况的信息；
对于时间t，每一个C类节点的计算资源度量值的计算公式为:
其中，为各个类型资源的权重因子，为各个类型资源的度量函数;
本次度量是在所有节点的范围内做的度量；
步骤3：核心服务器接收任务，并根据接收的任务确定出需要参与任务的C类节点的数量是和G类节点的数量是；
步骤4：根据步骤1和2获得的度量值，确定出满足所述任务的候选C类节点和候选G类节点；
步骤5：将度量范围限定到候选节点集合，重新执行步骤1的度量，由于本次度量重新确定的节点范围，所以，本次度量被重新确定的是参数I的值，即节点范围更加精确后，需要重新确定C类节点与G类节点之间的网络情况；
步骤6：将度量范围限定到候选节点集合，重新执行步骤2的度量，由于本次度量重新确定的节点范围，所以，本次度量被重新确定的是参数I的值，即节点范围更加精确后，需要重新确定G类节点与C类节点之间的网络情况；
步骤7：根据步骤6和7获得的度量值，从候选C类节点中选择资源度量值最高的个C类节点，从候选G类节点中选择资源度量值最高的个G类节点；和为预设的固定值；
步骤8：根据选择的节点组成节点组，开始对这个任务进行计算。
实施例2
云计算平台中选择处理节点的方法，包括：
步骤1：
云计算平台中每一个C类节点计算资源是一个五元组SRM=(M，C，D，N，I):
1. M代表节点内存信息，包括总内存、缓存和己使用的内存信息；
2. C代表CPU信息，包括CPU的具体参数信息和当前己使用的CPU；
3. D代表所有的外存信息，包括所有外存的总大小、以及当前己使用的大小；
4. N代表网络状态信息，主要包括网络带宽和与中央节点的网络时延信息；
5. I代表与所有G类节点的网络时延的平均状况的信息；
对于时间t，每一个C类节点的计算资源度量值的计算公式为:
；
其中，为各个类型资源的权重因子，为各个类型资源的度量函数;
本次度量是在所有节点的范围内做的度量；
步骤2：
云计算平台中每一个G类节点计算资源是一个五元组SRM=(M，G，D，N，I):
1. M代表节点内存信息，包括总内存、缓存和己使用的内存信息；
2. G代表GPU信息，包括GPU的具体参数信息和当前己使用的GPU；
3. D代表所有的外存信息，包括所有外存的总大小、以及当前己使用的大小；
4. N代表网络状态信息，主要包括网络带宽和与中央节点的网络时延信息；
5. I代表与所有C类节点的网络时延的平均状况的信息；
对于时间t，每一个C类节点的计算资源度量值的计算公式为:
其中，为各个类型资源的权重因子，为各个类型资源的度量函数;
本次度量是在所有节点的范围内做的度量；
步骤3：核心服务器接收任务，并根据接收的任务确定出需要参与任务的C类节点的数量是和G类节点的数量是；
步骤4：根据步骤1和2获得的度量值，确定出满足所述任务的候选C类节点和候选G类节点；
步骤5：将度量范围限定到候选节点集合，重新执行步骤1的度量，由于本次度量重新确定的节点范围，所以，本次度量被重新确定的是参数I的值，即节点范围更加精确后，需要重新确定C类节点与G类节点之间的网络情况；
步骤6：将度量范围限定到候选节点集合，重新执行步骤2的度量，由于本次度量重新确定的节点范围，所以，本次度量被重新确定的是参数I的值，即节点范围更加精确后，需要重新确定G类节点与C类节点之间的网络情况；
步骤7：根据步骤6和7获得的度量值，从候选C类节点中选择资源度量值最高的个C类节点，从候选G类节点中选择资源度量值最高的个G类节点；和为根据任务所需资源量而动态确定的值；
步骤8：根据选择的节点组成节点组，开始对这个任务进行计算。
Claims (4)
1.云计算平台中选择处理节点的方法，包括：
步骤1：
云计算平台中每一个C类节点计算资源是一个五元组SRM=(M，C，D，N，I):
M代表节点内存信息，包括总内存、缓存和己使用的内存信息；
C代表CPU信息，包括CPU的具体参数信息和当前己使用的CPU；
D代表所有的外存信息，包括所有外存的总大小、以及当前己使用的大小；
N代表网络状态信息，主要包括网络带宽和与中央节点的网络时延信息；
I代表与所有G类节点的网络时延的平均状况的信息；
对于时间t，每一个C类节点的计算资源度量值的计算公式为:
；
其中，为各个类型资源的权重因子，为各个类型资源的度量函数;
本次度量是在所有节点的范围内做的度量；
步骤2：
云计算平台中每一个G类节点计算资源是一个五元组SRM=(M，G，D，N，I):
M代表节点内存信息，包括总内存、缓存和己使用的内存信息；
G代表GPU信息，包括GPU的具体参数信息和当前己使用的GPU；
D代表所有的外存信息，包括所有外存的总大小、以及当前己使用的大小；
N代表网络状态信息，主要包括网络带宽和与中央节点的网络时延信息；
I代表与所有C类节点的网络时延的平均状况的信息；
对于时间t，每一个C类节点的计算资源度量值的计算公式为:
其中，为各个类型资源的权重因子，为各个类型资源的度量函数;
本次度量是在所有节点的范围内做的度量；
步骤3：核心服务器接收任务，并根据接收的任务确定出需要参与任务的C类节点的数量是和G类节点的数量是；
步骤4：根据步骤1和2获得的度量值，确定出满足所述任务的候选C类节点和候选G类节点；
步骤5：将度量范围限定到候选节点集合，重新执行步骤1的度量，由于本次度量重新确定的节点范围，所以，本次度量被重新确定的是参数I的值，即节点范围更加精确后，需要重新确定C类节点与G类节点之间的网络情况；
步骤6：将度量范围限定到候选节点集合，重新执行步骤2的度量，由于本次度量重新确定的节点范围，所以，本次度量被重新确定的是参数I的值，即节点范围更加精确后，需要重新确定G类节点与C类节点之间的网络情况；
步骤7：根据步骤6和7获得的度量值，从候选C类节点中选择资源度量值最高的个C类节点，从候选G类节点中选择资源度量值最高的个G类节点；和为预设的固定值；
步骤8：根据选择的节点组成节点组，开始对这个任务进行计算。
2.云计算平台中选择处理节点的方法，包括：
步骤1：
云计算平台中每一个C类节点计算资源是一个五元组SRM=(M，C，D，N，I):
M代表节点内存信息，包括总内存、缓存和己使用的内存信息；
C代表CPU信息，包括CPU的具体参数信息和当前己使用的CPU；
D代表所有的外存信息，包括所有外存的总大小、以及当前己使用的大小；
N代表网络状态信息，主要包括网络带宽和与中央节点的网络时延信息；
I代表与所有G类节点的网络时延的平均状况的信息；
对于时间t，每一个C类节点的计算资源度量值的计算公式为:
；
其中，为各个类型资源的权重因子，为各个类型资源的度量函数;
本次度量是在所有节点的范围内做的度量；
步骤2：
云计算平台中每一个G类节点计算资源是一个五元组SRM=(M，G，D，N，I):
M代表节点内存信息，包括总内存、缓存和己使用的内存信息；
G代表GPU信息，包括GPU的具体参数信息和当前己使用的GPU；
D代表所有的外存信息，包括所有外存的总大小、以及当前己使用的大小；
N代表网络状态信息，主要包括网络带宽和与中央节点的网络时延信息；
I代表与所有C类节点的网络时延的平均状况的信息；
对于时间t，每一个C类节点的计算资源度量值的计算公式为:
其中，为各个类型资源的权重因子，为各个类型资源的度量函数;
本次度量是在所有节点的范围内做的度量；
步骤3：核心服务器接收任务，并根据接收的任务确定出需要参与任务的C类节点的数量是和G类节点的数量是；
步骤4：根据步骤1和2获得的度量值，确定出满足所述任务的候选C类节点和候选G类节点；
步骤5：将度量范围限定到候选节点集合，重新执行步骤1的度量，由于本次度量重新确定的节点范围，所以，本次度量被重新确定的是参数I的值，即节点范围更加精确后，需要重新确定C类节点与G类节点之间的网络情况；
步骤6：将度量范围限定到候选节点集合，重新执行步骤2的度量，由于本次度量重新确定的节点范围，所以，本次度量被重新确定的是参数I的值，即节点范围更加精确后，需要重新确定G类节点与C类节点之间的网络情况；
步骤7：根据步骤6和7获得的度量值，从候选C类节点中选择资源度量值最高的个C类节点，从候选G类节点中选择资源度量值最高的个G类节点；和为根据任务所需资源量而动态确定的值；
步骤8：根据选择的节点组成节点组，开始对这个任务进行计算。
3.一种计算机程序，用来执行方法1-2中任意一个方法。
4.云计算平台中选择处理节点的***，包括：中央处理器，存储器，所述存储器上包括计算机程序，所述计算机程序，用来执行方法1-2中任意一个方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811227212.8A CN109324906A (zh) | 2018-10-22 | 2018-10-22 | 云计算平台中选择处理节点的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811227212.8A CN109324906A (zh) | 2018-10-22 | 2018-10-22 | 云计算平台中选择处理节点的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109324906A true CN109324906A (zh) | 2019-02-12 |
Family
ID=65262929
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811227212.8A Pending CN109324906A (zh) | 2018-10-22 | 2018-10-22 | 云计算平台中选择处理节点的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109324906A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109902822A (zh) * | 2019-03-07 | 2019-06-18 | 北京航空航天大学合肥创新研究院 | 基于斯格明子赛道存储器的内存计算***及方法 |
| CN110708244A (zh) * | 2019-09-27 | 2020-01-17 | 杭州安恒信息技术股份有限公司 | 云防护引擎节点智能选路和调度方法 |
| CN111866054A (zh) * | 2019-12-16 | 2020-10-30 | 北京小桔科技有限公司 | 一种云主机的搭建方法、装置、电子设备及可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102591712A (zh) * | 2011-12-30 | 2012-07-18 | 大连理工大学 | 一种云计算中依赖任务的解耦并行调度方法 |
| CN103067524A (zh) * | 2013-01-18 | 2013-04-24 | 浪潮电子信息产业股份有限公司 | 一种基于云计算环境的蚁群优化计算资源分配方法 |
| US20170024259A1 (en) * | 2013-12-18 | 2017-01-26 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and Network Node for Selecting a Media Processing Unit |
| CN107729126A (zh) * | 2016-08-12 | 2018-02-23 | ***通信集团浙江有限公司 | 一种容器云的任务调度方法和装置 |
| CN107786963A (zh) * | 2017-10-26 | 2018-03-09 | 北京邮电大学 | 一种自组织网络中计算任务的迁移策略 |
-
2018
- 2018-10-22 CN CN201811227212.8A patent/CN109324906A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102591712A (zh) * | 2011-12-30 | 2012-07-18 | 大连理工大学 | 一种云计算中依赖任务的解耦并行调度方法 |
| CN103067524A (zh) * | 2013-01-18 | 2013-04-24 | 浪潮电子信息产业股份有限公司 | 一种基于云计算环境的蚁群优化计算资源分配方法 |
| US20170024259A1 (en) * | 2013-12-18 | 2017-01-26 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and Network Node for Selecting a Media Processing Unit |
| CN107729126A (zh) * | 2016-08-12 | 2018-02-23 | ***通信集团浙江有限公司 | 一种容器云的任务调度方法和装置 |
| CN107786963A (zh) * | 2017-10-26 | 2018-03-09 | 北京邮电大学 | 一种自组织网络中计算任务的迁移策略 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109902822A (zh) * | 2019-03-07 | 2019-06-18 | 北京航空航天大学合肥创新研究院 | 基于斯格明子赛道存储器的内存计算***及方法 |
| CN110708244A (zh) * | 2019-09-27 | 2020-01-17 | 杭州安恒信息技术股份有限公司 | 云防护引擎节点智能选路和调度方法 |
| CN111866054A (zh) * | 2019-12-16 | 2020-10-30 | 北京小桔科技有限公司 | 一种云主机的搭建方法、装置、电子设备及可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103761309B (zh) | 一种运营数据处理方法及*** | |
| CN109669774B (zh) | 硬件资源的量化方法、编排方法、装置及网络设备 | |
| US9929894B2 (en) | Determining the graphic load of a virtual desktop | |
| CN107734052B (zh) | 面向组件依赖的负载均衡容器调度方法 | |
| CN109324906A (zh) | 云计算平台中选择处理节点的方法 | |
| WO2022222755A1 (zh) | 业务处理方法、装置及存储介质 | |
| CN112860695B (zh) | 监控数据查询方法、装置、设备、存储介质及程序产品 | |
| WO2016188099A1 (zh) | 基于账户活跃度的***资源分配方法及装置 | |
| US20190334822A1 (en) | Systems and methods for load balancing | |
| CN103561055B (zh) | 基于会话的云计算环境下Web应用自动弹性扩展方法 | |
| CN108595306A (zh) | 一种面向混部云的服务性能测试方法 | |
| CN112765513A (zh) | 大规模建筑场景的细粒度化Web3D在线可视化方法 | |
| CN114548426B (zh) | 异步联邦学习的方法、业务服务的预测方法、装置及*** | |
| CN111061561A (zh) | 云计算管理平台的全阶段负载分担综合优化方法 | |
| CN108390775B (zh) | 一种基于spice的用户体验质量评价方法及*** | |
| JP6586638B2 (ja) | 画面共有システム、画面共有プログラム、および画面共有方法 | |
| CN111045827B (zh) | 云雾环境中基于资源共享的时间有效性的任务调度方法 | |
| CN104813612A (zh) | 确定与使用云来提供应用组件相关联的至少一个成本因素 | |
| CN113468226A (zh) | 一种业务处理方法、装置、电子设备和存储介质 | |
| CN117135131A (zh) | 一种面向云边协同场景的任务资源需求感知方法 | |
| CN108833592A (zh) | 云主机调度器优化方法、装置、设备及存储介质 | |
| CN115696356A (zh) | 小区容量调整方法、装置、电子设备及存储介质 | |
| CN116680060A (zh) | 面向异构计算***的任务分配方法、装置、设备和介质 | |
| Li et al. | CEBOW: A Cloud‐Edge‐Browser Online Web3D approach for visualizing large BIM scenes | |
| CN113778675A (zh) | 一种基于面向区块链网络的计算任务分配***及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |