CN110347477B - 一种云环境下服务自适应部署方法和装置 - Google Patents

一种云环境下服务自适应部署方法和装置 Download PDF

Info

Publication number
CN110347477B
CN110347477B CN201910588189.3A CN201910588189A CN110347477B CN 110347477 B CN110347477 B CN 110347477B CN 201910588189 A CN201910588189 A CN 201910588189A CN 110347477 B CN110347477 B CN 110347477B
Authority
CN
China
Prior art keywords
user request
entropy
virtual machines
time
virtual machine
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.)
Active
Application number
CN201910588189.3A
Other languages
English (en)
Other versions
CN110347477A (zh
Inventor
周傲
王尚广
马骁
李静林
孙其博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN201910588189.3A priority Critical patent/CN110347477B/zh
Publication of CN110347477A publication Critical patent/CN110347477A/zh
Application granted granted Critical
Publication of CN110347477B publication Critical patent/CN110347477B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • 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
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供了一种云环境下服务自适应部署方法和装置，该方法包括：获取n×m个时间片的用户请求到达速率；计算m个预设周期内编号相同的时间片的用户请求到达速率的熵和超熵，并计算编号相同的n个时间片对应的熵和超熵的平均值；若确定熵的平均值小于第一预设阈值，且超熵的平均值小于第二预设阈值，则确定当前虚拟机租赁周期的下一个最短虚拟机租赁周期所属的时间片，并计算在该时间片需要处理的用户请求到达速率；根据计算的需要处理的用户请求到达速率，用户可接受的最大处理时延，以及单个虚拟机的用户请求处理速率确定需要的虚拟机数目；在确定的需要的虚拟机数目的虚拟机上部署服务。该方法能够在成本低的基础上提供满足需求的服务。

Description

一种云环境下服务自适应部署方法和装置
技术领域
本发明涉及云环境下服务部署技术领域，特别涉及一种云环境下服务自适应部署方法和装置。
背景技术
云环境下，云资源提供商通过构建大规模数据中心提供计算资源。一般来说，这些数据由成千上万的物理机组成，这些物理机通过虚拟化技术虚拟化为虚拟机，并通过网络连成大规模虚拟资源池。
云应用服务提供商通过租赁云资源提供商的虚拟机，并在虚拟机上部署应用，来向用户提供服务，并按资源使用量付费。
云环境下，服务基于用户请求数目动态部署是一个重要问题。云应用服务提供商如果租赁了过量的虚拟机部署服务，将导致资源空闲，租赁成本浪费，如果租赁的虚拟机数目太少，部署的服务不够，将导致难以满足服务提供需求，用户体验质量下降。
如何使用合适数目的虚拟机部署服务是亟待需要解决的问题。
发明内容
有鉴于此，本申请提供一种云环境下服务自适应部署方法和装置，能够在成本低的基础上提供满足需求的服务。
为解决上述技术问题，本申请的技术方案是这样实现的：
在一个实施例中，提供了一种云环境下服务自适应部署方法，所述方法包括：
获取n×m个时间片的用户请求到达速率；其中，n为一个预设周期内的时间片个数，m为预设周期的个数，每个预设周期内的时间片按时间先后顺序编号；
计算m个预设周期内编号相同的时间片的用户请求到达速率的熵和超熵，并计算编号相同的n个时间片对应的熵和超熵的平均值；
若确定熵的平均值小于第一预设阈值，且超熵的平均值小于第二预设阈值，则确定当前虚拟机租赁周期的下一个最短虚拟机租赁周期所属的时间片，并计算在该时间片需要处理的用户请求到达速率；
根据计算的需要处理的用户请求到达速率，用户可接受的最大处理时延，以及单个虚拟机的用户请求处理速率确定需要的虚拟机数目；
在确定的需要的虚拟机数目的虚拟机上部署服务。
在另一个实施例中，提供了一种云环境下服务自适应部署装置，其特征在于，所述装置包括：
获取单元，用于获取n×m个时间片的用户请求到达速率；其中，n为一个预设周期内的时间片个数，m为预设周期的个数，每个预设周期内的时间片按时间先后顺序编号；
第一计算单元，用于计算所述获取单元获取的m个预设周期内编号相同的时间片的用户请求到达速率的熵和超熵，并计算编号相同的n个时间片对应的熵和超熵的平均值；
第一确定单元，用于确定所述第一计算单元确定的熵的平均值是否小于第一预设阈值，超熵的平均值是否小于第二预设阈值；
第二计算单元，用于当所述第一确定单元若确定熵的平均值小于第一预设阈值，且超熵的平均值小于第二预设阈值，则确定当前虚拟机租赁周期的下一个最短虚拟机租赁周期所属的时间片，并计算在该时间片需要处理的用户请求到达速率；
第二确定单元，用于根据所述第二计算单元计算的需要处理的用户请求到达速率，用户可接受的最大处理时延，以及单个虚拟机的用户请求处理速率确定需要的虚拟机数目；
部署单元，用于在所述第二确定单元确定的需要的虚拟机数目的虚拟机上部署服务。
由上面的技术方案可见，上述实施例中通过获取历史用户请求到达速率，并对历史数据划分时间片，针对不同时间片计算熵和超熵的平均值，进而确定当前部署的服务对应的服务请求是否存在周期性，如果存在周期性，确定下一虚拟机租赁周期需要的虚拟机数目，进而在确定的需要的虚拟机数目的虚拟机上部署服务。该方案能够在最合理的虚拟机数目的前提下进行服务部署，进而能够在成本低的基础上提供满足需求的服务。
附图说明
以下附图仅对本发明做示意性说明和解释，并不限定本发明的范围：
图1为本申请实施例中云环境下服务自适应部署流程示意图；
图2为本申请实施例中应用于上述技术的装置结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
下面以具体实施例对本发明的技术方案进行详细说明。下面几个具体实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
本申请实施例中提供一种云环境下服务自适应部署方法，通过获取历史用户请求到达速率，并对历史数据划分时间片，针对不同时间片计算熵和超熵的平均值，进而确定当前部署的服务对应的服务请求是否存在周期性，如果存在周期性，确定下一虚拟机租赁周期需要的虚拟机数目，进而在确定的需要的虚拟机数目的虚拟机上部署服务。该方案能够在最合理的虚拟机数目的前提下进行服务部署，进而能够在成本低的基础上提供满足需求的服务。
本申请实施例中实现云环境下服务自适应部署的设备可以为具有简单计算能力、获取数据能力，以及发送信息能力的设备，该设备可以为移动设备，如手机、平板电脑(Tablet Personal Computer)、膝上型电脑(Laptop Computer)、个人数字助理(personaldigital assistant，PDA)或可穿戴式设备(Wearable Device)等，也可以为固定设备，如一台PC等。
下面结合附图，详细描述本申请实施例中云环境下服务自适应部署过程。
参见图1，图1为本申请实施例中云环境下服务自适应部署流程示意图。具体步骤为：
步骤101，获取n×m个时间片的用户请求到达速率；其中，n为一个预设周期内的时间片个数，m为预设周期的个数，每个预设周期内的时间片按时间先后顺序编号。
m为大于0的整数，n为大于1的整数；
本步骤实现时可以获取m个预设周期的数据，这里的m个预设周期可以是连续的，也可以是不连续的；这里的m个预设周期的数据最好是与当前时间接近的时间，以便获取的数据更有参考意义，进而在后续能够更准确评估需要的虚拟机数目。
这里的预设周期可以为一天，也可以为一年，本申请对此不进行限制，根据实际需要设置。
针对每个预设周期再划分n个时间片，这样m个预设周期一共会划分n×m个时间切片。
每个预设周期内的时间片按时间先后顺序编号，如每个预设周期划分的n个时间片，按照时间先后顺序从1到n编号，或者针对处于一个预设周期内的每个时间片按照先后顺序，针对相同位置时间片遍相同的编号。
其中，n为预设周期与最短虚拟机租赁时长的比值，也就是说以最短虚拟机租赁时长为时间片长度，每个虚拟机的租赁时长为最短虚拟机租赁时长的整数倍。
若最短虚拟机租赁时长以小时为单位，则预设周期换算成小时(24小时)；如最短虚拟机租赁时长为3个小时，预设周期为1天，则1天可划分8个时间片，在具体实现时，若预设周期与最短虚拟机租赁时长的比值不为整数时，可以向上取整，这样最后时长不到一个时间片的时长作为一个时间片。
获取的n×m个时间片的用户请求到达速率可以通过矩阵的方式进行记录，矩阵A表示如下：
Figure BDA0002115171500000051
矩阵中的元素aij为第i个预设周期第j个时间片的用户请求到达速率，i为大于等于1，且小于等于m的整数，j为大于等于1，且小于等于n的整数。
如果使用矩阵的方式存储获取的用户请求达到速率，可以便于计算每个时间片的期望、熵和超熵。
步骤102，计算m个预设周期内编号相同的时间片的用户请求到达速率的熵和超熵，并计算编号相同的n个时间片对应的熵和超熵的平均值。
在具体实现时，可以基于获取的用户请求到达速率计算该云环境下云模型的三个属性值：期望Ex，熵En和超熵He。三个属性值可以通过如下公式计算得到：
Figure BDA0002115171500000052
Figure BDA0002115171500000053
Figure BDA0002115171500000054
其中，
Figure BDA0002115171500000055
其中，Exj为第j个时间片的期望，Enj为第j个时间片的熵，Hej为第j个时间片的超熵，即每个周期内编号为j的时间片的期望、熵和超熵。
熵和超熵的平均值分别表示为：
Figure BDA0002115171500000056
和
Figure BDA0002115171500000057
可以通过如下公式计算得到，即计算n个时间片的熵和超熵的平均值：
Figure BDA0002115171500000058
Figure BDA0002115171500000059
步骤103，若确定熵的平均值小于第一预设阈值，且超熵的平均值小于第二预设阈值，则确定当前虚拟机租赁周期的下一个最短虚拟机租赁周期所属的时间片，并计算在该时间片需要处理的用户请求到达速率。
若确定熵的平均值不小于第一预设阈值，和/或，超熵的平均值不小于第二预设阈值，则确定该云环境下用户请求到达速率不具备周期性，可以按照现有实现即可，如不调整当前所使用的虚拟机的数据等。
若确定熵的平均值小于第一预设阈值，且超熵的平均值小于第二预设阈值，则确定该云环境下用户请求到达速率具有一定的周期性，可以执行本申请提供的服务部署方案。
确定当前虚拟机租赁周期的下一个最短虚拟机租赁周期所属的时间片，包括：
在上文可见每个预设周期划分了n个时间片，根据下一个最短虚拟机租赁周期的时间确定该虚拟机租赁周期所属的时间片，假设确定所属的时间片为时间片j。
计算在该时间片j需要处理的用户请求到达速率，包括：
将针对该时间片的用户请求到达速率确定的期望、熵和超熵的和作为在该时间片j需要处理的用户请求达到速率。
步骤104，根据计算的需要处理的用户请求到达速率，用户可接受的最大处理时延，以及单个虚拟机的用户请求处理速率确定需要的虚拟机数目。
可以通过如下步骤确定需要的虚拟机数目y：
Figure BDA0002115171500000061
其中，y为需要处理的用户请求到达速率，t△为用户可接受的最大处理时延，根据实际需要设置即可，μ为单个虚拟机的用户请求处理速率，为***配置的值。
步骤105，在确定的需要的虚拟机数目的虚拟机上部署服务。
本申请实施例中若y大于x，则取消y中的y-x台虚拟机的租赁；
若y等于x，则保持当前租赁的y台虚拟机；
若y小于x，则再租赁x-y台虚拟机；其中，y为确定的需要的虚拟机的数目，x为当前已租赁的虚拟机的数目。
也就是说多租赁的虚拟机要取消租赁，租赁的虚拟机数目不够时，要再租赁虚拟机，以实现使用确定的需要的虚拟机数目来进行服务部署。
本申请实施例中，基于用户请求的历史数据，分析用户请求的规律，并基于用户请求的规律性确定最适合的虚拟机数目以进行服务的自适应部署。因此，本申请提供的技术方案能够在成本低的基础上提供满足需求的服务。
基于同样的发明构思，本申请实施例中提供一种云环境下服务自适应部署装置。参见图2，图2为本申请实施例中应用于上述技术的装置结构示意图。该装置包括：
获取单元201，用于获取n×m个时间片的用户请求到达速率；其中，n为一个预设周期内的时间片个数，m为预设周期的个数，每个预设周期内的时间片按时间先后顺序编号；
第一计算单元202，用于计算获取单元201获取的m个预设周期内编号相同的时间片的用户请求到达速率的熵和超熵，并计算编号相同的n个时间片对应的熵和超熵的平均值；
第一确定单元203，用于确定第一计算单元202确定的熵的平均值是否小于第一预设阈值，超熵的平均值是否小于第二预设阈值；
第二计算单元204，用于当第一确定单元203若确定熵的平均值小于第一预设阈值，且超熵的平均值小于第二预设阈值，则确定当前虚拟机租赁周期的下一个最短虚拟机租赁周期所属的时间片，并计算在该时间片需要处理的用户请求到达速率；
第二确定单元205，用于根据第二计算单元204计算的需要处理的用户请求到达速率，用户可接受的最大处理时延，以及单个虚拟机的用户请求处理速率确定需要的虚拟机数目；
部署单元206，用于在第二确定单元205确定的需要的虚拟机数目的虚拟机上部署服务。
优选地，
部署单元206，进一步用于若确定y大于x，则取消y中的y-x台虚拟机的租赁；若确定y等于x，则保持当前租赁的y台虚拟机；若确定y小于x，则再租赁x-y台虚拟机；其中，y为确定的需要的虚拟机的数目，x为当前已租赁的虚拟机的数目。
优选地，
n为预设周期与最短虚拟机租赁时长的比值。
优选地，
第二计算单元204，具体用于计算在该时间片需要处理的用户请求到达速率时，将针对该时间片的用户请求到达速率确定的期望、熵和超熵的和作为在该时间片需要处理的用户请求达到速率。
优选地，
第二确定单元205，具体用于根据需要处理的用户请求到达速率，用户可接受的最大处理时延，以及单个虚拟机的用户请求处理速率确定需要的虚拟机数目，包括：
Figure BDA0002115171500000081
其中，y为需要处理的用户请求到达速率，t△为用户可接受的最大处理时延，μ为单个虚拟机的用户请求处理速率。
上述实施例的单元可以集成于一体，也可以分离部署；可以合并为一个单元，也可以进一步拆分成多个子单元。
综上所述，本申请实施例中，基于用户请求的历史数据，分析用户请求的规律，并基于用户请求的规律性确定最适合的虚拟机数目以进行服务的自适应部署。因此，本申请提供的技术方案能够在成本低的基础上提供满足需求的服务。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (10)

1.一种云环境下服务自适应部署方法，其特征在于，所述方法包括：
获取n×m个时间片的用户请求到达速率；其中，n为一个预设周期内的时间片个数，m为预设周期的个数，每个预设周期内的时间片按时间先后顺序编号；
计算m个预设周期内编号相同的时间片的用户请求到达速率的熵和超熵，并计算编号相同的n个时间片对应的熵和超熵的平均值；
若确定熵的平均值小于第一预设阈值，且超熵的平均值小于第二预设阈值，则确定当前虚拟机租赁周期的下一个最短虚拟机租赁周期所属的时间片，并计算在该时间片需要处理的用户请求到达速率；
根据计算的需要处理的用户请求到达速率，用户可接受的最大处理时延，以及单个虚拟机的用户请求处理速率确定需要的虚拟机数目；
在确定的需要的虚拟机数目的虚拟机上部署服务。
2.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：
若确定y大于x，则取消y中的y-x台虚拟机的租赁；
若确定y等于x，则保持当前租赁的y台虚拟机；
若确定y小于x，则再租赁x-y台虚拟机；其中，y为确定的需要的虚拟机的数目，x为当前已租赁的虚拟机的数目。
3.根据权利要求1所述的方法，其特征在于，
n为预设周期与最短虚拟机租赁时长的比值。
4.根据权利要求1所述的方法，其特征在于，所述计算在该时间片需要处理的用户请求到达速率，包括：
将针对该时间片的用户请求到达速率确定的期望、熵和超熵的和作为在该时间片需要处理的用户请求达到速率。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据需要处理的用户请求到达速率，用户可接受的最大处理时延，以及单个虚拟机的用户请求处理速率确定需要的虚拟机数目，包括：
Figure FDA0003015446030000021
其中，nj为需要处理的用户请求到达速率，tΔ为用户可接受的最大处理时延，μ为单个虚拟机的用户请求处理速率。
6.一种云环境下服务自适应部署装置，其特征在于，所述装置包括：
获取单元，用于获取n×m个时间片的用户请求到达速率；其中，n为一个预设周期内的时间片个数，m为预设周期的个数，每个预设周期内的时间片按时间先后顺序编号；
第一计算单元，用于计算所述获取单元获取的m个预设周期内编号相同的时间片的用户请求到达速率的熵和超熵，并计算编号相同的n个时间片对应的熵和超熵的平均值；
第一确定单元，用于确定所述第一计算单元确定的熵的平均值是否小于第一预设阈值，超熵的平均值是否小于第二预设阈值；
第二计算单元，用于当所述第一确定单元若确定熵的平均值小于第一预设阈值，且超熵的平均值小于第二预设阈值，则确定当前虚拟机租赁周期的下一个最短虚拟机租赁周期所属的时间片，并计算在该时间片需要处理的用户请求到达速率；
第二确定单元，用于根据所述第二计算单元计算的需要处理的用户请求到达速率，用户可接受的最大处理时延，以及单个虚拟机的用户请求处理速率确定需要的虚拟机数目；
部署单元，用于在所述第二确定单元确定的需要的虚拟机数目的虚拟机上部署服务。
7.根据权利要求6所述的装置，其特征在于，
所述部署单元，进一步用于若确定y大于x，则取消y中的y-x台虚拟机的租赁；若确定y等于x，则保持当前租赁的y台虚拟机；若确定y小于x，则再租赁x-y台虚拟机；其中，y为确定的需要的虚拟机的数目，x为当前已租赁的虚拟机的数目。
8.根据权利要求6所述的装置，其特征在于，
n为预设周期与最短虚拟机租赁时长的比值。
9.根据权利要求6所述的装置，其特征在于，
所述第二计算单元，具体用于计算在该时间片需要处理的用户请求到达速率时，将针对该时间片的用户请求到达速率确定的期望、熵和超熵的和作为在该时间片需要处理的用户请求达到速率。
10.根据权利要求6-9任一项所述的装置，其特征在于，
所述第二确定单元，具体用于根据需要处理的用户请求到达速率，用户可接受的最大处理时延，以及单个虚拟机的用户请求处理速率确定需要的虚拟机数目，包括：
Figure FDA0003015446030000031
其中，nj为需要处理的用户请求到达速率，tΔ为用户可接受的最大处理时延，μ为单个虚拟机的用户请求处理速率。
CN201910588189.3A 2019-07-02 2019-07-02 一种云环境下服务自适应部署方法和装置 Active CN110347477B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910588189.3A CN110347477B (zh) 2019-07-02 2019-07-02 一种云环境下服务自适应部署方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910588189.3A CN110347477B (zh) 2019-07-02 2019-07-02 一种云环境下服务自适应部署方法和装置

Publications (2)

Publication Number Publication Date
CN110347477A CN110347477A (zh) 2019-10-18
CN110347477B true CN110347477B (zh) 2021-07-09

Family

ID=68178049

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910588189.3A Active CN110347477B (zh) 2019-07-02 2019-07-02 一种云环境下服务自适应部署方法和装置

Country Status (1)

Country Link
CN (1) CN110347477B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114258020B (zh) * 2020-09-25 2023-12-12 中移物联网有限公司 专有云部署方法、平台及电子设备
CN112995280B (zh) * 2021-02-03 2022-04-22 北京邮电大学 面向多内容需求服务的数据分配方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104142860A (zh) * 2013-05-10 2014-11-12 中国电信股份有限公司 应用服务***的资源调整方法与装置
CN104461744A (zh) * 2014-12-18 2015-03-25 曙光云计算技术有限公司 一种资源分配方法及装置
CN106464733A (zh) * 2015-04-28 2017-02-22 华为技术有限公司 一种调整云计算中虚拟资源的方法及装置
CN109242250A (zh) * 2018-08-03 2019-01-18 成都信息工程大学 一种基于模糊熵权法与云模型的用户行为可信度检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10853499B2 (en) * 2017-12-06 2020-12-01 Cisco Technology, Inc. Key threat prediction

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104142860A (zh) * 2013-05-10 2014-11-12 中国电信股份有限公司 应用服务***的资源调整方法与装置
CN104461744A (zh) * 2014-12-18 2015-03-25 曙光云计算技术有限公司 一种资源分配方法及装置
CN106464733A (zh) * 2015-04-28 2017-02-22 华为技术有限公司 一种调整云计算中虚拟资源的方法及装置
CN109242250A (zh) * 2018-08-03 2019-01-18 成都信息工程大学 一种基于模糊熵权法与云模型的用户行为可信度检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
An Uncertain Control Framework of Cloud Model;Deyi Li,Kun Qin,Guisheng Chen;《ResearchGate》;20140118;全文 *
基于信任的反馈云模型ＷＳＮ节点信任评价机制;杨永飞，刘光杰，戴跃伟;《计算机科学》;20150630;第42卷(第6A期);全文 *
海量电能质量数据的实时存储与治理技术研究;王嘉怡;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190115(第12期);全文 *

Also Published As

Publication number Publication date
CN110347477A (zh) 2019-10-18

Similar Documents

Publication Publication Date Title
US8719297B2 (en) System for managing data collection processes
CN111866775B (zh) 一种业务编排方法及装置
CN111786895A (zh) 动态全局限流的方法和装置
CN112380020A (zh) 一种算力资源分配方法、装置、设备及存储介质
CN110968366B (zh) 一种基于有限mec资源的任务卸载方法、装置及设备
CN107295090A (zh) 一种资源调度的方法和装置
CN110347477B (zh) 一种云环境下服务自适应部署方法和装置
CN111277640B (zh) 用户请求处理方法、装置、***、计算机设备和存储介质
US9742684B1 (en) Adaptive service scaling
CN112150023A (zh) 任务分配方法、装置及存储介质
CN113495779A (zh) 一种任务调度方法和装置、任务执行***
CN116680060B (zh) 面向异构计算***的任务分配方法、装置、设备和介质
CN114911598A (zh) 任务调度方法、装置、设备以及存储介质
CN114780244A (zh) 容器云资源弹性分配方法、装置、计算机设备及介质
CN111858040A (zh) 一种资源调度方法和装置
US10990519B2 (en) Multi-tenant cloud elastic garbage collector
CN106933673B (zh) 调整组件逻辑线程数量的方法及装置
CN107102799A (zh) 一种调整灭屏时间的方法及其智能终端
CN108845860B (zh) 一种quota管理方法、装置及电子设备
CN114780228B (zh) 一种混合云资源创建方法及***
CN111858542B (zh) 数据处理方法、装置、设备及计算机可读存储介质
CN115269145A (zh) 一种面向海上无人设备的高能效异构多核调度方法及装置
CN114756352A (zh) 一种调度服务器计算资源的方法、装置及介质
CN111143073B (zh) 一种虚拟化资源的管理方法、设备及存储介质
CN114489463A (zh) 动态调整存储卷qos的方法、装置及计算设备

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
GR01 Patent grant
GR01 Patent grant