CN110377228A - 区块链节点的自动扩容方法、装置、运维终端及存储介质 - Google Patents
区块链节点的自动扩容方法、装置、运维终端及存储介质 Download PDFInfo
- Publication number
- CN110377228A CN110377228A CN201910532942.7A CN201910532942A CN110377228A CN 110377228 A CN110377228 A CN 110377228A CN 201910532942 A CN201910532942 A CN 201910532942A CN 110377228 A CN110377228 A CN 110377228A
- Authority
- CN
- China
- Prior art keywords
- disk
- node
- capacity
- value
- block chain
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000006870 function Effects 0.000 claims description 80
- 238000012549 training Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
- G06F3/0608—Saving storage space on storage systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
- G06F3/0638—Organizing or formatting or addressing of data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
- G06F3/067—Distributed or networked storage systems, e.g. storage area networks [SAN], network attached storage [NAS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种区块链节点的自动扩容方法、装置、运维终端及存储介质,应用于区块链运维,所述方法包括:获取区块链中节点的磁盘剩余容量变化数据;根据所述磁盘剩余容量变化数据,获取所述节点对应的磁盘容量预测函数,并根据所述磁盘容量预测函数获取预设时间后所述节点的磁盘剩余容量值;根据预设时间后所述节点的磁盘剩余容量值确定磁盘目标扩容容量,以按照所述磁盘目标扩容容量对所述节点进行扩容。其中通过磁盘容量预测函数评估出了预设时间后节点的磁盘剩余容量值,进而获得磁盘目标扩容容量并以此实现了区块链节点的按需有效扩容,合理利用了磁盘存储空间,提高了磁盘空间利用率,帮助减少了人工干预带来的风险。
Description
技术领域
本发明涉及区块链领域,尤其涉及区块链节点的自动扩容方法、装置、运维终端及计算机可读存储介质。
背景技术
随着比特币的出现,区块链技术出现在人们视野中,目前区块链技术被广泛运用在数据安全领域。而在区块链项目运维中,由于对每条区块链上节点的写入数据量无法准确评估,因此容易出现存储不足的情况。当出现区块链的节点存储不足时,需要人工介入补充存储资源和/或进行数据迁移,这无疑增加了服务成本,如果存储预备太多,将造成资源大大浪费。因此如何有效地设置每条链上节点的数据容量,以提高磁盘空间利用率是亟待解决的问题。
发明内容
本发明的主要目的在于提供一种区块链节点的自动扩容方法、装置、运维终端及计算机可读存储介质,旨在解决目前无法有效设置每条链上节点的数据容量,以致磁盘空间利用率低的技术问题。
为实现上述目的,本发明提供一种区块链节点的自动扩容方法,包括以下步骤:
获取区块链中节点的磁盘剩余容量变化数据;
根据所述磁盘剩余容量变化数据,获取所述节点对应的磁盘容量预测函数,并根据所述磁盘容量预测函数获取预设时间后所述节点的磁盘剩余容量值;
根据预设时间后所述节点的磁盘剩余容量值确定磁盘目标扩容容量,以按照所述磁盘目标扩容容量对所述节点进行扩容。
可选地,所述磁盘剩余容量变化数据包括时间点和对应的剩余容量值;
所述根据所述磁盘剩余容量变化数据,获取所述节点对应的磁盘容量预测函数的步骤包括:
从所述磁盘剩余容量变化数据的所有时间点中选取一起始时间点,以将所述起始时间点之前的所有时间点和对应的剩余容量值作为训练数据,将所述起始时间点之后的所有时间点和对应的剩余容量值作为样本数据;
将所述训练数据输入至预设运算器中进行回归化,以得到时间点和剩余容量值相关的基准预测函数;
通过所述样本数据对所述基准预测函数进行迭代,以在完成迭代后将迭代完成时的基准预测函数作为所述节点对应的磁盘容量预测函数。
可选地,所述通过所述样本数据对所述基准预测函数进行迭代的步骤包括:
利用所述基准预测函数计算样本数据中任一时间点内所述节点对应的预测剩余容量值;
从样本数据中获取计算预测剩余容量值时的时间点所对应的实际剩余容量值,并将所述预测剩余容量值和所述实际剩余容量值进行比较,以得到剩余容量误差;
判断所述剩余容量误差是否符合预设迭代终止条件;
当所述剩余容量误差符合预设迭代终止条件时,迭代终止;
当所述剩余容量误差不符合预设迭代终止条件时,根据所述剩余容量误差更新所述基准预测函数。
可选地,所述判断所述剩余容量误差是否符合预设迭代终止条件的步骤包括:
判断所述剩余容量误差是否小于预设阈值;
当所述剩余容量误差小于预设阈值时,确定所述剩余容量误差符合预设迭代终止条件;
当所述剩余容量误差大于或等于预设阈值时,确定所述剩余容量误差不符合预设迭代终止条件。
可选地,所述根据预设时间后所述节点的磁盘剩余容量值确定磁盘目标扩容容量的步骤包括:
判断预设时间后的磁盘剩余容量值α是否小于预设容量设定值δ;
当预设时间后的磁盘剩余容量值α小于预设容量设定值δ时,获取所述节点的当前磁盘剩余容量值β,并将所述节点的当前磁盘剩余容量值β、预设容量设定值δ以及预设时间后的磁盘剩余容量值α输入至包括公式γ=β+δ-α的运算器中,得到所述节点的磁盘目标扩容容量γ。
可选地,所述判断预设时间后的磁盘剩余容量值α是否小于预设容量设定值δ的步骤之后,还包括:
当预设时间后的磁盘剩余容量值α大于或等于预设容量设定值δ时,将预设时间后的磁盘剩余容量值α作为所述节点的磁盘目标扩容容量γ。
可选地,所述根据预设时间后所述节点的磁盘剩余容量值确定磁盘目标扩容容量的步骤之后,还包括:
判断所述节点的磁盘目标扩容容量是否大于所述节点所在硬盘的总剩余容量;
当所述节点的磁盘目标扩容容量大于所述节点所在磁盘的总剩余容量时,发出硬盘容量不足的提示信息;
当所述节点的磁盘目标扩容容量小于或等于所述节点所在磁盘的总剩余容量时,执行按照所述磁盘目标扩容容量对所述节点进行扩容的步骤。
此外,为实现上述目的,本发明还提供一种区块链节点的自动扩容装置,所述装置包括:
获取模块,用于获取区块链中节点的磁盘剩余容量变化数据;
所述获取模块,还用于根据所述磁盘剩余容量变化数据,获取所述节点对应的磁盘容量预测函数,并根据所述磁盘容量预测函数获取预设时间后所述节点的磁盘剩余容量值;
扩容模块,用于根据预设时间后所述节点的磁盘剩余容量值确定磁盘目标扩容容量,以按照所述磁盘目标扩容容量对所述节点进行扩容。
此外,为实现上述目的,本发明还提供一种运维终端,所述运维终端包括:通信模块、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上所述的区块链节点的自动扩容方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的区块链节点的自动扩容方法的步骤。
本发明实施例提出的一种区块链节点的自动扩容方法、装置、运维终端及存储介质,通过获取区块链中节点的磁盘剩余容量变化数据;根据所述磁盘剩余容量变化数据,获取所述节点对应的磁盘容量预测函数,并根据所述磁盘容量预测函数获取预设时间后所述节点的磁盘剩余容量值;根据预设时间后所述节点的磁盘剩余容量值确定磁盘目标扩容容量,以按照所述磁盘目标扩容容量对所述节点进行扩容。其中通过得到的磁盘容量预测函数预测出了预设时间后节点的磁盘剩余容量值,进而根据磁盘剩余容量值确定了磁盘待扩容到的磁盘目标扩容容量,以按照磁盘目标扩容容量进行扩容,由此实现了区块链节点的按需有效扩容,合理利用了磁盘存储空间,提高了磁盘空间利用率,帮助减少了人工干预带来的风险。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的结构示意图;
图2为本发明区块链节点的自动扩容方法第一实施例的流程示意图;
图3为本发明区块链节点的自动扩容方法第二实施例中步骤S20的流程示意图;
图4为本发明区块链节点的自动扩容装置一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参看图1,图1为本发明所提供的运维终端的硬件结构示意图。所述运维终端可以是服务器,可以是设备终端,例如计算机,所述运维终端可以包括通信模块10、存储器20以及处理器30等部件。在所述运维终端中,所述处理器30分别与所述存储器20以及所述通信模块10连接,所述存储器20上存储有计算机程序,所述计算机程序同时被处理器30执行,所述计算机程序执行时实现下述方法实施例的步骤。
通信模块10,可通过网络与外部通讯设备连接。通信模块10可以接收外部通讯设备发出的请求,还可以发送请求、指令及信息至所述外部通讯设备。所述外部通讯设备可以是其他设备或其他运维终端,例如其他服务器等等。
存储器20,可用于存储软件程序以及各种数据。存储器20可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如获取区块链节点的磁盘容量变化数据)等;存储数据区可包括数据库,存储数据区可存储根据运维终端的使用所创建的数据或信息等。此外,存储器20可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器30,是运维终端的控制中心,利用各种接口和线路连接整个运维终端的各个部分,通过运行或执行存储在存储器20内的软件程序和/或模块,以及调用存储在存储器20内的数据,执行运维终端的各种功能和处理数据,从而对运维终端进行整体监控。处理器30可包括一个或多个处理单元;可选地,处理器30可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器30中。
尽管图1未示出,但上述运维终端还可以包括电路控制模块,用于与电源连接,保证其他部件的正常工作。上述运维终端还可以包括显示模块,用于提取存储器20中的数据,并显示出运维终端的***界面、与用户的交互界面以及区块链的磁盘容量变化情况。本领域技术人员可以理解,图1中示出的运维终端结构并不构成对运维终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
基于上述硬件结构,提出本发明方法各个实施例。
参见图2,在本发明区块链节点的自动扩容方法的第一实施例中,所述方法包括:
步骤S10,获取区块链中节点的磁盘剩余容量变化数据;
需要说明的是,去中心化的区块链技术中维护信息统一的账本数据量越大,每个节点所需的存储容量就越多,而节点的存储也依赖于磁盘的容量大小,因此可以获取区块链中每个节点对应占据磁盘的容量变化情况数据。其中容量变化情况数据可以包括不同历史时间点对应已占据磁盘容量情况以及该节点可占据磁盘的剩余容量,通过获取记录的不同历史时间点的磁盘剩余容量可以得到磁盘剩余容量变化数据。
可选地,在确定剩余容量时,可以获取区块链中多个节点在历史时间点对应可占据磁盘的剩余空间值,然后去掉所有的值中的最大值和最小值,求取平均值以作为该时间点的磁盘剩余容量,这样可以避免某个节点的磁盘故障而导致预测的预设时间点的磁盘剩余容量不准确的问题。
进一步地,还可以在统计历史时间点内节点的磁盘剩余容量时,计算各节点的磁盘剩余容量与求取的平均值的差值,并判断差值是否大于或等于预设阈值,若差值大于或等于预设阈值,表明实际区块链中对应节点的磁盘存在故障,存储容量与其他节点相比太大,可以发送故障报警提示消息给运维人员,起到了节点磁盘存储监管的作用。
步骤S20,根据所述磁盘剩余容量变化数据,获取所述节点对应的磁盘容量预测函数,并根据所述磁盘容量预测函数获取预设时间后所述节点的磁盘剩余容量值;
在本实施例中,可以通过预设统计方法,该统计方法可以是利用神经网络对磁盘剩余容量变化数据进行回归化,例如可以是线性回归或自适应回归。或者,还可以参考其他机器学习算法,例如决策树或随机森林算法等等,得到能够用于预测区块链中该节点未来时间内磁盘剩余空间容量的预测函数。
可以理解的是,磁盘容量预测函数是根据过去某段时间内的磁盘剩余容量变化数据所代表的历史变化趋势所获取到的,贴合于之前的容量变化情况,本方案通过过去得到的变化数据来形成预测函数,用于预估之后某个时间或多个时间的节点的磁盘剩余容量值。可选地,其中磁盘容量预测函数可以参考当前时间6个小时以前的磁盘剩余容量变化数据进行获取。
步骤S30,根据预设时间后所述节点的磁盘剩余容量值确定磁盘目标扩容容量,以按照所述磁盘目标扩容容量对所述节点进行扩容。
其中磁盘目标扩容容量是指预设时间之后节点需要占据的空闲磁盘容量,或者扩容后需要达到的磁盘剩余容量值,磁盘目标扩容容量的获取则可以依据磁盘容量预测函数得到的预设时间后节点的磁盘剩余容量值进行确定,例如可以设定预设值与预设时间后的磁盘剩余容量值进行比较确定,或者还可以将预设时间后的磁盘剩余容量值带入公式中进行计算确定。对节点进行扩容可以是通过热扩容技术直接对区块链节点运行中的容器进行扩展,不影响正常使用。
进一步地,上述步骤S30中按照磁盘目标扩容容量对节点进行扩容的步骤可以是:在达到预设时间之前,通过热扩容的方式将节点占据磁盘的剩余空间扩容至磁盘目标扩容容量。通过在预设时间之前进行节点磁盘剩余容量的调整,能够防止出现节点存储不足的情况,减少人工介入的次数,使区块链节点数据的存储能够得到保障。
本实施例通过获取区块链中节点的磁盘剩余容量变化数据;根据所述磁盘剩余容量变化数据,获取所述节点对应的磁盘容量预测函数,并根据所述磁盘容量预测函数获取预设时间后所述节点的磁盘剩余容量值;根据预设时间后所述节点的磁盘剩余容量值确定磁盘目标扩容容量,以按照所述磁盘目标扩容容量对所述节点进行扩容。其中通过得到的磁盘容量预测函数预测出了预设时间后节点的磁盘剩余容量值,进而根据磁盘剩余容量值确定了磁盘待扩容到的磁盘目标扩容容量,以按照磁盘目标扩容容量进行扩容,由此能够解决人工介入增加了服务成本,或者存储预备太多造成资源大大浪费的问题,实现了区块链节点的按需有效扩容,合理利用了磁盘存储空间,提高了磁盘空间利用率,帮助减少了人工干预带来的风险。
进一步地,基于本发明区块链节点的自动扩容方法的第一实施例提出本发明区块链节点的自动扩容方法的第二实施例,参见图3,在本实施例中,所述磁盘剩余容量变化数据包括时间点和对应的剩余容量值;
所述步骤S20包括:
步骤S21,从所述磁盘剩余容量变化数据的所有时间点中选取一起始时间点,以将所述起始时间点之前的所有时间点和对应的剩余容量值作为训练数据,将所述起始时间点之后的所有时间点和对应的剩余容量值作为样本数据;
在本实施例中,对于如何根据磁盘剩余容量变化数据得到能够预测预设时间之后磁盘剩余容量值的预测函数的过程进行了进一步限定。需要强调的是,磁盘容量预测函数的准确性关系到了预设时间后所述节点的磁盘剩余容量值以及磁盘目标扩容容量结果的准确性,因此在获得最终的磁盘容量预测函数之前需要对函数进行获取和训练,这就涉及到了训练数据和样本数据的获取。可以按照时间点对所有磁盘剩余容量变化数据进行划分,选择的起始时间点之前的时间点和分别对应的剩余容量值为训练数据,选择的起始时间点之后的时间点和分别对应的剩余容量值作为样本数据。其中,划分样本数据和训练数据的起始时间点在时间点构成的时间轴中处于中间位置,或者起始时间点的位置使得训练数据的总容量大小大于或等于样本数据的总容量大小。
步骤S22,将所述训练数据输入至预设运算器中进行回归化,以得到时间点和剩余容量值相关的基准预测函数;
可以是根据训练数据中的时间点和对应的磁盘剩余容量值形成时间点和磁盘剩余容量值的二维坐标散点图,其中时间点为该二维坐标散点图的横坐标,散点图中每一个散点都有时间点和对应标记的磁盘剩余容量值。然后将这些散点进行回归化形成二维曲线图,并根据二维曲线图形成磁盘剩余容量值相关的变化曲线函数,其中回归化可以是线性回归和自适应回归中的至少一种,最后得到的变化曲线函数可以作为基准预测函数,其体现的是时间点和磁盘剩余容量值的规律,与时间点和剩余容量值相关。
步骤S23,通过所述样本数据对所述基准预测函数进行迭代,以在完成迭代后将迭代完成时的基准预测函数作为所述节点对应的磁盘容量预测函数。
通过训练数据得到的基准预测函数是否符合预设时间后磁盘容量变化情况可以通过样本数据进行验证,如果误差较大还可以对基准预测函数进行修正迭代,减小预测误差。可以理解地是,最终迭代完成时最新一次修改的基准预测函数即是节点对应的磁盘容量预测函数。本方案通过样本数据、训练数据以及回归迭代操作的结合,给出了如何得到磁盘容量预测函数的过程,帮助最终得到符合实际磁盘剩余容量情况的预测函数。
可选地,上述步骤S23可以包括:
步骤S231,利用所述基准预测函数计算样本数据中任一时间点内所述节点对应的预测剩余容量值;
在本实施例中,可以将样本数据中某个或某几个时间点通过基准预测函数计算出预测剩余容量值。可以理解的是,基准预测函数是时间点和剩余容量值相关的函数,因此只要知晓时间点,就可以通过函数计算得到剩余容量值,而函数是通过曲线获取的,并非实际情况下的,因此计算出的剩余容量值即是预测剩余容量值。
步骤S232,从样本数据中获取计算预测剩余容量值时的时间点所对应的实际剩余容量值,并将所述预测剩余容量值和所述实际剩余容量值进行比较,以得到剩余容量误差;
由于样本数据中包含选择的起始时间点之后已经记录的磁盘剩余容量值变化情况,因此可以在获得了预测剩余容量值之后,从样本数据中获得相同时间点的实际剩余容量值,然后将预测剩余容量值和实际剩余容量值进行比较,得到实际值和预测值之间的差值以作为剩余容量误差,从而根据得到的剩余容量误差评估基准预测函数的准确性。
步骤S233,判断所述剩余容量误差是否符合预设迭代终止条件;其中,当所述剩余容量误差符合预设迭代终止条件时,迭代终止;
上述预设迭代终止条件可以根据实际需要进行设置,例如可以记录计算误差时的次数,剩余容量误差的个数,和/或迭代次数,当次数或个数大于或等于某个设定值,认为符合迭代终止条件;和/或计算出的误差小于某个极值认为符合迭代终止条件。当确定符合迭代终止条件时,可以输出最新迭代的基准预测函数,并停止迭代。
步骤S234,当所述剩余容量误差不符合预设迭代终止条件时,根据所述剩余容量误差更新所述基准预测函数。
当不符合迭代终止条件时,可以根据剩余容量误差计算基准预测函数的损失函数,并根据损失函数对基准预测函数的参数进行调整,以实现基准预测函数的迭代,直至迭代完成为止。通过设置迭代终止条件对基准预测函数进行更新,能够帮助提高函数预测的准确性,更为贴近实际区块链节点的磁盘空间变化情况,间接提高了按需扩容的准确性。
其中,迭代终止条件为剩余容量误差小于预设阈值时,判断剩余容量误差是否符合预设迭代终止条件的步骤可以包括:
判断所述剩余容量误差是否小于预设阈值;当所述剩余容量误差小于预设阈值时,确定所述剩余容量误差符合预设迭代终止条件;当所述剩余容量误差大于或等于预设阈值时,确定所述剩余容量误差不符合预设迭代终止条件。通过以剩余容量误差大小作为迭代终止的参考标准,能够使得最终得到的剩余空间预测函数与实际磁盘容量变化情况的误差在一定范围内,满足区块链节点的自动扩容要求。
进一步地,基于本发明区块链节点的自动扩容方法的第一实施例提出本发明区块链节点的自动扩容方法的第三实施例,在本实施例中,所述步骤S30包括:
步骤S31,判断预设时间后的磁盘剩余容量值α是否小于预设容量设定值δ;
预设容量设定值可以是固定的,该预设容量设定值大于等于0,也可以随着时间的变化逐渐增大或缩小,在实际操作时可以根据区块链实际运用的不同领域数据存储的特性决定。在每个不同的时间范围内,可以将预设时间之后磁盘剩余容量值与归属在相同时间范围的预设容量设定值进行比较以确定最终节点需要扩容到的磁盘目标扩容容量。
其中,当预设时间后的磁盘剩余容量值α大于或等于预设容量设定值δ时,将预设时间后的磁盘剩余容量值α作为所述节点的磁盘目标扩容容量γ。可以理解的是,原本根据磁盘容量预测函数预测得到的即是最终磁盘目标扩容容量,那么可以认为预设时间后磁盘空间仍然够用,不需要执行磁盘扩容操作。
步骤S32,当预设时间后的磁盘剩余容量值α小于预设容量设定值δ时,获取所述节点的当前磁盘剩余容量值β,并将所述节点的当前磁盘剩余容量值β、预设容量设定值δ以及预设时间后的磁盘剩余容量值α输入至包括公式γ=β+δ-α的运算器中,得到所述节点的磁盘目标扩容容量γ。
当预设时间之后磁盘剩余容量值比预设磁盘容量设定值小,可以按照运算器的公式结合预设磁盘容量设定值、当前磁盘剩余容量值和预设时间后的磁盘剩余容量值进行测算,得到最终节点需要扩容达到的磁盘剩余空间目标值即磁盘目标扩容容量。本实施例由于通过多种参数的联合运算,考虑了预设时间后磁盘的需求,使得扩容后的磁盘剩余容量始终比当前磁盘剩余空间值大,较为均衡且符合节点的数据存储要求,实现了区块链节点的按需扩容。
可选地,在其他实施例中,所述步骤S30中根据预设时间后所述节点的磁盘剩余容量值确定磁盘目标扩容容量的步骤之后,还包括:判断所述节点的磁盘目标扩容容量是否大于所述节点所在硬盘的总剩余容量;当所述节点的磁盘目标扩容容量大于所述节点所在磁盘的总剩余容量时,发出硬盘容量不足的提示信息;当所述节点的磁盘目标扩容容量小于或等于所述节点所在磁盘的总剩余容量时,执行按照所述磁盘目标扩容容量对所述节点进行扩容的步骤。
需要说明的是,在本方案按需自动进行区块链节点扩容中并没有一次性分配给该节点全部的存储空间,因此还可以在每次得到目标扩容容量后,看磁盘总剩余容量与需要扩容所需的目标扩容容量的关系,当目标扩容容量大于磁盘总剩余容量,表示节点对应磁盘的硬件存储空间不足,已经不是本身软件为节点划拨容量进行扩容可以解决的问题,需要触发以发送提示消息的方式通知运维人员对磁盘进行硬件扩容。因此本方案通过扩容空间的比较,区分是否需要进行人工介入,节点扩容十分灵活方便。
参见图4,本发明还提出一种区块链节点的自动扩容装置,所述装置可以是服务器,或运维终端,例如计算机,在一实施例中,所述装置包括:
获取模块10,用于获取区块链中节点的磁盘剩余容量变化数据;
所述获取模块10,还用于根据所述磁盘剩余容量变化数据,获取所述节点对应的磁盘容量预测函数,并根据所述磁盘容量预测函数获取预设时间后所述节点的磁盘剩余容量值;
扩容模块20,用于根据预设时间后所述节点的磁盘剩余容量值确定磁盘目标扩容容量,以按照所述磁盘目标扩容容量对所述节点进行扩容。
进一步地,在另一实施例中,所述磁盘剩余容量变化数据包括时间点和对应的剩余容量值;所述获取模块包括:
选取单元,用于从所述磁盘剩余容量变化数据的所有时间点中选取一起始时间点,以将所述起始时间点之前的所有时间点和对应的剩余容量值作为训练数据,将所述起始时间点之后的所有时间点和对应的剩余容量值作为样本数据;
回归单元,用于将所述训练数据输入至预设运算器中进行回归化,以得到时间点和剩余容量值相关的基准预测函数;
迭代单元,用于通过所述样本数据对所述基准预测函数进行迭代,以在完成迭代后将迭代完成时的基准预测函数作为所述节点对应的磁盘容量预测函数。
进一步地,在又一实施例中,所述迭代单元包括:
计算子单元,用于利用所述基准预测函数计算样本数据中任一时间点内所述节点对应的预测剩余容量值;
比较子单元,用于从样本数据中获取计算预测剩余容量值时的时间点所对应的实际剩余容量值,并将所述预测剩余容量值和所述实际剩余容量值进行比较,以得到剩余容量误差;
判断子单元,用于判断所述剩余容量误差是否符合预设迭代终止条件;并当所述剩余容量误差符合预设迭代终止条件时,迭代终止;
更新子单元,用于当所述剩余容量误差不符合预设迭代终止条件时,根据所述剩余容量误差更新所述基准预测函数。
进一步地,在又一实施例中,所述判断子单元具体用于:
判断所述剩余容量误差是否小于预设阈值;当所述剩余容量误差小于预设阈值时,确定所述剩余容量误差符合预设迭代终止条件;当所述剩余容量误差大于或等于预设阈值时,确定所述剩余容量误差不符合预设迭代终止条件。
进一步地,在又一实施例中,所述扩容模块包括:
判断单元,用于判断预设时间后的磁盘剩余容量值α是否小于预设容量设定值δ;
运算单元,用于当预设时间后的磁盘剩余容量值α小于预设容量设定值δ时,获取所述节点的当前磁盘剩余容量值β,并将所述节点的当前磁盘剩余容量值β、预设容量设定值δ以及预设时间后的磁盘剩余容量值α输入至包括公式γ=β+δ-α的运算器中,得到所述节点的磁盘目标扩容容量γ。
进一步地,在又一实施例中,所述扩容模块还包括:
设置单元,用于当预设时间后的磁盘剩余容量值α大于或等于预设容量设定值δ时,将预设时间后的磁盘剩余容量值α作为所述节点的磁盘目标扩容容量γ。
进一步地,在又一实施例中,所述装置还包括:
判断模块,用于判断所述节点的磁盘目标扩容容量是否大于所述节点所在硬盘的总剩余容量;并当所述节点的磁盘目标扩容容量小于或等于所述节点所在磁盘的总剩余容量时,触发所述扩容模块执行按照所述磁盘目标扩容容量对所述节点进行扩容的步骤;
发送模块,用于当所述节点的磁盘目标扩容容量大于所述节点所在磁盘的总剩余容量时,发出硬盘容量不足的提示信息。
本发明还提出一种计算机可读存储介质,其上存储有计算机程序。所述计算机可读存储介质可以是图1的运维终端中的存储器20,也可以是如ROM(Read-Only Memory,只读存储器)/RAM(Random Access Memory,随机存取存储器)、磁碟、光盘中的至少一种,所述计算机可读存储介质包括若干指令用以使得一台具有处理器的终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者服务端不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者服务端所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者服务端中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种区块链节点的自动扩容方法,其特征在于,包括以下步骤:
获取区块链中节点的磁盘剩余容量变化数据;
根据所述磁盘剩余容量变化数据,获取所述节点对应的磁盘容量预测函数,并根据所述磁盘容量预测函数获取预设时间后所述节点的磁盘剩余容量值;
根据预设时间后所述节点的磁盘剩余容量值确定磁盘目标扩容容量,以按照所述磁盘目标扩容容量对所述节点进行扩容。
2.如权利要求1所述的区块链节点的自动扩容方法,其特征在于,所述磁盘剩余容量变化数据包括时间点和对应的剩余容量值;
所述根据所述磁盘剩余容量变化数据,获取所述节点对应的磁盘容量预测函数的步骤包括:
从所述磁盘剩余容量变化数据的所有时间点中选取一起始时间点,以将所述起始时间点之前的所有时间点和对应的剩余容量值作为训练数据,将所述起始时间点之后的所有时间点和对应的剩余容量值作为样本数据;
将所述训练数据输入至预设运算器中进行回归化,以得到时间点和剩余容量值相关的基准预测函数;
通过所述样本数据对所述基准预测函数进行迭代,以在完成迭代后将迭代完成时的基准预测函数作为所述节点对应的磁盘容量预测函数。
3.如权利要求2所述的区块链节点的自动扩容方法,其特征在于,所述通过所述样本数据对所述基准预测函数进行迭代的步骤包括:
利用所述基准预测函数计算样本数据中任一时间点内所述节点对应的预测剩余容量值;
从样本数据中获取计算预测剩余容量值时的时间点所对应的实际剩余容量值,并将所述预测剩余容量值和所述实际剩余容量值进行比较,以得到剩余容量误差;
判断所述剩余容量误差是否符合预设迭代终止条件;
当所述剩余容量误差符合预设迭代终止条件时,迭代终止;
当所述剩余容量误差不符合预设迭代终止条件时,根据所述剩余容量误差更新所述基准预测函数。
4.如权利要求3所述的区块链节点的自动扩容方法,其特征在于,所述判断所述剩余容量误差是否符合预设迭代终止条件的步骤包括:
判断所述剩余容量误差是否小于预设阈值;
当所述剩余容量误差小于预设阈值时,确定所述剩余容量误差符合预设迭代终止条件;
当所述剩余容量误差大于或等于预设阈值时,确定所述剩余容量误差不符合预设迭代终止条件。
5.如权利要求1所述的区块链节点的自动扩容方法,其特征在于,所述根据预设时间后所述节点的磁盘剩余容量值确定磁盘目标扩容容量的步骤包括:
判断预设时间后的磁盘剩余容量值α是否小于预设容量设定值δ;
当预设时间后的磁盘剩余容量值α小于预设容量设定值δ时,获取所述节点的当前磁盘剩余容量值β,并将所述节点的当前磁盘剩余容量值β、预设容量设定值δ以及预设时间后的磁盘剩余容量值α输入至包括公式γ=β+δ-α的运算器中,得到所述节点的磁盘目标扩容容量γ。
6.如权利要求5所述的区块链节点的自动扩容方法,其特征在于,所述判断预设时间后的磁盘剩余容量值α是否小于预设容量设定值δ的步骤之后,还包括:
当预设时间后的磁盘剩余容量值α大于或等于预设容量设定值δ时,将预设时间后的磁盘剩余容量值α作为所述节点的磁盘目标扩容容量γ。
7.如权利要求1-6任一项所述的区块链节点的自动扩容方法,其特征在于,所述根据预设时间后所述节点的磁盘剩余容量值确定磁盘目标扩容容量的步骤之后,还包括:
判断所述节点的磁盘目标扩容容量是否大于所述节点所在硬盘的总剩余容量;
当所述节点的磁盘目标扩容容量大于所述节点所在磁盘的总剩余容量时,发出硬盘容量不足的提示信息;
当所述节点的磁盘目标扩容容量小于或等于所述节点所在磁盘的总剩余容量时,执行按照所述磁盘目标扩容容量对所述节点进行扩容的步骤。
8.一种区块链节点的自动扩容装置,其特征在于,所述装置包括:
获取模块,用于获取区块链中节点的磁盘剩余容量变化数据;
所述获取模块,还用于根据所述磁盘剩余容量变化数据,获取所述节点对应的磁盘容量预测函数,并根据所述磁盘容量预测函数获取预设时间后所述节点的磁盘剩余容量值;
扩容模块,用于根据预设时间后所述节点的磁盘剩余容量值确定磁盘目标扩容容量,以按照所述磁盘目标扩容容量对所述节点进行扩容。
9.一种运维终端,其特征在于,所述运维终端包括:通信模块、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7任一项所述的区块链节点的自动扩容方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的区块链节点的自动扩容方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910532942.7A CN110377228A (zh) | 2019-06-19 | 2019-06-19 | 区块链节点的自动扩容方法、装置、运维终端及存储介质 |
PCT/CN2019/120904 WO2020253111A1 (zh) | 2019-06-19 | 2019-11-26 | 区块链节点的自动扩容方法、装置、运维终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910532942.7A CN110377228A (zh) | 2019-06-19 | 2019-06-19 | 区块链节点的自动扩容方法、装置、运维终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110377228A true CN110377228A (zh) | 2019-10-25 |
Family
ID=68248977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910532942.7A Pending CN110377228A (zh) | 2019-06-19 | 2019-06-19 | 区块链节点的自动扩容方法、装置、运维终端及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110377228A (zh) |
WO (1) | WO2020253111A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111258506A (zh) * | 2020-02-07 | 2020-06-09 | 汉海信息技术(上海)有限公司 | 一种数据存储的方法及装置 |
CN111625189A (zh) * | 2020-05-19 | 2020-09-04 | 无锡华云数据技术服务有限公司 | 一种数据重平衡状态的检测方法、装置、设备及介质 |
CN111625196A (zh) * | 2020-05-26 | 2020-09-04 | 北京海益同展信息科技有限公司 | 区块链节点扩容方法、装置、计算机设备及存储介质 |
CN111737361A (zh) * | 2020-07-22 | 2020-10-02 | 百度在线网络技术(北京)有限公司 | 区块链处理方法、装置、设备和存储介质 |
CN111984190A (zh) * | 2020-07-26 | 2020-11-24 | 苏州浪潮智能科技有限公司 | 一种面向海量存储设备的存储池扩容方法和*** |
WO2020253111A1 (zh) * | 2019-06-19 | 2020-12-24 | 深圳壹账通智能科技有限公司 | 区块链节点的自动扩容方法、装置、运维终端及存储介质 |
CN113655965A (zh) * | 2021-08-20 | 2021-11-16 | 湖北央中巨石信息技术有限公司 | 一种区块链网络的扩容方法、区块链网络***及区块链网络运行方法 |
CN115390752A (zh) * | 2022-08-10 | 2022-11-25 | 中科豪联(杭州)技术有限公司 | 一种多磁盘的缓存文件管理方法 |
CN113655965B (zh) * | 2021-08-20 | 2024-07-26 | 湖北央中巨石信息技术有限公司 | 一种区块链网络的扩容方法、区块链网络***及区块链网络运行方法 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112988071B (zh) * | 2021-03-15 | 2024-05-24 | 中国建设银行股份有限公司 | 一种分布式存储扩容方法、装置、存储介质和设备 |
CN117453662A (zh) * | 2022-07-19 | 2024-01-26 | 腾讯科技(深圳)有限公司 | 交易处理方法、装置、电子设备和计算机可读存储介质 |
CN117422542B (zh) * | 2023-10-31 | 2024-05-28 | 苏银凯基消费金融有限公司 | 基于区块链技术的消费金融业务存证***及方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1677934A (zh) * | 2004-03-31 | 2005-10-05 | 华为技术有限公司 | 监控网络业务性能的方法及*** |
CN1991778A (zh) * | 2005-12-29 | 2007-07-04 | 英业达股份有限公司 | 快照扩容***及方法 |
CN103365781A (zh) * | 2012-03-29 | 2013-10-23 | 国际商业机器公司 | 用于动态地重新配置存储***的方法和设备 |
CN103970641A (zh) * | 2014-05-15 | 2014-08-06 | 浪潮电子信息产业股份有限公司 | 一种基于容量预测技术的设备扩容方法 |
CN104202435A (zh) * | 2014-09-28 | 2014-12-10 | 北京奇虎科技有限公司 | 数据拖取的方法和装置 |
CN104317638A (zh) * | 2014-10-17 | 2015-01-28 | 华为技术有限公司 | 一种应用伸缩管理方法及装置 |
US20150277773A1 (en) * | 2014-03-31 | 2015-10-01 | Emc Corporation | Dynamic storage tiering |
CN107092442A (zh) * | 2017-04-24 | 2017-08-25 | 杭州宏杉科技股份有限公司 | 存储***资源分配方法及装置 |
CN107480028A (zh) * | 2017-07-21 | 2017-12-15 | 东软集团股份有限公司 | 磁盘可使用的剩余时长的获取方法及装置 |
CN107832139A (zh) * | 2017-09-26 | 2018-03-23 | 上海点融信息科技有限责任公司 | 用于管理区块链节点的计算资源的方法、设备和*** |
CN109189323A (zh) * | 2018-07-06 | 2019-01-11 | 华为技术有限公司 | 扩容方法及设备 |
CN109766234A (zh) * | 2018-12-11 | 2019-05-17 | 国网甘肃省电力公司信息通信公司 | 基于时间序列模型的磁盘存储容量预测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104866408B (zh) * | 2014-02-20 | 2017-12-22 | 阿里巴巴集团控股有限公司 | 一种应用***的容量预测方法和装置 |
CN108845881A (zh) * | 2018-05-30 | 2018-11-20 | 有米科技股份有限公司 | 服务器容量动态调整的方法及装置 |
CN109885469B (zh) * | 2019-02-27 | 2022-09-30 | 深信服科技股份有限公司 | 一种扩容方法、预测模型创建方法、装置、设备及介质 |
CN110377228A (zh) * | 2019-06-19 | 2019-10-25 | 深圳壹账通智能科技有限公司 | 区块链节点的自动扩容方法、装置、运维终端及存储介质 |
-
2019
- 2019-06-19 CN CN201910532942.7A patent/CN110377228A/zh active Pending
- 2019-11-26 WO PCT/CN2019/120904 patent/WO2020253111A1/zh active Application Filing
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1677934A (zh) * | 2004-03-31 | 2005-10-05 | 华为技术有限公司 | 监控网络业务性能的方法及*** |
CN1991778A (zh) * | 2005-12-29 | 2007-07-04 | 英业达股份有限公司 | 快照扩容***及方法 |
CN103365781A (zh) * | 2012-03-29 | 2013-10-23 | 国际商业机器公司 | 用于动态地重新配置存储***的方法和设备 |
US20150277773A1 (en) * | 2014-03-31 | 2015-10-01 | Emc Corporation | Dynamic storage tiering |
CN103970641A (zh) * | 2014-05-15 | 2014-08-06 | 浪潮电子信息产业股份有限公司 | 一种基于容量预测技术的设备扩容方法 |
CN104202435A (zh) * | 2014-09-28 | 2014-12-10 | 北京奇虎科技有限公司 | 数据拖取的方法和装置 |
CN104317638A (zh) * | 2014-10-17 | 2015-01-28 | 华为技术有限公司 | 一种应用伸缩管理方法及装置 |
CN107092442A (zh) * | 2017-04-24 | 2017-08-25 | 杭州宏杉科技股份有限公司 | 存储***资源分配方法及装置 |
CN107480028A (zh) * | 2017-07-21 | 2017-12-15 | 东软集团股份有限公司 | 磁盘可使用的剩余时长的获取方法及装置 |
CN107832139A (zh) * | 2017-09-26 | 2018-03-23 | 上海点融信息科技有限责任公司 | 用于管理区块链节点的计算资源的方法、设备和*** |
CN109189323A (zh) * | 2018-07-06 | 2019-01-11 | 华为技术有限公司 | 扩容方法及设备 |
CN109766234A (zh) * | 2018-12-11 | 2019-05-17 | 国网甘肃省电力公司信息通信公司 | 基于时间序列模型的磁盘存储容量预测方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020253111A1 (zh) * | 2019-06-19 | 2020-12-24 | 深圳壹账通智能科技有限公司 | 区块链节点的自动扩容方法、装置、运维终端及存储介质 |
CN111258506A (zh) * | 2020-02-07 | 2020-06-09 | 汉海信息技术(上海)有限公司 | 一种数据存储的方法及装置 |
CN111625189A (zh) * | 2020-05-19 | 2020-09-04 | 无锡华云数据技术服务有限公司 | 一种数据重平衡状态的检测方法、装置、设备及介质 |
CN111625189B (zh) * | 2020-05-19 | 2023-07-28 | 华云数据控股集团有限公司 | 一种数据重平衡状态的检测方法、装置、设备及介质 |
CN111625196A (zh) * | 2020-05-26 | 2020-09-04 | 北京海益同展信息科技有限公司 | 区块链节点扩容方法、装置、计算机设备及存储介质 |
WO2021238513A1 (zh) * | 2020-05-26 | 2021-12-02 | 京东数科海益信息科技有限公司 | 区块链节点扩容方法、装置、计算机设备及存储介质 |
CN111737361B (zh) * | 2020-07-22 | 2021-01-15 | 百度在线网络技术(北京)有限公司 | 区块链处理方法、装置、设备和存储介质 |
CN111737361A (zh) * | 2020-07-22 | 2020-10-02 | 百度在线网络技术(北京)有限公司 | 区块链处理方法、装置、设备和存储介质 |
CN111984190A (zh) * | 2020-07-26 | 2020-11-24 | 苏州浪潮智能科技有限公司 | 一种面向海量存储设备的存储池扩容方法和*** |
CN111984190B (zh) * | 2020-07-26 | 2023-01-06 | 苏州浪潮智能科技有限公司 | 一种面向海量存储设备的存储池扩容方法和*** |
CN113655965A (zh) * | 2021-08-20 | 2021-11-16 | 湖北央中巨石信息技术有限公司 | 一种区块链网络的扩容方法、区块链网络***及区块链网络运行方法 |
CN113655965B (zh) * | 2021-08-20 | 2024-07-26 | 湖北央中巨石信息技术有限公司 | 一种区块链网络的扩容方法、区块链网络***及区块链网络运行方法 |
CN115390752A (zh) * | 2022-08-10 | 2022-11-25 | 中科豪联(杭州)技术有限公司 | 一种多磁盘的缓存文件管理方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2020253111A1 (zh) | 2020-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110377228A (zh) | 区块链节点的自动扩容方法、装置、运维终端及存储介质 | |
CN111325417B (zh) | 实现隐私保护的多方协同更新业务预测模型的方法及装置 | |
CN108960629A (zh) | 维修任务的分配方法、装置及计算机可读存储介质 | |
CN113792423B (zh) | 一种tpm设备管理的数字孪生行为约束方法及*** | |
CN107239339A (zh) | ***性能优化参数确定方法、***性能优化方法及装置 | |
CN108431832A (zh) | 利用外部存储器扩增神经网络 | |
CN109120451A (zh) | 基于物联网的设备评估方法、设备及计算机可读存储介质 | |
CN107480059B (zh) | 操作序列的获取方法、装置、存储介质、处理器和服务端 | |
CN111507541B (zh) | 货量预测模型构建方法、货量测量方法、装置及电子设备 | |
CN107452072A (zh) | 基于网页的bim在线建模方法及其*** | |
CN110347582A (zh) | 埋点测试方法和装置 | |
US11409928B2 (en) | Configurable digital twin | |
CN104021226B (zh) | 预取规则的更新方法及装置 | |
CN111666393A (zh) | 智能问答***的验证方法、装置、计算机设备及存储介质 | |
CN108613389B (zh) | 热水器的用水分析方法及***和计算机设备 | |
CN109885774A (zh) | 个性化内容的推荐方法、装置及设备 | |
Özerol et al. | A parallel between regret theory and outranking methods for multicriteria decision making under imprecise information | |
CN106815283A (zh) | 数据处理方法、装置及电子设备 | |
CN110058869A (zh) | 移动应用推送方法、计算机可读存储介质及终端设备 | |
CN109636664A (zh) | 一种配电***、配电主站及其点表模型更新方法 | |
CN111489196B (zh) | 基于深度学习网络的预测方法、装置、电子设备及介质 | |
CN111935005A (zh) | 数据传输方法、装置、处理设备及介质 | |
CN109600757A (zh) | 基站扩容的预测方法、装置、计算机设备和存储介质 | |
CN114091238A (zh) | 设备寿命预测方法、装置、电子设备及存储介质 | |
CN112337093A (zh) | 一种虚拟对象的分簇方法、装置、存储介质和电子装置 |
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 | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240227 |