CN103336719A - 一种p2p模式下分布渲染系统及方法 - Google Patents

Abstract

本发明提出一种分布渲染系统及方法，该系统包括服务器节点和多个对等节点渲染系统，所述方法包括如下步骤：该系统采用集中目录式P2P网络模型，本地节点通过服务器节点查找目录，寻找到有可利用资源的全部对等节点，并与这些对等节点建立动态连接；用户对自己的渲染模型进行前期处理后，再通过互联网将子任务上传到连接中的空闲节点，由空闲节点完成子任务的渲染任务并将数据返回给本地节点。本发明方法能很好地解决原有C/S模式中中心渲染系统对多任务大数据处理的计算和带宽压力，充分利用网络上的空闲资源并减少渲染时间。

Description

一种P2P模式下分布渲染系统及方法

技术领域

本发明涉及一种分布渲染系统及方法，特别涉及一种P2P模式下分布渲染的系统及方法。

背景技术

目前，国内比较成熟的渲染系统都是采用Client/Server（或客户/服务器）模式来对场景模型进行加速渲染的。随着带有GPU资源的智能终端越来越多，用户对高画质的应用需求不断增加，中心渲染系统面临的任务量越来越大，同时随着用户更加注重手持终端画面的质感，以寻求更好的体验度，中心渲染系统所处理的每项任务的工作量也大大增加，所以，原有的C/S模式渲染系统面临两个问题：一是中心渲染系统的计算压力越来越大；二是中心服务器的带宽消耗越来越大。

对此现状，我们急需一种方式将中心渲染系统从多任务、大数据、高质量渲染需求中解放出来，而P2P网络上任何一个节点即可作为服务器，设定共享资源供网络中其他节点使用，又可以作为工作站。本专利采用P2P模式对大型模型进行分布渲染，很好的解决了上述问题的同时，并充分利用了网络上对等节点可利用的空闲资源。考虑到渲染服务的专业性，本专利采用集中目录式P2P网络模型来实现P2P模式下分布渲染。另外，随着3G网络越来越普及，带宽传输速度大大增加，相比较带宽问题，用户更加在意模型渲染的响应时间，本发明在充分利用了P2P网络中空闲节点资源的同时，并极大加快了渲染响应时间。

渲染技术是对场景模型进行深化加工得到最终高质量显示效果的技术，需要大量的计算资源。随着用户对渲染要求的不断提高，渲染所需要的计算资源也随之增加，单计算机渲染的渲染模式已经无法满足用户的需求，分布技术成为了解决此问题的有效手段。

发明内容

本发明目的在于针对现有C/S模式渲染系统中，终端不断增加，任务量越来越大，中心渲染系统的数据计算以及带宽压力过大，响应时间过慢的问题，提供了一种P2P模式下分布渲染的系统及方法。

本发明提出一种P2P模式下分布渲染系统，包括服务器节点和多个对等节点（一个本地节点和多个响应节点）渲染系统，其中服务器节点用来接受对等节点的注册，存储注册节点的服务描述，记录在线节点的网络地址，并查找出符合用户需求描述的匹配结果；本地节点用来将自己的渲染模型任务分割为诸多子任务，并上传给网络对等节点，待其完成渲染任务后，下载结果数据到本地节点，通过码流转换呈现出整个模型渲染结果，与此同时用户可以对此结果做进一步修改，由本地节点自行或依旧交由对等节点继续渲染；响应节点用来利用自身的GPU资源采用并行的方式对用户提交的子任务进行渲染。

作为本发明的一种改进，所述服务器节点包括服务注册中心、匹配器、数据库；所述服务注册中心用于接收网络中对等节点的注册信息并对其GPU计算资源按照显卡类型进行等级划分；所述匹配器用来将服务中心的服务描述和用户需求描述做比较，分析对等节点中可利用计算资源是否适合做用户所需求的渲染服务，匹配得到符合的结果并按照匹配度进行排序；所述数据库用来存储用户注册信息、服务描述、节点计算资源的等级信息、在线登陆用户地址。

所述对等节点渲染系统则由配有GPU的PDA、PC机或智能手机构成，包括任务管理模块，任务调度模块，资源管理模块，所述任务管理模块用来对任务进行分析、分解和优先级编码，以及接收返回数据后对码流进行转换、分析；所述任务调度模块用来管理网络节点的连接、任务分配和资源调度；所述资源管理模块用来对资源进行存储、分析、规划和等级编码。所述对等节点在P2P网络中，一个节点在不同时刻可以是本地节点，也可以是响应节点。

 所述任务调度模块包括网络节点管理单元、任务分配单元和资源调度单元，所述网络节点管理单元用于不断更新网络中在线的有可利用资源的节点列表，并根据对等节点GPU计算资源等级信息判断其是否有空闲资源；任务分配单元用来动态分配子任务给有空闲资源的对等节点，该单元通过网络节点管理单元反馈的信息，根据不同节点空闲计算资源的具体情况，有效的分配给此节点一个或多个子任务，当如对等节点掉线等因素导致子任务执行失败时，则重新寻找节点分配子任务；资源调度单元用来利用空闲资源执行子任务。

一种P2P模式下分布渲染方法，包括以下步骤： 

步骤A：本地节点通过服务器节点登录（第一次登录需注册）并查找目录，寻找到有可利用资源的全部对等节点，并与这些对等节点建立动态连接；

步骤B：用户将自己的渲染模型，设置好灯光、材质、曝光等参数，根据任务的并行性按照细粒度进行任务分解、排序、编码，形成可执行的子任务，

步骤C：通过互联网将子任务上传到连接中的空闲节点；

步骤D：响应节点对自身空闲资源进行分析、规划和等级编码，当接收到子任务时，利用计算资源对其进行处理，完成任务后将结果数据返回给本地节点；

步骤E：本地接收到子任务完成后的结果数据后，将其进行码流转换、分析，最终呈现出整个模型的渲染结果。

步骤F：用户在此结果上，可以对模型进行进一步修改，利用自身资源对其继续渲染，也可以将修改后的模型上传到网络上空闲节点继续渲染。

作为该渲染方法的一种改进，所述步骤A中：

a1：所述服务注册中心记录用户注册时登记的服务描述，并对其GPU计算资源按照显卡类型进行等级划分；

a2：所述数据库记录用户的登录情况，以及与服务描述一一对应的账号信息（包括节点计算资源的等级信息）；

a3：所述匹配器是利用相应的匹配算法构建的，它将用户需求描述和服务中心的服务描述进行匹配，并利用数据库中的相关信息来分析对等节点中可利用计算资源是否适合做用户所需求的渲染服务，最后找出满足条件的服务列表并按照匹配度进行排序。

作为该渲染方法的又一种改进，所述步骤C中：

c1：所述网络节点管理单元不断更新网络中在线的有可利用资源的节点列表，与其建立连接并发送请求，并根据对等节点GPU计算资源等级信息判断其是否有空闲资源；

c2：所述任务分配单元分配子任务给有空闲资源的对等节点，该单元通过网络节点管理单元反馈的信息，根据不同节点空闲计算资源的具体情况，有效的分配给此节点一个或多个子任务，若出现如对等节点掉线等因素导致子任务执行失败，则重新寻找节点分配子任务。

本发明采用P2P模式对大型模型进行分布渲染，充分利用了P2P网络中空闲节点的资源，减轻了中心节点对大型模型的渲染压力，并极大加快了渲染响应时间。

附图说明

图1为本发明所述的一种P2P模式下分布渲染系统的结构示意图；

图2为本发明所述的服务器节点服务匹配过程示意图；

图3为本发明所述的对等节点渲染系统的结构示意图；

图4为本发明所述的任务调度模块的结构示意图；

图5为本发明所述的对等节点渲染系统工作示意图；

图6为本发明所述的任务调度模块工作示意图。

具体实施方式

如附图1、附图2、附图3、附图4所示，本发明所述的一种P2P模式下分布渲染系统，包括服务器节点1和多个对等节点（一个本地节点和多个响应节点）渲染系统2；其中服务器节点1包括服务注册中心101、匹配器102、数据库103；对等节点渲染系统2包括任务管理模块201，任务调度模块202，资源管理模块203；所述任务调度模块202包括网络节点管理单元2021、任务分配单元2022和资源调度单元2023。

服务器节点1中服务注册中心101用来接受对等节点的注册，记录用户注册时登记的服务描述，并对其GPU计算资源按照显卡类型进行等级划分，数据库103用来记录用户的登录情况，以及与服务描述一一对应的账号信息，匹配器102用来将用户需求描述和服务中心的服务描述进行匹配，并利用数据库中的相关信息来找出满足条件的服务列表；本地节点2的任务管理模块201根据渲染模型任务的并行性按照细粒度将任务分解、排序、编码，形成可执行的子任务，等待任务调度模块202中的网络节点管理单元2021连接有空闲资源的对等节点，然后通过任务分配单元2022发送子任务给响应节点2，响应节点2通过资源调度单元2023利用由资源管理模块203规划好的资源执行子任务，子任务完成后，下载结果数据到本地节点2，节点通过任务管理模块201进行码流转换并呈现出整个模型渲染结果。

如附图5所示，结合图1、图2、图3、图4，本发明所述的一种P2P模式下分布渲染系统工作过程包括：步骤A：本地节点通过服务器节点登录（第一次登录需注册）并查找目录，寻找到有可利用资源的全部对等节点，并与这些对等节点建立动态连接；步骤B：用户将自己的渲染模型，设置好灯光、材质、曝光等参数，根据任务的并行性按照细粒度进行任务分解、排序、编码，形成可执行的子任务，步骤C：通过互联网将子任务上传到连接中的空闲节点；步骤D：响应节点对自身空闲资源进行分析、规划和等级编码，当接收到子任务时，利用计算资源对其进行处理，完成任务后将结果数据返回给本地节点；步骤E：本地接收到子任务完成后的结果数据后，将其进行码流转换、分析，最终呈现出整个模型的渲染结果。步骤F：用户在此结果上，可以对模型进行进一步修改，利用自身资源对其继续渲染，也可以将修改后的模型上传到网络上空闲节点继续渲染。

如附图2所示，本发明所述的服务器节点服务匹配过程包括：a1：所述服务注册中心记录用户注册时登记的服务描述，并对其GPU计算资源按照显卡类型进行等级划分；a2：所述数据库记录用户的登录情况，以及与服务描述一一对应的账号信息（包括节点计算资源的等级信息）；a3：所述匹配器是利用相应的匹配算法构建的，它将用户需求描述和服务中心的服务描述进行匹配，并利用数据库中的相关信息来分析对等节点中可利用计算资源是否适合做用户所需求的渲染服务，最后找出满足条件的服务列表并按照匹配度进行排序。

如附图6所示，本发明所述的任务调度模块工作过程包括：c1：所述网络节点管理单元不断更新网络中在线的有可利用资源的节点列表，与其建立连接并发送请求，并根据对等节点GPU计算资源等级信息判断其是否有空闲资源；c2：所述任务分配单元分配子任务给有空闲资源的对等节点，该单元通过网络节点管理单元反馈的信息，根据不同节点空闲计算资源的具体情况，有效的分配给此节点一个或多个子任务，若出现如对等节点掉线等因素导致子任务执行失败，则重新寻找节点分配子任务。

Claims (8)

1.一种P2P模式下分布渲染系统，其特征在于，包括服务器节点和多个对等节点（一个本地节点和多个响应节点）渲染系统，其中服务器节点用来接受对等节点的注册，存储注册节点的服务描述并为其GPU计算资源划分等级，以及记录在线节点的网络地址并查找出符合用户需求描述的匹配结果；本地节点用来将自己的渲染模型任务分割为诸多子任务，并上传给网络对等节点，待其完成渲染任务后，下载结果数据到本地节点，通过码流转换呈现出整个模型渲染结果，与此同时用户可以对此结果做进一步修改，由本地节点自行或依旧交由对等节点继续渲染；响应节点用来利用自身的GPU资源采用并行的方式对用户提交的子任务进行渲染。

2.根据权利要求1所述的一种P2P模式下分布渲染系统，其特征在于，所述服务器节点包括服务注册中心、匹配器、数据库；所述服务注册中心用于接收网络中对等节点的注册信息并对其GPU计算资源按照显卡类型进行等级划分；所述匹配器用来将服务中心的服务描述和用户需求描述做比较，分析对等节点中可利用计算资源是否适合做用户所需求的渲染服务，匹配得到符合的结果并按照匹配度进行排序；所述数据库用来存储用户注册信息、服务描述、节点计算资源的等级信息、在线登陆用户地址。

3.根据权利要求1所述的一种P2P模式下分布渲染系统，其特征在于，所述对等节点渲染系统则由配有GPU的PDA、PC机或智能手机构成，应包括任务管理模块，任务调度模块，资源管理模块，所述任务管理模块用来对任务进行分析、分解和优先级编码；所述任务调度模块用来管理网络节点的连接、任务分配和资源调度；所述资源管理模块用来对资源进行存储、分析、规划和等级编码。

4.根据权利要求1所述的一种P2P模式下分布渲染系统，其特征在于，所述对等节点在P2P网络中，一个节点在不同时刻可以是本地节点，也可以是响应节点。

5.根据权利要求3所述的一种P2P模式下分布渲染系统，其特征在于，所述任务调度模块包括网络节点管理单元、任务分配单元和资源调度单元，所述网络节点管理单元用于不断更新网络中在线的有可利用资源的节点列表，并根据对等节点GPU计算资源等级信息判断其是否有空闲资源；任务分配单元用来动态分配子任务给有空闲资源的对等节点，该单元通过网络节点管理单元反馈的信息，根据不同节点空闲计算资源的具体情况，有效的分配给此节点一个或多个子任务，当如对等节点掉线等因素导致子任务执行失败时，则重新寻找节点分配子任务；资源调度单元用来利用空闲资源执行子任务。

6.一种如权利要求1所述的P2P模式下分布渲染方法，其特征在于，包括以下步骤： 

步骤A：本地节点通过服务器节点登录（第一次登录需注册）并查找目录，寻找到有可利用资源的全部对等节点，并与这些对等节点建立动态连接；

步骤B：用户将自己的渲染模型，设置好灯光、材质、曝光等参数，根据任务的并行性按照细粒度进行任务分解、排序、编码，形成可执行的子任务；

步骤C：通过互联网将子任务上传到连接中的空闲节点；

步骤D：响应节点对自身空闲资源进行分析、规划和等级编码，当接收到子任务时，利用计算资源对其进行处理，完成任务后将结果数据返回给本地节点；

步骤E：本地接收到子任务完成后的结果数据后，将其进行码流转换、分析，最终呈现出整个模型的渲染结果；

步骤F：用户在此结果上，可以对模型进行进一步修改，利用自身资源对其继续渲染，也可以将修改后的模型上传到网络上空闲节点继续渲染。

7.根据权利要求6所述的一种P2P模式下分布渲染方法，其特征在于，所述步骤A中：

a1：所述服务注册中心记录用户注册时登记的服务描述，并对其GPU计算资源按照显卡类型进行等级划分；

a2：所述数据库记录用户的账号信息，登录情况，以及与账号信一一对应的服务描述（包括节点计算资源的等级信息）；

a3：所述匹配器是利用相应的匹配算法构建的，它将用户需求描述和服务中心的服务描述进行匹配，并利用数据库中的相关信息来分析对等节点中可利用计算资源是否适合做用户所需求的渲染服务，最后找出满足条件的服务列表并按照匹配度进行排序。

8.根据权利要求6所述的一种P2P模式下分布渲染方法，其特征在于，所述步骤C中：

c1：所述网络节点管理单元不断更新网络中在线的有可利用资源的节点列表，与其建立连接并发送请求，并根据对等节点GPU计算资源等级信息判断其是否有空闲资源；

c2：所述任务分配单元分配子任务给有空闲资源的对等节点，该单元通过网络节点管理单元反馈的信息，根据不同节点空闲计算资源的具体情况，有效的分配给此节点一个或多个子任务，若出现如对等节点掉线等因素导致子任务执行失败，则重新寻找节点分配子任务。

Images