CN103473630A - 一种信息栅格系统中的业务资源管理方法 - Google Patents

一种信息栅格系统中的业务资源管理方法 Download PDF

Info

Publication number
CN103473630A
CN103473630A CN2013103732825A CN201310373282A CN103473630A CN 103473630 A CN103473630 A CN 103473630A CN 2013103732825 A CN2013103732825 A CN 2013103732825A CN 201310373282 A CN201310373282 A CN 201310373282A CN 103473630 A CN103473630 A CN 103473630A
Authority
CN
China
Prior art keywords
service
information
aggregated flow
flow
aggregated
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.)
Granted
Application number
CN2013103732825A
Other languages
English (en)
Other versions
CN103473630B (zh
Inventor
黄东
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201310373282.5A priority Critical patent/CN103473630B/zh
Publication of CN103473630A publication Critical patent/CN103473630A/zh
Application granted granted Critical
Publication of CN103473630B publication Critical patent/CN103473630B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Data Exchanges In Wide-Area Networks (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种通过采用业务资源控制，对信息栅格系统中的业务资源进行管理优化处理；提供一种基于模糊控制方法和资源优化管理相结合的控制策略，该方法通过采用控制决策部分同业务资源优化调节部分相结合对业务资源优化匹配和聚合进行控制、聚合流特征提取以及判断业务状态和需求变化，提高信息栅格系统中的业务资源优化调度和管理能力。本发明的显著效果是：提出了一种满足信息栅格系统中信息传输和服务质量要求业务调度方法，从而提高信息栅格系统中的业务资源优化调度和管理能力。

Description

一种信息栅格系统中的业务资源管理方法
技术领域
本发明涉及通信技术领域和模糊控制领域，特别是涉及信息栅格和业务资源调度机制。
背景技术
信息栅格以栅格技术为基础，把分布于不同地理位置的计算机、数据库、存储器和软件等资源连成整体，提供一体化信息服务，它是栅格技术的具体应用。信息栅格利用栅格技术实现信息的共享、管理和提供信息服务的系统，主要解决的是广域、异构信息的共享、互连和互操作问题，达到消除信息孤岛现象，以满足各个组织信息共享需求的目标。
信息栅格是一个信息环境，它提供通信、信息处理、信息存储和增值服务，以便用户能发现信息、处理信息和交换信息，其研究的核心问题是信息共享的新思路和共性技术。信息栅格能够提供资源共享、消除信息孤岛、实现应用程序的互连互通,其具有协同工作的特点，很多栅格结点可以共同处理一个项目,如图1所示。
信息栅格系统具备更灵活的网络应用能力和更强的智能处理能力，并能更好地满足网络的负载均衡，达到合理利用网络资源，降低网络拥塞，提高用户业务服务质量的目的。由于信息栅格系统业务具有多样性和多媒体特征，呈现智能化和个性化要求越来越高等特点。这些都对网络的服务质量（QoS）提出了更高的要求，即对带宽、延迟、抖动以及分组丢失率等网络参数的要求越来越高。
综上所述：有必要采用高效的策略对信息栅格中的业务资源进行高效调度和管理。
发明内容
本发明所要解决的技术问题是：提高和改善信息栅格系统中的业务资源管理优化能力。
本发明为解决上述技术问题所采用的技术方案为：通过采用业务资源控制，对信息栅格系统中的业务资源进行管理优化处理；提供一种基于模糊控制方法和资源优化管理相结合的控制策略，该方法通过采用控制决策部分同业务资源优化调节部分相结合对业务资源优化匹配和聚合进行控制、聚合流特征提取以及判断业务状态和需求变化，提高信息栅格系统中的业务资源优化调度和管理能力；其特征在于：通过采用控制决策和业务资源优化调节相结合实现信息栅格系统中的业务资源的高效传输和管理，包括以下步骤：
A、对信息栅格系统的业务资源优化管理由两个功能部分完成，分别是控制决策部分和业务资源优化调节部分；控制决策部分包括业务资源池、资源观测器、知识库和经验库、缓存、控制决策单元、模糊控制器和模糊规则库，业务资源优化调节部分包括业务状态和需求信息观测单元、业务资源匹配和聚合单元、业务资源优化处理单元、聚合流特征提取处理、业务统计特性分析单元；
B、对信息栅格系统中的业务资源进行最优匹配和聚合，并对聚合流进行优化调度;
C、进行业务特征提取和和业务统计特性分析，并判断业务状态和需求是否改变。
所述步骤A中，资源观测器从业务资源池获取当前的业务资源状态信息，并将业务资源状态信息、知识库和经验库中的信息定时被传送至缓存单元，并使用从缓存单元中得到的信息对控制行为判决单元进行触发，使其对业务进行最优匹配和聚合进行控制, 若需采取控制行为, 则触发模糊控制器对业务资源进行最优匹配和聚合, 模糊控制器采用的模糊控制规则由模糊逻辑规则库提供，其中知识库和经验库包含具有一定相关度的连续业务和随机突发业务的统计特性以及业务状态和需求变化信息，并不断更新上述信息，如图2所示。
所述步骤B中，首先进行业务资源最优匹配和聚合，其在业务资源池将业务信息流量分成节点级流量、骨干链路流量、边缘或接入网络流量以及专用控制信息流量，每一种流量分别通过聚合流hash表，并进行各个类别内部的流量叠加，并创建相应的聚合流，然后将各类别相应的聚合流进行叠加，输出具有高低粒度的混合聚合流，其中模糊控制器的输出变量作为聚合流Hash表的具有                                                
Figure 2013103732825100002DEST_PATH_IMAGE001
个相同平均到达速率业务的散列地址，其中
Figure 2013103732825100002DEST_PATH_IMAGE002
，如图3所示。 
所述步骤B中，进行聚合流资源优化调度，在条件
Figure DEST_PATH_IMAGE003
、
Figure DEST_PATH_IMAGE004
、
Figure DEST_PATH_IMAGE005
和
Figure DEST_PATH_IMAGE006
Figure DEST_PATH_IMAGE007
下，使
Figure DEST_PATH_IMAGE008
和
Figure DEST_PATH_IMAGE009
最优，可采用以下方法，(1)记录任意两个聚合流之间相关时间序列，获取这两个聚合流的初始时间序列，其中
Figure DEST_PATH_IMAGE010
为使得总体完成时间最小的聚合流数目，信息栅格系统中传输的聚合流总数为n，在每个节点的聚合流入口处建立业务调度表，从业务调度表中任意选择使得信息栅格系统的业务处理完成时间的两聚合流，将此时间作为当前局部最小时间值，并记录；（2）通过使用子步骤(1)的方法不断计算剩余聚合流中任意两个聚合流的处理完成时间，并从中选取选择总体完成时间局部最小的时间值作为局部最优解，并记录使得总体完成时间最小的聚合流数目；如果
Figure DEST_PATH_IMAGE011
, 则能够获得最优参数
Figure DEST_PATH_IMAGE012
，则停止计算，其中
Figure DEST_PATH_IMAGE013
为取的整数部分，
Figure DEST_PATH_IMAGE015
为取和之间的最大值，反之，则继续逐渐增加第
Figure DEST_PATH_IMAGE018
个聚合流，重复执行子步骤(2)，并获取使得和
Figure 610099DEST_PATH_IMAGE009
最优的处理器数量、存储资源，以及传输链路集合，将此信息用于模糊逻辑规则库信息的更新和修改，其中
Figure DEST_PATH_IMAGE020
为信息栅格系统分配的聚合流序号, 为节点序号, 
Figure DEST_PATH_IMAGE022
为节点
Figure 14669DEST_PATH_IMAGE021
对聚合流
Figure 518124DEST_PATH_IMAGE020
的服务时间, 
Figure DEST_PATH_IMAGE023
为节点
Figure 194480DEST_PATH_IMAGE021
对聚合流服务与节点
Figure 257212DEST_PATH_IMAGE021
对聚合流
Figure 779812DEST_PATH_IMAGE010
服务的时间间隔, 
Figure DEST_PATH_IMAGE024
为节点
Figure 126654DEST_PATH_IMAGE021
对聚合流服务的服务时间的权重值, ， 
Figure DEST_PATH_IMAGE026
为所有聚合流被服务完毕所需的时间, 
Figure 163761DEST_PATH_IMAGE012
为节点对聚合流
Figure 246393DEST_PATH_IMAGE020
服务的所需时间, 
Figure DEST_PATH_IMAGE027
为通过在节点i中设置的业务使用判决单元获得的决策系数，
Figure DEST_PATH_IMAGE028
，为业务流i与业务流j的相关决策系数，
Figure DEST_PATH_IMAGE030
为节点
Figure 636565DEST_PATH_IMAGE021
对聚合流服务的所需时间，上述时间或时间间隔值可通过位于信息栅格系统节点内部的服务时间计时器完成，
Figure DEST_PATH_IMAGE032
为节点对聚合流
Figure 773553DEST_PATH_IMAGE020
服务的所需时间最大值，
Figure DEST_PATH_IMAGE033
为节点
Figure 960298DEST_PATH_IMAGE021
对聚合流
Figure 520898DEST_PATH_IMAGE010
服务的所需时间；若遍历所有的聚合流仍不能获得最优参数
Figure 307940DEST_PATH_IMAGE012
，则直接进行业务状态和需求信息变化的判断，并重复前述步骤直至获得最优参数
Figure 983159DEST_PATH_IMAGE012
，若能获得最优参数
Figure 576077DEST_PATH_IMAGE012
，则执行业务的统计特性分析。
所述步骤C中，使用业务资源优化处理单元进行业务特征提取，业务资源特征提取单元包括监测流量大小子模块、监测流量特征分布子模块、异常模式库子模块、模式提取判决子模块组成；首先监测聚合流的流量大小和流量特征分布，然后与获得最优参数的聚合流特征进行比较，然后判断是否进行模式提取，若该聚合流与获得最优参数的聚合流特征一致，则允许输出，若该聚合流与获得最优参数的聚合流特征不一致，则该聚合流返回至业务资源池，并将特征比较信息送至异常信息库，并用异常信息库更新知识库和经验库，如图4所示。
所述步骤C中，首先执行聚合流的统计特性分析，获取具有一定
相关度的连续和随机突发聚合流的统计特性，其主要指标包括局部和全局时间范围内各聚合流流量的均值和方差及其与时间之间的关系，以及各聚合流之间的协方差系数，并将获得的聚合流的统计特性分析结果放入知识库和经验库中；然后判断信息栅格系统的业务状态和需求信息是否改变，若信息栅格系统的业务状态和需求信息没有改变，则将业务统计信息发送至知识库和经验库，若信息栅格系统的业务状态和需求信息改变，则直接返回进行业务资源最优匹配和聚合。
本发明的有益效果为：提出了一种基于控制决策部分同业务资源优化调节部分相结合的方法，该方法通过对业务进行匹配聚合、业务资源优化调度以及聚合流特征提取等部分实现对信息栅格的业务高效管理。
附图说明
图1为信息栅格系统示意图
图2 为信息栅格系统业务优化调度和管理流程示意图
图3 为业务资源聚合功能实现示意图
图4 为聚合流特征提取功能示意图
具体实施方式
下面根据附图和实施例对本发明作进一步详细说明:
本发明的基本思路如下：通过采用控制决策部分同业务资源优化调节部分相结合对业务资源优化匹配和聚合进行控制、聚合流特征提取以及判断业务状态和需求变化，提高信息栅格系统中的业务资源优化调度和管理能力。
1.对信息栅格系统的业务资源优化管理由两个功能部分完成，分别是控制决策部分和业务资源优化调节部分；控制决策部分包括业务资源池、资源观测器、知识库和经验库、缓存、控制决策单元、模糊控制器和模糊规则库，业务资源优化调节部分包括业务状态和需求信息观测单元、业务资源匹配和聚合单元、业务资源优化处理单元、聚合流特征提取处理、业务统计特性分析单元。
2. 资源观测器从业务资源池获取当前的业务资源状态信息，并将业务资源状态信息、知识库和经验库中的信息定时被传送至缓存单元，并使用从缓存单元中得到的信息对控制行为判决单元进行触发，使其对业务进行最优匹配和聚合进行控制, 若需采取控制行为, 则触发模糊控制器对业务资源进行最优匹配和聚合, 模糊控制器采用的模糊控制规则由模糊逻辑规则库提供，其中知识库和经验库包含具有一定相关度的连续业务和随机突发业务的统计特性以及业务状态和需求变化信息，并不断更新上述信息，如图2所示。
3. 对信息栅格系统中的业务资源进行最优匹配和聚合，并对聚合流资源进行优化调度。首先进行业务资源最优匹配和聚合，其在业务资源池将业务信息流量分成节点级流量、骨干链路流量、边缘或接入网络流量以及专用控制信息流量，每一种流量分别通过聚合流hash表，并进行各个类别内部的流量叠加，并创建相应的聚合流，然后将各类别相应的聚合流进行叠加，输出具有高低粒度的混合聚合流，其中模糊控制器用于Hash表的内容调整，如图3所示。
4. 进行聚合流资源优化调度，进行聚合流资源优化调度，在条件
Figure 445594DEST_PATH_IMAGE003
、
Figure 255210DEST_PATH_IMAGE004
、
Figure 530859DEST_PATH_IMAGE005
和
Figure 911770DEST_PATH_IMAGE007
下，使
Figure 244531DEST_PATH_IMAGE008
和
Figure DEST_PATH_IMAGE035
最优，可采用以下方法，(1)记录任意两个聚合流之间相关时间序列，获取这两个聚合流的初始时间序列，其中
Figure 504304DEST_PATH_IMAGE010
为使得总体完成时间最小的聚合流数目，信息栅格系统中传输的聚合流总数为n，在每个节点的聚合流入口处建立业务调度表，从业务调度表中任意选择使得信息栅格系统的业务处理完成时间的两聚合流，将此时间作为当前局部最小时间值，并记录；（2）通过使用子步骤(1)的方法不断计算剩余聚合流中任意两个聚合流的处理完成时间，并从中选取选择总体完成时间局部最小的时间值作为局部最优解，并记录使得总体完成时间最小的聚合流数目
Figure 549753DEST_PATH_IMAGE010
；如果
Figure 99685DEST_PATH_IMAGE011
, 则能够获得最优参数，则停止计算，其中为取
Figure 927580DEST_PATH_IMAGE014
的整数部分，为取
Figure 883032DEST_PATH_IMAGE016
和
Figure 658395DEST_PATH_IMAGE017
之间的最大值，反之，则继续逐渐增加第
Figure 253677DEST_PATH_IMAGE018
个聚合流，重复执行子步骤(2)，并获取使得
Figure 251982DEST_PATH_IMAGE019
和
Figure 780702DEST_PATH_IMAGE035
最优的处理器数量、存储资源，以及传输链路集合，将此信息用于模糊逻辑规则库信息的更新和修改，其中为信息栅格系统分配的聚合流序号, 
Figure 64049DEST_PATH_IMAGE021
为节点序号, 
Figure 42500DEST_PATH_IMAGE022
为节点
Figure 955748DEST_PATH_IMAGE021
对聚合流
Figure 604554DEST_PATH_IMAGE037
的服务时间, 
Figure 85566DEST_PATH_IMAGE023
为节点
Figure 69090DEST_PATH_IMAGE021
对聚合流
Figure 788958DEST_PATH_IMAGE037
服务与节点
Figure 643925DEST_PATH_IMAGE021
对聚合流
Figure 663483DEST_PATH_IMAGE010
服务的时间间隔, 
Figure 665462DEST_PATH_IMAGE024
为节点
Figure 435359DEST_PATH_IMAGE021
对聚合流
Figure 642177DEST_PATH_IMAGE037
服务的服务时间的权重值, 
Figure DEST_PATH_IMAGE038
， 
Figure 328242DEST_PATH_IMAGE026
为所有聚合流被服务完毕所需的时间, 
Figure 748074DEST_PATH_IMAGE036
为节点
Figure 662940DEST_PATH_IMAGE021
对聚合流
Figure 999899DEST_PATH_IMAGE037
服务的所需时间, 
Figure 361260DEST_PATH_IMAGE027
为通过在节点i中设置的业务使用判决单元获得的决策系数，
Figure DEST_PATH_IMAGE039
，
Figure 179781DEST_PATH_IMAGE029
为业务流i与业务流j的相关决策系数，
Figure DEST_PATH_IMAGE040
为节点对聚合流
Figure 153784DEST_PATH_IMAGE031
服务的所需时间，上述时间或时间间隔值可通过位于信息栅格系统节点内部的服务时间计时器完成，
Figure 545100DEST_PATH_IMAGE032
为节点
Figure 962962DEST_PATH_IMAGE021
对聚合流
Figure 467632DEST_PATH_IMAGE037
服务的所需时间最大值，
Figure 451287DEST_PATH_IMAGE033
为节点
Figure 154451DEST_PATH_IMAGE021
对聚合流
Figure 549278DEST_PATH_IMAGE010
服务的所需时间；若遍历所有的聚合流仍不能获得最优参数，则直接进行业务状态和需求信息变化的判断，并重复前述步骤直至获得最优参数
Figure 778626DEST_PATH_IMAGE036
，若能获得最优参数
Figure 396297DEST_PATH_IMAGE036
，则执行业务的统计特性分析。
5. 使用业务资源优化处理单元进行业务特征提取，业务资源特征提取单元包括监测流量大小子模块、监测流量特征分布子模块、异常模式库子模块、模式提取判决子模块组成；首先监测聚合流的流量大小和流量特征分布，然后与获得最优参数的聚合流特征进行比较，然后判断是否进行模式提取，若该聚合流与获得最优参数的聚合流特征一致，则允许输出，若该聚合流与获得最优参数的聚合流特征不一致，则该聚合流返回至业务资源池，并将特征比较信息送至异常信息库，并用异常信息库更新知识库和经验库，如图4所示。
6. 进行业务特征提取和和业务统计特性分析，并判断业务状态和需求是否改变。首先执行聚合流的统计特性分析，获取具有一定相关度的连续和随机突发聚合流的统计特性，其主要指标包括局部和全局时间范围内各聚合流流量的均值和方差及其与时间之间的关系，以及各聚合流之间的协方差系数，并将获得的聚合流的统计特性分析结果放入知识库和经验库中；然后判断信息栅格系统的业务状态和需求信息是否改变，若信息栅格系统的业务状态和需求信息没有改变，则将业务统计信息发送至知识库和经验库，若信息栅格系统的业务状态和需求信息改变，则直接返回进行业务资源最优匹配和聚合。
本发明提出了一种基于控制决策部分同业务资源优化调节部分相结合的方法，该方法通过对业务进行匹配聚合、业务资源优化调度以及聚合流特征提取等部分实现对信息栅格的业务高效管理。

Claims (6)

1.一种信息栅格系统中的业务资源管理方法，采用控制决策和业务资源优化调节相结合对业务资源的优化匹配和聚合进行控制，实现信息栅格系统中的业务资源的高效传输和管理，包括如下步骤：
A、对信息栅格系统的业务资源优化管理由两个功能部分完成，分别是控制决策部分和业务资源优化调节部分；控制决策部分包括业务资源池、资源观测器、知识库和经验库、缓存、控制决策单元、模糊控制器和模糊规则库，业务资源优化调节部分包括业务状态和需求
信息观测单元、业务资源匹配和聚合单元、业务资源优化处理单元、聚合流特征提取处理、业务统计特性分析单元；
B、对信息栅格系统中的业务资源进行最优匹配和聚合，并对聚合流进行优化调度；
C、进行业务特征提取和和业务统计特性分析，并判断业务状态和需求是否改变。
2.根据权利要求1的方法，对于所述步骤A其特征在于：资源观测器从业务资源池获取当前的业务资源状态信息，并将业务资源状态信息、知识库和经验库中的信息定时被传送至缓存单元，并使用从缓存单元中得到的信息对控制行为判决单元进行触发，使其对业务进行最优匹配和聚合进行控制, 若需采取控制行为, 则触发模糊控制器对业务资源进行最优匹配和聚合, 模糊控制器采用的模糊控制规则由模糊逻辑规则库提供，其中知识库和经验库包含具有一定相关度的连续业务和随机突发业务的统计特性以及业务状态和需求变化信息，并不断更新上述信息。
3.根据权利要求1的方法，对于所述步骤B其特征在于：首先进行业务资源最优匹配和聚合，其在业务资源池将业务信息流量分成节点级流量、骨干链路流量、边缘或接入网络流量以及专用控制信息流量，每一种流量分别通过聚合流hash表，并进行各个类别内部的流量叠加，并创建相应的聚合流，然后将各类别相应的聚合流进行叠加，输出具有高低粒度的混合聚合流，其中模糊控制器的输出变量作为聚合流Hash表的具有                                                
Figure 17954DEST_PATH_IMAGE001
个相同平均到达速率业务的散列地址，其中
Figure 916640DEST_PATH_IMAGE002
。
4. 根据权利要求1的方法，对于所述步骤B其特征在于：进行聚合流资源优化调度，在条件
Figure 751741DEST_PATH_IMAGE003
、
Figure 761285DEST_PATH_IMAGE004
、
Figure 998231DEST_PATH_IMAGE005
和
Figure 536660DEST_PATH_IMAGE006
Figure 859057DEST_PATH_IMAGE007
下，使和
Figure 265210DEST_PATH_IMAGE009
最优，可采用以下方法：(1)记录任意两个聚合流之间相关时间序列，获取这两个聚合流的初始时间序列，其中
Figure 505698DEST_PATH_IMAGE010
为使得总体完成时间最小的聚合流数目，信息栅格系统中传输的聚合流总数为n，在每个节点的聚合流入口处建立业务调度表，从业务调度表中任意选择使得信息栅格系统的业务处理完成时间的两聚合流，将此时间作为当前局部最小时间值，并记录；（2）通过使用子步骤(1)的方法不断计算剩余聚合流中任意两个聚合流的处理完成时间，并从中选取选择总体完成时间局部最小的时间值作为局部最优解，并记录使得总体完成时间最小的聚合流数目
Figure 49812DEST_PATH_IMAGE010
；如果
Figure 401159DEST_PATH_IMAGE011
, 则能够获得最优参数
Figure 81539DEST_PATH_IMAGE012
，则停止计算，其中
Figure 492929DEST_PATH_IMAGE013
为取
Figure 993180DEST_PATH_IMAGE014
的整数部分，
Figure 502878DEST_PATH_IMAGE015
为取
Figure 444289DEST_PATH_IMAGE016
和
Figure 151214DEST_PATH_IMAGE017
之间的最大值，反之，则继续逐渐增加第
Figure 810865DEST_PATH_IMAGE018
个聚合流，重复执行子步骤(2)，并获取使得和
Figure 158987DEST_PATH_IMAGE020
最优的处理器数量、存储资源，以及传输链路集合，将此信息用于模糊逻辑规则库信息的更新和修改，其中
Figure 36813DEST_PATH_IMAGE021
为信息栅格系统分配的聚合流序号, 
Figure 183761DEST_PATH_IMAGE022
为节点序号, 
Figure 680601DEST_PATH_IMAGE023
为节点
Figure 691545DEST_PATH_IMAGE022
对聚合流
Figure 474693DEST_PATH_IMAGE021
的服务时间, 
Figure 843358DEST_PATH_IMAGE024
为节点
Figure 2944DEST_PATH_IMAGE022
对聚合流
Figure 773453DEST_PATH_IMAGE021
服务与节点
Figure 727503DEST_PATH_IMAGE022
对聚合流
Figure 849043DEST_PATH_IMAGE010
服务的时间间隔, 
Figure 687686DEST_PATH_IMAGE025
为节点
Figure 673222DEST_PATH_IMAGE022
对聚合流
Figure 939118DEST_PATH_IMAGE021
服务的服务时间的权重值, 
Figure 141429DEST_PATH_IMAGE026
， 
Figure 783763DEST_PATH_IMAGE027
为所有聚合流被服务完毕所需的时间, 
Figure 653499DEST_PATH_IMAGE012
为节点
Figure 90296DEST_PATH_IMAGE022
对聚合流服务的所需时间, 
Figure 960349DEST_PATH_IMAGE028
为通过在节点i中设置的业务使用判决单元获得的决策系数，
Figure 920477DEST_PATH_IMAGE029
，
Figure 262597DEST_PATH_IMAGE030
为业务流i与业务流j的相关决策系数，
Figure 439500DEST_PATH_IMAGE031
为节点
Figure 158058DEST_PATH_IMAGE022
对聚合流服务的所需时间，上述时间或时间间隔值可通过位于信息栅格系统节点内部的服务时间计时器完成，
Figure 515407DEST_PATH_IMAGE033
为节点
Figure 179606DEST_PATH_IMAGE022
对聚合流
Figure 967434DEST_PATH_IMAGE021
服务的所需时间最大值，
Figure 896295DEST_PATH_IMAGE034
为节点
Figure 845796DEST_PATH_IMAGE022
对聚合流
Figure 731712DEST_PATH_IMAGE010
服务的所需时间；若遍历所有的聚合流仍不能获得最优参数，则直接进行业务状态和需求信息变化的判断，并重复前述步骤直至获得最优参数
Figure 486359DEST_PATH_IMAGE012
，若能获得最优参数，则执行业务的统计特性分析。
5.根据权利要求1的方法，对于所述步骤C其特征在于：使用业务资源优化处理单元进行业务特征提取，业务资源特征提取单元包括监测流量大小子模块、监测流量特征分布子模块、异常模式库子模块、模式提取判决子模块组成；首先监测聚合流的流量大小和流量特征分布，然后与获得最优参数的聚合流特征进行比较，然后判断是否进行模式提取，若该聚合流与获得最优参数的聚合流特征一致，则允许输出，若该聚合流与获得最优参数的聚合流特征不一致，则该聚合流返回至业务资源池，并将特征比较信息送至异常信息库，并用异常信息库更新知识库和经验库。
6. 根据权利要求1的方法，对于所述步骤C其特征在于：首先执行聚合流的统计特性分析，获取具有一定相关度的连续和随机突发聚合流的统计特性，其主要指标包括局部和全局时间范围内各聚合流流量的均值和方差及其与时间之间的关系，以及各聚合流之间的协方差系数，并将获得的聚合流的统计特性分析结果放入知识库和经验库中；然后判断信息栅格系统的业务状态和需求信息是否改变，若信息栅格系统的业务状态和需求信息没有改变，则将业务统计信息发送至知识库和经验库，若信息栅格系统的业务状态和需求信息改变，则直接返回进行业务资源最优匹配和聚合。
CN201310373282.5A 2013-08-26 2013-08-26 一种信息栅格系统中的业务资源管理方法 Expired - Fee Related CN103473630B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310373282.5A CN103473630B (zh) 2013-08-26 2013-08-26 一种信息栅格系统中的业务资源管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310373282.5A CN103473630B (zh) 2013-08-26 2013-08-26 一种信息栅格系统中的业务资源管理方法

Publications (2)

Publication Number Publication Date
CN103473630A true CN103473630A (zh) 2013-12-25
CN103473630B CN103473630B (zh) 2016-09-07

Family

ID=49798472

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310373282.5A Expired - Fee Related CN103473630B (zh) 2013-08-26 2013-08-26 一种信息栅格系统中的业务资源管理方法

Country Status (1)

Country Link
CN (1) CN103473630B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108780494A (zh) * 2016-01-26 2018-11-09 微软技术许可有限责任公司 到多层栅格布局的对象的对准
CN109388424A (zh) * 2017-08-02 2019-02-26 阿里巴巴集团控股有限公司 一种进行交互需求的方法和系统
CN111399450A (zh) * 2020-03-13 2020-07-10 黄东 一种云端制造信息平台

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102158401A (zh) * 2011-03-03 2011-08-17 江苏方天电力技术有限公司 基于电力自动化系统的流量监测模型
CN102185726A (zh) * 2011-06-03 2011-09-14 黄东 一种提高信息栅格系统中的业务资源管理能力的方法
US20110238916A1 (en) * 2010-03-26 2011-09-29 Manik Surtani Representing a tree structure on a flat structure

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110238916A1 (en) * 2010-03-26 2011-09-29 Manik Surtani Representing a tree structure on a flat structure
CN102158401A (zh) * 2011-03-03 2011-08-17 江苏方天电力技术有限公司 基于电力自动化系统的流量监测模型
CN102185726A (zh) * 2011-06-03 2011-09-14 黄东 一种提高信息栅格系统中的业务资源管理能力的方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108780494A (zh) * 2016-01-26 2018-11-09 微软技术许可有限责任公司 到多层栅格布局的对象的对准
CN108780494B (zh) * 2016-01-26 2022-03-22 微软技术许可有限责任公司 到多层栅格布局的对象的对准的设备、方法和程序产品
CN109388424A (zh) * 2017-08-02 2019-02-26 阿里巴巴集团控股有限公司 一种进行交互需求的方法和系统
CN109388424B (zh) * 2017-08-02 2022-03-25 阿里巴巴集团控股有限公司 一种进行交互需求的方法和系统
CN111399450A (zh) * 2020-03-13 2020-07-10 黄东 一种云端制造信息平台

Also Published As

Publication number Publication date
CN103473630B (zh) 2016-09-07

Similar Documents

Publication Publication Date Title
CN105227481B (zh) 基于路径开销和流调度代价最小化的sdn拥塞控制路由方法
CN111246586B (zh) 一种基于遗传算法的分配智能电网资源的方法及系统
CN104767694B (zh) 一种面向Fat‑Tree数据中心网络架构的数据流转发方法
Chien et al. A SDN-SFC-based service-oriented load balancing for the IoT applications
CN107733689A (zh) 基于优先级的动态加权轮询调度策略方法
CN101803304B (zh) 合计带宽控制的方法和系统
CN110381541A (zh) 一种基于强化学习的智能电网切片分配方法及装置
MX2015006471A (es) Metodo y aparato para controlar la utilizacion en una aplicacion de software horizontalmente escalado.
US20140229210A1 (en) System and Method for Network Resource Allocation Considering User Experience, Satisfaction and Operator Interest
CN106789660A (zh) 软件定义网络中QoS可感知的流量管理方法
CN104038392A (zh) 一种云计算资源服务质量评估方法
CN105191209A (zh) 一种缓存的视频点播流和尽力而为流联合调度的体验感知质量的系统和方法
CN104115165A (zh) 使用机器学习来用于映射媒体组件的方法
CN108174397A (zh) 一种任务驱动的多网关协同方法
CN102195885A (zh) 报文处理方法及装置
Rahman et al. Edge computing assisted joint quality adaptation for mobile video streaming
CN105337901A (zh) 一种路由器的智能带宽分配方法及装置
CN103781115B (zh) 一种蜂窝网络中基于传输代价的分布式基站缓存替换方法
WO2018149228A1 (zh) 报文发送方法及装置
CN106789716B (zh) Tdma自组网的mac层队列调度方法
Tuncer et al. Scalable cache management for ISP-operated content delivery services
CN102185726B (zh) 一种提高信息栅格系统中的业务资源管理能力的方法
CN108737268A (zh) 软件定义工业物联网资源调度方法
CN103473630A (zh) 一种信息栅格系统中的业务资源管理方法
CN102394812A (zh) 一种认知网络自反馈动态自适应资源分配方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160907

Termination date: 20200826