CN106598738A - 一种计算机集群系统及其并行计算方法 - Google Patents
一种计算机集群系统及其并行计算方法 Download PDFInfo
- Publication number
- CN106598738A CN106598738A CN201611146930.3A CN201611146930A CN106598738A CN 106598738 A CN106598738 A CN 106598738A CN 201611146930 A CN201611146930 A CN 201611146930A CN 106598738 A CN106598738 A CN 106598738A
- Authority
- CN
- China
- Prior art keywords
- calculate node
- data
- fpga
- calculated
- data block
- 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
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]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5019—Workload prediction
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multi Processors (AREA)
Abstract
本申请公开了一种计算机集群系统，包括共享存储设备和至少一个计算节点；每个计算节点中均包括CPU和至少一个FPGA；其中，共享存储设备，用于对待计算数据进行存储；任一计算节点中的CPU，用于从共享存储设备中读取与该计算节点的当前计算能力相适应的待计算数据，并将读取到的待计算数据分发至该计算节点中的FPGA；任一计算节点中的每个FPGA，用于对该计算节点中的CPU所分发的待计算数据进行相应的计算处理，以得到相应的计算结果。本申请进一步提升了计算机集群系统的负载均衡能力和运行效率。另外，本申请还相应公开了一种并行计算方法。
Description
技术领域
本发明涉及集群技术领域，特别涉及一种计算机集群系统及其并行计算方法。
背景技术
当前，随着信息时代的发展，信息数据越来越多，与此同时，人们也迫切需要对信息数据进行大批量的处理。为了适应这个迫切的需求，计算机集群技术应运而生，计算机集群技术既能够提高数据的处理量，也能够提升计算机系统的可靠性，应用范围越来越广。
然而，现有计算机集群系统的负载均衡能力和运行效率有待进一步提高。
发明内容
有鉴于此，本发明的目的在于提供一种计算机集群系统及其并行计算方法，进一步提升了计算机集群系统的负载均衡能力和运行效率。其具体方案如下：
一种计算机集群系统，包括共享存储设备和至少一个计算节点；每个计算节点中均包括CPU和至少一个FPGA；其中，
所述共享存储设备，用于对待计算数据进行存储；
任一计算节点中的CPU，用于从所述共享存储设备中读取与该计算节点的当前计算能力相适应的待计算数据，并将读取到的待计算数据分发至该计算节点中的FPGA；
任一计算节点中的每个FPGA，用于对该计算节点中的CPU所分发的待计算数据进行相应的计算处理，以得到相应的计算结果。
可选的，所述共享存储设备，包括：
数据获取单元，用于获取初始待计算数据；
数据块划分单元，用于以单片FPGA的单次计算能力作为数据块划分依据，对所述初始待计算数据进行数据块划分处理，以使划分处理后所得到的每一数据块的大小与单片FPGA的单次计算能力相适应；
数据块存储单元，用于对划分处理后得到的所有数据块进行存储。
可选的，任一计算节点中的CPU，包括：
计算能力确定单元，用于根据该计算节点的当前负载，确定出该计算节点的当前计算能力；
数据块读取单元，用于从所述共享存储设备中读取与该计算节点的当前计算能力相适应的数据块，并将读取到的数据块保存至该计算节点的本地内存中；
FPGA监视单元，用于监视该计算节点中的每个FPGA的当前工作状态；
数据块分发单元，用于当所述FPGA监视单元监视到当前任一FPGA处于空闲状态，则将位于所述本地内存中的一个数据块传送至该FPGA，以利用该FPGA对接收到的数据块进行相应的计算处理。
可选的，每个计算节点均通过远程网络与所述共享存储设备进行数据通信。
本发明还公开了一种并行计算方法，应用于包括共享存储设备和至少一个计算节点的计算机集群系统；所述方法包括：
确定每个计算节点的当前计算能力；
从所述共享存储设备中分别提取出与每个计算节点的当前计算能力相适应的待计算数据；
将提取出的待计算数据分发至位于相应计算节点中的FPGA，以利用该计算节点中的每个FPGA对接收到的待计算数据进行相应的计算处理，以得到相应的计算结果。
可选的，所述共享存储设备对待计算数据的存储过程，包括：
获取初始待计算数据；
以单片FPGA的单次计算能力作为数据块划分依据，对所述初始待计算数据进行数据块划分处理，以使划分处理后所得到的每一数据块的大小与单片FPGA的单次计算能力相适应；
对划分处理后得到的所有数据块进行存储。
可选的，所述从所述共享存储设备中分别提取出与每个计算节点的当前计算能力相适应的待计算数据的过程，包括：
确定出每个计算节点的当前计算能力；
从所述共享存储设备中分别读取与每个计算节点的当前计算能力相适应的数据块，并将读取到的数据块分别保存至相应计算节点的本地内存中。
可选的，所述将提取出的待计算数据分发至位于相应计算节点中的FPGA的过程，包括：
监视目标计算节点中的每个FPGA的当前工作状态；
当监视到当前所述目标计算节点中的任一FPGA处于空闲状态，则将位于所述目标计算节点的本地内存中的一个数据块传送至该FPGA，以利用该FPGA对接收到的数据块进行相应的计算处理；
其中，所述目标计算节点为所述计算机集群系统中的任一计算节点。
可选的，所述确定出每个计算节点的当前计算能力的过程，包括：
根据每个计算节点的当前负载，确定出每个计算节点的当前计算能力。
可选的，所述从所述共享存储设备中分别提取出与每个计算节点的当前计算能力相适应的待计算数据的过程，包括：
通过远程网络，从所述共享存储设备中分别提取出与每个计算节点的当前计算能力相适应的待计算数据。
本发明中，计算机集群系统，包括共享存储设备和至少一个计算节点；每个计算节点中均包括CPU和至少一个FPGA；其中，共享存储设备，用于对待计算数据进行存储；任一计算节点中的CPU，用于从共享存储设备中读取与该计算节点的当前计算能力相适应的待计算数据，并将读取到的待计算数据分发至该计算节点中的FPGA；任一计算节点中的每个FPGA，用于对该计算节点中的CPU所分发的待计算数据进行相应的计算处理，以得到相应的计算结果。
可见，本发明中每个计算节点是根据自身的当前计算能力，从共享存储设备中获取相应数量的待计算数据来进行处理，由此可确保每个计算节点当前所处理的数据量与其当前的运算能力是相适应的，避免出现过载运行情况，并且，本发明中每个计算节点是通过CPU将获取到的待计算数据分发该计算节点内的各个FPGA，以利用FPGA对待计算数据进行处理，由于FPGA能够对数据进行高效地并行计算，可提升计算节点的整体计算效率。综上，本发明进一步提升了计算机集群系统的负载均衡能力和运行效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种计算机集群系统结构示意图；
图2为本发明实施例公开的一种并行计算方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
本发明实施例公开了一种计算机集群系统，参见图1所示，该系统包括共享存储设备11和至少一个计算节点；每个计算节点中均包括CPU和至少一个FPGA；其中，
共享存储设备，用于对待计算数据进行存储；
任一计算节点中的CPU，用于从共享存储设备11中读取与该计算节点的当前计算能力相适应的待计算数据，并将读取到的待计算数据分发至该计算节点中的FPGA；
任一计算节点中的每个FPGA，用于对该计算节点中的CPU所分发的待计算数据进行相应的计算处理，以得到相应的计算结果。
需要说明的是，本实施例中，每个计算节点均可通过远程网络与共享存储设备进行数据通信，例如通过高速网络与共享存储设备进行数据通信。
本实施例中，计算节点中的CPU，具体用于从共享存储设备中读取与该计算节点的当前计算能力相适应的待计算数据，可以理解的是，计算节点的当前计算能力与该计算节点的CPU所读取的待计算数据的数量之间呈正相关关系，也即，计算节点的当前计算能力越强，则该计算节点的CPU从共享存储设备中读取的待计算数据的数量便越多。
另外，为了进一步提升计算机集群系统的负载均衡能力，本实施例中，可以进一步根据计算节点的当前计算能力，为计算节点分配相应的数据读取优先级，其中，计算节点的数据读取优先级与其当前计算能力之间呈正相关关系，也即，若某个计算节点的当前计算能力越强，则该计算节点对应的数据读取优先级越高，这意味着该计算节点更早地从上述共享存储设备中读取待计算数据。
可见，本发明实施例中每个计算节点是根据自身的当前计算能力，从共享存储设备中获取相应数量的待计算数据来进行处理，由此可确保每个计算节点当前所处理的数据量与其当前的运算能力是相适应的，避免出现过载运行情况，并且，本发明实施例中每个计算节点是通过CPU将获取到的待计算数据分发该计算节点内的各个FPGA，以利用FPGA对待计算数据进行处理，由于FPGA能够对数据进行高效地并行计算，可提升计算节点的整体计算效率。综上，本发明实施例进一步提升了计算机集群系统的负载均衡能力和运行效率。
本发明实施例公开了一种具体的计算机集群系统，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。具体的：
上一实施例中，计算机集群系统中设有用于对待计算数据进行存储的共享存储设备。本实施例中，该共享存储设备，具体可以包括数据获取单元、数据块划分单元和数据块存储单元；其中，
数据获取单元，用于获取初始待计算数据；
数据块划分单元，用于以单片FPGA的单次计算能力作为数据块划分依据，对初始待计算数据进行数据块划分处理，以使划分处理后所得到的每一数据块的大小与单片FPGA的单次计算能力相适应；
数据块存储单元，用于对划分处理后得到的所有数据块进行存储。
另外，本实施例中，任一计算节点中的CPU，具体可以包括计算能力确定单元、数据块读取单元、FPGA监视单元和数据块分发单元；其中，
计算能力确定单元，用于根据该计算节点的当前负载，确定出该计算节点的当前计算能力。其中，计算节点的当前负载越大，则意味着计算节点的当前计算能力越弱，反之，计算节点的当前负载越小，则意味着计算节点的当前计算能力越强。另外，计算节点的当前负载包括但不限于CPU负载、内存负载和IO负载。
数据块读取单元，用于从共享存储设备中读取与该计算节点的当前计算能力相适应的数据块，并将读取到的数据块保存至该计算节点的本地内存中。
FPGA监视单元，用于监视该计算节点中的每个FPGA的当前工作状态。
数据块分发单元，用于当FPGA监视单元监视到当前任一FPGA处于空闲状态，则将位于本地内存中的一个数据块传送至该FPGA，以利用该FPGA对接收到的数据块进行相应的计算处理。
本实施例中，每当任一个FPGA计算完一个数据块之后，将通过上述数据块分发单元，向该FPGA分发下一个数据块，直到本地内存中的数据块处理完毕为止。
本实施例中，计算节点的本地内存包括但不限于DDR内存(DDR，即Double DataRate SDRAM，双倍速率SDRAM)。
相应的，本发明实施例还公开了一种并行计算方法，应用于包括共享存储设备和至少一个计算节点的计算机集群系统；参见图2所示，上述并行计算方法包括：
步骤S11：确定每个计算节点的当前计算能力；
步骤S12：从共享存储设备中分别提取出与每个计算节点的当前计算能力相适应的待计算数据；
步骤S13：将提取出的待计算数据分发至位于相应计算节点中的FPGA，以利用该计算节点中的每个FPGA对接收到的待计算数据进行相应的计算处理，以得到相应的计算结果。
本实施例中，上述步骤S12中，具体可以通过远程网络，从共享存储设备中分别提取出与每个计算节点的当前计算能力相适应的待计算数据。
可见，本发明实施例中每个计算节点是根据自身的当前计算能力，从共享存储设备中获取相应数量的待计算数据来进行处理，由此可确保每个计算节点当前所处理的数据量与其当前的运算能力是相适应的，避免出现过载运行情况，并且，本发明实施例中每个计算节点是通过CPU将获取到的待计算数据分发该计算节点内的各个FPGA，以利用FPGA对待计算数据进行处理，由于FPGA能够对数据进行高效地并行计算，可提升计算节点的整体计算效率。综上，本发明实施例进一步提升了计算机集群系统的负载均衡能力和运行效率。
本实施例中，上述共享存储设备对待计算数据的存储过程，具体可以包括下面步骤S21至S23：
步骤S21：获取初始待计算数据；
步骤S22：以单片FPGA的单次计算能力作为数据块划分依据，对初始待计算数据进行数据块划分处理，以使划分处理后所得到的每一数据块的大小与单片FPGA的单次计算能力相适应；
步骤S23：对划分处理后得到的所有数据块进行存储。
进一步的，上述步骤S12中，从共享存储设备中分别提取出与每个计算节点的当前计算能力相适应的待计算数据的过程，具体可以包括：
确定出每个计算节点的当前计算能力，然后从共享存储设备中分别读取与每个计算节点的当前计算能力相适应的数据块，并将读取到的数据块分别保存至相应计算节点的本地内存中。
具体的，上述确定出每个计算节点的当前计算能力的过程，可以包括：根据每个计算节点的当前负载，确定出每个计算节点的当前计算能力。
另外，上述步骤S13中，将提取出的待计算数据分发至位于相应计算节点中的FPGA的过程，具体可以包括下面步骤S31和S32：
步骤S31：监视目标计算节点中的每个FPGA的当前工作状态；
步骤S32：当监视到当前目标计算节点中的任一FPGA处于空闲状态，则将位于目标计算节点的本地内存中的一个数据块传送至该FPGA，以利用该FPGA对接收到的数据块进行相应的计算处理；
可以理解的是，上述目标计算节点为计算机集群系统中的任一计算节点。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种计算机集群系统及其并行计算方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种计算机集群系统，其特征在于，包括共享存储设备和至少一个计算节点；每个计算节点中均包括CPU和至少一个FPGA；其中，
所述共享存储设备，用于对待计算数据进行存储；
任一计算节点中的CPU，用于从所述共享存储设备中读取与该计算节点的当前计算能力相适应的待计算数据，并将读取到的待计算数据分发至该计算节点中的FPGA；
任一计算节点中的每个FPGA，用于对该计算节点中的CPU所分发的待计算数据进行相应的计算处理，以得到相应的计算结果。
2.根据权利要求1所述的计算机集群系统，其特征在于，所述共享存储设备，包括：
数据获取单元，用于获取初始待计算数据；
数据块划分单元，用于以单片FPGA的单次计算能力作为数据块划分依据，对所述初始待计算数据进行数据块划分处理，以使划分处理后所得到的每一数据块的大小与单片FPGA的单次计算能力相适应；
数据块存储单元，用于对划分处理后得到的所有数据块进行存储。
3.根据权利要求2所述的计算机集群系统，其特征在于，任一计算节点中的CPU，包括：
计算能力确定单元，用于根据该计算节点的当前负载，确定出该计算节点的当前计算能力；
数据块读取单元，用于从所述共享存储设备中读取与该计算节点的当前计算能力相适应的数据块，并将读取到的数据块保存至该计算节点的本地内存中；
FPGA监视单元，用于监视该计算节点中的每个FPGA的当前工作状态；
数据块分发单元，用于当所述FPGA监视单元监视到当前任一FPGA处于空闲状态，则将位于所述本地内存中的一个数据块传送至该FPGA，以利用该FPGA对接收到的数据块进行相应的计算处理。
4.根据权利要求1至3任一项所述的计算机集群系统，其特征在于，每个计算节点均通过远程网络与所述共享存储设备进行数据通信。
5.一种并行计算方法，其特征在于，应用于包括共享存储设备和至少一个计算节点的计算机集群系统；所述方法包括：
确定每个计算节点的当前计算能力；
从所述共享存储设备中分别提取出与每个计算节点的当前计算能力相适应的待计算数据；
将提取出的待计算数据分发至位于相应计算节点中的FPGA，以利用该计算节点中的每个FPGA对接收到的待计算数据进行相应的计算处理，以得到相应的计算结果。
6.根据权利要求5所述的并行计算方法，其特征在于，所述共享存储设备对待计算数据的存储过程，包括：
获取初始待计算数据；
以单片FPGA的单次计算能力作为数据块划分依据，对所述初始待计算数据进行数据块划分处理，以使划分处理后所得到的每一数据块的大小与单片FPGA的单次计算能力相适应；
对划分处理后得到的所有数据块进行存储。
7.根据权利要求6所述的并行计算方法，其特征在于，所述从所述共享存储设备中分别提取出与每个计算节点的当前计算能力相适应的待计算数据的过程，包括：
确定出每个计算节点的当前计算能力；
从所述共享存储设备中分别读取与每个计算节点的当前计算能力相适应的数据块，并将读取到的数据块分别保存至相应计算节点的本地内存中。
8.根据权利要求7所述的并行计算方法，其特征在于，所述将提取出的待计算数据分发至位于相应计算节点中的FPGA的过程，包括：
监视目标计算节点中的每个FPGA的当前工作状态；
当监视到当前所述目标计算节点中的任一FPGA处于空闲状态，则将位于所述目标计算节点的本地内存中的一个数据块传送至该FPGA，以利用该FPGA对接收到的数据块进行相应的计算处理；
其中，所述目标计算节点为所述计算机集群系统中的任一计算节点。
9.根据权利要求7所述的并行计算方法，其特征在于，所述确定出每个计算节点的当前计算能力的过程，包括：
根据每个计算节点的当前负载，确定出每个计算节点的当前计算能力。
10.根据权利要求5至9任一项所述的并行计算方法，其特征在于，所述从所述共享存储设备中分别提取出与每个计算节点的当前计算能力相适应的待计算数据的过程，包括：
通过远程网络，从所述共享存储设备中分别提取出与每个计算节点的当前计算能力相适应的待计算数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611146930.3A CN106598738A (zh) | 2016-12-13 | 2016-12-13 | 一种计算机集群系统及其并行计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611146930.3A CN106598738A (zh) | 2016-12-13 | 2016-12-13 | 一种计算机集群系统及其并行计算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106598738A true CN106598738A (zh) | 2017-04-26 |
Family
ID=58802010
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611146930.3A Pending CN106598738A (zh) | 2016-12-13 | 2016-12-13 | 一种计算机集群系统及其并行计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106598738A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107122490A (zh) * | 2017-05-18 | 2017-09-01 | 郑州云海信息技术有限公司 | 一种分组查询中聚合函数的数据处理方法及系统 |
| CN107357206A (zh) * | 2017-07-20 | 2017-11-17 | 郑州云海信息技术有限公司 | 一种基于fpga板卡的运算优化的方法、装置及系统 |
| CN108628800A (zh) * | 2018-05-08 | 2018-10-09 | 济南浪潮高新科技投资发展有限公司 | 一种动态可重构的智能计算集群及其配置方法 |
| CN109491599A (zh) * | 2018-10-24 | 2019-03-19 | 山东超越数控电子股份有限公司 | 一种分布式存储系统及其异构加速方法 |
| CN113965587A (zh) * | 2021-09-18 | 2022-01-21 | 苏州浪潮智能科技有限公司 | 一种人工智能平台的数据获取方法、装置、设备、介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1512363A (zh) * | 2002-12-31 | 2004-07-14 | 联想(北京)有限公司 | 提高商务机群可服务性的方法 |
| EP2882140A1 (en) * | 2013-12-06 | 2015-06-10 | Tata Consultancy Services Ltd. | Data partitioning in internet-of-things (IOT) network |
| CN105159610A (zh) * | 2015-09-01 | 2015-12-16 | 浪潮(北京)电子信息产业有限公司 | 大规模数据处理系统及方法 |
| CN105824780A (zh) * | 2016-04-01 | 2016-08-03 | 浪潮电子信息产业股份有限公司 | 一种基于单机多fpga的并行开发方法 |
-
2016
- 2016-12-13 CN CN201611146930.3A patent/CN106598738A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1512363A (zh) * | 2002-12-31 | 2004-07-14 | 联想(北京)有限公司 | 提高商务机群可服务性的方法 |
| EP2882140A1 (en) * | 2013-12-06 | 2015-06-10 | Tata Consultancy Services Ltd. | Data partitioning in internet-of-things (IOT) network |
| CN105159610A (zh) * | 2015-09-01 | 2015-12-16 | 浪潮(北京)电子信息产业有限公司 | 大规模数据处理系统及方法 |
| CN105824780A (zh) * | 2016-04-01 | 2016-08-03 | 浪潮电子信息产业股份有限公司 | 一种基于单机多fpga的并行开发方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107122490A (zh) * | 2017-05-18 | 2017-09-01 | 郑州云海信息技术有限公司 | 一种分组查询中聚合函数的数据处理方法及系统 |
| CN107357206A (zh) * | 2017-07-20 | 2017-11-17 | 郑州云海信息技术有限公司 | 一种基于fpga板卡的运算优化的方法、装置及系统 |
| CN108628800A (zh) * | 2018-05-08 | 2018-10-09 | 济南浪潮高新科技投资发展有限公司 | 一种动态可重构的智能计算集群及其配置方法 |
| CN109491599A (zh) * | 2018-10-24 | 2019-03-19 | 山东超越数控电子股份有限公司 | 一种分布式存储系统及其异构加速方法 |
| CN113965587A (zh) * | 2021-09-18 | 2022-01-21 | 苏州浪潮智能科技有限公司 | 一种人工智能平台的数据获取方法、装置、设备、介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106598738A (zh) | 一种计算机集群系统及其并行计算方法 | |
| CN111222696B (zh) | 电压暂降治理优化方法、装置、计算机设备和存储介质 | |
| CN107330056A (zh) | 基于大数据云计算平台的风电场scada系统及其运行方法 | |
| CN103699440A (zh) | 一种云计算平台系统为任务分配资源的方法和装置 | |
| CN110503136A (zh) | 台区线损异常分析方法、计算机可读存储介质及终端设备 | |
| CN111586091A (zh) | 一种实现算力组配的边缘计算网关系统 | |
| CN104779608A (zh) | 基于离线策略的电力系统安全稳定在线附加紧急控制方法 | |
| CN102170131A (zh) | 基于并行计算模式的关联输电断面极限功率计算方法 | |
| CN105514990A (zh) | 综合经济性与安全性的输电线路利用率提高平台及方法 | |
| CN106684917A (zh) | 分布式电源的位置动态优化及准入容量计算方法及系统 | |
| CN103473848A (zh) | 一种基于高并发的网络发票查验构架及方法 | |
| CN113890842B (zh) | 一种信息传输时延上界计算方法、系统、设备和存储介质 | |
| CN105282045B (zh) | 一种基于一致性哈希算法的分布式计算和储存方法 | |
| CN109103897A (zh) | 一种确定动态无功补偿设备的配置区域方法与装置 | |
| CN106407005A (zh) | 一种基于多尺度耦合的并行进程合并方法及系统 | |
| CN112288596B (zh) | 一种电力现货市场运行备用建模方法及相关装置 | |
| CN111260146A (zh) | 电力系统边缘云数据中心选址方法、装置、设备及介质 | |
| CN110472835A (zh) | 一种线路抗风性能评估方法、装置及存储介质 | |
| CN106295961A (zh) | 一种用于水环境监管的大数据分析处理系统及方法 | |
| CN104468379B (zh) | 基于最短逻辑距离的虚拟Hadoop集群节点选择方法及装置 | |
| CN113917908A (zh) | 一种负载转移影响效应的智能电网脆弱性分析方法及装置 | |
| CN112529732A (zh) | 储能单元充放电控制方法、装置、计算机设备和存储介质 | |
| CN111260174A (zh) | 一种新能源场站发电计划制定方法及装置 | |
| CN107643443B (zh) | 用于主变功率因数合格率的计算方法及其使用系统 | |
| CN105337277B (zh) | 配电网待建项目对电压合格率影响的计算方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170426 |