CN107329825B - Gnss算法验证的方法及系统、定位终端、存储器 - Google Patents
Gnss算法验证的方法及系统、定位终端、存储器 Download PDFInfo
- Publication number
- CN107329825B CN107329825B CN201710445002.5A CN201710445002A CN107329825B CN 107329825 B CN107329825 B CN 107329825B CN 201710445002 A CN201710445002 A CN 201710445002A CN 107329825 B CN107329825 B CN 107329825B
- Authority
- CN
- China
- Prior art keywords
- computer
- resolving
- task
- tasks
- solution
- 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
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
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- 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
- G06F2209/5017—Task decomposition
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Complex Calculations (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明适用于卫星定位技术领域,提供了一种GNSS算法验证的方法及系统、定位终端、存储器,所述方法包括:从数据库中获取解算任务;将所获取的解算任务批量分配给一个以上计算机;接收所述一个以上计算机中的每一计算机反馈的执行解算任务的解算结果,所述解算结果至少包括以下一个:卫星数据的固定率、卫星数据的精度;对接收的解算结果进行汇总,获得汇总结果。本发明中,以批量形式执行GNSS解算任务,可提高执行解算任务的效率。
Description
技术领域
本发明属于卫星定位技术领域,尤其涉及一种GNSS算法验证的方法及系统、定位终端、存储器。
背景技术
全球导航卫星系统(Global Navigation Satellite System,GNSS)是所有导航卫星系统的全称,目前主要包括美国的全球定位系统(Global Positioning System,GPS),俄罗斯的全球导航卫星系统(Global Navigation Satellite System,GLONASS),欧洲的伽利略系统(Galileo),中国的北斗(Compass)。全球导航卫星系统接收机工作的基本原理是:接收到导航卫星发送无线电信号并提取伪距,并根据4个以上伪距计算自身在地理坐标系中的位置,常见的解算算法有最小二乘法和卡尔曼滤波法。
现有技术中,通常需要对解算算法进行验证以优化解算算法,但解算算法的验证过程涉及大量的数据解算任务,现有技术中通常使用一台或者多台计算机来逐个验证解算任务,验证效率较低。
发明内容
本发明实施例提供了一种GNSS算法验证的方法及系统、定位终端、存储器,旨在解决现有技术中逐个验证解算任务导致验证效率较低的问题。
本发明实施例是这样实现的,一种GNSS算法验证的方法,包括:
从数据库中获取解算任务;
将所获取的解算任务批量分配给一个以上计算机;
接收所述一个以上计算机中的每一计算机反馈的执行解算任务的解算结果,所述解算结果至少包括以下一个:卫星数据的固定率、卫星数据的精度;
对接收的解算结果进行汇总,获得汇总结果。
优选地,所述对接收的解算结果进行汇总,获得汇总结果之后还包括:
将所述汇总结果进行展示。
优选地,所述一个以上计算机的每一计算机的计算资源阈值均相等,所述将所获取的解算任务批量分配给一个以上计算机具体包括:
分析所获取的解算任务,获得所述解算任务需要消耗的计算资源总量;
将所述计算资源总量平均分配给所述一个以上计算机中的每一计算机。
优选地,所述将所获取的解算任务分配给一个以上计算机具体包括:
分析所获取的解算任务,获得分析结果;
获取每一所述计算机的计算资源阈值;
基于所述分析结果及每一所述计算机的计算资源阈值为每一所述计算机分配所述解算任务。
优选地,所述分析结果包括所述解算任务需要消耗的计算资源总量,所述基于所述分析结果及每一所述计算机的计算资源阈值为每一所述计算机分配所述解算任务具体包括:
统计执行所述解算任务的数量;
基于所述一个以上计算机的数量及所述需要消耗的计算资源总量将所述解算任务平均分配给每一所述计算机。
优选地,所述分析结果包括需要消耗的计算资源平均值,所述基于所述计算机的数量及所述需要消耗的计算资源总量将所述解算任务平均分配给每一所述计算机之前还包括:
比较每一所述计算机的计算资源阈值,获得最小计算资源阈值;
判断所述最小计算资源阈值是否不小于所述需要消耗的计算资源平均值;
当判断为是时,转到上述将解算任务平均分配给每一所述计算机步骤;
当判断为否时,基于计算资源阈值大于需要消耗的计算资源平均值的计算机对应的计算资源阈值来分配解算任务。
优选地,所述当判断为否时,基于计算资源阈值大于需要消耗的计算资源平均值的计算机对应的计算资源阈值来分配解算任务具体包括:
对每一所述计算机的计算资源阈值进行排序,获得计算资源阈值列表;
为每一计算资源阈值大于或等于需要消耗的计算资源平均值对应的计算机分配对应的阈值解算任务,所述阈值解算任务需要消耗的计算资源与对应的计算机的计算资源阈值相等;
计算未被分配的解算任务需要消耗的计算资源总量;
将所述未被分配的解算任务需要消耗的计算资源总量平均分配给每一未被分配的计算机。
本发明还提供一种GNSS算法验证的系统,包括:
获取模块,用于从数据库中获取解算任务;
分配模块,用于将所获取的解算任务批量分配给一个以上计算机;
接收模块,用于接收所述一个以上计算机中的每一计算机反馈的执行解算任务的解算结果,所述解算结果至少包括以下一个:卫星数据的固定率、卫星数据的精度;
汇总模块,用于对接收的解算结果进行汇总,获得汇总结果。
本发明还提供一种存储器,所述存储器存储有计算机程序,所述计算机程序被处理器执行如下步骤:
从数据库中获取解算任务;
将所获取的解算任务批量分配给一个以上计算机;
接收所述一个以上计算机中的每一计算机反馈的执行解算任务的解算结果,所述解算结果至少包括以下一个:卫星数据的固定率、卫星数据的精度;
对接收的解算结果进行汇总,获得汇总结果。
本发明还提供一种定位终端,包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
从数据库中获取解算任务;
将所获取的解算任务批量分配给一个以上计算机;
接收所述一个以上计算机中的每一计算机反馈的执行解算任务的解算结果,所述解算结果至少包括以下一个:卫星数据的固定率、卫星数据的精度;
对接收的解算结果进行汇总,获得汇总结果。
在本发明实施例中,以批量形式执行GNSS解算任务,可提供执行解算任务的效率。
附图说明
图1是本发明第一实施例提供的一种GNSS算法验证的方法的流程图;
图2是本发明第一实施例提供的一种GNSS算法验证的方法的一优选方案的步骤S2的具体流程图;
图3是本发明第一实施例提供的一种GNSS算法验证的方法的另一优选方案的步骤S2的具体流程图;
图4是本发明第一实施例提供的一种GNSS算法验证的方法的步骤S23的具体流程图;
图5是本发明第一实施例提供的一种GNSS算法验证的方法一优选方案的步骤S236的具体流程图;
图6是本发明第一实施例提供的一种GNSS算法验证的方法另一优选方案的步骤S236的具体流程图;
图7是本发明第二实施例提供的一种GNSS算法验证的系统的结构图;
图8本发明第三实施例提供的一种定位终端的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。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。
本发明实施例中,一种GNSS算法验证的方法,包括:从数据库中获取解算任务;将所获取的解算任务批量分配给一个以上计算机;接收所述一个以上计算机中的每一计算机反馈的执行解算任务的解算结果;对接收的解算结果进行汇总,获得汇总结果。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一:
图1示出了本发明第一实施例提供的一种GNSS算法验证的方法的流程图,包括:
步骤S1、从数据库中获取解算任务;
具体地,该数据库中存储有各种解算任务,该解算任务以任务列表方式存储,还可以其它方式存储,此处对此不作限制。
步骤S2,将所获取的解算任务批量分配给一个以上计算机;
具体地,执行解算任务的计算机可为云计算的计算机群,其包括有无数个计算机,每一计算机的计算资源阈值(即该计算机可承受的计算能力)可一致或者不一致,具体可根据计算机的实际配置而设,此处对此不作限制。通常情况下,会将解算任务分配给计算机群的每一计算机。
步骤S3,接收一个以上计算机中的每一计算机反馈的执行解算任务的解算结果;
具体地,计算机接收到解算任务后,会执行接收的解算任务,并将解算结果反馈回来,其中,可边执行解算任务边反馈解算结果,还可以是执行完解算任务后再反馈解算结果,此处对此不作限制。进一步地,该解算结果至少包括以下一个:卫星数据的固定率、卫星数据的精度。
步骤S4,对接收的解算结果进行汇总,获得汇总结果;
具体地,接收到每一计算机反馈的解算结果后,对所接收的所有解算结果进行汇总,比较,获得汇总结果。
进一步地,将汇总结果存储在上述数据库中,当任务列表中的解算任务全部被执行完后,将该数据库中的任务列表删除,以减轻数据库的存储负担。
在本实施例的一个优选方案中,该步骤S1之前还可包括:
步骤S0,添加解算任务至数据库;
具体地,当需要对GNSS算法进行验证时,会产生对应的解算任务,此时将每一解算任务添加到数据库,该解算任务具体包括:网型(多个基站)、移动站、GNSS离线解算程序的版本分支、历史数据的日期等数据,以便后续解算任务执行后将获得的解算结果与历史记录进行比对验证。进一步地,该解算任务可为即时任务或者定时任务,当解算任务为即时任务时,直接将其添加到数据库的任务列表中,当该解算任务为定时任务时,定时(例如每隔30秒)将解算任务添加到数据库的任务列表中。
在本实施例的一个优选方案中,该步骤S4之后还可包括:
步骤S5,将汇总结果进行展示;
具体地,接收到所有的解算结果后,对其进行分类汇总,将汇总结果展示出来,便于用户直观地看到解算结果,例如,将汇总结果通过前端的展示页面展示出来。
在本实施例的一个优选方案中,该步骤S5之后还可包括:
基于汇总结果对GNSS算法进行验证。
在本实施例的一个优选方案中,一个以上计算机的每一计算机的计算资源阈值均相等,如图2所示,为本发明第一实施例提供的一种GNSS算法验证的方法的一优选方案的步骤S2的具体流程图,该步骤S2具体包括:
步骤S201,分析所获取的解算任务,获得解算任务需要消耗的计算资源总量;
具体地,对获取的解算任务进行分析,例如解算任务需要消耗的计算资源总量;
步骤S202,将该计算资源总量平均分配给一个以上计算机中的每一计算机;
具体地,统计一个以上计算机的总数量,将需要消耗的计算资源平均分配给每一计算机,进一步地,每一计算机的解算任务需要消耗的计算资源即为需要消耗的计算资源总量与计算机的总数量之间的比值。
在本实施例的一个优选方案中,如图3所示,为本发明第一实施例提供的一种GNSS算法验证的方法的另一优选方案的步骤S2的具体流程图,该步骤S2具体包括:
步骤S21,分析所获取的解算任务,获得分析结果;
具体地,对获取的解算任务进行分析,例如解算任务需要消耗的计算资源、解算任务的类型等进行分析,获得对应的分析结果,该分析结果可包括每一解算任务需要消耗的计算资源总量、解算任务的数量、解算任务需要消耗的计算资源平均值等。
步骤S22,获取每一计算机的计算资源阈值;
具体地,分析每一计算机的配置信息,获取对应的计算资源阈值。
步骤S23,基于分析结果及每一计算机的计算资源阈值为每一计算机分配解算任务;
具体地,根据每一计算机的计算资源阈值及解算任务的分析结果来进行解算任务的分配。
在本实施例的一个优选方案中,如图4所示,为本发明第一实施例提供的一种GNSS算法验证的方法的步骤S23的具体流程图,该步骤S23具体包括:
步骤S231,统计执行解算任务的计算机的数量;
具体地,统计可执行上述解算任务的计算机的数量;
步骤S232,基于一个以上计算机的数量及需要消耗的计算资源总量将解算任务平均分配给每一计算机;
具体地,根据计算机的数量及将将解算任务平均分配给每一计算机,即解算任务需要消耗的计算资源总量除以计算机的数量所得的需要消耗的计算资源平均值对应的解算任务为每一计算机需要执行的解算任务。
在本实施例的一个优选方案中,该步骤S231之后、步骤S232之前还可包括:
步骤S233,基于计算机的数量及需要消耗的计算资源总量获得需要消耗的计算资源平均值;
步骤S234,比较每一计算机的计算资源阈值,获得最小计算资源阈值;
具体地,分析每一计算机的计算资源阈值,获得计算资源阈值的边界值,所述边界值可包括最小计算资源阈值及最大计算资源阈值。
步骤S235,判断最小计算资源阈值是否小于需要消耗的计算资源平均值;
具体地,将最小计算资源阈值与需要消耗的计算资源平均值进行比较,当判断最小计算资源阈值小于需要消耗的计算资源平均值时,转到步骤S236,否则转到上述步骤S232;
步骤S236,基于计算资源阈值大于需要消耗的计算资源平均值的计算机对应的计算资源阈值来分配解算任务;
具体地,根据计算资源阈值大于需要消耗的计算资源平均值的计算机的计算资源阈值来分配解算任务。
在本实施例的一个优选方案中,如图5所示,为本发明第一实施例提供的一种GNSS算法验证的方法一优选方案的步骤S236的具体流程图,该步骤S236具体包括:
步骤S2361,对每一计算机的计算资源阈值按照从大到小的顺序进行排序,获得计算资源阈值列表;
具体地,将每一计算机的计算资源阈值进行排序,获得对应的计算资源阈值列表,进一步地,可按从大到小或者从小到大的顺序进行排序,此处对此不作限制。
步骤S2362,为每一计算资源阈值大于或等于需要消耗的计算资源平均值对应的计算机分配对应的第一解算任务;
具体地,基于上述计算资源阈值列表来分析计算资源阈值大于或等于计算资源平均值的计算机的数量,并先为计算资源阈值大于或等于计算资源平均值的计算机分配阈值解算任务,该阈值解算任务需要消耗的计算资源与对应的计算机的计算资源阈值相等。
步骤S2363,计算未被分配的解算任务需要消耗的计算资源总量;
具体地,当为资源阈值大于或等于计算资源平均值的计算机分配阈值解算任务之后,还剩下未被分配的解算任务,具体可根据解算任务总量与上述步骤中已经被分配的阈值解算任务之间的差值可求得,并获得其需要消耗的计算资源总量,在本实施例的一个变形方案中,还可以先获得全部解算任务需要消耗的计算资源总量及上述步骤中被分配的阈值解算任务需要消耗的计算资源总量,并获得上述二者之间的差值即为未被分配的解算任务需要消耗的计算资源总量;
步骤S2364,将未被分配的计算任务需要消耗的计算资源总量平均分配给每一未被分配的计算机;
具体地,当获取未被分配的解算任务需要消耗的计算资源总量时,基于上述计算资源阈值列表获得计算资源阈值不大于需要消耗的计算资源平均值对应的计算机的数量,并基于上述步骤获得的未被分配的解算任务需要消耗的计算资源总量,将获得的未被分配的解算任务需要消耗的计算资源总量除以计算资源阈值列表获得计算资源阈值不大于需要消耗的计算资源平均值对应的计算机的数量即为每一未被分配的计算机分配的解算任务需要消耗的计算资源总量。
在本实施例的一个优选方案中,所有的可执行解算任务的计算机中,至少两台计算机的计算资源阈值不相等,如图6所示,为本发明第一实施例提供的一种GNSS算法验证的方法另一优选方案的步骤S236的具体流程图,该步骤S236具体包括:
步骤A1,对每一计算机的计算资源阈值进行排序,获得计算资源阈值列表;
具体地,具体地,将每一计算机的计算资源阈值进行排序,获得对应的计算资源阈值列表,进一步地,可按从大到小或者从小到大的顺序进行排序,此处对此不作限制。通过排序获得计算资源阈值大于或等于需要消耗的计算资源平均值对应的计算机的相关信息,所述相关信息可包括计算机的型号、识别码等,此次对此不作限制;
步骤A2,获取每一计算资源阈值大于或等于需要消耗的计算资源平均值的计算机的理想计算资源;
具体地,每一计算机对应配置有计算资源阈值、理想计算资源(例如该计算机具有的理想计算能力,其数值比计算资源阈值小),进一步地,通过上述步骤获得该计算机的相关信息后,基于其相关信息获取对应的理想计算资源;
步骤A3,为每一计算资源阈值大于或等于需要消耗的计算资源平均值的计算机分配与其理想计算资源对应的解算任务;
具体地,获得上述计算资源阈值大于或等于需要消耗的计算资源平均值的计算机的理想计算资源之后,基于该理想计算资源分配解算任务,该解算任务需要消耗的计算资源即为该理想计算资源;
步骤A4,获得未被分配的解算任务需要消耗的计算资源总量;
具体地,在为计算资源阈值大于或等于需要消耗的计算资源平均值的计算机分配解算任务之后,剩下未被分配的解算任务,具体可根据解算任务总量与上述步骤中已经被分配的解算任务之间的差值可求得,并获得其需要消耗的计算资源总量,在本实施例的一个变形方案中,还可以先获得全部解算任务需要消耗的计算资源总量及上述步骤中被分配的解算任务需要消耗的计算资源总量,并获得上述二者之间的差值即为未被分配的解算任务需要消耗的计算资源总量;
步骤A5,将未被分配的计算任务需要消耗的计算资源总量平均分配给每一未被分配的计算机;
具体地,当获取未被分配的解算任务需要消耗的计算资源总量时,基于上述计算资源阈值列表获得计算资源阈值不大于需要消耗的计算资源平均值对应的计算机的数量,并基于上述步骤获得的未被分配的解算任务需要消耗的计算资源总量,将获得的未被分配的解算任务需要消耗的计算资源总量除以计算资源阈值列表获得计算资源阈值不大于需要消耗的计算资源平均值对应的计算机的数量即为每一未被分配的计算机分配的解算任务需要消耗的计算资源总量。
在本实施例的一个优选方案中,在步骤A4之后、步骤A5之前还可包括:判断所获得的未被分配的解算任务需要消耗的计算资源总量是否为零;
具体地,每一计算机的计算资源阈值有差异,有些计算机的计算资源阈值较大,有些计算机的计算资源阈值较小,有时会将所有的解算任务分配给计算资源阈值较大的计算机,而无需再为计算资源阈值较小的计算机分配解算任务,当所获得的未被分配的解算任务需要消耗的计算资源总量为零时,表示无需再进行解算任务的分配,于是转到步骤S3,否则转到步骤A5。
在本实施例的一个优选方案中,执行解算任务的每一计算机的计算资源阈值均一致,上述步骤S2可包括如下步骤:
获取解算任务需要消耗的计算资源总量;
基于所获取的计算资源总量及每一计算机的计算资源阈值统计需要使用计算机的数量;
具体地,将所获取的计算资源总量与计算资源阈值相除得到的比值即为需要使用的计算机的数量;
接着,将解算任务平均分配给每一计算机;
具体地,从计算机群中任意选取与解算任务对应的计算机数量(即为上述步骤中的需要使用的计算机数量),并为每一执行解算任务的计算机分配与其计算资源阈值对应的解算任务。
在本实施例的一个变形方案中,执行解算任务的每一计算机的计算资源阈值均一致,上述步骤S2可包括如下步骤:
基于计算机的计算资源阈值获取每一计算机可接收的最大解算任务;
具体地,获取计算资源阈值对应的最大解算任务,即为:该最大解算任务执行时需要消耗的计算资源,而该需要消耗的计算资源即为上述的计算资源阈值;
基于每一计算机接收的最大解算任务统计需要使用的计算机的数量;
具体地,根据获取的解算任务的总数量及每一计算机接收的最大解算任务来统计需要使用的计算机的数量;
从计算机群中选择统计的计算机的数量对应的计算机,并为选择的计算机分配最大解算任务;
具体地,从计算机群中选取统计数量对应的计算机,并为选择的计算机分配最大解算任务,其中,可从计算机中任意选择计算机,或者选择当前处于空闲的计算机,或者选择空闲较久的计算机,此次对选择的方式不作限制。本实施例中,根据计算机的计算资源阈值来分配解算任务,可最大限度使用计算机,提高资源利用效率。
本实施例中,以批量方式执行GNSS解算任务,可提供执行解算任务的效率;
其次,根据计算机的计算资源阈值来分配解算任务,可充分利用计算机的计算资源,提供解算任务的效率,而在分配解算任务时不会给计算机分配超出计算资源阈值的解算任务,避免计算机超负荷,一定程度上保护了计算机。
实施例二:
图7示出了本发明第二实施例提供的一种GNSS算法验证的系统的结构图,该系统包括:获取模块1、与获取模块1连接的分配模块2、与分配模块2连接的接收模块3、与接收模块3连接的汇总模块4,其中:
获取模块1,用于从数据库中获取解算任务;
具体地,该数据库中存储有各种解算任务,该解算任务以任务列表方式存储,还可以其它方式存储,此处对此不作限制。
分配模块2,用于将所获取的解算任务批量分配给一个以上计算机;
具体地,执行解算任务的计算机可为云计算的计算机群,其包括有无数个计算机,每一计算机的计算资源阈值(即该计算机可承受的计算能力)可一致或者不一致,具体可根据计算机的实际配置而设,此处对此不作限制。通常情况下,会将解算任务分配给计算机群的每一计算机。
接收模块3,用于接收一个以上计算机中的每一计算机反馈的执行解算任务的解算结果;
具体地,计算机接收到解算任务后,会执行接收的解算任务,并将解算结果反馈回来,其中,可边执行解算任务边反馈解算结果,还可以是执行完解算任务后再反馈解算结果,此处对此不作限制。进一步地,该解算结果至少包括以下一个:卫星数据的固定率、卫星数据的精度。
汇总模块4,用于对接收的解算结果进行汇总,获得汇总结果;
具体地,接收到每一计算机反馈的解算结果后,对所接收的所有解算结果进行汇总,比较,获得汇总结果。
进一步地,将汇总结果存储在上述数据库中,当任务列表中的解算任务全部被执行完后,将该数据库中的任务列表删除,以减轻数据库的存储负担。
在本实施例的一个优选方案中,该系统还包括与获取模块1连接的添加模块5,其中:
添加模块5,用于添加解算任务至数据库;
具体地,当需要对GNSS算法进行验证时,会产生对应的解算任务,此时将每一解算任务添加到数据库,该解算任务具体包括:网型(多个基站)、移动站、GNSS离线解算程序的版本分支、历史数据的日期等数据,以便后续解算任务执行后将获得的解算结果与历史记录进行比对验证。进一步地,该解算任务可为即时任务或者定时任务,当解算任务为即时任务时,直接将其添加到数据库的任务列表中,当该解算任务为定时任务时,定时(例如每隔30秒)将解算任务添加到数据库的任务列表中。
在本实施例的一个优选方案中,该系统还可包括与汇总模块4连接的展示模块6,其中:
展示模块6,用于将汇总结果进行展示;
具体地,接收到所有的解算结果后,对其进行分类汇总,将汇总结果展示出来,便于用户直观地看到解算结果。,例如,将汇总结果通过前端的展示页面展示出来。
在本实施例的一个优选方案中,该系统还可包括:与展示模块6连接的验证模块,其中:
验证模块,用于基于汇总结果对GNSS算法进行验证。
在本实施例的一个优选方案中,一个以上计算机的每一计算机的计算资源阈值均相等,该分配模块2具体包括:第一分析单元及与其连接的第一分配单元,其中:
第一分析单元,用于分析所获取的解算任务,获得解算任务需要消耗的计算资源总量;
具体地,对获取的解算任务进行分析,例如解算任务需要消耗的计算资源总量;
第一分配单元,用于将该计算资源总量平均分配给一个以上计算机中的每一计算机;
具体地,统计一个以上计算机的总数量,将需要消耗的计算资源平均分配给每一计算机,进一步地,每一计算机的解算任务需要消耗的计算资源即为需要消耗的计算资源总量与计算机的总数量之间的比值。
在本实施例的又一个优选方案中,该分配模块2具体包括:第二分析单元、与第二分析单元连接的获取单元、与获取单元连接的第二分配单元,其中:
第二分析单元,用于分析所获取的解算任务,获得分析结果;
具体地,对获取的解算任务进行分析,例如解算任务需要消耗的计算资源、解算任务的类型等进行分析,获得对应的分析结果,该分析结果可包括每一解算任务需要消耗的计算资源总量、解算任务的数量、解算任务需要消耗的计算资源平均值等。
获取单元,用于获取每一计算机的计算资源阈值;
具体地,分析每一计算机的配置信息,获取对应的计算资源阈值。
第二分配单元,用于基于分析结果及每一计算机的计算资源阈值为每一计算机分配解算任务;
具体地,根据每一计算机的计算资源阈值及解算任务的分析结果来进行解算任务的分配。
在本实施例的一个优选方案中,该第二分配单元具体包括:统计子单元、与统计子单元连接的分配子单元,其中:
统计子单元,用于统计执行解算任务的数量;
具体地,统计可执行上述解算任务的计算机的数量;
分配子单元,用于基于一个以上计算机的数量及需要消耗的计算资源总量将解算任务平均分配给每一计算机;
具体地,根据计算机的数量及将将解算任务平均分配给每一计算机,即解算任务需要消耗的计算资源总量除以计算机的数量所得的需要消耗的计算资源平均值对应的解算任务为每一计算机需要执行的解算任务。
在本实施例的一个优选方案中,该第二分配单元还可包括:与统计子单元连接的计算子单元、与计算子单元连接的比较子单元、与比较子单元连接的判断子单元,其中:
计算子单元,用于基于计算机的数量及需要消耗的计算资源总量获得需要消耗的计算资源平均值;
比较子单元,用于比较每一计算机的计算资源阈值,获得最小计算资源阈值;
具体地,分析每一计算机的计算资源阈值,获得计算资源阈值的边界值,所述边界值可包括最小计算资源阈值及最大计算资源阈值。
判断子单元,用于判断最小计算资源阈值是否不小于需要消耗的计算资源平均值;
具体地,将最小计算资源阈值与需要消耗的计算资源平均值进行比较,并将比较结果反馈给上述分配子单元;
该分配子单元还用于基于计算资源阈值大于需要消耗的计算资源平均值的计算机对应的计算资源阈值来分配解算任务;
具体地,根据计算资源阈值大于需要消耗的计算资源平均值的计算机的计算资源阈值来分配解算任务。
在本实施例的一个优选方案中,该分配子单元具体用于:
对每一计算机的计算资源阈值按照从大到小的顺序进行排序,获得计算资源阈值列表;
具体地,将每一计算机的计算资源阈值进行排序,获得对应的计算资源阈值列表,进一步地,可按从大到小或者从小到大的顺序进行排序,此处对此不作限制。
还用于为每一计算资源阈值大于或等于需要消耗的计算资源平均值对应的计算机分配对应的第一解算任务;
具体地,基于上述计算资源阈值列表来分析计算资源阈值大于或等于计算资源平均值的计算机的数量,并先为计算资源阈值大于或等于计算资源平均值的计算机分配阈值解算任务,该阈值解算任务需要消耗的计算资源与对应的计算机的计算资源阈值相等。
还用于计算未被分配的解算任务需要消耗的计算资源总量;
具体地,当为资源阈值大于或等于计算资源平均值的计算机分配阈值解算任务之后,还剩下未被分配的解算任务,具体可根据解算任务总量与上述步骤中已经被分配的阈值解算任务之间的差值可求得,并获得其需要消耗的计算资源总量,在本实施例的一个变形方案中,还可以先获得全部解算任务需要消耗的计算资源总量及上述步骤中被分配的阈值解算任务需要消耗的计算资源总量,并获得上述二者之间的差值即为未被分配的解算任务需要消耗的计算资源总量;
还用于将未被分配的计算任务需要消耗的计算资源总量平均分配给每一未被分配的计算机;
具体地,当获取未被分配的解算任务需要消耗的计算资源总量时,基于上述计算资源阈值列表获得计算资源阈值不大于需要消耗的计算资源平均值对应的计算机的数量,并基于上述步骤获得的未被分配的解算任务需要消耗的计算资源总量,将获得的未被分配的解算任务需要消耗的计算资源总量除以计算资源阈值列表获得计算资源阈值不大于需要消耗的计算资源平均值对应的计算机的数量即为每一未被分配的计算机分配的解算任务需要消耗的计算资源总量。
在本实施例的一个优选方案中,所有的可执行解算任务的计算机中,至少两台计算机的计算资源阈值不相等,该分配子单元具体用于:
对每一计算机的计算资源阈值进行排序,获得计算资源阈值列表;
具体地,具体地,将每一计算机的计算资源阈值进行排序,获得对应的计算资源阈值列表,进一步地,可按从大到小或者从小到大的顺序进行排序,此处对此不作限制。通过排序获得计算资源阈值大于或等于需要消耗的计算资源平均值对应的计算机的相关信息,所述相关信息可包括计算机的型号、识别码等,此次对此不作限制;
还用于获取每一计算资源阈值大于或等于需要消耗的计算资源平均值的计算机的理想计算资源;
具体地,每一计算机对应配置有计算资源阈值、理想计算资源(例如该计算机具有的理想计算能力,其数值比计算资源阈值小),进一步地,通过上述步骤获得该计算机的相关信息后,基于其相关信息获取对应的理想计算资源;
还用于为每一计算资源阈值大于或等于需要消耗的计算资源平均值的计算机分配与其理想计算资源对应的解算任务;
具体地,获得上述计算资源阈值大于或等于需要消耗的计算资源平均值的计算机的理想计算资源之后,基于该理想计算资源分配解算任务,该解算任务需要消耗的计算资源即为该理想计算资源;
还用于获得未被分配的解算任务需要消耗的计算资源总量;
具体地,在为计算资源阈值大于或等于需要消耗的计算资源平均值的计算机分配解算任务之后,剩下未被分配的解算任务,具体可根据解算任务总量与上述步骤中已经被分配的解算任务之间的差值可求得,并获得其需要消耗的计算资源总量,在本实施例的一个变形方案中,还可以先获得全部解算任务需要消耗的计算资源总量及上述步骤中被分配的解算任务需要消耗的计算资源总量,并获得上述二者之间的差值即为未被分配的解算任务需要消耗的计算资源总量;
还用于将未被分配的计算任务需要消耗的计算资源总量平均分配给每一未被分配的计算机;
具体地,当获取未被分配的解算任务需要消耗的计算资源总量时,基于上述计算资源阈值列表获得计算资源阈值不大于需要消耗的计算资源平均值对应的计算机的数量,并基于上述步骤获得的未被分配的解算任务需要消耗的计算资源总量,将获得的未被分配的解算任务需要消耗的计算资源总量除以计算资源阈值列表获得计算资源阈值不大于需要消耗的计算资源平均值对应的计算机的数量即为每一未被分配的计算机分配的解算任务需要消耗的计算资源总量。
还用于判断所获得的未被分配的解算任务需要消耗的计算资源总量是否为零;
具体地,每一计算机的计算资源阈值有差异,有些计算机的计算资源阈值较大,有些计算机的计算资源阈值较小,有时会将所有的解算任务分配给计算资源阈值较大的计算机,而无需再为计算资源阈值较小的计算机分配解算任务,当所获得的未被分配的解算任务需要消耗的计算资源总量为零时,表示无需再进行解算任务的分配时反馈给接收模块3,否则执行将未被分配的计算任务需要消耗的计算资源总量平均分配给每一未被分配的计算机的步骤。
在本实施例的一个优选方案中,执行解算任务的每一计算机的计算资源阈值均一致,该分配模块2还可用于:
获取解算任务需要消耗的计算资源总量;
基于所获取的计算资源总量及每一计算机的计算资源阈值统计需要使用计算机的数量;
具体地,将所获取的计算资源总量与计算资源阈值相除得到的比值即为需要使用的计算机的数量;
接着,将解算任务平均分配给每一计算机;
具体地,从计算机群中任意选取与解算任务对应的计算机数量(即为上述步骤中的需要使用的计算机数量),并为每一执行解算任务的计算机分配与其计算资源阈值对应的解算任务。
在本实施例的一个变形方案中,执行解算任务的每一计算机的计算资源阈值均一致,上述分配模块2可用于:
基于计算机的计算资源阈值获取每一计算机可接收的最大解算任务;
具体地,获取计算资源阈值对应的最大解算任务,即为:该最大解算任务执行时需要消耗的计算资源,而该需要消耗的计算资源即为上述的计算资源阈值;
基于每一计算机接收的最大解算任务统计需要使用的计算机的数量;
具体地,根据获取的解算任务的总数量及每一计算机接收的最大解算任务来统计需要使用的计算机的数量;
从计算机群中选择统计的计算机的数量对应的计算机,并为选择的计算机分配最大解算任务;
具体地,从计算机群中选取统计数量对应的计算机,并为选择的计算机分配最大解算任务,其中,可从计算机中任意选择计算机,或者选择当前处于空闲的计算机,或者选择空闲较久的计算机,此次对选择的方式不作限制。本实施例中,根据计算机的计算资源阈值来分配解算任务,可最大限度使用计算机,提高资源利用效率。
本实施例中,以批量形式执行GNSS解算任务,可提供执行解算任务的效率;
其次,根据计算机的计算资源阈值来分配解算任务,可充分利用计算机的计算资源,提供解算任务的效率,而在分配解算任务时不会给计算机分配超出计算资源阈值的解算任务,避免计算机超负荷,一定程度上保护了计算机。
实施例三:
图8示出了本发明第三实施例提供的一种定位终端的结构图,该定位终端包括:存储器(memory)81、处理器(processor)82、通信接口(Communications Interface)83和总线84,该处理器82、存储器81、通信接口83通过总线84完成相互之间的交互通信,具体地,该定位终端可为GNSS定位终端。
存储器81,用于存储各种数据;
具体地,存储器81用于存储各种数据,例如通信过程中的数据、接收的数据等,此处对此不作限制,该存储器包括有多个计算机程序。
通信接口83,用于该处理终端的通信设备之间的信息传输;
处理器82,用于调用存储器81中的各种计算机程序,以执行上述实施例1所提供的方法,例如:
从数据库中获取解算任务;
将所获取的解算任务分配给一个以上计算机;
接收所述一个以上计算机中的每一计算机反馈的执行解算任务的解算结果,所述解算结果至少包括以下一个:卫星数据的固定率、卫星数据的精度;
对接收的解算结果进行汇总,获得汇总结果;
将所述汇总结果进行展示。
本实施例中,批量形式执行GNSS解算任务,可提供执行解算任务的效率。
本发明还提供一种存储器,该存储器存储有多个计算机程序,该多个计算机程序被处理器调用执行上述实施例1所述的GNSS算法验证的方法。
本发明中,以批量方式执行GNSS解算任务,可提供执行解算任务的效率;
其次,根据计算机的计算资源阈值来分配解算任务,可充分利用计算机的计算资源,提供解算任务的效率,而在分配解算任务时不会给计算机分配超出计算资源阈值的解算任务,避免计算机超负荷,一定程度上保护了计算机。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。
专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (6)
1.一种GNSS算法验证的方法,其特征在于,包括:
从数据库中获取解算任务;
将所获取的解算任务批量分配给一个以上计算机;
接收所述一个以上计算机中的每一计算机反馈的执行解算任务的解算结果,所述解算结果至少包括以下一个:卫星数据的固定率、卫星数据的精度;
对接收的解算结果进行汇总,获得汇总结果;
所述将所获取的解算任务分配给一个以上计算机具体包括:
分析所获取的解算任务,获得分析结果;
获取每一所述计算机的计算资源阈值;
基于所述分析结果及每一所述计算机的计算资源阈值为每一所述计算机分配所述解算任务;
所述分析结果包括所述解算任务需要消耗的计算资源总量,所述基于所述分析结果及每一所述计算机的计算资源阈值为每一所述计算机分配所述解算任务具体包括:
统计执行所述解算任务的计算机的数量;
基于所述一个以上计算机的数量及所述需要消耗的计算资源总量将所述解算任务平均分配给每一所述计算机;以及
包括需要消耗的计算资源平均值,所述基于所述计算机的数量及所述需要消耗的计算资源总量将所述解算任务平均分配给每一所述计算机之前还包括:
比较每一所述计算机的计算资源阈值,获得最小计算资源阈值;
判断所述最小计算资源阈值是否不小于所述需要消耗的计算资源平均值;
当判断为是时,转到上述将解算任务平均分配给每一所述计算机步骤;
当判断为否时,基于计算资源阈值大于需要消耗的计算资源平均值的计算机对应的计算资源阈值来分配解算任务;
所述当判断为否时,基于计算资源阈值大于需要消耗的计算资源平均值的计算机对应的计算资源阈值来分配解算任务具体包括:
对每一所述计算机的计算资源阈值进行排序,获得计算资源阈值列表;
为每一计算资源阈值大于或等于需要消耗的计算资源平均值对应的计算机分配对应的阈值解算任务,所述阈值解算任务需要消耗的计算资源与对应的计算机的计算资源阈值相等;
计算未被分配的解算任务需要消耗的计算资源总量;
将所述未被分配的解算任务需要消耗的计算资源总量平均分配给每一未被分配的计算机。
2.根据权利要求1所述的方法,其特征在于,所述对接收的解算结果进行汇总,获得汇总结果之后还包括:
将所述汇总结果进行展示。
3.根据权利要求1所述的方法,其特征在于,所述一个以上计算机的每一计算机的计算资源阈值均相等,所述将所获取的解算任务批量分配给一个以上计算机具体包括:
分析所获取的解算任务,获得所述解算任务需要消耗的计算资源总量;
将所述计算资源总量平均分配给所述一个以上计算机中的每一计算机。
4.一种用于权利要求1所述GNSS算法验证的方法的系统,其特征在于,包括:
获取模块,用于从数据库中获取解算任务;
分配模块,用于将所获取的解算任务批量分配给一个以上计算机;
接收模块,用于接收所述一个以上计算机中的每一计算机反馈的执行解算任务的解算结果,所述解算结果至少包括以下一个:卫星数据的固定率、卫星数据的精度;
汇总模块,用于对接收的解算结果进行汇总,获得汇总结果。
5.一种用于权利要求1所述GNSS算法验证的方法的存储器,所述存储器存储有计算机程序,其特征在于,所述计算机程序被处理器执行如下步骤:
从数据库中获取解算任务;
将所获取的解算任务批量分配给一个以上计算机;
接收所述一个以上计算机中的每一计算机反馈的执行解算任务的解算结果,所述解算结果至少包括以下一个:卫星数据的固定率、卫星数据的精度;
对接收的解算结果进行汇总,获得汇总结果。
6.一种定位终端,包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至3任意一项所述一种GNSS算法验证的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710445002.5A CN107329825B (zh) | 2017-06-13 | 2017-06-13 | Gnss算法验证的方法及系统、定位终端、存储器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710445002.5A CN107329825B (zh) | 2017-06-13 | 2017-06-13 | Gnss算法验证的方法及系统、定位终端、存储器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107329825A CN107329825A (zh) | 2017-11-07 |
CN107329825B true CN107329825B (zh) | 2020-10-27 |
Family
ID=60194607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710445002.5A Active CN107329825B (zh) | 2017-06-13 | 2017-06-13 | Gnss算法验证的方法及系统、定位终端、存储器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107329825B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108196282A (zh) * | 2017-12-06 | 2018-06-22 | 千寻位置网络有限公司 | Gnss定位的执行方法及系统、定位装置、服务终端、存储器 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103175516B (zh) * | 2013-02-26 | 2014-11-05 | 中国人民解放军信息工程大学 | 规模化大地控制网平差的分布式计算方法 |
CN104202254A (zh) * | 2014-08-14 | 2014-12-10 | 江苏省邮电规划设计院有限责任公司 | 一种基于云计算平台服务器智能负载均衡方法 |
CN104570009B (zh) * | 2015-01-27 | 2017-02-22 | 武汉大学 | 分布式gnss实时数据处理方法及系统 |
CN106197413B (zh) * | 2016-07-08 | 2018-04-06 | 北京航空航天大学 | 一种机载分布式位置姿态测量系统 |
-
2017
- 2017-06-13 CN CN201710445002.5A patent/CN107329825B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107329825A (zh) | 2017-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109597685B (zh) | 任务分配方法、装置和服务器 | |
CN108776934B (zh) | 分布式数据计算方法、装置、计算机设备及可读存储介质 | |
CN107967640B (zh) | 移动电源归还方法、装置、终端和计算机可读存储介质 | |
CN111917863B (zh) | 消息推送方法、装置、电视机设备及计算机存储介质 | |
CN111507479B (zh) | 特征分箱方法、装置、设备及计算机可读存储介质 | |
CN112328688A (zh) | 数据存储方法、装置、计算机设备及存储介质 | |
CN110348717B (zh) | 基于栅格粒度的基站价值评分方法和装置 | |
CN107329825B (zh) | Gnss算法验证的方法及系统、定位终端、存储器 | |
CN105471938B (zh) | 服务器负载管理方法及装置 | |
CN112051771A (zh) | 多云数据采集方法、装置、计算机设备和存储介质 | |
CN109800085B (zh) | 资源配置的检测方法、装置、存储介质和电子设备 | |
CN108038171B (zh) | 数据写入方法、装置及数据服务器 | |
CN112596985B (zh) | 一种it资产探测方法、装置、设备和介质 | |
CN110990350A (zh) | 日志的解析方法及装置 | |
CN108008973B (zh) | 一种关联应用程序的方法、装置及服务器 | |
CN111143639B (zh) | 用户亲密度计算方法、装置、设备及介质 | |
CN111428197B (zh) | 数据处理方法、装置及设备 | |
CN110765226B (zh) | 货主匹配方法、装置、设备和介质 | |
CN111711668A (zh) | 基于poi的实时推送服务的方法、装置、计算机设备 | |
CN111652486A (zh) | 一种业务指标的计算方法及装置 | |
CN113032225B (zh) | 数据中心的监控数据处理方法、装置、设备及存储介质 | |
CN115695435A (zh) | 动态调整节点流量的方法、装置、电子设备及存储介质 | |
CN114357082A (zh) | 一种基于云计算的大数据分析方法及系统 | |
CN108038783B (zh) | 头寸管理方法、系统和计算机可读存储介质 | |
WO2016132507A1 (ja) | プログラム及び統計処理システム |
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 | ||
CP02 | Change in the address of a patent holder | ||
CP02 | Change in the address of a patent holder |
Address after: 200438 9 / F, 10 / F, 11 / F, 12 / F, 38 Lane 1688, Guoquan North Road, Yangpu District, Shanghai Patentee after: QIANXUN SPATIAL INTELLIGENCE Inc. Address before: Room j165, 1st floor, building 64, 1436 Jungong Road, Yangpu District, Shanghai, 200433 Patentee before: QIANXUN SPATIAL INTELLIGENCE Inc. |