CN108280018B - 一种节点工作流通信开销效率分析优化方法及系统 - Google Patents

一种节点工作流通信开销效率分析优化方法及系统 Download PDF

Info

Publication number
CN108280018B
CN108280018B CN201711461283.XA CN201711461283A CN108280018B CN 108280018 B CN108280018 B CN 108280018B CN 201711461283 A CN201711461283 A CN 201711461283A CN 108280018 B CN108280018 B CN 108280018B
Authority
CN
China
Prior art keywords
nodes
node
working
data
thread
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
Application number
CN201711461283.XA
Other languages
English (en)
Other versions
CN108280018A (zh
Inventor
韩锐
宋锐星
郭志川
刘春梅
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.)
Zhengzhou Xinrand Network Technology Co ltd
Original Assignee
Institute of Acoustics CAS
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 Institute of Acoustics CAS filed Critical Institute of Acoustics CAS
Publication of CN108280018A publication Critical patent/CN108280018A/zh
Application granted granted Critical
Publication of CN108280018B publication Critical patent/CN108280018B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3452—Performance evaluation by statistical analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3466—Performance evaluation by tracing or monitoring
    • G06F11/3476—Data logging
    • 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
    • G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
    • G06F2201/81—Threshold

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种节点工作流通信开销效率分析优化方法及系统，所述节点工作流通信开销效率分析优化方法，包括：在客户端的所有待分析工作节点上注入性能分析优化代码；分别统计客户端的各节点收到其它节点以及发送到其它节点的数据流量，性能分析优化代码统计所在的工作节点的工作流线程资源占用率、线程工作属性以及收发数据量，并将统计数据周期性地发送到监控处理端；监控处理端根据统计数据，分析节点的线程工作效率以及节点间工作流执行效率，并根据分析结果，结合用户预设定的阈值，对节点工作线程周期性进行拆分或归并，调整节点间工作流顺序。本发明实施例降低网络中与设备内部进程间的通信负载，显著提高了基于终端设备节点工作流的性能。

Description

一种节点工作流通信开销效率分析优化方法及系统
技术领域
本发明涉及分布式计算和通信机制领域，尤其涉及一种节点工作流通信分析优化方法及系统。
背景技术
近几年，面向大规模数据的分布式实时计算应用发展非常迅速，当前计算仍以云端和拥有大型计算能力的服务器为主，而更为贴近用户的海量终端资源则相对被浪费，庆幸的是，当前已有一部分研究和实际计算将目光集中到更靠近用户的终端上。典型的终端设备有手机、PAD、机顶盒、树莓派、路由器等。根据实际需求，一个计算任务可以被设计为一个工作流来运行。工作流是指一类能够完全自动执行的经营过程，根据一系列过程规则，将文档、信息或任务在不同的执行者之间进行传递与执行，如图1为工作流一个实例。一个工作流完成一项任务，一个工作流有多个阶段，一个阶段可以有一个或多个节点，实际执行中，一个节点内根据需求会有多个工作线程。
随着软硬件的不断发展，终端设备的一些先天的弱点如CPU能力弱、功耗低、处理能力有限、内存等资源可用的十分有限等已经逐渐得到缓解，而在计算的过程中，设备之间的大量通信仍会消耗大量资源，同时也会影响设备中其他应用的性能，如何降低工作流中节点之间的通信开销，必将成为一个需要解决的问题。
发明内容
本发明为了解决现有技术中基于终端设备节点建立的工作流通信开销问题，提出了一种节点工作流通信分析优化方法及系统，主要通过对实际参与工作节点通信数据量的分析，将需要改进的工作节点和参与工作进程筛选出来，并通过优化将设备间、进程间通信转化为更为快速并开销更低的线程间通信来实现的。
为实现上述目的，本发明一方面提供了一种节点工作流通信开销效率分析优化方法，包括:在客户端的所有待分析工作节点上注入性能分析优化代码；分别统计客户端的各节点收到其它节点以及发送到其它节点的数据流量，所述性能分析优化代码统计所在的工作节点的工作流线程资源占用率、线程工作属性以及收发数据量，并将统计数据周期性地发送到监控处理端；监控处理端根据所述统计数据，分析节点的线程工作效率以及节点间工作流执行效率，并根据分析结果，结合用户预设定的阈值，对节点工作线程周期性进行拆分或归并，调整节点间工作流顺序。
优选地，所述性能分析优化代码统计所在的工作节点的工作流线程资源占用率、线程工作属性以及收发数据量步骤，包括：所述性能分析优化代码注入到节点的各工作线程中，统计线程的CPU和内存资源占用率；所述收发数据量为工作线程与其它节点的收发数据量以及与节点内部其它线程的收发数据量。
优选地，所述监控处理端根据所述统计数据，分析节点的线程工作效率以及节点间工作流执行效率，包括：所述监控处理端通过分析统计数据获得节点收发数据比值和工作线程收发数据比值；当所述节点收发数据比值和所述工作线程收发数据比值高于用户设定阈值时，则判定节点的线程通信效率高；当所述节点内线程通信效率高的线程百分比值高于用户设定阈值，以及每个节点间相互通信数据均衡，则判定节点间工作流执行的通信效率高。
优选地，所述对节点工作线程周期性进行拆分或归并，调整节点间工作流顺序，包括：根据需求拆分通信数据多在节点外部的工作线程所在的节点；将通信效率低的工作线程根据需求分配到其他节点；将相互之间的通信量较大节点的工作进程合并到同一节点。
优选地，所述监控处理端可部署在节点管理服务器、任务管理服务器和单独服务器上。
另一方面提供了一种节点工作流通信开销效率分析优化系统，包括客户端和监控处理端，在客户端的所有待分析工作节点上注入性能分析优化代码；分别统计客户端的各节点收到其它节点以及发送到其它节点的数据流量，所述性能分析优化代码统计所在的工作节点的工作流线程资源占用率、线程工作属性以及收发数据量，并将统计数据周期性地发送到监控处理端；监控处理端根据所述统计数据，分析节点的线程工作效率以及节点间工作流执行效率，并根据分析结果，结合用户预设定的阈值，对节点工作线程周期性进行拆分或归并，调整节点间工作流顺序。
优选地，所述性能分析优化代码统计所在的工作节点的工作流线程资源占用率、线程工作属性以及收发数据量步骤，包括：所述性能分析优化代码注入到节点的各工作线程中，统计线程的CPU和内存资源占用率；所述收发数据量为工作线程与其它节点的收发数据量以及与节点内部其它线程的收发数据量。
优选地，所述监控处理端根据所述统计数据，分析节点的线程工作效率以及节点间工作流执行效率，包括：所述监控处理端通过分析统计数据获得节点收发数据比值和工作线程收发数据比值；当所述节点收发数据比值和所述工作线程收发数据比值高于用户设定阈值时，则判定节点的线程通信效率高；当所述节点内线程通信效率高的线程百分比值高于用户设定阈值，以及每个节点间相互通信数据均衡，则判定节点间工作流执行的通信效率高。
优选地，所述对节点工作线程周期性进行拆分或归并，调整节点间工作流顺序，包括：根据需求拆分通信数据多在节点外部的工作线程所在的节点；将通信效率低的工作线程根据需求分配到其他节点；将相互之间的通信量较大节点的工作进程合并到同一节点。
优选地，所述监控处理端可部署在节点管理服务器、任务管理服务器和单独服务器上。
本发明的一种节点工作流通信分析优化方法及系统优点在于：在通信方面分析量化了工作流节点的性能，给予了其判断优劣的指标,显著提高了节点工作流的性能,且所使用的基础技术多为开源、开放的技术，便于技术的应用和功能的扩展。
附图说明
图1为一种节点工作流示意图；
图2为本发明节点工作流通信开销效率分析优化方法的流程图；
图3为本发明节点工作流通信开销效率分析优化系统的代码、客户端与监控处理端的关系示意图；
图4为本发明实施例节点工作流通信开销效率分析优化流程图。
具体实施方式
为使本发明实施例的技术方案以及优点表达的更清楚，下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
在本实施例中，采用的终端设备为智能路由器或树莓派，采用的工作流为搭建Docker集群上布置的流计算节点工作流，运行监控处理程序的服务端为zookeeper管理服务器。
图2为本发明节点工作流通信开销效率分析优化方法的流程图。如图2所示，本发明第一实施例提出了一种节点工作流通信开销效率分析优化方法，具体步骤如下：
步骤S201，在客户端的所有待分析工作节点上注入性能分析优化代码。
具体的，搭建集群环境并开启，建立工作流拓扑结构，开启代码注入器，在所有待分析工作节点上注入性能分析优化代码，运行性能分析优化客户端，并在zookeeper管理服务端启动运行监控处理端。
性能分析分为注入性能分析优化代码、客户端、监控处理端三部分，监控处理端根据实际需求部署在节点管理服务器、任务管理服务器或者单独服务器上。
步骤S202，分别统计客户端的各节点收到其它节点以及发送到其它节点的数据流量，性能分析优化代码统计所在的工作节点的工作流线程资源占用率、线程工作属性以及收发数据量，并将统计数据周期性地发送到监控处理端。
具体的，客户端统计所在节点收到其它节点以及发送到其它节点的数据流量，代码注入到节点每个工作线程里，统计线程CPU、内存等资源的占用率，工作线程内部布置在topology.executor.receiver.buffer.size和topology.execor.send.buffer.size处；收发数据量统计包括工作线程与其它节点的收发数据量以及与节点内部其它线程的收发数据量，具体布置在监听端口supervisor.slots.ports接收线程的缓冲区topology.receiver.buffer.size处，根据tuple中taskld收集其余工作节点发送到该工作节点数据总量以及每个工作线程对应数据量，在topology.transfer.buffer.size处，统计不同工作线程传入数据量以及该工作节点到其他工作节点总体发送量。
步骤S203，监控处理端处理采集到的数据，分析节点的线程工作效率以及节点间工作流执行效率，并根据分析结果，结合用户预设定的阈值，对节点工作线程周期性进行拆分或归并，动态自我调整节点间工作流顺序。
具体的，监控处理端通过分析数据获得节点收发数据比值和工作线程收发数据比值；节点的线程工作效率高体现在节点收发数据比值高于根据用户需求设定的阈值，且工作线程收发数据比值高于用户设定阈值；节点间工作流执行效率的通信效率高体现在每个节点内部工作线程工作效率高的线程百分比高于设定值、每个节点相互通信的数据均衡，不存在某少量节点之间传输数据远远高于其余节点传输数据情况。
根据结果，用户可选择为加权接收和发送数据量都高于用户设定阈值的工作节点和执行线程做扩展，增加同属性工作节点与执行线程，即时调用系统函数，新增工作进程和工作线程，移植部分任务到新的进程和线程中进行并发工作、根据需求拆分通信数据多在节点外部的工作线程所在的节点，将通信效率低的工作线程工作根据需求分配到其他节点，如在Linux环境下调用move_task()对原有工作线程调用dequeue_task()(从远端删除),再在合适的节点位置调用enqueue_task()(插入本地)，将该工作线程迁移到其他节点、根据实际需求与条件，为发送接收数据量比高于用户设定阈值的工作节点和执行线程提供更好的联网条件，增加任务量等、如果某些工作节点相互之间的通信量较大，参考注入性能分析优化代码统计的CPU和内存等资源占用率，根据预置参数，选择性转移合并到同一个工作节点，操作系统当前可在进程执行过程中移动它，使得它在另一个计算机上继续存取它的所有资源并继续运行，而且不必知道运行进程或任何与其它相互作用的进程的知识就可以启动进程迁移操作，这给我们的任务转移提供了有利条件，经过优化可以减少设备间和进程间通信，根据需求，如果接收发送数据量比低于用户设定阈值的工作节点和执行线程高于某个数量阈值，此时动态调整代价过高，则请求中断当前工作流，申请重新布置工作流、并反馈当前分析优化工具收集信息，输出到日志记录，以供重新布置工作流参考。
图3为本发明节点工作流通信开销效率分析优化系统的代码、客户端与监控处理端的关系示意图。本发明第二实施例又提出了一种节点工作流通信开销效率分析优化系统，包括：由代码、客户端和监控处理端构成，在所有待分析工作节点上都注入性能分析优化代码；客户端统计所在节点收到其它节点以及发送到其它节点的数据流量，所述代码统计节点内参与工作流线程资源占用率、线程工作属性以及收发数据量，并周期性将统计数据发送到监控处理端；监控处理端处理采集到的数据，分析节点的线程工作效率以及节点间工作流执行效率，并根据分析结果，结合用户预设定的阈值，对节点工作线程周期性进行拆分或归并，动态自我调整节点间工作流顺序。
搭建集群环境并开启，建立工作流拓扑结构，开启代码注入器，在所有待分析工作节点上注入性能分析优化代码，运行性能分析优化客户端，并在zookeeper管理服务端启动运行监控处理端。
性能分析分为注入性能分析优化代码、客户端、监控处理端三部分，监控处理端根据实际需求部署在节点管理服务器、任务管理服务器或者单独服务器上。
客户端统计所在节点收到其它节点以及发送到其它节点的数据流量，代码注入到节点每个工作线程里，统计线程CPU、内存等资源的占用率，工作线程内部布置在topology.executor.receiver.buffer.size和topology.execor.send.buffer.size处；收发数据量统计包括工作线程与其它节点的收发数据量以及与节点内部其它线程的收发数据量，具体布置在监听端口supervisor.slots.ports接收线程的缓冲区topology.receiver.buffer.size处，根据tuple中taskld收集其余工作节点发送到该工作节点数据总量以及每个工作线程对应数据量，在topology.transfer.buffer.size处，统计不同工作线程传入数据量以及该工作节点到其他工作节点总体发送量。
监控处理端通过分析数据获得节点收发数据比值和工作线程收发数据比值；节点的线程工作效率高体现在节点收发数据比值高于根据用户需求设定的阈值，且工作线程收发数据比值高于用户设定阈值；节点间工作流执行效率的通信效率高体现在每个节点内部工作线程工作效率高的线程百分比高于设定值、每个节点相互通信的数据均衡，不存在某少量节点之间传输数据远远高于其余节点传输数据情况。
根据结果，用户可选择为加权接收和发送数据量都高于用户设定阈值的工作节点和执行线程做扩展，增加同属性工作节点与执行线程，即时调用系统函数，新增工作进程和工作线程，移植部分任务到新的进程和线程中进行并发工作、根据需求拆分通信数据多在节点外部的工作线程所在的节点，将通信效率低的工作线程工作根据需求分配到其他节点，如在Linux环境下调用move_task()对原有工作线程调用dequeue_task()(从远端删除),再在合适的节点位置调用enqueue_task()(插入本地)，将该工作线程迁移到其他节点、根据实际需求与条件，为发送接收数据量比高于用户设定阈值的工作节点和执行线程提供更好的联网条件，增加任务量等、如果某些工作节点相互之间的通信量较大，参考注入性能分析优化代码统计的CPU和内存等资源占用率，根据预置参数，选择性转移合并到同一个工作节点，操作系统当前可在进程执行过程中移动它，使得它在另一个计算机上继续存取它的所有资源并继续运行，而且不必知道运行进程或任何与其它相互作用的进程的知识就可以启动进程迁移操作，这给我们的任务转移提供了有利条件，经过优化可以减少设备间和进程间通信，根据需求，如果接收发送数据量比低于用户设定阈值的工作节点和执行线程高于某个数量阈值，此时动态调整代价过高，则请求中断当前工作流，申请重新布置工作流、并反馈当前分析优化工具收集信息，输出到日志记录，以供重新布置工作流参考。
图4为本发明实施例节点工作流通信开销效率分析优化流程图。如图4所示，在实施例中，节点工作流通信开销效率分析优化通过如下步骤实现：
步骤S401，利用终端搭建工作流集群环境并开启代码注入器，分配任务到对应的节点；
步骤S402，在所有待分析工作节点上注入性能分析优化工具代码；
步骤S403，运行性能分析优化客户端，并在服务端运行监控处理端；
步骤S404，判断是否为节点，如果否，则执行步骤步骤S405A；如果是，则执行步骤步骤S405B；
步骤S405A，注入性能分析优化工具代码统计节点内参与工作流线程资源占用率、线程工作属性以及收发数据量并传入监控处理端；
步骤S405B，统计所在节点收到其它节点以及发送到其它节点数据流量并上传监控处理端；
步骤S406，监控处理端处理步骤S405A和步骤S405B上传的数据；
步骤S407，根据处理数据结果选择方式，周期性优化或重新布置工作流并再次分配任务。
本发明通过对实际参与工作节点通信数据量的分析，将需要改进的工作节点和参与工作进程筛选出来，并通过优化将设备间、进程间通信转化为更为快速并开销更低的线程间通信来实现的。借助本发明的技术方案，降低了网络中与设备内部进程间的通信负载，显著提高了基于终端设备节点工作流的性能。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种节点工作流通信开销效率分析优化方法，其特征在于，包括：
在客户端的所有待分析工作节点上注入性能分析优化代码；
分别统计客户端的各节点收到其它节点以及发送到其它节点的数据流量，所述性能分析优化代码统计所在的工作节点的工作流线程资源占用率、线程工作属性以及收发数据量，所述性能分析优化代码注入到节点的各工作线程中，统计线程的CPU和内存资源占用率；所述收发数据量为工作线程与其它节点的收发数据量以及与节点内部其它线程的收发数据量；并将统计数据周期性地发送到监控处理端；
所述监控处理端通过分析统计数据获得节点收发数据比值和工作线程收发数据比值；当所述节点收发数据比值和所述工作线程收发数据比值高于用户设定阈值时，则判定节点的线程通信效率高；当所述节点内线程通信效率高的线程百分比值高于用户设定阈值，以及每个节点间相互通信数据均衡，则判定节点间工作流执行的通信效率高；根据分析结果，线程的CPU和内存资源占用率，结合用户预设定的阈值，对节点工作线程周期性进行拆分或归并，调整节点间工作流顺序；所述调整节点间工作流顺序包括：根据所述分析结果和需求，拆分通信数据多在节点外部的工作线程所在的节点，将通信效率低的工作线程根据需求分配到其他节点；根据所述分析结果、需求和所述线程的CPU和内存资源占用率，将相互之间的通信量较大的工作节点合并到同一节点；根据所述分析结果，如果所述节点收发数据比值和所述工作线程收发数据比值低于用户设定阈值的工作节点和执行线程的数量高于预设的数量阈值，则重新布置工作流顺序。
2.根据权利要求1所述的节点工作流通信开销效率分析优化方法，其特征在于，所述监控处理端可部署在节点管理服务器、任务管理服务器和单独服务器上。
3.一种节点工作流通信开销效率分析优化系统，包括客户端和监控处理端，其特征在于，
在客户端的所有待分析工作节点上注入性能分析优化代码；
分别统计客户端的各节点收到其它节点以及发送到其它节点的数据流量，所述性能分析优化代码统计所在的工作节点的工作流线程资源占用率、线程工作属性以及收发数据量，所述性能分析优化代码注入到节点的各工作线程中，统计线程的CPU和内存资源占用率；所述收发数据量为工作线程与其它节点的收发数据量以及与节点内部其它线程的收发数据量；并将统计数据周期性地发送到监控处理端；
所述监控处理端通过分析统计数据获得节点收发数据比值和工作线程收发数据比值；当所述节点收发数据比值和所述工作线程收发数据比值高于用户设定阈值时，则判定节点的线程通信效率高；当所述节点内线程通信效率高的线程百分比值高于用户设定阈值，以及每个节点间相互通信数据均衡，则判定节点间工作流执行的通信效率高；根据分析结果，线程的CPU和内存资源占用率，结合用户预设定的阈值，对节点工作线程周期性进行拆分或归并，调整节点间工作流顺序；其中，根据需求拆分通信数据多在节点外部的工作线程所在的节点；将通信效率低的工作线程根据需求分配到其他节点；将相互之间的通信量较大节点的工作进程合并到同一节点。
4.根据权利要求3所述的节点工作流通信开销效率分析优化系统，其特征在于，所述监控处理端可部署在节点管理服务器、任务管理服务器和单独服务器上。
CN201711461283.XA 2017-12-19 2017-12-28 一种节点工作流通信开销效率分析优化方法及系统 Active CN108280018B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201711377275 2017-12-19
CN2017113772757 2017-12-19

Publications (2)

Publication Number Publication Date
CN108280018A CN108280018A (zh) 2018-07-13
CN108280018B true CN108280018B (zh) 2021-02-23

Family

ID=62802506

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711461283.XA Active CN108280018B (zh) 2017-12-19 2017-12-28 一种节点工作流通信开销效率分析优化方法及系统

Country Status (1)

Country Link
CN (1) CN108280018B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109120671A (zh) * 2018-07-16 2019-01-01 郑州云海信息技术有限公司 一种基于分布式系统建立通信连接的方法和装置
CN109117355A (zh) * 2018-08-31 2019-01-01 百度在线网络技术（北京）有限公司 用于分析信息流系统性能的方法和装置
CN110928738B (zh) * 2018-09-19 2023-04-18 阿里巴巴集团控股有限公司 性能分析方法、装置和设备
CN110365546B (zh) * 2019-08-22 2022-03-22 广州大学 节点数据流的监控方法、存储介质和计算设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8739162B2 (en) * 2007-04-27 2014-05-27 Hewlett-Packard Development Company, L.P. Accurate measurement of multithreaded processor core utilization and logical processor utilization
US8392380B2 (en) * 2009-07-30 2013-03-05 Microsoft Corporation Load-balancing and scaling for analytics data
CN103414761B (zh) * 2013-07-23 2017-02-08 北京工业大学 一种基于Hadoop架构的移动终端云资源调度方法

Also Published As

Publication number Publication date
CN108280018A (zh) 2018-07-13

Similar Documents

Publication Publication Date Title
CN108280018B (zh) 一种节点工作流通信开销效率分析优化方法及系统
CN110413392B (zh) 一种移动边缘计算场景下制定单任务迁移策略的方法
CN107018175B (zh) 移动云计算平台的调度方法和装置
CN109995669B (zh) 分布式限流方法、装置、设备及可读存储介质
US20160140359A1 (en) System and method for distributed computation using heterogeneous computing nodes
US11888744B2 (en) Spin-leaf network congestion control method, node, system, and storage medium
US10541901B2 (en) Methods, systems and computer readable media for optimizing placement of virtual network visibility components
CN104579761A (zh) 一种基于云计算的nosql集群自动配置系统及自动配置方法
Vigneri et al. Storage on wheels: Offloading popular contents through a vehicular cloud
CN109802895B (zh) 数据处理系统、方法及令牌管理方法
Liu et al. Service resource management in edge computing based on microservices
Simoncelli et al. Stream-monitoring with blockmon: convergence of network measurements and data analytics platforms
US20150109915A1 (en) Network traffic management
WO2017045640A1 (zh) 一种数据中心内关联流的带宽调度方法及装置
JP5818263B2 (ja) データの分散管理システム及び装置及び方法及びプログラム
CN104038358A (zh) 一种内容调度方法及内容调度装置
CN110489221B (zh) 一种自动化任务数量动态调整计算资源的方法及系统
Hong et al. A resources allocation algorithm based on media task qos in cloud computing
CN113890827B (zh) 电力通信资源分配方法、装置、存储介质以及电子设备
Jasim et al. Efficient load migration scheme for fog networks
EP2622499B1 (en) Techniques to support large numbers of subscribers to a real-time event
CN105391669A (zh) 一种电力线通信频谱碎片整理方法和装置
CN111245794B (zh) 数据传输方法和装置
CN103269519A (zh) 一种集中式基站架构中的处理资源分配方法与系统
CN110661731A (zh) 一种报文处理方法及其装置

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210728

Address after: Room 1601, 16th floor, East Tower, Ximei building, No. 6, Changchun Road, high tech Industrial Development Zone, Zhengzhou, Henan 450001

Patentee after: Zhengzhou xinrand Network Technology Co.,Ltd.

Address before: 100190, No. 21 West Fourth Ring Road, Beijing, Haidian District

Patentee before: INSTITUTE OF ACOUSTICS, CHINESE ACADEMY OF SCIENCES