CN108595266A - 基于区域内闲散算力的资源应用方法及装置、计算设备 - Google Patents

基于区域内闲散算力的资源应用方法及装置、计算设备 Download PDF

Info

Publication number
CN108595266A
CN108595266A CN201810348850.9A CN201810348850A CN108595266A CN 108595266 A CN108595266 A CN 108595266A CN 201810348850 A CN201810348850 A CN 201810348850A CN 108595266 A CN108595266 A CN 108595266A
Authority
CN
China
Prior art keywords
equipment
unused
power
data
region
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
Application number
CN201810348850.9A
Other languages
English (en)
Inventor
蒋劭捷
王伟波
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.)
Beijing Qihoo Technology Co Ltd
Original Assignee
Beijing Qihoo Technology Co Ltd
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 Beijing Qihoo Technology Co Ltd filed Critical Beijing Qihoo Technology Co Ltd
Priority to CN201810348850.9A priority Critical patent/CN108595266A/zh
Publication of CN108595266A publication Critical patent/CN108595266A/zh
Pending legal-status Critical Current

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]
    • G06F9/5005—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
    • 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]
    • G06F9/5061—Partitioning or combining of resources
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1029—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers using data related to the state of servers by a load balancer
    • 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
    • G06F2209/5011—Pool

Abstract

本发明公开了一种基于区域内闲散算力的资源应用方法及装置、计算设备，方法包括：收集区域内多个设备的运行数据；根据区域内多个设备的运行数据，利用预设策略判断多个设备中是否存在具备可用闲散算力的一个或多个设备；若存在，将一个或多个设备的可用闲散算力进行整合形成算力设备池；将算力设备池接入到去中心化网络中执行相应的算力操作。利用本发明可以有效的对区域内多个设备的闲散算力进行整合，利用闲散算力执行算力操作，为区域主体创造出更多价值。进一步，对设备具备的闲散算力按照预设策略进行判断，整合可用闲散算力，使得利用可用闲散算力时，不影响设备本身的正常运行。本发明适用于基于区块链的去中心化网络涉及的各种算力操作。

Description

基于区域内闲散算力的资源应用方法及装置、计算设备
技术领域
本发明涉及软件领域，具体涉及一种基于区域内闲散算力的资源应用方法及装置、计算设备。
背景技术
在当今计算机时代，计算机成为很多企业和公司必不可少的办公设备。大型企业或公司为了维护公司的正常运营，往往会投入大量的计算机设备。计算机设备一般在使用时，绝大多数不会使用到100％的资源，这样就导致设备存在很多闲散资源没有被使用，造成闲散资源的浪费。当一个区域内部多台设备均存在闲散资源时，浪费掉的闲散资源较多，会造成大量的资源浪费，进而对企业成本造成了巨大的浪费。
因此，需要一种可以收集区域内的闲散算力的资源，将其进行再利用，以便可以创造更好价值。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的基于区域内闲散算力的资源应用方法及装置、计算设备。
根据本发明的一个方面，提供了一种基于区域内闲散算力的资源应用方法，其包括：
收集区域内多个设备的运行数据；
根据区域内多个设备的运行数据，利用预设策略判断多个设备中是否存在具备可用闲散算力的一个或多个设备；
若存在，将一个或多个设备的可用闲散算力进行整合形成算力设备池；
将算力设备池接入到去中心化网络中执行相应的算力操作。
根据本发明的另一方面，提供了一种基于区域内闲散算力的资源应用装置，其包括：
收集模块，适于收集区域内多个设备的运行数据；
判断模块，适于根据区域内多个设备的运行数据，利用预设策略判断多个设备中是否存在具备可用闲散算力的一个或多个设备；
整合模块，适于若判断模块判断出多个设备中存在具备可用闲散算力的一个或多个设备，将一个或多个设备的可用闲散算力进行整合形成算力设备池；
执行模块，适于将算力设备池接入到去中心化网络中执行相应的算力操作。
根据本发明的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，处理器、存储器和通信接口通过通信总线完成相互间的通信；
存储器用于存放至少一可执行指令，可执行指令使处理器执行上述基于区域内闲散算力的资源应用方法对应的操作。
根据本发明的再一方面，提供了一种计算机存储介质，存储介质中存储有至少一可执行指令，可执行指令使处理器执行如上述基于区域内闲散算力的资源应用方法对应的操作。
根据本发明提供的基于区域内闲散算力的资源应用方法及装置、计算设备，收集区域内多个设备的运行数据；根据区域内多个设备的运行数据，利用预设策略判断多个设备中是否存在具备可用闲散算力的一个或多个设备；若存在，将一个或多个设备的可用闲散算力进行整合形成算力设备池；将算力设备池接入到去中心化网络中执行相应的算力操作。利用本发明可以有效的对区域内多个设备的闲散算力进行整合，利用闲散算力执行算力操作，为区域主体创造出更多价值。进一步，对设备具备的闲散算力按照预设策略进行判断，整合可用闲散算力，使得利用可用闲散算力时，不影响设备本身的正常运行。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了根据本发明一个实施例的基于区域内闲散算力的资源应用方法的流程图；
图2示出了根据本发明另一个实施例的基于区域内闲散算力的资源应用方法的流程图；
图3示出了根据本发明一个实施例的基于区域内闲散算力的资源应用装置的功能框图；
图4示出了根据本发明一个实施例的一种计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例的基于区域内闲散算力的资源应用方法的流程图。如图1所示，基于区域内闲散算力的资源应用方法具体包括如下步骤：
步骤S101，收集区域内多个设备的运行数据。
区域可以根据实施情况自主划分，如区域为一个企业、一个商场、指定的多个设备、一个工作组等等。对区域内的多个设备可以采用如在设备上安装监控软件监控设备运行、在线对设备进行监控等方式收集各个设备的运行数据。
运行数据包括了如收集区域内多个设备的CPU占用数据、硬盘占用数据、内存占用数据、GPU占用数据、带宽占用数据等。收集的占用数据可以为百分比形式，也可以为具体的数值，优选为百分比形式。如收集到某设备的CPU占用数据为占用CPU40％的资源，这样可以直接的了解到该设备CPU还有60％的资源未被占用。
步骤S102，根据区域内多个设备的运行数据，利用预设策略判断多个设备中是否存在具备可用闲散算力的一个或多个设备。
根据收集到的区域内多个设备的运行数据，可以了解到多个设备是否存在未被占用的资源。如设备的CPU占用数据为占用CPU40％的资源，未被占用的资源为60％的CPU资源。这些未被占用的资源可以作为闲散算力。此处，算力即这些未被占用资源每秒产生哈希碰撞的能力，未被占用资源越多，算力越高。
利用预设策略对设备的闲散算力进行判断，判断多个设备中是否存在具备可用闲散算力的一个或多个设备。此处，闲散算力与可用闲散算力可以一致(百分百的将闲散算力进行利用，不造成闲散算力的浪费)，也可以不一致(使用闲散算力的一部分作为可用闲散算力，避免将所有闲散算力均作为可用闲散算力时，设备突发新的算力需求时，没有可用算力，导致设备无法正常运行)。预设策略可以为如预先指定可用闲散算力大小(如大小为硬盘10G所产生的算力)、可用闲散算力占用设备资源百分比(CPU的20％资源所产生的算力)；或者还可以指定具体设备和该设备闲散算力大小(指定设备A的CPU的20％资源所产生的算力)等。具体的，如预设策略为指定各设备CPU的30％资源所产生的算力，当某设备CPU占用数据为CPU的90％资源，未被占用的资源为CPU的10％资源，则可以判断该设备不具备可用闲散算力；当某设备CPU占用数据为CPU的60％资源，未被占用的资源为CPU的40％资源，则可以判断该设备具备可用闲散算力；预设策略为打印机设备CPU资源，当打印机设备的CPU占用数据不是100％CPU资源时，判断该打印机设备具备可用闲散算力；否则，判断该打印机设备不具备可用闲散算力。进一步，考虑到需要在保障各个设备正常运行的前提下，对未被占用的资源产生的闲散算力进行整合，以便可以及时应对设备运行所需要的新算力需求。预设策略除指定闲散算力资源大小等之外，还可以指定可用闲散算力占闲散算力的百分比。如预设策略指定可用闲散算力为各设备CPU的30％资源，且可用闲散算力需占所有闲散算力的60％(保障设备预留部分闲散算力不被整合，以便满足设备新的算力需求)，当某设备的CPU占用数据为60％资源时，闲散算力为CPU的40％资源，闲散算力的60％为CPU的24％资源，无法达到预设策略指定可用闲散算力为各设备CPU的30％资源，则判断该设备不具备可用闲散算力。以上均为举例说明，具体实施时根据实施情况设置预设策略。
利用预设策略对多个设备进行判断，可以得到是否存在具备可用闲散算力的一个或多个设备，若存在，则执行步骤S103。若不存在，则不进行整合。利用预设策略判断时，可以实时的对多个设备进行时时判断，方便应对设备时时变化的运行情况；也可以每时间间隔对多个设备进行判断，获取稳定的设备运行数据。具体根据实施情况设置，此处不做限定。
步骤S103，将一个或多个设备的可用闲散算力进行整合形成算力设备池。
将一个或多个设备的可用闲散算力进行整合，得到包含各设备可用闲散算力的算力设备池。其中，算力设备池记录了各设备信息，以及各设备中可用闲散算力。算力设备池不是一成不变的，其根据各设备实际运行中的运行数据，相应的释放或获取可用闲散算力，在保障各设备正常运行前提下，最大限度的整合可用闲散算力，使可用闲散算力能够被有效利用，避免资源浪费。
步骤S104，将算力设备池接入到去中心化网络中执行相应的算力操作。
去中心化网络可以将算力设备池中的各个设备的可用闲散算力分别作为单独的节点，使其均执行算力操作。如使用算力设备池中各个设备的可用闲散算力作为一个矿池中的各个节点，每个节点进行挖矿操作、计算工作量证明等，当其中任一设备的可用闲散算力(任一节点)挖矿成功或计算得到工作量证明时，该矿池都可以得到对应的收益。其中，算力设备池中的算力越高，挖矿成功的概率越大，收益越高。考虑到各设备中可用闲散算力大小不同，且可能存在时时变化的情况，对其设置专门的算力操作无法得到稳定的执行效果。有时，专门指定的算力操作对算力本身有限定条件，使得不满足限定条件的算力无法被利用，造成算力资源的浪费。而去中心化网络可以将算力设备池中的算力集中，且不对算力本身限定条件，有效的利用了所有可用闲散算力。
根据本发明提供的基于区域内闲散算力的资源应用方法，收集区域内多个设备的运行数据；根据区域内多个设备的运行数据，利用预设策略判断多个设备中是否存在具备可用闲散算力的一个或多个设备；若存在，将一个或多个设备的可用闲散算力进行整合形成算力设备池；将算力设备池接入到去中心化网络中执行相应的算力操作。利用本发明可以有效的对区域内多个设备的闲散算力进行整合，利用闲散算力执行算力操作，为区域主体创造出更多价值。进一步，对设备具备的闲散算力按照预设策略进行判断，整合可用闲散算力，使得利用可用闲散算力时，不影响设备本身的正常运行。
图2示出了根据本发明另一个实施例的基于区域内闲散算力的资源应用方法的流程图。如图2所示，基于区域内闲散算力的资源应用方法具体包括如下步骤：
步骤S201，收集区域内多个设备的运行数据。
该步骤参照图1实施例的步骤S101的描述，在此不再赘述。
步骤S202，根据区域内多个设备的运行数据，查找具备闲散算力的一个或多个备选设备及其闲散资源数据。
在收集到区域内多个设备的运行数据后，可以根据运行数据以及各个设备本身的设备数据，得到具备闲散算力的一个或多个备选设备以及其对应的闲散资源数据。如根据设备本身的设备数据、运行数据，可以计算得到各个设备未被占用的闲散资源数据，即得到各个设备所具备的闲散资源所能提供的闲散算力。
步骤S203，收集区域内多个设备的设备使用者信息。
由于设备的使用者不同，设备的使用情况也会存在不同。如使用者为行政人员，一般仅使用设备(计算机)对文档进行编辑工作，设备资源占用较少，会有大量闲散算力；使用者为业务人员，一般会使用设备运行大量程序，设备资源占用较多，闲散算力较少。
考虑到上述情况，不同设备使用者对设备使用的情况不同，因此，不能采用一刀切的方式从不同设备中整合相同的闲散算力，这样可能会导致某些设备不能支撑正常运行，某些设备闲散算力无法被有效利用的问题。在实际实施中对各设备还需相应的收集对应的设备使用者信息，以便根据设备使用者信息，在保障设备正常运行的前提下，最大化利用设备的闲散算力。收集的设备使用者信息包括如使用者ID、姓名、职务等。
步骤S204，获取当前时间信息。
不同时间段设备的运行数据不同，如11:30-13:30，属于午休时间，大部分设备运行的程序较少，资源占用较少，会有大量闲散资源数据；其他时间段设备正常运行，根据运行程序不同，闲散资源数据也不同。因此，当时间不同时，同一设备的闲散资源数据可能存在不同。需要获取当前时间信息，以便整合不同时间对应的设备具备的不同的可用闲散算力。
步骤S203和S204不存在执行先后限定，且步骤S203和S204为可选步骤，根据实施情况选择执行相应的步骤。
步骤S205，根据一个或多个备选设备的闲散资源数据，判断一个或多个备选设备中是否存在闲散资源数据满足预设策略规定的门槛条件的具备可用闲散算力的一个或多个设备。
在判断是否存在具备可用闲散算力的设备时，可以结合步骤S203收集的一个或多个备选设备的设备使用者信息，确定备选设备对应的设备使用者类型。如根据设备使用者信息，确实其属于行政人员、运维人员、测试人员、管理人员等；或者根据设备使用者信息，确实其属于普通用户、资源高需求用户、资源低需求用户等。具体设备使用者类型根据实施情况可以设置不同类型，此处不做限定。预设策略可以规定不同类型对应不同的门槛条件，如对于行政人员，门槛条件为可用闲散算力为CPU的50％资源；对于测试人员，门槛条件为可用闲散算力为CPU的20％资源等；或者，对于行政人员，门槛条件为设备运行数据中CPU占用数据不超过50％资源；对于测试人员，门槛条件为设备运行数据中CPU占用数据不超过80％资源等；或者，对于行政人员，门槛条件为可用闲散算力为CPU的50％资源，且可用闲散算力占闲置资源的80％；对于测试人员，门槛条件为可用闲散算力为CPU的20％资源，且可用闲散算力占闲置资源的50％等。门槛条件可以为针对设备使用者类型指定的可用闲散算力的大小，或针对设备使用者类型指定的设备闲置资源大小，或针对设备使用者类型指定的可用闲散算力占闲置资源的百分比等。其主要目的在于保障设备正常运行前提下，最大化利用闲散资源。针对任一备选设备，利用预设策略判断该备选设备的闲散资源数据是否满足预设策略规定的与备选设备的设备使用者类型对应的门槛条件，若是，则将备选设备作为具备可用闲散算力的设备，执行步骤S206。
或者，预设策略的门槛条件为不同时间段信息对应的可用闲散算力的大小，或不同时间段对应的设备闲置资源大小，或不同时间段对应的可用闲散算力占闲置资源的百分比等。对任一备选设备，结合步骤S204获取的当前时间信息，利用预设策略判断一个或多个备选设备中是否存在闲散资源数据满足预设策略规定的与当前时间信息对应的门槛条件的具备可用闲散算力的一个或多个设备。若是，则将备选设备作为具备可用闲散算力的设备，执行步骤S206。
在利用预设策略进行判断时，还可以在预设策略中规定不同设备使用者类型在不同时间段对应的门槛条件。即将以上两种判断方式进行结合，判断一个或多个备选设备中是否存在闲散资源数据满足预设策略规定的与备选设备的设备使用者类型、当前时间信息对应的门槛条件的具备可用闲散算力的一个或多个设备。在利用预设策略进行判断时，可以将预设策略编写在智能合约中，通过执行智能合约进行相应的判断，得到具备可用闲散算力的一个或多个设备。
步骤S206，将一个或多个设备的可用闲散算力进行整合形成算力设备池。
步骤S207，将算力设备池接入到去中心化网络中执行相应的算力操作。
以上步骤参照图1实施例的步骤S103-S104的描述，在此不再赘述。
步骤S208，收集区域内多个设备的流量数据。
步骤S209，根据区域内多个设备的流量数据，检测多个设备中是否存在非法接入到去中心化网络中的非法设备。
步骤S210，发出提示信息。
在收集区域内多个设备运行数据时，还包括了收集区域内多个设备的流量数据，主要收集区域内多个设备与外部设备进行交互的流量数据，可以根据流量数据特征、流量发生的渠道等信息，检测多个设备中是否存在非法接入到去中心化网络中的非法设备。如流量不通过算力设备池，直接与外部设备进行交互；或者区域内多个设备的流量数据之和与算力设备池与外部设备进行交互的流量数据不一致等，说明多个设备中存在非法接入到去中心化网络中的非法设备。当检测存在非法接入到去中心化网络中的非法设备时，执行步骤S210，发出提示信息。进一步，还可以根据流量数据中渠道信息等数据，查找到具体的非法接入到去中心化网络中的非法设备，对其进行处理，中断其非法接入去中心化网络等。
根据本发明提供的基于区域内闲散算力的资源应用方法，对区域内多个设备的运行数据进行收集，并根据设备使用者信息和/或当前时间信息，判断多个设备中是否存在备选设备的闲散资源数据满足预设策略规定的与备选设备的设备使用者类型对应的门槛条件和/或闲散资源数据满足预设策略规定的与当前时间信息对应的门槛条件的具备可用闲散算力的一个或多个设备，可以在保障设备正常运行的前提下，最大化的有效利用闲散算力，为区域主体创造出更多价值。进一步，还可以对设备的流量数据进行监控，检测多个设备中是否存在非法接入到去中心化网络中的非法设备，避免设备的闲散算力被非法盗用。
图3示出了根据本发明一个实施例的基于区域内闲散算力的资源应用装置的功能框图。如图3所示，基于区域内闲散算力的资源应用装置包括如下模块：
收集模块310适于：收集区域内多个设备的运行数据。
判断模块320适于：根据区域内多个设备的运行数据，利用预设策略判断多个设备中是否存在具备可用闲散算力的一个或多个设备。
整合模块330适于：若判断模块判断320出多个设备中存在具备可用闲散算力的一个或多个设备，将一个或多个设备的可用闲散算力进行整合形成算力设备池。
执行模块340适于：将算力设备池接入到去中心化网络中执行相应的算力操作。
可选地，收集模块310进一步适于：收集区域内多个设备的CPU占用数据、硬盘占用数据、内存占用数据、GPU占用数据和/或带宽占用数据。
可选地，判断模块320进一步适于：根据区域内多个设备的运行数据，查找具备闲散算力的一个或多个备选设备及其闲散资源数据；根据一个或多个备选设备的闲散资源数据，判断一个或多个备选设备中是否存在闲散资源数据满足所述预设策略规定的门槛条件的所述具备可用闲散算力的一个或多个设备。
可选地，装置还包括：使用者信息收集模块350适于：收集区域内多个设备的设备使用者信息；
可选地，判断模块320进一步适于：根据一个或多个备选设备的设备使用者信息，确定一个或多个备选设备的设备使用者类型；针对任一备选设备，判断该备选设备的闲散资源数据是否满足预设策略规定的与备选设备的设备使用者类型对应的门槛条件，若是，则将备选设备作为具备可用闲散算力的设备。
可选地，装置还包括：时间模块360适于：获取当前时间信息。
可选地，判断模块320进一步适于：判断一个或多个备选设备中是否存在闲散资源数据满足预设策略规定的与当前时间信息对应的门槛条件的具备可用闲散算力的一个或多个设备。
可选地，收集模块310进一步适于：收集区域内多个设备的流量数据。
可选地，装置还包括：非法检测模块370适于：根据区域内多个设备的流量数据，检测多个设备中是否存在非法接入到去中心化网络中的非法设备，若存在，则发出提示信息。
根据本发明提供的基于区域内闲散算力的资源应用装置，收集区域内多个设备的运行数据；根据区域内多个设备的运行数据，利用预设策略判断多个设备中是否存在具备可用闲散算力的一个或多个设备；若存在，将一个或多个设备的可用闲散算力进行整合形成算力设备池；将算力设备池接入到去中心化网络中执行相应的算力操作。利用本发明可以有效的对区域内多个设备的闲散算力进行整合，利用闲散算力执行算力操作，为区域主体创造出更多价值。对设备具备的闲散算力按照预设策略进行判断，整合可用闲散算力，使得利用可用闲散算力时，不影响设备本身的正常运行。进一步，根据设备使用者信息和/或当前时间信息，判断多个设备中是否存在备选设备的闲散资源数据满足预设策略规定的与备选设备的设备使用者类型对应的门槛条件和/或闲散资源数据满足预设策略规定的与当前时间信息对应的门槛条件的具备可用闲散算力的一个或多个设备，可以在保障设备正常运行的前提下，最大化的有效利用闲散算力，创造更多价值。进一步，还可以对设备的流量数据进行监控，检测多个设备中是否存在非法接入到去中心化网络中的非法设备，避免设备的闲散算力被非法盗用。
本申请还提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的基于区域内闲散算力的资源应用方法。
图4示出了根据本发明一个实施例的一种计算设备的结构示意图，本发明具体实施例并不对计算设备的具体实现做限定。
如图4所示，该计算设备可以包括：处理器(processor)402、通信接口(Communications Interface)404、存储器(memory)406、以及通信总线408。
其中：
处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。
通信接口404，用于与其它设备比如客户端或其它服务器等的网元通信。
处理器402，用于执行程序410，具体可以执行上述基于区域内闲散算力的资源应用方法实施例中的相关步骤。
具体地，程序410可以包括程序代码，该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器406，用于存放程序410。存储器406可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序410具体可以用于使得处理器402执行上述任意方法实施例中的基于区域内闲散算力的资源应用方法。程序410中各步骤的具体实现可以参见上述基于区域内闲散算力的资源应用实施例中的相应步骤和单元中对应的描述，在此不赘述。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的设备和模块的具体工作过程，可以参考前述方法实施例中的对应过程描述，在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的基于区域内闲散算力的资源应用装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本发明公开了：A1.一种基于区域内闲散算力的资源应用方法，其包括：
收集区域内多个设备的运行数据；
根据区域内多个设备的运行数据，利用预设策略判断所述多个设备中是否存在具备可用闲散算力的一个或多个设备；
若存在，将所述一个或多个设备的可用闲散算力进行整合形成算力设备池；
将算力设备池接入到去中心化网络中执行相应的算力操作。
A2.根据A1所述的方法，其中，所述收集区域内多个设备的运行数据进一步包括：收集区域内多个设备的CPU占用数据、硬盘占用数据、内存占用数据、GPU占用数据和/或带宽占用数据。
A3.根据A1或A2所述的方法，其中，所述根据区域内多个设备的运行数据，利用预设策略判断所述多个设备中是否存在具备可用闲散算力的一个或多个设备进一步包括：
根据区域内多个设备的运行数据，查找具备闲散算力的一个或多个备选设备及其闲散资源数据；
根据一个或多个备选设备的闲散资源数据，判断所述一个或多个备选设备中是否存在闲散资源数据满足所述预设策略规定的门槛条件的所述具备可用闲散算力的一个或多个设备。
A4.根据A3所述的方法，其中，所述方法还包括：收集区域内多个设备的设备使用者信息；
所述判断所述一个或多个备选设备中是否存在闲散资源数据满足所述预设策略规定的门槛条件的所述具备可用闲散算力的一个或多个设备进一步包括：
根据一个或多个备选设备的设备使用者信息，确定一个或多个备选设备的设备使用者类型；
针对任一备选设备，判断该备选设备的闲散资源数据是否满足所述预设策略规定的与所述备选设备的设备使用者类型对应的门槛条件，若是，则将所述备选设备作为具备可用闲散算力的设备。
A5.根据A3或A4所述的方法，其中，所述方法还包括：获取当前时间信息；
所述判断所述一个或多个备选设备中是否存在闲散资源数据满足所述预设策略规定的门槛条件的所述具备可用闲散算力的一个或多个设备具体为：
判断所述一个或多个备选设备中是否存在闲散资源数据满足所述预设策略规定的与当前时间信息对应的门槛条件的所述具备可用闲散算力的一个或多个设备。
A6.根据A1-A5中任一项所述的方法，其中，所述收集区域内多个设备的运行数据进一步包括：收集区域内多个设备的流量数据；
所述方法还包括：
根据区域内多个设备的流量数据，检测所述多个设备中是否存在非法接入到去中心化网络中的非法设备，若存在，则发出提示信息。
本发明还公开了：B7.一种基于区域内闲散算力的资源应用装置，其包括：
收集模块，适于收集区域内多个设备的运行数据；
判断模块，适于根据区域内多个设备的运行数据，利用预设策略判断所述多个设备中是否存在具备可用闲散算力的一个或多个设备；
整合模块，适于若判断模块判断出多个设备中存在具备可用闲散算力的一个或多个设备，将所述一个或多个设备的可用闲散算力进行整合形成算力设备池；
执行模块，适于将算力设备池接入到去中心化网络中执行相应的算力操作。
B8.根据B7所述的装置，其中，所述收集模块进一步适于：
收集区域内多个设备的CPU占用数据、硬盘占用数据、内存占用数据、GPU占用数据和/或带宽占用数据。
B9.根据B7或B8所述的装置，其中，所述判断模块进一步适于：
根据区域内多个设备的运行数据，查找具备闲散算力的一个或多个备选设备及其闲散资源数据；根据一个或多个备选设备的闲散资源数据，判断所述一个或多个备选设备中是否存在闲散资源数据满足所述预设策略规定的门槛条件的所述具备可用闲散算力的一个或多个设备。
B10.根据B9所述的装置，其中，所述装置还包括：
使用者信息收集模块，适于收集区域内多个设备的设备使用者信息；
所述判断模块进一步适于：
根据一个或多个备选设备的设备使用者信息，确定一个或多个备选设备的设备使用者类型；针对任一备选设备，判断该备选设备的闲散资源数据是否满足所述预设策略规定的与所述备选设备的设备使用者类型对应的门槛条件，若是，则将所述备选设备作为具备可用闲散算力的设备。
B11.根据B9或B10所述的装置，其中，所述装置还包括：
时间模块，适于获取当前时间信息；
所述判断模块进一步适于：
判断所述一个或多个备选设备中是否存在闲散资源数据满足所述预设策略规定的与当前时间信息对应的门槛条件的所述具备可用闲散算力的一个或多个设备。
B12.根据B7-B11中任一项所述的装置，其中，所述收集模块进一步适于：收集区域内多个设备的流量数据；
所述装置还包括：
非法检测模块，适于根据区域内多个设备的流量数据，检测所述多个设备中是否存在非法接入到去中心化网络中的非法设备，若存在，则发出提示信息。
本发明还公开了：C13.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如A1-A6中任一项所述的基于区域内闲散算力的资源应用方法对应的操作。
本发明还公开了：D14.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如A1-A6中任一项所述的基于区域内闲散算力的资源应用方法对应的操作。

Claims (10)

1.一种基于区域内闲散算力的资源应用方法，其包括：
收集区域内多个设备的运行数据；
根据区域内多个设备的运行数据，利用预设策略判断所述多个设备中是否存在具备可用闲散算力的一个或多个设备；
若存在，将所述一个或多个设备的可用闲散算力进行整合形成算力设备池；
将算力设备池接入到去中心化网络中执行相应的算力操作。
2.根据权利要求1所述的方法，其中，所述收集区域内多个设备的运行数据进一步包括：收集区域内多个设备的CPU占用数据、硬盘占用数据、内存占用数据、GPU占用数据和/或带宽占用数据。
3.根据权利要求1或2所述的方法，其中，所述根据区域内多个设备的运行数据，利用预设策略判断所述多个设备中是否存在具备可用闲散算力的一个或多个设备进一步包括：
根据区域内多个设备的运行数据，查找具备闲散算力的一个或多个备选设备及其闲散资源数据；
根据一个或多个备选设备的闲散资源数据，判断所述一个或多个备选设备中是否存在闲散资源数据满足所述预设策略规定的门槛条件的所述具备可用闲散算力的一个或多个设备。
4.根据权利要求3所述的方法，其中，所述方法还包括：收集区域内多个设备的设备使用者信息；
所述判断所述一个或多个备选设备中是否存在闲散资源数据满足所述预设策略规定的门槛条件的所述具备可用闲散算力的一个或多个设备进一步包括：
根据一个或多个备选设备的设备使用者信息，确定一个或多个备选设备的设备使用者类型；
针对任一备选设备，判断该备选设备的闲散资源数据是否满足所述预设策略规定的与所述备选设备的设备使用者类型对应的门槛条件，若是，则将所述备选设备作为具备可用闲散算力的设备。
5.根据权利要求3或4所述的方法，其中，所述方法还包括：获取当前时间信息；
所述判断所述一个或多个备选设备中是否存在闲散资源数据满足所述预设策略规定的门槛条件的所述具备可用闲散算力的一个或多个设备具体为：
判断所述一个或多个备选设备中是否存在闲散资源数据满足所述预设策略规定的与当前时间信息对应的门槛条件的所述具备可用闲散算力的一个或多个设备。
6.根据权利要求1-5中任一项所述的方法，其中，所述收集区域内多个设备的运行数据进一步包括：收集区域内多个设备的流量数据；
所述方法还包括：
根据区域内多个设备的流量数据，检测所述多个设备中是否存在非法接入到去中心化网络中的非法设备，若存在，则发出提示信息。
7.一种基于区域内闲散算力的资源应用装置，其包括：
收集模块，适于收集区域内多个设备的运行数据；
判断模块，适于根据区域内多个设备的运行数据，利用预设策略判断所述多个设备中是否存在具备可用闲散算力的一个或多个设备；
整合模块，适于若判断模块判断出多个设备中存在具备可用闲散算力的一个或多个设备，将所述一个或多个设备的可用闲散算力进行整合形成算力设备池；
执行模块，适于将算力设备池接入到去中心化网络中执行相应的算力操作。
8.根据权利要求7所述的装置，其中，所述收集模块进一步适于：
收集区域内多个设备的CPU占用数据、硬盘占用数据、内存占用数据、GPU占用数据和/或带宽占用数据。
9.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-6中任一项所述的基于区域内闲散算力的资源应用方法对应的操作。
10.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-6中任一项所述的基于区域内闲散算力的资源应用方法对应的操作。
CN201810348850.9A 2018-04-18 2018-04-18 基于区域内闲散算力的资源应用方法及装置、计算设备 Pending CN108595266A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810348850.9A CN108595266A (zh) 2018-04-18 2018-04-18 基于区域内闲散算力的资源应用方法及装置、计算设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810348850.9A CN108595266A (zh) 2018-04-18 2018-04-18 基于区域内闲散算力的资源应用方法及装置、计算设备

Publications (1)

Publication Number Publication Date
CN108595266A true CN108595266A (zh) 2018-09-28

Family

ID=63611085

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810348850.9A Pending CN108595266A (zh) 2018-04-18 2018-04-18 基于区域内闲散算力的资源应用方法及装置、计算设备

Country Status (1)

Country Link
CN (1) CN108595266A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109298949A (zh) * 2018-12-04 2019-02-01 国网辽宁省电力有限公司大连供电公司 一种分布式文件系统的资源调度系统
CN110221913A (zh) * 2019-04-26 2019-09-10 深圳市致宸信息科技有限公司 监控服务器的云算力的方法、终端、设备及存储介质
CN111405012A (zh) * 2020-03-06 2020-07-10 深圳市瑞驰信息技术有限公司 一种基于mqtt及http的ai算力池集群管理方法
CN111858517A (zh) * 2020-06-28 2020-10-30 北京百度网讯科技有限公司 确定资源价值属性的方法、装置、设备和计算机存储介质
CN112327711A (zh) * 2020-11-17 2021-02-05 深圳杰微芯片科技有限公司 多节点算力设备控制系统
CN113535376A (zh) * 2020-04-17 2021-10-22 大唐移动通信设备有限公司 一种算力调度方法、集中控制设备及算力申请设备
CN113852950A (zh) * 2021-06-28 2021-12-28 山东浪潮科学研究院有限公司 面向算力网络的智能移动性跟踪调度方法及装置
CN114697341A (zh) * 2020-12-28 2022-07-01 华为技术有限公司 计算电子设备的算力的方法、控制设备以及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101656657A (zh) * 2008-08-19 2010-02-24 国际商业机器公司 在多租户架构中确定每个租户的资源使用率的方法和系统
CN102096461A (zh) * 2011-01-13 2011-06-15 浙江大学 基于虚拟机迁移和负载感知整合的云数据中心节能方法
CN102419718A (zh) * 2011-10-28 2012-04-18 浪潮(北京)电子信息产业有限公司 资源调度方法
CN102917014A (zh) * 2012-09-10 2013-02-06 中国联合网络通信集团有限公司 资源调度方法及装置
CN104182278A (zh) * 2013-05-23 2014-12-03 华为技术有限公司 一种判定计算机硬件资源繁忙程度的方法和装置
CN104468752A (zh) * 2014-11-26 2015-03-25 无锡成电科大科技发展有限公司 一种提高云计算资源利用率的方法及系统
CN106209826A (zh) * 2016-07-08 2016-12-07 瑞达信息安全产业股份有限公司 一种网络安全设备监测的安全事件分析方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101656657A (zh) * 2008-08-19 2010-02-24 国际商业机器公司 在多租户架构中确定每个租户的资源使用率的方法和系统
CN102096461A (zh) * 2011-01-13 2011-06-15 浙江大学 基于虚拟机迁移和负载感知整合的云数据中心节能方法
CN102419718A (zh) * 2011-10-28 2012-04-18 浪潮(北京)电子信息产业有限公司 资源调度方法
CN102917014A (zh) * 2012-09-10 2013-02-06 中国联合网络通信集团有限公司 资源调度方法及装置
CN104182278A (zh) * 2013-05-23 2014-12-03 华为技术有限公司 一种判定计算机硬件资源繁忙程度的方法和装置
CN104468752A (zh) * 2014-11-26 2015-03-25 无锡成电科大科技发展有限公司 一种提高云计算资源利用率的方法及系统
CN106209826A (zh) * 2016-07-08 2016-12-07 瑞达信息安全产业股份有限公司 一种网络安全设备监测的安全事件分析方法

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109298949A (zh) * 2018-12-04 2019-02-01 国网辽宁省电力有限公司大连供电公司 一种分布式文件系统的资源调度系统
CN109298949B (zh) * 2018-12-04 2021-08-20 国网辽宁省电力有限公司大连供电公司 一种分布式文件系统的资源调度系统
CN110221913A (zh) * 2019-04-26 2019-09-10 深圳市致宸信息科技有限公司 监控服务器的云算力的方法、终端、设备及存储介质
CN111405012A (zh) * 2020-03-06 2020-07-10 深圳市瑞驰信息技术有限公司 一种基于mqtt及http的ai算力池集群管理方法
CN113535376A (zh) * 2020-04-17 2021-10-22 大唐移动通信设备有限公司 一种算力调度方法、集中控制设备及算力申请设备
CN113535376B (zh) * 2020-04-17 2024-04-05 大唐移动通信设备有限公司 一种算力调度方法、集中控制设备及算力申请设备
CN111858517A (zh) * 2020-06-28 2020-10-30 北京百度网讯科技有限公司 确定资源价值属性的方法、装置、设备和计算机存储介质
CN112327711A (zh) * 2020-11-17 2021-02-05 深圳杰微芯片科技有限公司 多节点算力设备控制系统
CN114697341A (zh) * 2020-12-28 2022-07-01 华为技术有限公司 计算电子设备的算力的方法、控制设备以及存储介质
CN114697341B (zh) * 2020-12-28 2023-05-16 华为技术有限公司 计算电子设备的算力的方法、控制设备以及存储介质
CN113852950A (zh) * 2021-06-28 2021-12-28 山东浪潮科学研究院有限公司 面向算力网络的智能移动性跟踪调度方法及装置
CN113852950B (zh) * 2021-06-28 2023-06-09 山东浪潮科学研究院有限公司 面向算力网络的智能移动性跟踪调度方法及装置

Similar Documents

Publication Publication Date Title
CN108595266A (zh) 基于区域内闲散算力的资源应用方法及装置、计算设备
Moldovan et al. Mela: Monitoring and analyzing elasticity of cloud services
US8904242B2 (en) Cloud service recovery time prediction system, method and program
CN103346912A (zh) 告警相关性分析的方法、装置及系统
US11449488B2 (en) System and method for processing logs
Belgaum et al. Cloud service ranking using checkpoint-based load balancing in real-time scheduling of cloud computing
CN111951010A (zh) 一种基于规则引擎的业务决策方法、装置、电子设备和可读存储介质
CN105678323A (zh) 基于图的分析用户的方法和系统
US8705369B2 (en) Routing cost normalizing
CN109995558A (zh) 故障信息处理方法、装置、设备及存储介质
CN103927244A (zh) 一种基于动态代理实现的插件调度过程监控的方法
CN101495978A (zh) 减少总线连接的消费者和产生者之间的消息流
CN114641771A (zh) 基于虚拟机内容的集群安全性
CN112232856A (zh) 一种基于导流的业务处理方法、装置和电子设备
Martínez et al. ELASTIC: A large scale dynamic tuning environment
US11232381B2 (en) Systems and methods for managing resources in an information technology (IT) infrastructure
Cankar et al. Transportation ecosystem framework in Fog to Cloud environment
CN108512688A (zh) 网络节点配置方法和终端
CN107959662B (zh) 网站安全检测的方法和系统
US11388039B1 (en) Identifying problem graphs in an information technology infrastructure network
CN108062224A (zh) 基于文件句柄的数据读写方法、装置及计算设备
Khoshnevis An approach to variability management in service-oriented product lines
CN113806225A (zh) 一种业务异常节点识别方法、装置和电子设备
Lange et al. Using a deep understanding of network activities for workflow mining
Xu Automatic selection and parameter configuration of big data software core components based on retention pattern

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

Application publication date: 20180928

RJ01 Rejection of invention patent application after publication