CN109600621A - 云存储运动补偿平台及方法 - Google Patents

云存储运动补偿平台及方法 Download PDF

Info

Publication number
CN109600621A
CN109600621A CN201811577348.1A CN201811577348A CN109600621A CN 109600621 A CN109600621 A CN 109600621A CN 201811577348 A CN201811577348 A CN 201811577348A CN 109600621 A CN109600621 A CN 109600621A
Authority
CN
China
Prior art keywords
motion compensation
equipment
memory device
buffer memory
motion
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
CN201811577348.1A
Other languages
English (en)
Inventor
陈仲珊
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 CN201811577348.1A priority Critical patent/CN109600621A/zh
Publication of CN109600621A publication Critical patent/CN109600621A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H04N19/423—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation characterised by memory arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation

Abstract

本发明涉及一种云存储运动补偿平台，包括：重建图像缓存设备，为云存储模式，分别通过网络与自适应像素偏移设备即SAO设备和运动估计设备连接；运动估计设备，设置在所述重建图像缓存设备和所述运动补偿设备之间，用于对来自所述重建图像缓存设备的当前帧执行运动估计操作；运动补偿设备，与所述运动估计设备连接，用于对待编码块执行运动补偿处理，其中，将所述当前帧进行划分以获得多个子区域，对每一个子区域进行划分以获得多个待编码块；FLASH存储设备，与指令辨识设备连接，用于预先存储预设数量阈值。本发明还涉及一种云存储运动补偿方法。通过本发明，能够基于当前帧中的最大目标的运动矢量确定参考帧的搜索窗口的大小。

Description

云存储运动补偿平台及方法
技术领域
本发明涉及云存储领域，尤其涉及一种云存储运动补偿平台及方法。
背景技术
云存储是在云计算(cloud computing)概念上延伸和发展出来的一个新的概念，是指通过集群应用、网格技术或分布式文件系统等功能，将网络中大量各种不同类型的存储设备通过应用软件集合起来协同工作，共同对外提供数据存储和业务访问功能的一个系统。
当云计算系统运算和处理的核心是大量数据的存储和管理时，云计算系统中就需要配置大量的存储设备，那么云计算系统就转变成为一个云存储系统，所以云存储是一个以数据存储和管理为核心的云计算系统。
发明内容
为了解决现有技术中参考帧的搜索窗口的确定缺乏自适应控制模式的技术问题，本发明提供了一种云存储运动补偿平台及方法。
本发明至少具备以下几个关键发明点：
(1)基于当前帧中的最大目标的运动矢量确定参考帧的搜索窗口的大小，所述运动矢量的绝对值越大，确定的搜索窗口越大，所述参考帧的搜索窗口用于在所述参考帧中搜索所述子区域中待编码块对应的匹配块；
(2)根据运动估计设备的当前存在数据输出的各个引脚的数量，确定与其存在数据交互关系的其他设备是否有必要进入单位时间处理的数据量更多的工作状态。
根据本发明的一方面，提供了一种云存储运动补偿平台，所述平台包括：
重建图像缓存设备，为云存储模式，分别通过网络与自适应像素偏移设备即SAO设备和运动估计设备连接；
运动估计设备，设置在所述重建图像缓存设备和所述运动补偿设备之间，用于对来自所述重建图像缓存设备的当前帧执行运动估计操作；
运动补偿设备，与所述运动估计设备连接，用于对待编码块执行运动补偿处理，其中，将所述当前帧进行划分以获得多个子区域，对每一个子区域进行划分以获得多个待编码块；
FLASH存储设备，与指令辨识设备连接，用于预先存储预设数量阈值。
更具体地，在所述云存储运动补偿平台中，还包括：
数量解析设备，与运动估计设备连接，用于统计运动估计设备当前存在数据输出的各个引脚的数量，以作为即时引脚数量输出。
更具体地，在所述云存储运动补偿平台中，还包括：
指令辨识设备，与所述数量解析设备连接，用于接收所述即时引脚数量，并在所述即时引脚数量是预设数量阈值的两倍以上时，发出第一控制指令，在所述即时引脚数量是所述预设数量阈值的一倍以上时，发出第二控制指令，在所述即时引脚数量小于所述预设数量阈值时，发出第三控制指令；
所述指令辨识设备包括数据接收单元和指令解析单元，所述数据接收单元和所述指令解析单元连接；
ARM11处理芯片，分别与运动估计设备、运动补偿设备、重建图像缓存设备和指令辨识设备连接，用于在接收到所述第一控制指令时，控制所述运动补偿设备进入工作状态，以及同时控制所述重建图像缓存设备进入工作状态；
其中，所述ARM11处理芯片还用于在接收到所述第二控制指令时，控制所述运动补偿设备进入工作状态，以及控制所述重建图像缓存设备进入安全状态；
其中，所述运动估计设备基于所述当前帧中的最大目标的运动矢量确定参考帧的搜索窗口的大小，所述运动矢量的绝对值越大，确定的搜索窗口越大；
其中，所述参考帧的搜索窗口用于在所述参考帧中搜索所述子区域中待编码块对应的匹配块；
其中，所述ARM11处理芯片还用于在接收到所述第三控制指令时，控制所述运动补偿设备进入安全状态，以及同时控制所述重建图像缓存设备进入安全状态；
其中，针对运动估计设备、运动补偿设备和重建图像缓存设备任一，其安全状态下单位时间处理的数据量小于其工作状态下单位时间处理的数据量。
根据本发明的另一方面，还提供了一种云存储运动补偿方法，所述方法包括：
使用重建图像缓存设备，为云存储模式，分别通过网络与自适应像素偏移设备即SAO设备和运动估计设备连接；
使用运动估计设备，设置在所述重建图像缓存设备和所述运动补偿设备之间，用于对来自所述重建图像缓存设备的当前帧执行运动估计操作；
使用运动补偿设备，与所述运动估计设备连接，用于对待编码块执行运动补偿处理，其中，将所述当前帧进行划分以获得多个子区域，对每一个子区域进行划分以获得多个待编码块；
使用FLASH存储设备，与指令辨识设备连接，用于预先存储预设数量阈值。
更具体地，在所述云存储运动补偿平台中，还包括：
使用数量解析设备，与运动估计设备连接，用于统计运动估计设备当前存在数据输出的各个引脚的数量，以作为即时引脚数量输出。
更具体地，在所述云存储运动补偿平台中，还包括：
使用指令辨识设备，与所述数量解析设备连接，用于接收所述即时引脚数量，并在所述即时引脚数量是预设数量阈值的两倍以上时，发出第一控制指令，在所述即时引脚数量是所述预设数量阈值的一倍以上时，发出第二控制指令，在所述即时引脚数量小于所述预设数量阈值时，发出第三控制指令；
所述指令辨识设备包括数据接收单元和指令解析单元，所述数据接收单元和所述指令解析单元连接；
使用ARM11处理芯片，分别与运动估计设备、运动补偿设备、重建图像缓存设备和指令辨识设备连接，用于在接收到所述第一控制指令时，控制所述运动补偿设备进入工作状态，以及同时控制所述重建图像缓存设备进入工作状态；
其中，所述ARM11处理芯片还用于在接收到所述第二控制指令时，控制所述运动补偿设备进入工作状态，以及控制所述重建图像缓存设备进入安全状态；
其中，所述运动估计设备基于所述当前帧中的最大目标的运动矢量确定参考帧的搜索窗口的大小，所述运动矢量的绝对值越大，确定的搜索窗口越大；
其中，所述参考帧的搜索窗口用于在所述参考帧中搜索所述子区域中待编码块对应的匹配块；
其中，所述ARM11处理芯片还用于在接收到所述第三控制指令时，控制所述运动补偿设备进入安全状态，以及同时控制所述重建图像缓存设备进入安全状态；
其中，针对运动估计设备、运动补偿设备和重建图像缓存设备任一，其安全状态下单位时间处理的数据量小于其工作状态下单位时间处理的数据量。
具体实施方式
下面将对本发明的云存储运动补偿平台及方法的实施方案进行详细说明。
云计算(Cloud Computing)是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。
云是网络、互联网的一种比喻说法。过去在图中往往用云来表示电信网，后来也用来表示互联网和底层基础设施的抽象。
因此，云计算甚至可以让你体验每秒10万亿次的运算能力，拥有这么强大的计算能力可以模拟核爆炸、预测气候变化和市场发展趋势。用户通过电脑、笔记本、手机等方式接入数据中心，按自己的需求进行运算。
为了克服上述不足，本发明搭建了一种云存储运动补偿平台及方法，能够有效解决相应的技术问题。
根据本发明实施方案示出的云存储运动补偿平台包括：
重建图像缓存设备，为云存储模式，分别通过网络与自适应像素偏移设备即SAO设备和运动估计设备连接；
运动估计设备，设置在所述重建图像缓存设备和所述运动补偿设备之间，用于对来自所述重建图像缓存设备的当前帧执行运动估计操作；
运动补偿设备，与所述运动估计设备连接，用于对待编码块执行运动补偿处理，其中，将所述当前帧进行划分以获得多个子区域，对每一个子区域进行划分以获得多个待编码块；
FLASH存储设备，与指令辨识设备连接，用于预先存储预设数量阈值。
接着，继续对本发明的云存储运动补偿平台的具体结构进行进一步的说明。
所述云存储运动补偿平台中还可以包括：
数量解析设备，与运动估计设备连接，用于统计运动估计设备当前存在数据输出的各个引脚的数量，以作为即时引脚数量输出。
所述云存储运动补偿平台中还可以包括：
指令辨识设备，与所述数量解析设备连接，用于接收所述即时引脚数量，并在所述即时引脚数量是预设数量阈值的两倍以上时，发出第一控制指令，在所述即时引脚数量是所述预设数量阈值的一倍以上时，发出第二控制指令，在所述即时引脚数量小于所述预设数量阈值时，发出第三控制指令；
所述指令辨识设备包括数据接收单元和指令解析单元，所述数据接收单元和所述指令解析单元连接；
ARM11处理芯片，分别与运动估计设备、运动补偿设备、重建图像缓存设备和指令辨识设备连接，用于在接收到所述第一控制指令时，控制所述运动补偿设备进入工作状态，以及同时控制所述重建图像缓存设备进入工作状态；
其中，所述ARM11处理芯片还用于在接收到所述第二控制指令时，控制所述运动补偿设备进入工作状态，以及控制所述重建图像缓存设备进入安全状态；
其中，所述运动估计设备基于所述当前帧中的最大目标的运动矢量确定参考帧的搜索窗口的大小，所述运动矢量的绝对值越大，确定的搜索窗口越大；
其中，所述参考帧的搜索窗口用于在所述参考帧中搜索所述子区域中待编码块对应的匹配块；
其中，所述ARM11处理芯片还用于在接收到所述第三控制指令时，控制所述运动补偿设备进入安全状态，以及同时控制所述重建图像缓存设备进入安全状态；
其中，针对运动估计设备、运动补偿设备和重建图像缓存设备任一，其安全状态下单位时间处理的数据量小于其工作状态下单位时间处理的数据量。
所述云存储运动补偿平台中：
所述运动补偿设备为MCU控制芯片，所述MCU控制芯片内置有定时器和ROM存储器。
所述云存储运动补偿平台中：
所述运动估计设备和所述运动补偿设备之间通过16位并行数据接口进行数据连接和数据交互。
根据本发明实施方案示出的云存储运动补偿方法包括：
使用重建图像缓存设备，为云存储模式，分别通过网络与自适应像素偏移设备即SAO设备和运动估计设备连接；
使用运动估计设备，设置在所述重建图像缓存设备和所述运动补偿设备之间，用于对来自所述重建图像缓存设备的当前帧执行运动估计操作；
使用运动补偿设备，与所述运动估计设备连接，用于对待编码块执行运动补偿处理，其中，将所述当前帧进行划分以获得多个子区域，对每一个子区域进行划分以获得多个待编码块；
使用FLASH存储设备，与指令辨识设备连接，用于预先存储预设数量阈值。
接着，继续对本发明的云存储运动补偿方法的具体步骤进行进一步的说明。
所述云存储运动补偿方法还可以包括：
使用数量解析设备，与运动估计设备连接，用于统计运动估计设备当前存在数据输出的各个引脚的数量，以作为即时引脚数量输出。
所述云存储运动补偿方法还可以包括：
使用指令辨识设备，与所述数量解析设备连接，用于接收所述即时引脚数量，并在所述即时引脚数量是预设数量阈值的两倍以上时，发出第一控制指令，在所述即时引脚数量是所述预设数量阈值的一倍以上时，发出第二控制指令，在所述即时引脚数量小于所述预设数量阈值时，发出第三控制指令；
所述指令辨识设备包括数据接收单元和指令解析单元，所述数据接收单元和所述指令解析单元连接；
使用ARM11处理芯片，分别与运动估计设备、运动补偿设备、重建图像缓存设备和指令辨识设备连接，用于在接收到所述第一控制指令时，控制所述运动补偿设备进入工作状态，以及同时控制所述重建图像缓存设备进入工作状态；
其中，所述ARM11处理芯片还用于在接收到所述第二控制指令时，控制所述运动补偿设备进入工作状态，以及控制所述重建图像缓存设备进入安全状态；
其中，所述运动估计设备基于所述当前帧中的最大目标的运动矢量确定参考帧的搜索窗口的大小，所述运动矢量的绝对值越大，确定的搜索窗口越大；
其中，所述参考帧的搜索窗口用于在所述参考帧中搜索所述子区域中待编码块对应的匹配块；
其中，所述ARM11处理芯片还用于在接收到所述第三控制指令时，控制所述运动补偿设备进入安全状态，以及同时控制所述重建图像缓存设备进入安全状态；
其中，针对运动估计设备、运动补偿设备和重建图像缓存设备任一，其安全状态下单位时间处理的数据量小于其工作状态下单位时间处理的数据量。
所述云存储运动补偿方法中：
所述运动补偿设备为MCU控制芯片，所述MCU控制芯片内置有定时器和ROM存储器。
所述云存储运动补偿方法中：
所述运动估计设备和所述运动补偿设备之间通过16位并行数据接口进行数据连接和数据交互。
另外，MCU按其存储器类型可分为无片内ROM型和带片内ROM型两种。对于无片内ROM型的芯片，必须外接EPROM才能应用(典型芯片为8031)。带片内ROM型的芯片又分为片内EPROM型(典型芯片为87C51)、MASK片内掩模ROM型(典型芯片为8051)、片内FLASH型(典型芯片为89C51)等类型，一些公司还推出带有片内一次性可编程ROM(One Time Programming，OTP)的芯片(典型芯片为97C51)。MASKROM的MCU价格便宜，但程序在出厂时已经固化，适合程序固定不变的应用场合；FLASH ROM的MCU程序可以反复擦写，灵活性很强，但价格较高，适合对价格不敏感的应用场合或做开发用途；OTPROM的MCU价格介于前两者之间，同时又拥有一次性可编程能力，适合既要求一定灵活性，又要求低成本的应用场合，尤其是功能不断翻新、需要迅速量产的电子产品。
采用本发明的云存储运动补偿平台及方法，针对现有技术中参考帧的搜索窗口的确定缺乏自适应控制模式的技术问题，通过基于当前帧中的最大目标的运动矢量确定参考帧的搜索窗口的大小，所述运动矢量的绝对值越大，确定的搜索窗口越大，所述参考帧的搜索窗口用于在所述参考帧中搜索所述子区域中待编码块对应的匹配块；同时，还根据运动估计设备的当前存在数据输出的各个引脚的数量，确定与其存在数据交互关系的其他设备是否有必要进入单位时间处理的数据量更多的工作状态；从而解决了上述技术问题。
最后应注意到的是，在本发明各个实施例中的各功能设备可以集成在一个处理设备中，也可以是各个设备单独物理存在，也可以两个或两个以上设备集成在一个设备中。
所述功能如果以软件功能设备的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
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 (10)

1.一种云存储运动补偿平台，其特征在于，所述平台包括：
重建图像缓存设备，为云存储模式，分别通过网络与自适应像素偏移设备即SAO设备和运动估计设备连接；
运动估计设备，设置在所述重建图像缓存设备和所述运动补偿设备之间，用于对来自所述重建图像缓存设备的当前帧执行运动估计操作；
运动补偿设备，与所述运动估计设备连接，用于对待编码块执行运动补偿处理，其中，将所述当前帧进行划分以获得多个子区域，对每一个子区域进行划分以获得多个待编码块；
FLASH存储设备，与指令辨识设备连接，用于预先存储预设数量阈值。
2.如权利要求1所述的云存储运动补偿平台，其特征在于，所述平台还包括：
数量解析设备，与运动估计设备连接，用于统计运动估计设备当前存在数据输出的各个引脚的数量，以作为即时引脚数量输出。
3.如权利要求2所述的云存储运动补偿平台，其特征在于，所述平台还包括：
指令辨识设备，与所述数量解析设备连接，用于接收所述即时引脚数量，并在所述即时引脚数量是预设数量阈值的两倍以上时，发出第一控制指令，在所述即时引脚数量是所述预设数量阈值的一倍以上时，发出第二控制指令，在所述即时引脚数量小于所述预设数量阈值时，发出第三控制指令；
所述指令辨识设备包括数据接收单元和指令解析单元，所述数据接收单元和所述指令解析单元连接；
ARM11处理芯片，分别与运动估计设备、运动补偿设备、重建图像缓存设备和指令辨识设备连接，用于在接收到所述第一控制指令时，控制所述运动补偿设备进入工作状态，以及同时控制所述重建图像缓存设备进入工作状态；
其中，所述ARM11处理芯片还用于在接收到所述第二控制指令时，控制所述运动补偿设备进入工作状态，以及控制所述重建图像缓存设备进入安全状态；
其中，所述运动估计设备基于所述当前帧中的最大目标的运动矢量确定参考帧的搜索窗口的大小，所述运动矢量的绝对值越大，确定的搜索窗口越大；
其中，所述参考帧的搜索窗口用于在所述参考帧中搜索所述子区域中待编码块对应的匹配块；
其中，所述ARM11处理芯片还用于在接收到所述第三控制指令时，控制所述运动补偿设备进入安全状态，以及同时控制所述重建图像缓存设备进入安全状态；
其中，针对运动估计设备、运动补偿设备和重建图像缓存设备任一，其安全状态下单位时间处理的数据量小于其工作状态下单位时间处理的数据量。
4.如权利要求3所述的云存储运动补偿平台，其特征在于：
所述运动补偿设备为MCU控制芯片，所述MCU控制芯片内置有定时器和ROM存储器。
5.如权利要求4所述的云存储运动补偿平台，其特征在于：
所述运动估计设备和所述运动补偿设备之间通过16位并行数据接口进行数据连接和数据交互。
6.一种云存储运动补偿方法，其特征在于，所述方法包括：
使用重建图像缓存设备，为云存储模式，分别通过网络与自适应像素偏移设备即SAO设备和运动估计设备连接；
使用运动估计设备，设置在所述重建图像缓存设备和所述运动补偿设备之间，用于对来自所述重建图像缓存设备的当前帧执行运动估计操作；
使用运动补偿设备，与所述运动估计设备连接，用于对待编码块执行运动补偿处理，其中，将所述当前帧进行划分以获得多个子区域，对每一个子区域进行划分以获得多个待编码块；
使用FLASH存储设备，与指令辨识设备连接，用于预先存储预设数量阈值。
7.如权利要求6所述的云存储运动补偿方法，其特征在于，所述方法还包括：
使用数量解析设备，与运动估计设备连接，用于统计运动估计设备当前存在数据输出的各个引脚的数量，以作为即时引脚数量输出。
8.如权利要求7所述的云存储运动补偿方法，其特征在于，所述方法还包括：
使用指令辨识设备，与所述数量解析设备连接，用于接收所述即时引脚数量，并在所述即时引脚数量是预设数量阈值的两倍以上时，发出第一控制指令，在所述即时引脚数量是所述预设数量阈值的一倍以上时，发出第二控制指令，在所述即时引脚数量小于所述预设数量阈值时，发出第三控制指令；
所述指令辨识设备包括数据接收单元和指令解析单元，所述数据接收单元和所述指令解析单元连接；
使用ARM11处理芯片，分别与运动估计设备、运动补偿设备、重建图像缓存设备和指令辨识设备连接，用于在接收到所述第一控制指令时，控制所述运动补偿设备进入工作状态，以及同时控制所述重建图像缓存设备进入工作状态；
其中，所述ARM11处理芯片还用于在接收到所述第二控制指令时，控制所述运动补偿设备进入工作状态，以及控制所述重建图像缓存设备进入安全状态；
其中，所述运动估计设备基于所述当前帧中的最大目标的运动矢量确定参考帧的搜索窗口的大小，所述运动矢量的绝对值越大，确定的搜索窗口越大；
其中，所述参考帧的搜索窗口用于在所述参考帧中搜索所述子区域中待编码块对应的匹配块；
其中，所述ARM11处理芯片还用于在接收到所述第三控制指令时，控制所述运动补偿设备进入安全状态，以及同时控制所述重建图像缓存设备进入安全状态；
其中，针对运动估计设备、运动补偿设备和重建图像缓存设备任一，其安全状态下单位时间处理的数据量小于其工作状态下单位时间处理的数据量。
9.如权利要求8所述的云存储运动补偿方法，其特征在于：
所述运动补偿设备为MCU控制芯片，所述MCU控制芯片内置有定时器和ROM存储器。
10.如权利要求9所述的云存储运动补偿方法，其特征在于：
所述运动估计设备和所述运动补偿设备之间通过16位并行数据接口进行数据连接和数据交互。
CN201811577348.1A 2018-12-24 2018-12-24 云存储运动补偿平台及方法 Pending CN109600621A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811577348.1A CN109600621A (zh) 2018-12-24 2018-12-24 云存储运动补偿平台及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811577348.1A CN109600621A (zh) 2018-12-24 2018-12-24 云存储运动补偿平台及方法

Publications (1)

Publication Number Publication Date
CN109600621A true CN109600621A (zh) 2019-04-09

Family

ID=65963240

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811577348.1A Pending CN109600621A (zh) 2018-12-24 2018-12-24 云存储运动补偿平台及方法

Country Status (1)

Country Link
CN (1) CN109600621A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111667497A (zh) * 2019-04-18 2020-09-15 绿桥(泰州)生态修复有限公司 渔业监护管理方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111667497A (zh) * 2019-04-18 2020-09-15 绿桥(泰州)生态修复有限公司 渔业监护管理方法

Similar Documents

Publication Publication Date Title
US10963292B2 (en) Techniques to manage virtual classes for statistical tests
Tang et al. Twine: A unified cluster management system for shared infrastructure
CN110399307A (zh) 一种测试方法、测试平台及目标服务器
TWI547817B (zh) 叢集運算架構的資源規劃方法、系統及裝置
CN108427705A (zh) 电子装置、分布式系统日志查询方法及存储介质
CN103645957A (zh) 一种虚拟机资源管控方法及装置
CN104898573A (zh) 一种基于云计算的数控系统数据采集及处理方法
CN109951545A (zh) 自适应的容器和云桌面的融合系统及其获取云资源的方法
CN106168993B (zh) 电网实时仿真分析系统
CN103686226A (zh) 基于云计算的机顶盒上网监控方法、监控系统和机顶盒
CN115033340A (zh) 一种宿主机的选择方法及相关装置
CN110163739A (zh) 支付申诉方法、装置、服务器及可读存储介质
CN103262035A (zh) 组合式cpu/gpu体系结构系统中的装置发现和拓扑报告
CN101789944B (zh) 多功能电能表通信协议栈的开发系统
CN113032947A (zh) 一种基于虚拟应用技术的工业设计仿真系统
KR20190068383A (ko) 크라우드 소싱에 기반하여 역할 및 자원을 분담하는 방법, 플랫폼 서버
CN109600621A (zh) 云存储运动补偿平台及方法
CN110535670B (zh) 一种nfv容量规划方法及电子设备
CN110336888A (zh) 一种服务器分配方法、装置、系统及介质
CN109087061A (zh) 一种数据任务分配方法、装置、设备及介质
CN109521970A (zh) 一种数据处理方法及相关设备
CN104657216A (zh) 一种资源池的资源分配方法及装置
CN110311933A (zh) 一种均衡业务流量的方法、装置、设备及存储介质
CN105933136B (zh) 一种资源调度方法及系统
CN105867866A (zh) 一种kvm芯片、kvm控制系统和方法

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

Application publication date: 20190409

RJ01 Rejection of invention patent application after publication