CN111082961A - 域间的数据交互方法及装置 - Google Patents
域间的数据交互方法及装置 Download PDFInfo
- Publication number
- CN111082961A CN111082961A CN201910452924.8A CN201910452924A CN111082961A CN 111082961 A CN111082961 A CN 111082961A CN 201910452924 A CN201910452924 A CN 201910452924A CN 111082961 A CN111082961 A CN 111082961A
- Authority
- CN
- China
- Prior art keywords
- message
- models
- model
- repeater
- transponder
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/02—Topology update or discovery
- H04L45/04—Interdomain routing, e.g. hierarchical routing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种域间的数据交互方法及装置。其中,该方法包括:管理装置在每个域中设置有模型组中的一个或者多个模型;数据采集装置将采集数据封装在指定报文,并发送至所述模型对应的转发器,其中,所述指定报文中携带用于指示所述转发器的地址的指示信息;在处理所述采集数据之后,所述转发器对所述指定报文进行处理,并将处理后的所述指定报文发送至下一个转发器。通过本发明,解决了由于模型组中不同模型配套环境的要求不同,同时位于不同的域中所导致的大规模部署人工智能模型困难的问题,达到了在域间实现传递模型计算结果,对一组模型进行分布式部署、并能协同工作的效果。
Description
技术领域
本发明涉及通信领域,具体而言,涉及一种域间的数据交互方法及装置。
背景技术
当今社会,创建基于人工智能技术的深度学习模型越发容易,对数据科学家和开发者来说,在测试环境中打造复杂模型已不再是难事。对于简单场景,模型数量较小,对性能要求不高的场景中,可以将一组模型运行在同一个微服务框架或者同一个物理、硬件、软件环境中。
但是随着人工智能的广泛应用,人工智能从声音识别、图像识别以及文字识别的简单应用场景扩展到工业控制、运营管理等复杂场景中,由于不同场景对模型本身以及配套环境的要求不同,例如对计算能力、网络时延、推理时间、安全性等要求各有不同,因此导致大规模部署人工智能模型就变得非常困难。
在复杂的场景中,一个基于人工智能的应用往往需要通过一组模型完成,但是这些模型有可能分布式的部署在场景的各个角落。例如,针对网络自动运维管理,一些对时延要求较高的模型适合部署在网络边缘侧,另一些对计算力要求较高而对时延要求不高的模型适合部署在网络核心侧。某些应用需要部署在网络边缘侧的模型和网络核心侧的模型共同工作才能完成。网络边缘和网络核心通常都不在一个域内,在这样的场景下,部署在网络边缘侧的模型计算结果需要将结果传递到网络核心侧的模型去进一步计算,不仅带来了组网和规划的复杂性,更重要的是,目前也没有任何技术能够在不同的域间传递计算结果。
发明内容
本发明实施例提供了一种域间的数据交互方法及装置方法及装置,以至少解决相关技术中由于模型组中不同模型配套环境的要求不同,同时位于不同的域中所导致的大规模部署人工智能模型困难的问题。
根据本发明的一个实施例,提供了一种域间的数据交互方法,包括:管理装置在每个域中设置有模型组中的一个或者多个模型;数据采集装置将采集数据封装在指定报文,并发送至所述模型对应的转发器,其中,所述指定报文中携带用于指示所述转发器的地址的指示信息;在处理所述采集数据之后,所述转发器对所述指定报文进行处理,并将处理后的所述指定报文发送至下一个转发器。
根据本发明的另一个实施例,提供了一种域间的数据交互装置,包括:管理模块,位于管理装置中,用于在每个域中设置有模型组中的一个或者多个模型;处理模块,位于数据采集装置中,用于将采集数据封装在指定报文,并发送至所述模型对应的转发器,其中,所述指定报文中携带用于指示所述转发器的地址的指示信息;转发模块,位于所述转发器中,用于在处理所述采集数据之后,对所述指定报文进行处理,并将处理后的所述指定报文发送至下一个转发器。
根据本发明的又一个实施例,还提供了一种存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明,通过设置转发器进行模型与模型之间的交互,同时转发器能够起到对来自上一个节点的模型的处理,同时为下一个节点的处理进行适配,因此,可以解决由于模型组中不同模型配套环境的要求不同,同时位于不同的域中所导致的大规模部署人工智能模型困难的问题,达到了在域间实现传递模型计算结果,对一组模型进行分布式部署、并能协同工作的效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种域间的数据交互方法的流程图;
图2是根据本发明实施例的一种报文的结构示意图;
图3是根据本发明实施例的一种域间的数据交互装置的结构框图;
图4是根据本发明实施例的一种域间的数据交互模型的示意图;
图5是根据本发明实施例的一种5G网络智能化运维的示意图;
图6是根据本发明实施例的一种电网智能化调峰的示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
实施例1
在本实施例中提供了一种域间的数据交互方法,图1是根据本发明实施例的一种域间的数据交互方法的流程图,如图1所示,该流程包括如下步骤:
步骤S102,管理装置在每个域中设置有模型组中的一个或者多个模型;
步骤S104,数据采集装置将采集数据封装在指定报文,并发送至所述模型对应的转发器,其中,所述指定报文中携带用于指示所述转发器的地址的指示信息;
步骤S106,在处理所述采集数据之后,所述转发器对所述指定报文进行处理,并将处理后的所述指定报文发送至下一个转发器。
需要指出的是,在本实施例以及后续出现的实施例当中,域的含义是指,相同的系统和硬件范围。例如,对于处理器领域当中,域可以代表着处理器当中的核。又例如,在通信领域当中,域可以代表着与基站通信的终端。
同时,域之间存在着层次。例如,在公司的运作管理当中,底层的域代表着基层员工,而中间层的域代表着中层干部,最高层的域代表着公司。对于上层的域可以包括一个或者多个下层的域。例如A组,B组,C组,或者中层干部甲、中层干部乙等。同时,不同层次的域存在着关联。例如,组员-组长-经理。
所述模型是指通过机器学习、深度学习等方法,从已有的数据或经验中学习得到的实现特定的分析、预测等功能的系统。例如,以公司的管理为例,模型可以包括预测员工年度的考勤情况,预测员工年度的绩效,预测公司的年收入。同时,模型与模型之间也是存在关联的。例如,底层域中基层员工的预测员工年度的考勤情况对应的模型的预测结果,作为预测中层干部年度的绩效的模型的输入。而中层域的中层干部的预测员工年度的绩效的模型的预测结果,则作为预测公司的年收入的输入。
域内的模型可以通过内部机制(例如进程间消息、共享内存等)完成信息的交互。
可选地,所述指示信息还包括:未处理数据的模型数量。
可选地,当未处理数据的模型数量为0时,所述方法还包括:所述转发器将修改后的所述指定报文发送至策略服务器。
显然地,未处理数据的模型数量为0是指,所有的模型均已经完成了数据的处理,因此,该策略服务器用于根据最终的处理结果为整个系统提供相应的调整策略。例如,以公司的管理为例,策略服务器在接收到公司的年收入之后,可以为公司提高提高年收入的策略。
可选地,管理装置在每个域中设置有模型组中的一个或者多个模型,包括:所述管理装置为所述模型组创建管理条目,其中,所述管理条目至少包括:所述模型组的标识信息,模型组信息,所述数据采集装置的地址信息,所述策略服务器的地址信息;所述管理装置根据所述管理条目将所述一个或者多个模型配置在指定域中。
具体而言,所述模型组的标识信息用于标识模型组的类型,例如,是否是应用在公司管理过程当中,还是夏天河流的汛期情况,还是网络设备的流量管理。
可选地,所述模型组信息至少包括以下其中之一:所述一个或者多个模型的标识信息,所述模型的排列顺序,所述模型所在的域信息,所述转发器的地址信息。
可选地,所述管理装置将所述模型组信息发送至所述数据采集装置以及每个所述转发器。
此外,还需要指出的是,所述管理装置在每个域中设置有模型组中的一个或者多个模型,还可以设置用于接收数据输入的数据采集装置。
可选地,数据采集装置将采集数据封装在指定报文,并发送至所述模型对应的转发器,包括:所述数据采集装置将所述指示信息封装在所述指定报文的报文头中。
具体而言,当数据流中的数据输入至数据采集装置之后,数据采集装置会将数据作为负载配置在报文当中。
可选地,数据采集装置将采集数据封装在指定报文,并发送至所述模型对应的转发器,包括:所述数据采集装置将所述指示信息封装在所述指定报文的报文头中。
可选地,所述指示信息还包括以下至少之一:所述模型组的标识信息;元数据,其中,所述元数据用于指示模型间交互的自定义字段。
图2是根据本发明实施例的一种报文的结构示意图。如图2所示,在报文当中,下面设置有作为负载的数据,而在负载之上,配置报文头,依次设置有模型组的标识信息,下一个转发器的地址信息,剩余未处理数据的模型数目以及元数据。
可选地,,所述转发器对所述指定报文进行处理,包括:所述转发器将采集数据输入至对应的所述模型中进行计算;所述转发器根据计算结果对所述指定报文中的数据进行更新;所述转发器对所述指示信息进行更新。
所述转发器对所述指示信息进行更新,包括:所述转发器按照所述模型的排列顺序确定所述下一个转发器的地址;所述转发器将未处理数据的模型数量减1。
可选地,所述转发器对所述指示信息进行更新,还包括:所述转发器对所述元数据进行更新。
以公司管理为例,以基层员工的当年睡眠情况作为采集数据,底层的域中预测员工年度的考勤情况的模型对应的转发器在接收到采集数据后,会完成员工年度的考勤情况的计算,得到员工的年度考勤率。由于基层员工的当年睡眠情况不能够用于计算中层干部年度的绩效,因此,预测员工年度的考勤情况的模型对应的转发器会将数据由采集数据替换为基层员工的年度考勤率。同时,根据层次顺序,即基层员工-中层干部-公司,预测员工年度的考勤情况的模型对应的转发器会将转发器的地址信息修改为预测员工年度的绩效的模型对应的转发器的地址。此外,由于基层员工的年度考勤率的预测值已经获取,因此,未处理数据的模型数量由3减至2。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,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的方法。
实施例2
在本实施例中还提供了一种域间的数据交互装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图3是根据本发明实施例的一种域间的数据交互装置的结构框图,如图3所示,该装置包括:
管理模块32,位于管理装置中,用于在每个域中设置有模型组中的一个或者多个模型;
采集模块34,位于数据采集装置中,用于将采集数据封装在指定报文,并发送至所述模型对应的转发器,其中,所述指定报文中携带用于指示所述转发器的地址的指示信息;
处理模块36,位于所述转发器中,用于在处理所述采集数据之后,对所述指定报文进行处理,并将处理后的所述指定报文发送至下一个转发器。
图4是根据本发明实施例的一种域间的数据交互模型的示意图,用于描述上述域间的数据交互装置的连接关系。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
为了更好的理解上述实施例中所记载的技术方案,在本实施例中还提供了如下的两个场景便于更好的理解。
场景1:
图5是根据本发明实施例的一种5G网络智能化运维的示意图。如图5所示:
该场景通过模型1实现对现网流量2小时预测,模型2运用模型1预测的结果加上控制面用户数信息进行运算与推理,以实现对网络节点是否需要单板扩容的建议,生成相关的策略。
该场景实时性要求不强,在5分钟内能够预测出2小时后的策略就满足要求;
流量信息存在于边缘侧,也就是接入网侧;用户信息存在于控制面,也就是网络控制器中。因此模型1适合部署于接入网侧,而模型2适合部署于网络控制器侧;
步骤1,管理装置创建ID为100的模型组条目,条目包括模型1->模型2的顺序,模型组数目为2,模型1的ID是1008、所属域为接入网1、所属转发器的IP地址为192.168.1.1,模型2的ID是2090、所属域为网络控制器A、所属转发器的IP地址为172.168.2.1,数据采集装置IP地址为192.168.1.22,用户指定的策略服务器IP地址为180.98.28.8;
步骤2,管理装置将上述条目的信息发送到转发器1、转发器2、数据采集装置;转发器1、转发器2、数据采集装置保存相关的信息;
步骤3,数据采集装置接收到数据流后,将剩余模型数目设置为2,将下一个转发器位置设置为IP地址192.168.1.1,元数据设置为零,并将上述信息封装在数据流前,通过IP协议发送到192.168.1.1的转发器1;
步骤4,转发器1收到报文后,检查剩余模型数目为2,报文有效;转发器1解封装该报文,把数据流发送到模型1,进行流量预测处理;
步骤5,模型1经过运算,把结果发送给转发器1;
步骤6,转发器1收到运算结果后,将剩余模型数目减去1,将下一个转发器位置设置为IP地址172.168.2.1,元数据置位用户数特征值,并将并将上述信息封装在运算结果前,通过IP协议发送到172.168.2.1的转发器2;
步骤7,转发器2收到报文后,解封装该报文。检查剩余模型数目为1,报文有效;检查元数据为用户数特征值,因此携带用户数的会话数据,连同模型1运算结果一起发送到模型2,进行扩容推理;
步骤8,模型2将推理结果发送到转发器2;
步骤9,转发器2收到运算结果后,将剩余模型数目减去1,发现剩余模型数目为0,因此转发器2将推理结果通过IP协议发送到用户指定的服务器180.98.28.8。
场景2:
图6是根据本发明实施例的一种电网智能化调峰的示意图。如图6所示:
由于用电负荷是不均匀的。在用电高峰时,电网往往超负荷。此时需要投入在正常运行以外的发电机组以满足需求。这些发电机组称调峰机组。调峰机组的要求是启动和停止方便快捷,并网时的同步调整容易。
水电机组由于其良好的调节特性和方便的开停机性能,具备在电网的调频、调峰和事故备用过程中发挥重要的作用,其增减负荷的迅速灵敏性有利于满足电网调峰和紧急事故支援对上网容量的高标准要求,同时由于其上网电价大多数低于火电和其它能源,调峰成本是比较便宜的,在调峰容量充裕时应优先安排。而在汛期调峰较为紧张的时段,调节能力差的水电站又应尽量少调峰多发电,充分利用其季节性电能,降低电网购电成本费用,减少火电燃煤和大气污染。
但是水电机组由于大量的承担调峰任务,导致汛期来水偏丰,低谷时段电力系统运行需要水电调峰弃水,造成大量的经济损失,每年损失大约万亿。
利用人工智能对电网负荷峰谷预测,以及对水电厂降雨量、水库水位的预测,可以有效的减少水电调峰弃水的损失。
如图所示,模型1是对水电站1的24小时水位预测,模型2是对未来24小时的电网负荷预测外加模型1的结果,决策对水电站1的调度。
步骤1,管理装置创建ID为200的模型组条目,条目包括模型1->模型2的顺序,模型组数目为2,模型1的ID是2008、所属域为水电站1、所属转发器的IP地址为192.168.1.1,模型2的ID是3001、所属域为省级调度中心、所属转发器的IP地址为172.168.2.1,数据采集装置IP地址为192.168.1.22;
步骤2,管理装置将上述条目的信息发送到转发器1、转发器2、数据采集装置;转发器1、转发器2、数据采集装置保存相关的信息;
步骤3,水位监测服务器将实时数据上送到IP地址为192.168.1.22的数据采集装置;
步骤4,数据采集装置接收到数据流后,将剩余模型数目设置为2,将下一个转发器位置设置为IP地址192.168.1.1,元数据设置为零,并将上述信息封装在数据流前,通过IP协议发送到192.168.1.1的转发器1;
步骤5,转发器1收到报文后,检查剩余模型数目为2,报文有效;转发器1解封装该报文,把数据流发送到模型1,进行流量预测处理;
步骤6,通过对当前水位、上游水位及天气预报对水电站1的水库水位进行24小时的预测。预测结果为24小时之内该水库将达到阈值,如果不并网发电,将导致弃水损失;
步骤7,模型1把步骤6所述的预测结果发送到转发器1;
步骤8,转发器1收到运算结果后,将剩余模型数目减去1,将下一个转发器位置设置为IP地址172.168.2.1,通过IP协议发送到172.168.2.1的转发器2;
步骤9,转发器2收到报文后,解封装该报文。检查剩余模型数目为1,报文有效;将模型1运算结果一起发送到模型2,进行调峰推理;
步骤10,模型2根据未来24小时电量负荷曲线加上模型1预测结果,发出策略:在10小时后,将火电厂4机组停机,并启动水电站1机组作为基荷,水电站2、水电站3作为调峰电厂,以减少水电站1的弃水损失。
步骤11,模型2将结果发送给转发器2;
步骤12,转发器2收到模型2的运算结果后,将剩余模型数目减去1,发现剩余模型数目为0,因此转发器2将推理结果通过IP协议发送到调峰模块对电网进行管理。
实施例3
本发明的实施例还提供了一种存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,管理装置在每个域中设置有模型组中的一个或者多个模型;
S2,数据采集装置将采集数据封装在指定报文,并发送至所述模型对应的转发器,其中,所述指定报文中携带用于指示所述转发器的地址以及未处理数据的模型数量的指示信息;
S3,在处理所述采集数据之后,所述转发器对所述指定报文进行处理,并将处理后的所述指定报文发送至下一个转发器。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,管理装置在每个域中设置有模型组中的一个或者多个模型;
S2,数据采集装置将采集数据封装在指定报文,并发送至所述模型对应的转发器,其中,所述指定报文中携带用于指示所述转发器的地址以及未处理数据的模型数量的指示信息;
S3,在处理所述采集数据之后,所述转发器对所述指定报文进行处理,并将处理后的所述指定报文发送至下一个转发器。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (13)
1.一种域间的数据交互方法,其特征在于,包括:
管理装置在每个域中设置模型组中的一个或者多个模型;
数据采集装置将采集数据封装在指定报文,并发送至所述模型对应的转发器,其中,所述指定报文中携带用于指示所述转发器的地址指示信息;
在处理所述采集数据之后,所述转发器对所述指定报文进行处理,并将处理后的所述指定报文发送至下一个转发器。
2.根据权利要求1所述的方法,其特征在于,所述指示信息还包括:未处理数据的模型数量,当未处理数据的模型数量为0时,所述方法还包括:
所述转发器将修改后的所述指定报文发送至策略服务器。
3.根据权利要求1所述的方法,其特征在于,管理装置在每个域中设置有模型组中的一个或者多个模型,包括:
所述管理装置为所述模型组创建管理条目,其中,所述管理条目至少包括:所述模型组的标识信息,模型组信息,所述数据采集装置的地址信息,所述策略服务器的地址信息;
所述管理装置根据所述管理条目将所述一个或者多个模型配置在指定域中。
4.根据权利要求3所述的方法,其特征在于,所述模型组信息至少包括以下其中之一:所述一个或者多个模型的标识信息,所述模型的排列顺序,所述模型所在的域信息,所述转发器的地址信息。
5.根据权利要求3或4所述的方法,其特征在于,
所述管理装置将所述模型组信息发送至所述数据采集装置以及每个所述转发器。
6.根据权利要求4所述的方法,其特征在于,数据采集装置将采集数据封装在指定报文,并发送至所述模型对应的转发器,包括:
所述数据采集装置将所述指示信息封装在所述指定报文的报文头中。
7.根据权利要求6所述的方法,其特征在于,所述指示信息还至少包括以下其中之一:
所述模型组的标识信息;
元数据,其中,所述元数据用于指示模型间交互的自定义字段。
8.根据权利要求7所述的方法,其特征在于,所述转发器对所述指定报文进行处理,包括:
所述转发器将采集数据输入至对应的所述模型中进行计算;
所述转发器根据计算结果对所述指定报文中的数据进行更新;
所述转发器对所述指示信息进行更新。
9.根据权利要求8所述的方法,其特征在于,所述转发器对所述指示信息进行更新,包括:
所述转发器按照所述模型的排列顺序确定所述下一个转发器的地址;
所述转发器将未处理数据的模型数量减1。
10.根据权利要求8所述的方法,其特征在于,所述转发器对所述指示信息进行更新,还包括:
所述转发器对所述元数据进行更新。
11.一种域间的数据交互装置,其特征在于,包括:
管理模块,位于管理装置中,用于在每个域中设置有模型组中的一个或者多个模型;
采集模块,位于数据采集装置中,用于将采集数据封装在指定报文,并发送至所述模型对应的转发器,其中,所述指定报文中携带用于指示所述转发器的地址的指示信息;
处理模块,位于所述转发器中,用于在处理所述采集数据之后,对所述指定报文进行处理,并将处理后的所述指定报文发送至下一个转发器。
12.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至10任一项中所述的方法。
13.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至10任一项中所述的方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910452924.8A CN111082961B (zh) | 2019-05-28 | 2019-05-28 | 域间的数据交互方法及装置 |
EP20813717.4A EP3979563B1 (en) | 2019-05-28 | 2020-04-07 | Inter-domain data interaction method and apparatus |
PCT/CN2020/083540 WO2020238418A1 (zh) | 2019-05-28 | 2020-04-07 | 域间的数据交互方法及装置 |
US17/612,659 US20220247667A1 (en) | 2019-05-28 | 2020-04-07 | Method and Apparatus for Inter-Domain Data Interaction |
KR1020217042522A KR20220012935A (ko) | 2019-05-28 | 2020-04-07 | 도메인 간 데이터 상호작용 방법 및 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910452924.8A CN111082961B (zh) | 2019-05-28 | 2019-05-28 | 域间的数据交互方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111082961A true CN111082961A (zh) | 2020-04-28 |
CN111082961B CN111082961B (zh) | 2023-01-20 |
Family
ID=70310366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910452924.8A Active CN111082961B (zh) | 2019-05-28 | 2019-05-28 | 域间的数据交互方法及装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220247667A1 (zh) |
EP (1) | EP3979563B1 (zh) |
KR (1) | KR20220012935A (zh) |
CN (1) | CN111082961B (zh) |
WO (1) | WO2020238418A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112508768A (zh) * | 2020-12-22 | 2021-03-16 | 北京百度网讯科技有限公司 | 单算子多模型流水线推理方法、系统、电子设备及介质 |
CN114090516A (zh) * | 2020-07-13 | 2022-02-25 | 华为技术有限公司 | 推理应用中模型文件的管理方法及装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113037625B (zh) * | 2021-03-04 | 2022-04-01 | 浙江大学 | 一种面向跨界服务网络的分层路由方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100318975A1 (en) * | 2009-06-10 | 2010-12-16 | Microsoft Corporation | Language-based model for isolating shared state |
CN106663033A (zh) * | 2014-04-28 | 2017-05-10 | 甲骨文国际公司 | 在事务中间件机器环境支持绕域和代理模型并更新服务信息以跨域消息传送的系统和方法 |
CN109117998A (zh) * | 2018-08-03 | 2019-01-01 | 中山大学 | 一种多智能体配置方法 |
CN109257364A (zh) * | 2018-10-12 | 2019-01-22 | 成都信息工程大学 | 一种基于云平台的多核网状式多级跨域访问控制方法 |
CN109478055A (zh) * | 2016-03-01 | 2019-03-15 | 源讯网源公司 | 在通用、智能系统中使用智能节点用于监测工业过程 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8316384B2 (en) * | 2009-02-18 | 2012-11-20 | Microsoft Corporation | Input/output broker model |
CN103200102B (zh) * | 2012-01-09 | 2018-02-13 | 中兴通讯股份有限公司 | 一种业务路由方法、装置和系统 |
CN102594606A (zh) * | 2012-03-13 | 2012-07-18 | 中国科学院声学研究所 | 基于多Agent的演进型智能节点重叠网络系统 |
US9390376B2 (en) * | 2013-10-15 | 2016-07-12 | Lockheed Martin Corporation | Distributed machine learning intelligence development systems |
KR20190032433A (ko) * | 2016-07-18 | 2019-03-27 | 난토믹스, 엘엘씨 | 분산 머신 학습 시스템들, 장치, 및 방법들 |
CN107963240B (zh) * | 2017-11-20 | 2019-06-18 | 中国运载火箭技术研究院 | 一种重复使用运载器自主故障诊断及智能维护系统及方法 |
US11977958B2 (en) * | 2017-11-22 | 2024-05-07 | Amazon Technologies, Inc. | Network-accessible machine learning model training and hosting system |
-
2019
- 2019-05-28 CN CN201910452924.8A patent/CN111082961B/zh active Active
-
2020
- 2020-04-07 WO PCT/CN2020/083540 patent/WO2020238418A1/zh unknown
- 2020-04-07 EP EP20813717.4A patent/EP3979563B1/en active Active
- 2020-04-07 KR KR1020217042522A patent/KR20220012935A/ko unknown
- 2020-04-07 US US17/612,659 patent/US20220247667A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100318975A1 (en) * | 2009-06-10 | 2010-12-16 | Microsoft Corporation | Language-based model for isolating shared state |
CN106663033A (zh) * | 2014-04-28 | 2017-05-10 | 甲骨文国际公司 | 在事务中间件机器环境支持绕域和代理模型并更新服务信息以跨域消息传送的系统和方法 |
CN109478055A (zh) * | 2016-03-01 | 2019-03-15 | 源讯网源公司 | 在通用、智能系统中使用智能节点用于监测工业过程 |
CN109117998A (zh) * | 2018-08-03 | 2019-01-01 | 中山大学 | 一种多智能体配置方法 |
CN109257364A (zh) * | 2018-10-12 | 2019-01-22 | 成都信息工程大学 | 一种基于云平台的多核网状式多级跨域访问控制方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114090516A (zh) * | 2020-07-13 | 2022-02-25 | 华为技术有限公司 | 推理应用中模型文件的管理方法及装置 |
CN112508768A (zh) * | 2020-12-22 | 2021-03-16 | 北京百度网讯科技有限公司 | 单算子多模型流水线推理方法、系统、电子设备及介质 |
CN112508768B (zh) * | 2020-12-22 | 2022-05-27 | 北京百度网讯科技有限公司 | 单算子多模型流水线推理方法、系统、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
EP3979563A4 (en) | 2022-06-29 |
EP3979563A1 (en) | 2022-04-06 |
US20220247667A1 (en) | 2022-08-04 |
EP3979563B1 (en) | 2024-05-08 |
WO2020238418A1 (zh) | 2020-12-03 |
CN111082961B (zh) | 2023-01-20 |
KR20220012935A (ko) | 2022-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Harmon et al. | The internet of microgrids: A cloud-based framework for wide area networked microgrids | |
CN111082961B (zh) | 域间的数据交互方法及装置 | |
CN102891877B (zh) | 实现终端应用的在线处理系统及方法 | |
CN113708974A (zh) | 基于自适应组网的边缘云网络系统及协同方法 | |
CN107210607A (zh) | 用于提供能量服务的方法和系统 | |
Anastasopoulos et al. | Stochastic energy efficient cloud service provisioning deploying renewable energy sources | |
Jeon et al. | A distributed nwdaf architecture for federated learning in 5g | |
Liao et al. | Ultra-Low AoI Digital Twin-Assisted Resource Allocation for Multi-Mode Power IoT in Distribution Grid Energy Management | |
Garg et al. | SDN-NFV-Aided edge-cloud interplay for 5G-envisioned energy internet ecosystem | |
Rekha | Sustainability modelling and green energy optimisation in microgrid powered distributed FogMicroDataCenters in rural area | |
Vohnout et al. | Living Lab Long-Term Sustainability in Hybrid Access Positive Energy Districts-A Prosumager Smart Fog Computing Perspective | |
CN113094174A (zh) | 一种基于边缘计算技术的配电网终端自主组网协调控制的方法 | |
CN112486666A (zh) | 一种模型驱动的参考架构方法及平台 | |
CN113992721B (zh) | 一种智能终端管控方法、系统、设备及存储介质 | |
CN112819380B (zh) | 电网调控全景透明访问方法、系统、设备及存储介质 | |
Madsen et al. | Utilizing network qos for dependability of adaptive smart grid control | |
CN115242717A (zh) | 一种基于端侧计算的中心化存储系统及控制方法 | |
CN116975102A (zh) | 敏感数据监测方法、系统、电子设备及存储介质 | |
US20220361100A1 (en) | Methods for selection of energy source based on energy rate correlated with radio traffic power usage and related apparatus | |
Padma et al. | Sustainability modelling and green energy optimisation in microgrid powered distributed FogMicroDataCenters in rural area | |
Delfanti et al. | SCUOLA project: The “hub of smart services” for cities and communities | |
Findrik et al. | Evaluation of communication network state estimators for adaptive power-balancing | |
CN110989988A (zh) | 一种基于边缘计算的微电网边缘层软件平台 | |
KR20180137622A (ko) | 신재생 에너지 설비의 원격 관리 장치 | |
CN116154959B (zh) | 一种配电台区多融合终端边缘协同系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |