CN111459621B - 云仿真集成与调度方法、装置、计算机设备和存储介质 - Google Patents

云仿真集成与调度方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN111459621B
CN111459621B CN202010277292.9A CN202010277292A CN111459621B CN 111459621 B CN111459621 B CN 111459621B CN 202010277292 A CN202010277292 A CN 202010277292A CN 111459621 B CN111459621 B CN 111459621B
Authority
CN
China
Prior art keywords
simulation
cloud
cloud simulation
information
model
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
CN202010277292.9A
Other languages
English (en)
Other versions
CN111459621A (zh
Inventor
朱峰
唐文杰
汤俊
陈凯
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202010277292.9A priority Critical patent/CN111459621B/zh
Publication of CN111459621A publication Critical patent/CN111459621A/zh
Application granted granted Critical
Publication of CN111459621B publication Critical patent/CN111459621B/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
    • 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
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • 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
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种云仿真集成与调度方法、装置、计算机设备和存储介质。所述方法包括：获取云仿真请求，根据云仿真请求获取仿真计算资源实时信息；获取云仿真模型资源信息以及模型集成信息，根据云仿真模型资源信息以及模型集成信息获取云仿真应用程序；将云仿真应用程序打包为云仿真镜像；根据仿真计算资源实时信息将云仿真镜像拷贝分发至docker容器；启动docker容器，在docker容器中加载云仿真镜像，通过docker容器对云仿真镜像进行云仿真操作，本申请可以充分利用云端现有的计算资源，提高云仿真的规模，从而有效提高云仿真过程的处理效率。

Description

云仿真集成与调度方法、装置、计算机设备和存储介质
技术领域
本申请涉及计算机技术领域，特别是涉及一种云仿真集成与调度方法、装置、计算机设备和存储介质。
背景技术
随着计算机网络技术的发展，出现了云技术，云技术是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来，实现数据的计算、储存、处理和共享的一种托管技术。而基于云计算的复杂系统仿真(简称云仿真)是云仿真的一种应用，复杂系统仿真应用往往由大量实体组成，实体之间存在复杂的交互。随着复杂系统仿真应用的不断深入，仿真实体规模越来越大，实体之间的交互也越来越复杂，导致大规模复杂仿真应用开发与部署的复杂度不断增加。云仿真能够很好的满足复杂系统仿真应用对大规模计算与存储、资源共享、高可扩展、按需服务等的需求，为大规模复杂系统仿真应用的开发与部署提供了新的架构与解决方案，正成为复杂系统仿真发展的重要方向。
然而，当前云仿真技术还面临着仿真规模有限等问题，影响了云仿真过程的处理效率，进而影响了云仿真的推广使用。
发明内容
基于此，有必要针对上述技术问题，提供一种能够有效提高云仿真过程处理效率的云仿真集成与调度方法、装置、计算机设备和存储介质。
一种云仿真集成与调度方法，所述方法包括：
获取云仿真请求，根据所述云仿真请求获取仿真计算资源实时信息；
获取云仿真模型资源信息以及模型集成信息，根据所述云仿真模型资源信息以及所述模型集成信息获取云仿真应用程序；
将所述云仿真应用程序打包为云仿真镜像；
根据所述仿真计算资源实时信息将所述云仿真镜像拷贝分发至docker容器；
启动所述docker容器，在所述docker容器中加载所述云仿真镜像，通过所述docker容器对所述云仿真镜像进行云仿真操作。
在其中一个实施例中，所述云仿真模型资源信息包括云仿真模型更新信息，所述获取云仿真模型资源信息以及模型集成信息，根据所述云仿真模型资源信息以及所述模型集成信息获取云仿真应用程序包括：
获取云仿真模型更新信息以及模型集成信息：
根据所述云仿真模型更新信息对预设仿真模型进行更新；
根据所述更新后的预设仿真模型以及所述模型集成信息生成云仿真应用程序。
在其中一个实施例中，所述根据所述更新后的预设仿真模型以及所述模型集成信息生成云仿真应用程序包括：
根据所述模型集成信息对所述更新后的预设仿真模型进行可视化集成；
根据所述模型集成信息获取所述更新后的预设仿真模型对应的应用框架信息；
根据所述应用框架信息构建云仿真应用框架；
根据所述云仿真应用框架以及所述可视化集成后的预设仿真模型，生成云仿真应用程序。
在其中一个实施例中，所述将所述云仿真应用程序打包为云仿真镜像包括：
获取所述云仿真应用程序对应的仿真引擎库信息以及Boost库信息；
根据所述仿真引擎库信息以及所述Boost库信息，为所述云仿真应用程序添加仿真引擎库以及Boost库，生成云仿真镜像。
在其中一个实施例中，所述将根据所述仿真计算资源实时信息将所述云仿真镜像拷贝分发至docker容器包括：
根据所述仿真计算资源实时信息确定云仿真进程数目；
查找所述云仿真进程数目对应的docker容器的计算节点；
将所述云仿真镜像拷贝分发至查找到的所述docker容器的计算节点。
在其中一个实施例中，所述启动所述docker容器，在所述docker容器中加载所述云仿真镜像，通过所述docker容器对所述云仿真镜像进行云仿真操作之后，还包括：
当接收到docker容器反馈的仿真完成消息时，根据所述仿真完成消息查找预设数据库；
从所述预设数据库提取所述云仿真请求对应的云仿真结果。
一种云仿真集成与调度装置，所述装置包括：
请求接收模块，用于获取云仿真请求，根据所述云仿真请求获取仿真计算资源实时信息；
仿真程序生成模块，用于获取云仿真模型资源信息以及模型集成信息，根据所述云仿真模型资源信息以及所述模型集成信息获取云仿真应用程序；
镜像打包模块，用于将所述云仿真应用程序打包为云仿真镜像；
镜像分发模块，用于根据所述仿真计算资源实时信息将所述云仿真镜像拷贝分发至docker容器；
云仿真模块，用于启动所述docker容器，在所述docker容器中加载所述云仿真镜像，通过所述docker容器对所述云仿真镜像进行云仿真操作。
在其中一个实施例中，所述仿真程序生成模块用于：
获取所述模型集成信息对应的应用框架信息；
根据所述应用框架信息构建云仿真应用框架；
根据所述云仿真应用框架以及所述更新后的预设仿真模型，生成云仿真应用程序。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取云仿真请求，根据所述云仿真请求获取仿真计算资源实时信息；
获取云仿真模型资源信息以及模型集成信息，根据所述云仿真模型资源信息以及所述模型集成信息获取云仿真应用程序；
将所述云仿真应用程序打包为云仿真镜像；
根据所述仿真计算资源实时信息将所述云仿真镜像拷贝分发至docker容器；
启动所述docker容器，在所述docker容器中加载所述云仿真镜像，通过所述docker容器对所述云仿真镜像进行云仿真操作。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取云仿真请求，根据所述云仿真请求获取仿真计算资源实时信息；
获取云仿真模型资源信息以及模型集成信息，根据所述云仿真模型资源信息以及所述模型集成信息获取云仿真应用程序；
将所述云仿真应用程序打包为云仿真镜像；
根据所述仿真计算资源实时信息将所述云仿真镜像拷贝分发至docker容器；
启动所述docker容器，在所述docker容器中加载所述云仿真镜像，通过所述docker容器对所述云仿真镜像进行云仿真操作。
上述云仿真集成与调度方法、装置、计算机设备和存储介质，通过获取云仿真请求，根据云仿真请求获取仿真计算资源实时信息；获取云仿真模型资源信息以及模型集成信息，根据云仿真模型资源信息以及模型集成信息获取云仿真应用程序；将云仿真应用程序打包为云仿真镜像；根据仿真计算资源实时信息将云仿真镜像拷贝分发至docker容器；启动docker容器，在docker容器中加载云仿真镜像，通过docker容器对云仿真镜像进行云仿真操作，本申请可以充分利用云端现有的计算资源，提高云仿真的规模，从而有效提高云仿真过程的处理效率。
附图说明
图1为一个实施例中云仿真集成与调度方法的应用环境图；
图2为一个实施例中云仿真集成与调度方法的流程示意图；
图3为一个实施例中图2中步骤203的子流程示意图；
图4为一个实施例中图3中步骤306的子流程示意图；
图5为一个实施例中图2中步骤207的子流程示意图；
图6为一个实施例中云仿真集成与调度装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的云仿真集成与调度方法，可以应用于如图1所示的应用环境中。其中，客户端服务器102通过网络与云仿真服务器104通过网络进行通信。云仿真服务器104具体包括了云仿真资源模块，计算资源监控模块以及docker容器等模块。云仿真服务器104从客户端服务器获取用户提交的云仿真请求，根据云仿真请求获取仿真计算资源实时信息；获取云仿真模型资源信息以及模型集成信息，根据云仿真模型资源信息以及模型集成信息获取云仿真应用程序；将云仿真应用程序打包为云仿真镜像；根据仿真计算资源实时信息将云仿真镜像拷贝分发至docker容器；启动docker容器，在docker容器中加载云仿真镜像，通过docker容器对云仿真镜像进行云仿真操作。其中，客户端服务器102与云仿真服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。云仿真资源模块以及计算资源监控模块可以分别为云仿真服务器104的子服务器。
在一个实施例中，如图2所示，提供了一种云仿真集成与调度方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤201，获取云仿真请求，根据云仿真请求获取仿真计算资源实时信息。
其中，云仿真请求具体是指云仿真用户通过客户端服务器102向云仿真服务器104发送的一个请求，以通过客户端服务器102向云端发起仿真请求。计算资源实时信息是指当前云仿真服务器的实时计算资源使用情况，云端的计算资源相对比本地的计算资源更多，但也是有一定上限的，为了进行更有效率地仿真，需要确定当前可用的云端计算资源，来确定可在云端并行仿真的数目。
具体地，当用户希望进行云仿真时，可以向客户端服务器102发送云仿真请求来开始一个云仿真的进程，而后客户端服务器102会在接收到用户提交云仿真请求时，会转发云仿真请求至云仿真服务器104，云仿真服务器104在接收到云仿真请求时，会通过计算资源监控模块来查询得到当前云端计算资源实时信息。
步骤203，获取云仿真模型资源信息以及模型集成信息，根据云仿真模型资源信息以及模型集成信息获取云仿真应用程序。
其中，云仿真模型资源信息是指在云端进行仿真所使用的仿真模型的具体信息，而模型集成信息对仿真模型进行可视化集成所使用的信息。具体地，云用户可以通过客户端服务器102上传的云仿真模型资源信息以及模型集成信息，而后发送至仿真服务器104，仿真服务器104可以通过客户端服务器102来根据用户上传的云仿真模型资源信息以及模型集成信息，来获取相应的仿真模型以及相应的云仿真应用程序。
步骤205，将云仿真应用程序打包为云仿真镜像。
云仿真镜像是指与云仿真应用程序对应的镜像文件，所谓镜像文件其实和ZIP压缩包类似，它将特定的一系列文件按照一定的格式制作成单一的文件，以方便用户下载和使用，例如一个测试版的操作系统、游戏、软件等。镜像文件不仅具有ZIP压缩包的“合成”功能，它最重要的特点是可以被特定的软件识别并可直接刻录到光盘上。
具体地，当生成云仿真应用程序之后，为了将云仿真应用程序更好地分发到云端docker容器的计算节点，以进行后续地，可以将云仿真应用程序打包为云仿真镜像，以便进行后续的分发处理。
步骤207，根据仿真计算资源实时信息将云仿真镜像拷贝分发至docker容器。
docker是一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的镜像中，然后发布到任何流行的Linux(GNU/Linux操作系统)或Windows(微软视窗操作系统)机器上，也可以实现虚拟化。容器是完全使用沙箱机制，相互之间不会有任何接口。而根据计算资源实时信息将云仿真镜像分发至云端docker容器的计算节点，则具体是指根据现有的计算资源量，来确定可进行云仿真计算资源节点数目，进而将云仿真镜像分发至云端docker容器的计算节点。
步骤209，启动docker容器，在docker容器中加载云仿真镜像，通过docker容器对云仿真镜像进行云仿真操作。
具体地，当将镜像分发至docker容器的计算节点后，云仿真服务器104可以通过计算资源监控模块来启动docker容器，并在docker容器中加载计算节点内存放的云仿真镜像，来通过docker容器对云仿真镜像进行云仿真操作。并获得相应的云仿真结果数据。
上述云仿真集成与调度方法，通过获取云仿真请求，根据云仿真请求获取仿真计算资源实时信息；获取云仿真模型资源信息以及模型集成信息，根据云仿真模型资源信息以及模型集成信息获取云仿真应用程序；将云仿真应用程序打包为云仿真镜像；根据仿真计算资源实时信息将云仿真镜像拷贝分发至docker容器；启动docker容器，在docker容器中加载云仿真镜像，通过docker容器对云仿真镜像进行云仿真操作，本申请可以充分利用云端现有的计算资源，提高云仿真的规模，从而有效提高云仿真过程的处理效率。
在一个实施例中，云仿真模型资源信息包括云仿真模型更新信息，如图3所示，步骤203包括：
步骤302，获取云仿真模型更新信息以及模型集成信息。
步骤304，根据云仿真模型更新信息对预设仿真模型进行更新。
步骤306，根据更新后的预设仿真模型以及模型集成信息生成云仿真应用程序。
其中，其中，预设仿真模型是指预存在云仿真服务器104内现有的仿真模型，云仿真服务器104内可以预存一些仿真模型，而后用户可以直接在现有模型上进行修改来生成真的仿真模型，减小模型上传的时间，从而提高云仿真的效率。而模型集成信息则是用户直接在客户端服务器102编辑生成的信息，模型集成信息描述了模型之间的调度关系，包括调度时间、调度条件等。具体地，用户端可以以列表的行驶向用户展示可用的预设仿真模型，而后，用户可以先在列表中选取需要使用的模型，而后用户通过鼠标连线的方式将这些模型串联起来，并配置相应的调度信息，如调度时间、调度条件等模型集成信息。而后将产生的数据反馈给到云仿真服务器104。
具体地，当用户提交云仿真请求后，云仿真服务器104可以反馈相应预设仿真模型的模型列表以及模型信息给到客户端服务器102，而后用户可以通过客户端服务器102反馈相应的云仿真模型更新信息以及模型集成信息，来对相应的预设仿真模型进行更新，而后通过相应的模型集成信息来对更新后的预设仿真模型进行集成，生成相应的云仿真应用程序。本实施例中，通过模型更新信息来对云仿真服务器内现有的仿真模型进行更新，而后进行相应的仿真集成，而不用临时上传完整的仿真模型，能够达到缩短云仿真时间，提高云仿真效率的效果。
在一个实施例中，如图4所示，步骤306包括：
步骤401，根据模型集成信息对更新后的预设仿真模型进行可视化集成。
步骤403，根据模型集成信息获取更新后的预设仿真模型对应的应用框架信息。
步骤405，根据应用框架信息构建云仿真应用框架。
步骤407，根据云仿真应用框架以及可视化集成后的预设仿真模型，生成云仿真应用程序。
其中，可视化集成是指，将云仿真过程中的仿真方法集成在一起，同时提供对仿真模型处理过程以及仿真结果分析过程的可视化。应用框架是指应用程序的框架，框架是整个或部分系统的可重用设计，表现为一组抽象构件及构件实例间交互的方法；另一种定义认为，框架是可被应用开发者定制的应用骨架。前者是从应用方面而后者是从目的方面给出的定义。可以说，一个框架是一个可复用的设计构件，它规定了应用的体系结构，阐明了整个设计、协作构件之间的依赖关系、责任分配和控制流程，表现为一组抽象类以及其实例之间协作的方法，它为构件复用提供了上下文关系。因此构件库的大规模重用也需要框架。具体的，模型集成信息描述了模型之间的调度关系，包括调度时间、调度条件等。云仿真服务器可以模型集成信息对更新后的预设仿真模型进行可视化集成，同时，还可以根据模型集成信息，来生成云仿真应用框架，通过云仿真应用框架将云仿真应用程序需要使用的各个预设仿真模型串联起来，而后构建云仿真应用程序。在本实施例中，通过应用框架以及集成后的预设仿真模型来构建生成云仿真应用程序，能够有效提高云仿真处理过程的效率。
在一个实施例中，步骤205包括：
获取云仿真应用程序对应的仿真引擎库信息以及Boost库信息；
根据仿真引擎库信息以及Boost库信息，为云仿真应用程序添加仿真引擎库以及Boost库，生成云仿真镜像。
其中，仿真引擎库与Boost库是指设置于云仿真应用程序，用于支持云仿真应用程序顺利运行的数据资源。具体地，当用户需要进行云仿真时，可以通过客户端服务器102向云仿真服务器104发送相应的镜像生成指令，而后云仿真服务器104接收镜像生成指令，并在生成的云仿真应用程序内添加相应的仿真引擎库以及Boost库，打包生成云仿真镜像。具体地，云仿真服务器104可以将生成的云仿真镜像保存到预设的镜像库中，以便在后续的仿真过程中可以更便利的进行云仿真。在本实施例中，通过为云仿真应用程序添加仿真引擎库以及Boost库，能够有效支撑云仿真的处理过程。
在一个实施例中，如图5，步骤207包括：
步骤502，根据仿真计算资源实时信息确定云仿真进程数目；
步骤504，查找云仿真进程数目对应的docker容器的计算节点；
步骤506，将云仿真镜像拷贝分发至查找到的docker容器的计算节点。
其中，根据仿真计算资源实时信息确定云仿真进程数目是指根据现有可用的云仿真资源可以支撑多少云仿真进程同时运行。具体地，在确定云仿真进程的数目后，可以直接查找与这些云仿真进程数目对应的计算节点，而后直接将生成的云仿真镜像拷贝分发至查找到的docker容器的计算节点。在本实施例中，通过现有的计算资源来确定仿真进程数目，而后根据仿真进程数目来将云仿真镜像进行拷贝分发，可以更有效地对现有的云仿真计算资源进行精确利用，提高仿真资源的利用率。
在其中一个实施例中，步骤209之后，还包括：
当接收到docker容器反馈的仿真完成消息时，根据仿真完成消息查找预设数据库；
从预设数据库提取云仿真请求对应的云仿真结果。
具体地，云仿真服务器104还包括有一个数据服务模块，数据服务模块包括有预设数据库，该数据库用于存储仿真过程中的仿真过程信息以及仿真的结果信息，当仿真完成后，docker容器会向云仿真服务器104反馈相应的仿真完成消息，同时将相应的仿真信息以及仿真结果信息保存到预设数据库中。此时数据库服务器104可以从该预设数据库中查找得到最新的云仿真结果信息，并将云仿真结果信息发送到客户端服务器102。以便客户端102可以进行后续的仿真结果分析。本实施例中，通过将仿真结果保存到预设数据库，当仿真完成后，云仿真服务器可以直接提取相应的仿真结果，从而有效提高云仿真过程的处理效率。
应该理解的是，虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-5中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图6所示，提供了一种云仿真集成与调度装置，包括：请求接收模块601、仿真程序生成模块603、镜像打包模块605、镜像分发模块607和云仿真模块609，其中：
请求接收模块601，用于获取云仿真请求，根据云仿真请求获取仿真计算资源实时信息；
仿真程序生成模块603，用于获取云仿真模型资源信息以及模型集成信息，根据云仿真模型资源信息以及模型集成信息获取云仿真应用程序；
镜像打包模块605，用于将云仿真应用程序打包为云仿真镜像；
镜像分发模块607，用于根据仿真计算资源实时信息将云仿真镜像拷贝分发至docker容器；
云仿真模块609，用于启动docker容器，在docker容器中加载云仿真镜像，通过docker容器对云仿真镜像进行云仿真操作。
在其中一个实施例中，仿真程序生成模块603用于：获取模型集成信息对应的应用框架信息；根据应用框架信息构建云仿真应用框架；根据云仿真应用框架以及更新后的预设仿真模型，生成云仿真应用程序。
在其中一个实施例中，仿真程序生成模块603还用于：根据模型集成信息对更新后的预设仿真模型进行可视化集成；根据模型集成信息获取更新后的预设仿真模型对应的应用框架信息；根据应用框架信息构建云仿真应用框架；根据云仿真应用框架以及可视化集成后的预设仿真模型，生成云仿真应用程序。
在其中一个实施例中，镜像打包模块605用于：获取云仿真应用程序对应的仿真引擎库信息以及Boost库信息；根据仿真引擎库信息以及Boost库信息，为云仿真应用程序添加仿真引擎库以及Boost库，生成云仿真镜像。
在其中一个实施例中，镜像分发模块607用于：根据仿真计算资源实时信息确定云仿真进程数目；查找云仿真进程数目对应的docker容器的计算节点；将云仿真镜像拷贝分发至查找到的docker容器的计算节点。
在其中一个实施例中，还包括结果获取模块，用于：当接收到docker容器反馈的仿真完成消息时，根据仿真完成消息查找预设数据库；从预设数据库提取云仿真请求对应的云仿真结果。
关于云仿真集成与调度装置的具体限定可以参见上文中对于云仿真集成与调度方法的限定，在此不再赘述。上述云仿真处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储云仿真处理数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种云仿真集成与调度方法。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取云仿真请求，根据云仿真请求获取仿真计算资源实时信息；
获取云仿真模型资源信息以及模型集成信息，根据云仿真模型资源信息以及模型集成信息获取云仿真应用程序；
将云仿真应用程序打包为云仿真镜像；
根据仿真计算资源实时信息将云仿真镜像拷贝分发至docker容器；
启动docker容器，在docker容器中加载云仿真镜像，通过docker容器对云仿真镜像进行云仿真操作。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取云仿真模型更新信息以及模型集成信息：根据云仿真模型更新信息对预设仿真模型进行更新；根据更新后的预设仿真模型以及模型集成信息生成云仿真应用程序。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据模型集成信息对更新后的预设仿真模型进行可视化集成；根据模型集成信息获取更新后的预设仿真模型对应的应用框架信息；根据应用框架信息构建云仿真应用框架；根据云仿真应用框架以及可视化集成后的预设仿真模型，生成云仿真应用程序。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取云仿真应用程序对应的仿真引擎库信息以及Boost库信息；根据仿真引擎库信息以及Boost库信息，为云仿真应用程序添加仿真引擎库以及Boost库，生成云仿真镜像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据仿真计算资源实时信息确定云仿真进程数目；查找云仿真进程数目对应的docker容器的计算节点；将云仿真镜像拷贝分发至查找到的docker容器的计算节点。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：当接收到docker容器反馈的仿真完成消息时，根据仿真完成消息查找预设数据库；从预设数据库提取云仿真请求对应的云仿真结果。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取云仿真请求，根据云仿真请求获取仿真计算资源实时信息；
获取云仿真模型资源信息以及模型集成信息，根据云仿真模型资源信息以及模型集成信息获取云仿真应用程序；
将云仿真应用程序打包为云仿真镜像；
根据仿真计算资源实时信息将云仿真镜像拷贝分发至docker容器；
启动docker容器，在docker容器中加载云仿真镜像，通过docker容器对云仿真镜像进行云仿真操作。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取云仿真模型更新信息以及模型集成信息：根据云仿真模型更新信息对预设仿真模型进行更新；根据更新后的预设仿真模型以及模型集成信息生成云仿真应用程序。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据模型集成信息对更新后的预设仿真模型进行可视化集成；根据模型集成信息获取更新后的预设仿真模型对应的应用框架信息；根据应用框架信息构建云仿真应用框架；根据云仿真应用框架以及可视化集成后的预设仿真模型，生成云仿真应用程序。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取云仿真应用程序对应的仿真引擎库信息以及Boost库信息；根据仿真引擎库信息以及Boost库信息，为云仿真应用程序添加仿真引擎库以及Boost库，生成云仿真镜像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据仿真计算资源实时信息确定云仿真进程数目；查找云仿真进程数目对应的docker容器的计算节点；将云仿真镜像拷贝分发至查找到的docker容器的计算节点。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当接收到docker容器反馈的仿真完成消息时，根据仿真完成消息查找预设数据库；从预设数据库提取云仿真请求对应的云仿真结果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(RandomAccessMemory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static RandomAccess Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (12)

1.一种云仿真集成与调度方法，所述方法包括：
获取云仿真请求，根据所述云仿真请求获取仿真计算资源实时信息；
获取云仿真模型资源信息以及模型集成信息，所述云仿真模型资源信息包括云仿真模型更新信息，所述模型集成信息描述了模型之间的调度关系；
根据所述云仿真模型更新信息对预设仿真模型进行更新；
根据所述模型集成信息对所述更新后的预设仿真模型进行可视化集成，并根据所述模型集成信息生成云仿真应用框架；
通过所述云仿真应用框架将所述可视化集成后的预设仿真模型串联起来，以构建云仿真应用程序；
将所述云仿真应用程序打包为云仿真镜像；
根据所述仿真计算资源实时信息将所述云仿真镜像拷贝分发至docker容器；
启动所述docker容器，在所述docker容器中加载所述云仿真镜像，通过所述docker容器对所述云仿真镜像进行云仿真操作。
2.根据权利要求1所述的方法，其特征在于，所述根据所述模型集成信息生成云仿真应用框架，包括：
根据所述模型集成信息获取所述更新后的预设仿真模型对应的应用框架信息；
根据所述应用框架信息构建云仿真应用框架。
3.根据权利要求1所述的方法，其特征在于，所述将所述云仿真应用程序打包为云仿真镜像包括：
获取所述云仿真应用程序对应的仿真引擎库信息以及Boost库信息；
根据所述仿真引擎库信息以及所述Boost库信息，为所述云仿真应用程序添加仿真引擎库以及Boost库，生成云仿真镜像。
4.根据权利要求1所述的方法，其特征在于，所述根据所述仿真计算资源实时信息将所述云仿真镜像拷贝分发至docker容器包括：
根据所述仿真计算资源实时信息确定云仿真进程数目；
查找所述云仿真进程数目对应的docker容器的计算节点；
将所述云仿真镜像拷贝分发至查找到的所述docker容器的计算节点。
5.根据权利要求1所述的方法，其特征在于，所述启动所述docker容器，在所述docker容器中加载所述云仿真镜像，通过所述docker容器对所述云仿真镜像进行云仿真操作之后，还包括：
当接收到docker容器反馈的仿真完成消息时，根据所述仿真完成消息查找预设数据库；
从所述预设数据库提取所述云仿真请求对应的云仿真结果。
6.一种云仿真集成与调度装置，其特征在于，所述装置包括：
请求接收模块，用于获取云仿真请求，根据所述云仿真请求获取仿真计算资源实时信息；
仿真程序生成模块，用于获取云仿真模型资源信息以及模型集成信息，所述云仿真模型资源信息包括云仿真模型更新信息，所述模型集成信息描述了模型之间的调度关系；
所述仿真程序生成模块，还用于根据所述云仿真模型更新信息对预设仿真模型进行更新，根据所述模型集成信息对所述更新后的预设仿真模型进行可视化集成，并根据所述模型集成信息生成云仿真应用框架，通过所述云仿真应用框架将所述可视化集成后的预设仿真模型串联起来，以构建云仿真应用程序；
镜像打包模块，用于将所述云仿真应用程序打包为云仿真镜像；
镜像分发模块，用于根据所述仿真计算资源实时信息将所述云仿真镜像拷贝分发至docker容器；
云仿真模块，用于启动所述docker容器，在所述docker容器中加载所述云仿真镜像，通过所述docker容器对所述云仿真镜像进行云仿真操作。
7.根据权利要求6所述的装置，其特征在于，所述仿真程序生成模块，还用于根据所述模型集成信息获取所述更新后的预设仿真模型对应的应用框架信息，根据所述应用框架信息构建云仿真应用框架。
8.根据权利要求6所述的装置，其特征在于，所述镜像打包模块还用于获取所述云仿真应用程序对应的仿真引擎库信息以及Boost库信息，根据所述仿真引擎库信息以及所述Boost库信息，为所述云仿真应用程序添加仿真引擎库以及Boost库，生成云仿真镜像。
9.根据权利要求6所述的装置，其特征在于，所述镜像分发模块还用于根据所述仿真计算资源实时信息确定云仿真进程数目，查找所述云仿真进程数目对应的docker容器的计算节点，将所述云仿真镜像拷贝分发至查找到的所述docker容器的计算节点。
10.根据权利要求6所述的装置，其特征在于，所述云仿真模块还用于当接收到docker容器反馈的仿真完成消息时，根据所述仿真完成消息查找预设数据库，从所述预设数据库提取所述云仿真请求对应的云仿真结果。
11.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
CN202010277292.9A 2020-04-10 2020-04-10 云仿真集成与调度方法、装置、计算机设备和存储介质 Active CN111459621B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010277292.9A CN111459621B (zh) 2020-04-10 2020-04-10 云仿真集成与调度方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010277292.9A CN111459621B (zh) 2020-04-10 2020-04-10 云仿真集成与调度方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN111459621A CN111459621A (zh) 2020-07-28
CN111459621B true CN111459621B (zh) 2023-03-28

Family

ID=71683724

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010277292.9A Active CN111459621B (zh) 2020-04-10 2020-04-10 云仿真集成与调度方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN111459621B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112052080A (zh) * 2020-08-10 2020-12-08 湖南新航动力信息科技有限公司 仿真资源调度方法、装置、计算机设备和存储介质
CN116578413B (zh) * 2023-04-26 2024-04-12 中国人民解放军92942部队 一种基于云+端架构的信号级仿真模型云化方法
CN116755844B (zh) * 2023-08-17 2023-11-24 北京世冠金洋科技发展有限公司 一种仿真引擎的数据处理方法、装置、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2882796A1 (en) * 2007-05-16 2009-02-12 Power Analytics Corporation Real-time predictive systems for intelligent energy monitoring and management of electrical power networks
CN105677446A (zh) * 2016-01-28 2016-06-15 中国电子科技集团公司第十研究所 分布式仿真平台的可视化建模方法
CN107632879A (zh) * 2017-10-31 2018-01-26 中国人民解放军国防科技大学 云仿真平台
CN108108230A (zh) * 2018-01-26 2018-06-01 成都精灵云科技有限公司 基于docker的云平台发布系统
CN108280291A (zh) * 2018-01-22 2018-07-13 湖南和信智仿信息科技有限公司 可重用仿真模型接口设计与对接方法、装置和计算机设备
CN109918198A (zh) * 2019-02-18 2019-06-21 中国空间技术研究院 一种基于用户特征预测的仿真云平台负载调度系统及方法
CN110263932A (zh) * 2019-06-24 2019-09-20 中国人民解放军国防科技大学 多智能体仿真系统图形化组合构建方法与装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2882796A1 (en) * 2007-05-16 2009-02-12 Power Analytics Corporation Real-time predictive systems for intelligent energy monitoring and management of electrical power networks
CN105677446A (zh) * 2016-01-28 2016-06-15 中国电子科技集团公司第十研究所 分布式仿真平台的可视化建模方法
CN107632879A (zh) * 2017-10-31 2018-01-26 中国人民解放军国防科技大学 云仿真平台
CN108280291A (zh) * 2018-01-22 2018-07-13 湖南和信智仿信息科技有限公司 可重用仿真模型接口设计与对接方法、装置和计算机设备
CN108108230A (zh) * 2018-01-26 2018-06-01 成都精灵云科技有限公司 基于docker的云平台发布系统
CN109918198A (zh) * 2019-02-18 2019-06-21 中国空间技术研究院 一种基于用户特征预测的仿真云平台负载调度系统及方法
CN110263932A (zh) * 2019-06-24 2019-09-20 中国人民解放军国防科技大学 多智能体仿真系统图形化组合构建方法与装置

Also Published As

Publication number Publication date
CN111459621A (zh) 2020-07-28

Similar Documents

Publication Publication Date Title
CN107766126B (zh) 容器镜像的构建方法、系统、装置及存储介质
CN111459621B (zh) 云仿真集成与调度方法、装置、计算机设备和存储介质
Liu et al. Multi-objective scheduling of scientific workflows in multisite clouds
CN104541247B (zh) 用于调整云计算系统的系统和方法
Liu et al. G3: when graph neural networks meet parallel graph processing systems on GPUs
CN107783816A (zh) 虚拟机的创建方法及装置、大数据集群创建的方法及装置
CN111176818B (zh) 分布式预测的方法、装置、系统、电子设备及存储介质
US20230206132A1 (en) Method and Apparatus for Training AI Model, Computing Device, and Storage Medium
CN111026568A (zh) 数据和任务关系构建方法、装置、计算机设备及存储介质
Chen et al. Beeflow: A workflow management system for in situ processing across hpc and cloud systems
CN113867600A (zh) 处理流式数据的开发方法、装置和计算机设备
Sundas et al. An introduction of CloudSim simulation tool for modelling and scheduling
CN110109748A (zh) 一种混合语言任务执行方法、装置及集群
CN113448678A (zh) 应用信息生成方法、部署方法及装置、系统、存储介质
CN116266117A (zh) 模型转换方法、计算机程序产品、存储介质及电子设备
CN114237587A (zh) 一种基于IDEA技术服务SmartFlow的管控方法及系统
CN110622146A (zh) 设备因子图可编程合成机制
CN110958138B (zh) 一种容器扩容方法及装置
CN113495723B (zh) 一种调用功能组件的方法、装置及存储介质
CN110806891A (zh) 嵌入式设备软件版本的生成方法及装置
CN113741868A (zh) 业务计算任务处理方法、装置、计算机设备和存储介质
CN112363700A (zh) 智能合约的协同创建方法、装置、计算机设备和存储介质
CN114127681A (zh) 用于实现数据流ai应用的自主加速的方法和装置
Straesser et al. Kubernetes-in-the-Loop: Enriching Microservice Simulation Through Authentic Container Orchestration
Erbel et al. Scientific workflow execution in the cloud using a dynamic runtime model

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