CN112579302A - 一种基于大数据的数据处理终端及其处理系统 - Google Patents

一种基于大数据的数据处理终端及其处理系统 Download PDF

Info

Publication number
CN112579302A
CN112579302A CN202011581856.4A CN202011581856A CN112579302A CN 112579302 A CN112579302 A CN 112579302A CN 202011581856 A CN202011581856 A CN 202011581856A CN 112579302 A CN112579302 A CN 112579302A
Authority
CN
China
Prior art keywords
data
data processing
processing channels
categories
learning 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.)
Granted
Application number
CN202011581856.4A
Other languages
English (en)
Other versions
CN112579302B (zh
Inventor
赵嘉
韩龙哲
刘宝宏
谭德坤
侯家振
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.)
Nanchang Institute of Technology
Original Assignee
Nanchang Institute of 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 Nanchang Institute of Technology filed Critical Nanchang Institute of Technology
Priority to CN202011581856.4A priority Critical patent/CN112579302B/zh
Publication of CN112579302A publication Critical patent/CN112579302A/zh
Application granted granted Critical
Publication of CN112579302B publication Critical patent/CN112579302B/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
    • G06F9/46—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
    • G06F9/505—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 considering the load
    • 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
    • G06F9/5055—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 considering software capabilities, i.e. software resources associated or available to the machine
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer And Data Communications (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种基于大数据的数据处理终端及其处理系统，使用数据划分器根据服务器在当前时间段所接收的数据的全部类别设置若干个数据处理通道，每一个数据处理通道分别对应一个类别的数据；数据统计器分别统计每一个类型所对应的全部数据的总量，并根据每一个类型所对应的全部数据的总量的比值设置其所对应的数据处理通道的个数；数据分流器根据类别将将服务器在当前时间段所接收的数据进行划分，并使得类别所对应的数据处理通道处理所对应的数据。本发明通过将服务器的处理通道根据数据的类别进行分类，使得不同类别的数据进入其所对应的服务器的处理通道进行处理，这样就可以使得将所有要处理的数据进行分类处理，从而提升数据处理的速度。

Description

一种基于大数据的数据处理终端及其处理系统
技术领域
本发明涉及数据处理领域，特别涉及一种基于大数据的数据处理终端及其处理系统。
背景技术
在人们使用互联网的时候，会有大量的数据需要服务器进行处理，这样就会使得在处理的时候服务器需要不断的对数据进行处理。目前，服务器在对数据进行处理的时候，是根据先进先处理的原则对数据进行处理的，对于一些特殊的数据可以要求优先进行处理，这样的处理方式在数据量较大的时候，会明显使得服务器进行数据处理的速度变慢，这样所返回给用户数据的速度也会大幅度的降低，从而使得用户在进行网络使用的时候产生网络不佳的感受。
发明内容
本发明的目的是克服上述现有技术中存在的问题，提供一种基于大数据的数据处理终端及其处理系统，通过将服务器的处理通道根据数据的类别进行分类，使得不同类别的数据进入其所对应的服务器的处理通道进行处理，这样就可以使得将所有要处理的数据进行分类处理，从而提升数据处理的速度。
为此，本发明提供一种基于大数据的数据处理系统，包括：
数据类别划分模块，根据服务器在当前时间段所接收的数据的全部类别设置若干个数据处理通道，每一个所述数据处理通道分别对应一个类别的数据；
数据量统计模块，分别统计每一个类型所对应的全部数据的总量，并根据每一个类型所对应的全部数据的总量的比值设置其所对应的数据处理通道的个数；
处理分流模块，根据类别将将服务器在当前时间段所接收的数据进行划分，并使得类别所对应的数据处理通道处理所对应的数据。
进一步，在所述数据量统计模块中，包括：
数据准备模块，用于获取各个时刻，在每一个时刻各个类别所对应的数据处理通道的个数，以及在每一个时刻各个类别所对应的数据处理通道还未处理的数据的数量；
模型训练模块，建立有监督学习模型，并将各个所述时刻以及在该时刻各个类别所对应的数据处理通道还未处理的数据的数量作为所述有监督学习模型的输入，将该时刻各个类别所对应的数据处理通道的个数作为所述有监督学习模型的输出，对所述有监督学习模型进行训练，得到训练好的有监督学习模型；
通道分配模块，将当前时刻以及当前各个类别所对应的数据处理通道还未处理的数据的数量作为输入，输入到训练好的有监督学习模型中，输出得到当前时刻各个类别所对应的数据处理通道的个数。
更进一步，所述时刻为每一天的时间点，相邻时间点之间存在时间间隔。
进一步，每一个所述数据处理通道的带宽根据其所对应的类别进行设置。
相对于上述提供的一种基于大数据的数据处理系统，相对应的本发明还提供一种基于大数据的数据处理终端，以实现上述的内容，本发明提供的一种基于大数据的数据处理终端，包括：
数据划分器，用于根据服务器在当前时间段所接收的数据的全部类别设置若干个数据处理通道，每一个所述数据处理通道分别对应一个类别的数据；
数据统计器，用于分别统计每一个类型所对应的全部数据的总量，并根据每一个类型所对应的全部数据的总量的比值设置其所对应的数据处理通道的个数；
数据分流器，用于根据类别将将服务器在当前时间段所接收的数据进行划分，并使得类别所对应的数据处理通道处理所对应的数据。
进一步，所述数据统计器包括：
数据采集器，用于获取各个时刻，在每一个时刻各个类别所对应的数据处理通道的个数，以及在每一个时刻各个类别所对应的数据处理通道还未处理的数据的数量；
模型训练器，用于建立有监督学习模型，并将各个所述时刻以及在该时刻各个类别所对应的数据处理通道还未处理的数据的数量作为所述有监督学习模型的输入，将该时刻各个类别所对应的数据处理通道的个数作为所述有监督学习模型的输出，对所述有监督学习模型进行训练，得到训练好的有监督学习模型；
分配器，用于将当前时刻以及当前各个类别所对应的数据处理通道还未处理的数据的数量作为输入，输入到训练好的有监督学习模型中，输出得到当前时刻各个类别所对应的数据处理通道的个数。
更进一步，所述时刻为每一天的时间点，相邻时间点之间存在时间间隔。
进一步，每一个所述数据处理通道的带宽根据其所对应的类别进行设置。
本发明提供的一种基于大数据的数据处理终端及其处理系统，具有如下有益效果：
1、本发明通过将服务器的处理通道根据数据的类别进行分类，使得不同类别的数据进入其所对应的服务器的处理通道进行处理，这样就可以使得将所有要处理的数据进行分类处理，从而提升数据处理的速度；
2、本发明通过通过动态的方式对服务器的处理通道进行划分，使得服务器在各个时间段都可以处理通道的调整到最佳的状态，从而使得服务器处理数据的时候更加的快速；
3、本发明通过建模的方式对服务器的处理通道进行划分进行调整，使得本发明可以应用带更多状态的服务器中，对于服务器的要求更低。
附图说明
图1为本发明提供的一种基于大数据的数据处理系统的整体系统连接示意框图；
图2为本发明提供的一种基于大数据的数据处理系统的数据量统计模块的系统连接示意框图；
图3为本发明提供的一种基于大数据的数据处理终端中的内部部件连接示意框图；
图4为本发明提供的一种基于大数据的数据处理终端中数据统计器中的内部部件连接示意框图。
具体实施方式
下面结合附图，对本发明的一个具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
具体的，如图1所示，本发明实施例提供了一种基于大数据的数据处理系统，包括：数据类别划分模块、数据量统计模块以及处理分流模块。下面，我们分部对各个模块进行详细的介绍。
数据类别划分模块，根据服务器在当前时间段所接收的数据的全部类别设置若干个数据处理通道，每一个所述数据处理通道分别对应一个类别的数据；
该模块中，每一个数据处理通道是用来处理一个类别的数据的，对于数据的类别，目前是服务器中的数据是通过标签的形式进行呈现的。该模块中，我们通过类别的方式，使得对本发明更加的易于理解，我们可以将服务器看做一个火车站，而进入服务器的数据，也就是服务器所接收的数据，我们可以看做进入火车站的人，对于数据的类别，也就是人所要到达的目的地，而数据处理通道，是让人进入火车的通道，根据不懂的目的地设置有不同的进入火车的通道，因此，也就有若干个数据处理通道，每一个所述数据处理通道分别对应一个类别的数据。这样就可使得简单重复的，并行的对数据进行处理，从而使得整体的数据处理效率有极大的提升。
数据量统计模块，分别统计每一个类型所对应的全部数据的总量，并根据每一个类型所对应的全部数据的总量的比值设置其所对应的数据处理通道的个数；
该模块中，是根据每一个类型所对应的全部数据的总量，即每一个类型未处理的全部数据的总量，根据该比值确定对应的数据处理通道的个数，这样就可以使得将数据处理通道的个数进行优化，使得数据处理通道的个数始终处于一个最优的水平，在数据处理的时候，可以实时的保持数据处理的效率。类比的介绍，我们根据每一个目的地对应的进入火车的通道所排队的人数的比值，适应性的增加或者减少目的地对应的进入火车的通道的数量，这样就可使得更加快速的使得人员全部的进入火车。
处理分流模块，根据类别将将服务器在当前时间段所接收的数据进行划分，并使得类别所对应的数据处理通道处理所对应的数据。
该模块中，该步骤是将每一个类别所对应的数据划分到对应的数据处理通道中，起到了数据分流的作用，类比的介绍，是在火车站的门口出一个牌子，使得不同目的地的人员自行行进到目的地对应的进入火车的通道进行排队进入火车。
在本实施例中，如图2所示，在所述数据量统计模块中，包括：数据准备模块、模型训练模块以及通道分配模块。下面，分别对各个模块进行介绍。
数据准备模块，用于获取各个时刻，在每一个时刻各个类别所对应的数据处理通道的个数，以及在每一个时刻各个类别所对应的数据处理通道还未处理的数据的数量；
该模块中，在各个时刻的每一个时刻都会得到两个数值，其中一个数值是各个类别所对应的数据处理通道的个数，另一个数值是各个类别所对应的数据处理通道还未处理的数据的数量，对于所需要获取的时刻以及各个时刻之间的间隔，根据实际需要进行设定。
模型训练模块，建立有监督学习模型，并将各个所述时刻以及在该时刻各个类别所对应的数据处理通道还未处理的数据的数量作为所述有监督学习模型的输入，将该时刻各个类别所对应的数据处理通道的个数作为所述有监督学习模型的输出，对所述有监督学习模型进行训练，得到训练好的有监督学习模型；
该模块中，通过训练有监督学习模型的方式找到上述的数据之间的规律，其中有监督学习模型的输入有两个数值，其中一个是时刻，另一个是该时刻各个类别所对应的数据处理通道还未处理的数据的数量，而有监督学习模型的输出是该时刻各个类别所对应的数据处理通道的个数，这样就可以对有监督学习模型进行训练，对于有监督学习模型，可以选用回归模型，也可以选用感知机模型，对此，本发明不做任何的限制，最终，我们得到训练好的有监督学习模型。
通道分配模块，将当前时刻以及当前各个类别所对应的数据处理通道还未处理的数据的数量作为输入，输入到训练好的有监督学习模型中，输出得到当前时刻各个类别所对应的数据处理通道的个数。
该模块中，是将上述已经训练好的有监督学习模型进行应用，这样就可以快速准确的得到最优分配的当前时刻各个类别所对应的数据处理通道的个数。
同时，在本实施例中，所述时刻为每一天的时间点，相邻时间点之间存在时间间隔。即是，时刻为每一天的各个时间点，且相邻时间点的间隔相等，即是时间点可以为3:47，也可以为14:29，还可以为22:55等(这里所采用的形式都是时:分的形式进行记录的)，同时，在本发明中，时间间隔是根据服务器所接收数据的频率进行设定的，在本发明的实施例中，时间间隔设置为1分钟。
在本实施例中，每一个所述数据处理通道的带宽根据其所对应的类别进行设置。这样就可以使得不同类别的数据所对应的数据处理通道具有不同的带宽，这样就可以使得增加数据处理的效率。类别的说火车站中包含了广州和南宁两个目的地，分别对应一个进入火车的通道，而这两个进入火车的通道的宽度不一样，由于目的地是广州的人员比目的地是南宁的人员要多很多，因此，使得广州所对应的进入火车的通道的宽度大于南宁所对应的进入火车的通道的宽度，因此，南宁所对应的进入火车的通道在一个单位时间只能进去一个人员，而广州所对应的进入火车的通道在一个单位时间可以并行进去至少两个人员，这样就可以有效的增加数据的处理量，上述所述的进入火车的通道的宽度就可以类比与所述的带宽。
相对于上述提供的一种基于大数据的数据处理系统，相对应的本发明还提供一种基于大数据的数据处理终端，以实现上述的内容，本发明提供的一种基于大数据的数据处理终端，如图3所示，包括：数据划分器、数据统计器以及数据分流器。分别指向上述的数据类别划分模块、数据量统计模块以及处理分流模块的工作，具体如下：
数据划分器，用于根据服务器在当前时间段所接收的数据的全部类别设置若干个数据处理通道，每一个所述数据处理通道分别对应一个类别的数据；执行的是数据类别划分模块的工作。
数据统计器，用于分别统计每一个类型所对应的全部数据的总量，并根据每一个类型所对应的全部数据的总量的比值设置其所对应的数据处理通道的个数；执行的是数据量统计模块的工作。
数据分流器，用于根据类别将将服务器在当前时间段所接收的数据进行划分，并使得类别所对应的数据处理通道处理所对应的数据。执行的是处理分流模块的工作。
在本实施例中，如图4所示，所述数据统计器包括：数据采集器、模型训练器以及分配器。分别执行上述的数据准备模块、模型训练模块以及通道分配模块的工作，具体如下：
数据采集器，用于获取各个时刻，在每一个时刻各个类别所对应的数据处理通道的个数，以及在每一个时刻各个类别所对应的数据处理通道还未处理的数据的数量；执行的是数据准备模块的工作。
模型训练器，用于建立有监督学习模型，并将各个所述时刻以及在该时刻各个类别所对应的数据处理通道还未处理的数据的数量作为所述有监督学习模型的输入，将该时刻各个类别所对应的数据处理通道的个数作为所述有监督学习模型的输出，对所述有监督学习模型进行训练，得到训练好的有监督学习模型；执行的是模型训练模块的工作。
分配器，用于将当前时刻以及当前各个类别所对应的数据处理通道还未处理的数据的数量作为输入，输入到训练好的有监督学习模型中，输出得到当前时刻各个类别所对应的数据处理通道的个数。执行的是通道分配模块的工作。
同时，在本实施例中，所述时刻为每一天的时间点，相邻时间点之间存在时间间隔。即是，时刻为每一天的各个时间点，且相邻时间点的间隔相等，即是时间点可以为3:47，也可以为14:29，还可以为22:55等(这里所采用的形式都是时:分的形式进行记录的)，同时，在本发明中，时间间隔是根据服务器所接收数据的频率进行设定的，在本发明的实施例中，时间间隔设置为1分钟。
在本实施例中，每一个所述数据处理通道的带宽根据其所对应的类别进行设置。这样就可以使得不同类别的数据所对应的数据处理通道具有不同的带宽，这样就可以使得增加数据处理的效率。
以上公开的仅为本发明的几个具体实施例，但是，本发明实施例并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (8)

1.一种基于大数据的数据处理系统，其特征在于，包括：
数据类别划分模块，根据服务器在当前时间段所接收的数据的全部类别设置若干个数据处理通道，每一个所述数据处理通道分别对应一个类别的数据；
数据量统计模块，分别统计每一个类型所对应的全部数据的总量，并根据每一个类型所对应的全部数据的总量的比值设置其所对应的数据处理通道的个数；
处理分流模块，根据类别将将服务器在当前时间段所接收的数据进行划分，并使得类别所对应的数据处理通道处理所对应的数据。
2.如权利要求1所述的一种基于大数据的数据处理系统，其特征在于，在所述数据量统计模块中，包括：
数据准备模块，用于获取各个时刻，在每一个时刻各个类别所对应的数据处理通道的个数，以及在每一个时刻各个类别所对应的数据处理通道还未处理的数据的数量；
模型训练模块，建立有监督学习模型，并将各个所述时刻以及在该时刻各个类别所对应的数据处理通道还未处理的数据的数量作为所述有监督学习模型的输入，将该时刻各个类别所对应的数据处理通道的个数作为所述有监督学习模型的输出，对所述有监督学习模型进行训练，得到训练好的有监督学习模型；
通道分配模块，将当前时刻以及当前各个类别所对应的数据处理通道还未处理的数据的数量作为输入，输入到训练好的有监督学习模型中，输出得到当前时刻各个类别所对应的数据处理通道的个数。
3.如权利要求2所述的一种基于大数据的数据处理系统，其特征在于，所述时刻为每一天的时间点，相邻时间点之间存在时间间隔。
4.如权利要求1所述的一种基于大数据的数据处理系统，其特征在于，每一个所述数据处理通道的带宽根据其所对应的类别进行设置。
5.一种基于大数据的数据处理终端，其特征在于，包括：
数据划分器，用于根据服务器在当前时间段所接收的数据的全部类别设置若干个数据处理通道，每一个所述数据处理通道分别对应一个类别的数据；
数据统计器，用于分别统计每一个类型所对应的全部数据的总量，并根据每一个类型所对应的全部数据的总量的比值设置其所对应的数据处理通道的个数；
数据分流器，用于根据类别将将服务器在当前时间段所接收的数据进行划分，并使得类别所对应的数据处理通道处理所对应的数据。
6.如权利要求5所述的一种基于大数据的数据处理终端，其特征在于，所述数据统计器包括：
数据采集器，用于获取各个时刻，在每一个时刻各个类别所对应的数据处理通道的个数，以及在每一个时刻各个类别所对应的数据处理通道还未处理的数据的数量；
模型训练器，用于建立有监督学习模型，并将各个所述时刻以及在该时刻各个类别所对应的数据处理通道还未处理的数据的数量作为所述有监督学习模型的输入，将该时刻各个类别所对应的数据处理通道的个数作为所述有监督学习模型的输出，对所述有监督学习模型进行训练，得到训练好的有监督学习模型；
分配器，用于将当前时刻以及当前各个类别所对应的数据处理通道还未处理的数据的数量作为输入，输入到训练好的有监督学习模型中，输出得到当前时刻各个类别所对应的数据处理通道的个数。
7.如权利要求6所述的一种基于大数据的数据处理终端，其特征在于，所述时刻为每一天的时间点，相邻时间点之间存在时间间隔。
8.如权利要求5所述的一种基于大数据的数据处理终端，其特征在于，每一个所述数据处理通道的带宽根据其所对应的类别进行设置。
CN202011581856.4A 2020-12-28 2020-12-28 一种基于大数据的数据处理终端及其处理系统 Active CN112579302B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011581856.4A CN112579302B (zh) 2020-12-28 2020-12-28 一种基于大数据的数据处理终端及其处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011581856.4A CN112579302B (zh) 2020-12-28 2020-12-28 一种基于大数据的数据处理终端及其处理系统

Publications (2)

Publication Number Publication Date
CN112579302A true CN112579302A (zh) 2021-03-30
CN112579302B CN112579302B (zh) 2024-03-01

Family

ID=75140448

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011581856.4A Active CN112579302B (zh) 2020-12-28 2020-12-28 一种基于大数据的数据处理终端及其处理系统

Country Status (1)

Country Link
CN (1) CN112579302B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1184786A1 (fr) * 2000-09-01 2002-03-06 Airsys ATM S.A. Système informatique multiprocess
CN102510568A (zh) * 2011-11-22 2012-06-20 联通宽带业务应用国家工程实验室有限公司 移动终端上网数据的处理系统和方法
CN102929961A (zh) * 2012-10-10 2013-02-13 北京锐安科技有限公司 基于构建快速数据分级通道的数据处理方法及其装置
US20150081324A1 (en) * 2014-08-08 2015-03-19 Brighterion, Inc Healthcare fraud preemption
CN104933124A (zh) * 2015-06-10 2015-09-23 柳州市智融科技有限公司 互联网大数据处理系统
CN106056143A (zh) * 2016-05-26 2016-10-26 广东欧珀移动通信有限公司 终端使用数据处理方法和防沉迷方法及装置、系统和终端
CN110209716A (zh) * 2018-02-11 2019-09-06 北京华航能信科技有限公司 智能物联网水务大数据处理方法和系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1184786A1 (fr) * 2000-09-01 2002-03-06 Airsys ATM S.A. Système informatique multiprocess
CN102510568A (zh) * 2011-11-22 2012-06-20 联通宽带业务应用国家工程实验室有限公司 移动终端上网数据的处理系统和方法
CN102929961A (zh) * 2012-10-10 2013-02-13 北京锐安科技有限公司 基于构建快速数据分级通道的数据处理方法及其装置
US20150081324A1 (en) * 2014-08-08 2015-03-19 Brighterion, Inc Healthcare fraud preemption
CN104933124A (zh) * 2015-06-10 2015-09-23 柳州市智融科技有限公司 互联网大数据处理系统
CN106056143A (zh) * 2016-05-26 2016-10-26 广东欧珀移动通信有限公司 终端使用数据处理方法和防沉迷方法及装置、系统和终端
CN110209716A (zh) * 2018-02-11 2019-09-06 北京华航能信科技有限公司 智能物联网水务大数据处理方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
宋华 等: "大型警务数据处理系统中的数据分流平台设计", 现代电子技术, vol. 40, no. 8, 30 April 2017 (2017-04-30), pages 33 - 35 *

Also Published As

Publication number Publication date
CN112579302B (zh) 2024-03-01

Similar Documents

Publication Publication Date Title
WO2021120799A1 (zh) 主播信息的推送方法、装置、计算机设备和存储介质
CN101527086B (zh) 航班时隙分配的实现方法
CN107181724A (zh) 一种协同流的识别方法、系统以及使用该方法的服务器
CN102929961B (zh) 基于构建快速数据分级通道的数据处理方法及其装置
CN110290077B (zh) 一种基于实时业务配置的工业sdn资源分配方法
CN106254259B (zh) 一种流量控制的方法及装置
CN104299179B (zh) 一种针对教师的调课系统及其调课方法
CN110213175A (zh) 一种面向知识定义网络的智能管控系统及管控方法
CN116112557A (zh) 一种基于确定数据的多种报文格式适配方法和系统
CN114024737B (zh) 确定直播间刷量的方法、装置及计算机可读存储介质
CN113535406B (zh) 一种智慧猪场养殖数据处理系统及方法
US9319325B2 (en) Adaptive method and system of regulation of yellow traffic in a network
CN112579302A (zh) 一种基于大数据的数据处理终端及其处理系统
CN114531732A (zh) 一种基于云平台的自动化动态分配无线信道的系统
CN104486806B (zh) 一种基于承载效率的异构网络联合承载方法及装置
CN106789349B (zh) 一种基于体验质量建模分析及会话流分类的方法
CN111416779B (zh) 基于时限的互联网业务队列调度方法
CN106789429B (zh) 一种自适应低代价sdn网络链路利用率测量方法及系统
CN104469805B (zh) 基于用户行为分析的即时通讯业务流量生成方法
CN107820141B (zh) 一种无源光网络业务流感知的方法及系统
CN111324509B (zh) 一种对应用沉迷的识别方法和装置
CN116151601A (zh) 一种流业务建模方法、装置、平台、电子设备和存储介质
CN104376027A (zh) 基于社会化媒体的信息采集分析系统及其方法
CN117313004B (zh) 一种在物联网中基于深度学习的QoS流分类方法
CN107657046A (zh) 空调器bi报表系统、空调器bi报表的生成方法和存储介质

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