CN112637263A - 一种多数据中心资源优化提升方法、系统和存储介质 - Google Patents

一种多数据中心资源优化提升方法、系统和存储介质 Download PDF

Info

Publication number
CN112637263A
CN112637263A CN202011318622.0A CN202011318622A CN112637263A CN 112637263 A CN112637263 A CN 112637263A CN 202011318622 A CN202011318622 A CN 202011318622A CN 112637263 A CN112637263 A CN 112637263A
Authority
CN
China
Prior art keywords
resource
data center
edge
graph
data
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
CN202011318622.0A
Other languages
English (en)
Other versions
CN112637263B (zh
Inventor
方泉
宋浒
杜元翰
张银铁
王丽君
万晶
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.)
State Grid Electric Power Research Institute
Information and Telecommunication Branch of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Electric Power Research Institute
Information and Telecommunication Branch of State Grid Jiangsu Electric Power 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 State Grid Electric Power Research Institute, Information and Telecommunication Branch of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Electric Power Research Institute
Priority to CN202011318622.0A priority Critical patent/CN112637263B/zh
Publication of CN112637263A publication Critical patent/CN112637263A/zh
Application granted granted Critical
Publication of CN112637263B publication Critical patent/CN112637263B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04L67/50—Network services
    • H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
    • 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
    • G06F9/5072—Grid computing
    • 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]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • 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
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0654—Management of faults, events, alarms or notifications using network fault recovery
    • H04L41/0663—Performing the actions predefined by failover planning, e.g. switching to standby network elements
    • 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
    • H04L67/1004—Server selection for load balancing
    • H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种多数据中心资源优化提升方法、系统和存储介质，通过运用专家设定的资源调度规则，在资源使用时采用全局调度和边缘调度相结合的方法，最后采用资源一致性图数据库分析方法实现资源一致性及利用率分析。本方法创新地提出多数据中心资源优化提升方法，适应多中心资源优化提升场景，采用RDF资源描述框架、TLGM数据模型构建多数据中心资源图库，采用全局调度器、边缘调度器协同处理计算请求，采用数据联动状态数据模型、调度规则、概率计算矩阵将资源一致性及资源利用率问题转化为图查询，采用原图重投、子图合并技术和高效平衡负载实现图查询，通过以上技术，实现多数据中心资源优化提升。

Description

一种多数据中心资源优化提升方法、系统和存储介质
技术领域
本发明涉及电力系统信息技术应用领域，特别涉及一种多数据中心资源优化提升方法、系统和存储介质。
背景技术
在电力行业，随着万物互联时代的到来，越来越多的多站融合数据中心出现。“多站融合”的数据中心是指边缘数据中心在内的多级数据中心，用于对电网内部业务、城市治理、互联网、工业制造等领域产生的数据进行边缘侧存储、处理和计算，是数据信息的汇聚基地，同时又是主要的负荷中心。区别与传统的数据中心，“多站融合”具有数量较多的云端、边缘端数据中心，需要解决云端、边缘端、终端资源协同使用问题，实现故障情况下，计算任务快速迁移，云端、边缘端实现主备资源一致性。从而，需要研究多数据中心资源优化提升技术，实现云端、边缘端、终端主备资源一致，提升多数据中心系统资源利用率。
发明内容
发明目的：本发明的目的是提供一种多数据中心资源优化提升方法、系统和存储介质来满足多数据中心资源协同处理的需求。
技术方案：本发明所述的一种多数据中心资源优化提升方法，包括有以下步骤：
S1：运用专家设定的资源调度规则，通过全局调度器和边缘调度器处理用户对云端以及边缘端数据中心资源的使用请求，满足用户对资源的使用，同时运用全局调度器和边缘调度器收集处理使用请求过程中产生的资源异常事件；
S2：运用专家知识设计正态模型事件发生时的各类关联数据，联动资源状态数据模型及资源调度规则，通过资源状态数据模型概率计算矩阵判断资源异常事件发生的潜在可能，定期或者不定期结合资源异常事件，将全局或局部资源一致性及资源利用率检测转换为对多数据中心资源图数据库的查询分析请求，将分析请求结果结合资源状态数据模型，完善资源状态数据模型和调度规则。
作为优选，所述专家设定的资源调度规则包括有：当用户申请资源时候，分配和回收资源的规则；当某一硬件资源出现故障时候，如何启用该硬件资源的备份资源的规则。
作为优选，S1中所述全局调度器部署在多数据中心资源图库的云端，边缘调度器部署在多数据中心资源图库的边缘端，所述云端和边缘端数据中心资源采用RDF标记方式，每个资源采用三元组＜资源主体，资源属性，关联资源主体＞，其中资源属性包括类型、容量、使用情况、资源运行状、资源所属数据中心和资源所属数据中心类型；多数据中心资源采用TLGM带有标签有向图来表示多数据中心资源图库执行状态。
作为优选，所述资源所属数据中心类型包括云端、边缘端和终端资源属性，其中边缘端数据中心设置有执行节点，用于执行用户计算请求；云端数据中心设置有监控节点，用于监控执行节点执行情况和附近节点执行情况。
作为优选，S1中所述全局调度器采用TLGM方式收集全局资源使用情况，边缘调度器采用TLGM方式收集边缘资源使用情况，边缘调度器和邻近的边缘调度器交换各自资源情况，各边缘资源作为互备资源。
作为优选，S1中所述通过全局调度器和边缘调度器处理用户资源使用请求，可以根据用户需求，将资源使用请求分为实时计算资源任务以及容忍度任务情况，将用户资源请求根据计算步骤构建为有向无环图，根据计算资源申请情况以及计算任务性质，将所需资源分为云端、边缘端、终端本地处理类型。
作为优选，S2中所述用户对资源的使用采用全局调度和区域调度相结合的方式，全局调度是由云端、边缘端和终端相结合的资源调度，资源将有向无环图任务调度到云端、边缘端和终端，随机询问网络中随意节点,选择负载较轻的节点执行；所述区域调度处理实时计算，实现边缘调度策略，对于实时计算请求，寻找最短完成时间的节点调度该任务。
作为优选，S1中所述资源异常事件主要包括有：资源故障状态；资源复制时产生的资源复制不一致状态；部分资源利用率过高，部分资源利用率过低的状态。
作为优选，S1中采用图计算切边法和切点法，将数据计算涉及的数据均匀地分配到不同数据中心的多级存储问题上，以便于多级数据中心计算处理需要。
作为优选，S2中所述资源状态数据模型为多数据中心资源图库数据状态的模型，包括类型、容量、使用情况、关联的任务情况、资源备份情况(该资源对应的其他备份资源)、实际资源备份使用情况、资源运行状态、资源所属数据中心和资源所属数据中心类型。
作为优选，S2中对资源图数据库的查询分析请求采用图数据库分析方法，通过图数据库的原图重投、子图合并技术和高效平衡负载调度方法实现多数据中心协同数据的一致性、利用率查询；采用Mapreduce进行子图重构，由Map节点将集合中相邻的节点合并成不完全子图，Reduce节点将可以合并的不完全子图进行合并；给定一个查询图Q和图数据库D＝{Gi},在图数据库中找到包含或者近似包含Q的数据图Gi,并返回给用户，实现资源异常查找。
有益效果：本方法创新地提出的多数据中心资源优化提升方法，适应多中心资源优化提升场景，采用RDF资源描述框架、TLGM数据模型构建多数据中心资源图库，采用全局调度器、边缘调度器协同处理计算恩物请求，采用数据联动状态数据模型、调度规则、概率计算矩阵将资源一致性及资源利用率问题转化为图分析，采用原图重投、子图合并技术和高效平衡负载实现最优图分析，通过以上技术，实现云端、边缘端、终端主备资源一致，提升多数据中心系统资源利用率。
附图说明
图1是本发明的各工作模块关系图；
图2是本发明的具体实施流程示意图。
具体实施方式
下面将结合本申请实施例中的附图1-2，对本申请实施例中的技术方案进行清楚、完整地描述。
本发明的各个步骤如下：
第一步：运用专家设定的资源调度规则，通过部署在多数据中心资源图库云端的全局调度器和部署在多数据中心资源图库边缘端的边缘调度器处理用户对云端以及边缘端数据中心资源的使用请求：根据用户需求，将资源使用请求分为实时计算资源任务以及容忍度任务情况，将用户资源请求根据计算步骤构建为有向无环图，根据计算资源申请情况以及计算任务性质，将所需资源分为云端、边缘端、终端本地处理类型，同时运用全局调度器和边缘调度器收集处理使用请求过程中产生的资源异常事件。
其中资源调度规则包括有：当用户申请资源时候，分配和回收资源的规则；当某一硬件资源出现故障时候，如何启用该硬件资源的备份资源的规则。
在本实施例中，多数据中心资源图库的资源采用RDF标记方式，每个资源采用三元组＜资源主体，资源属性，关联资源主体＞，其中资源属性包括类型、容量、使用情况、资源运行状、资源所属数据中心和资源所属数据中心类型，其中资源所属数据中心类型包括云端、边缘端和终端资源属性，其中边缘端数据中心设置有执行节点，用于执行用户计算请求；云端数据中心设置有监控节点，用于监控执行节点执行情况和附近节点执行情况；并且多数据中心资源采用TLGM带有标签有向图来表示多数据中心资源图库执行状态。
在使用调用全局调度器时，全局调度器采用TLGM方式收集全局资源使用情况，在调用边缘调度器时，边缘调度器采用TLGM方式收集边缘资源使用情况，边缘调度器和邻近的边缘调度器交换各自资源情况，各边缘资源作为互备资源。
用户在调用多数据中心资源时采用全局调度和区域调度相结合的方式，全局调度是由云端、边缘端和终端相结合的资源调度，资源将有向无环图任务调度到云端、边缘端和终端，随机询问网络中随意节点,选择负载较轻的节点执行；所述区域调度处理实时计算，实现边缘调度策略，对于实时计算请求，寻找最短完成时间的节点调度该任务。
本实施例中的资源异常事件主要包括有：资源故障状态；资源复制时产生的资源复制不一致状态；部分资源利用率过高，部分资源利用率过低的状态。
为了提高效率，在多数据中心资源的使用过程中，采用图计算切边法和切点法，将数据计算涉及的数据均匀地分配到不同数据中心的多级存储问题上，以便于多级数据中心计算处理需要。
第二步：运用专家知识，设计正态模型事件发生时的各类关联数据，联动资源状态数据模型及资源调度规则，其中资源状态数据模型为多数据中心资源图库数据状态的模型，包括类型、容量、使用情况、关联的任务情况、资源备份情况(该资源对应的其他备份资源)、实际资源备份使用情况、资源运行状态、资源所属数据中心和资源所属数据中心类型。
通过资源状态数据模型概率计算矩阵判断事件发生的潜在可能，定期或者不定期结合资源异常事件将全局或局部资源一致性及资源利用率检测转换为对多数据中心资源图数据库的查询分析请求，将分析请求结果资源状态数据模型，完善资源状态数据模型及调度规则，减少资源异常事件的产生，提高对多数据中心资源图库资源的利用效率。
其中对对多数据中心资源图数据库的查询分析请求采用图数据库分析方法，通过图数据库的原图重投、子图合并技术和高效平衡负载调度方法实现多数据中心协同数据的一致性、利用率查询；采用Mapreduce进行子图重构，由Map节点将集合中相邻的节点合并成不完全子图，Reduce节点将可以合并的不完全子图进行合并；给定一个查询图Q和图数据库D＝{Gi},在图数据库中找到包含或者近似包含Q的数据图Gi,并返回给用户，实现资源异常查找。
本发明提供的一种适应多数据中心协同运行的云边资源图智能调度方法，适应多数据中心资源协同运行场景，实现云端、边缘端多数据中心资源优化提升。
本实施例还提供了一种多数据中心资源优化提升系统，包括有网络接口、存储器和处理器，其中网络接口，用于在与其他外部网元之间进行收发信息过程中，实现信号的接收和发送；存储器，用于存储能够在所述处理器上运行的计算机程序指令；处理器，用于在运行所述计算机程序指令时，执行上述多数据中心资源优化提升方法的步骤。
本实施例还提供了一种计算机存储介质，该计算机存储介质存储有计算机程序，在处理器执行所述计算机程序时可实现以上所描述的方法。所述计算机可读介质可以被认为是有形的且非暂时性的。非暂时性有形计算机可读介质的非限制性示例包括非易失性存储器电路(例如闪存电路、可擦除可编程只读存储器电路或掩膜只读存储器电路)、易失性存储器电路(例如静态随机存取存储器电路或动态随机存取存储器电路)、磁存储介质(例如模拟或数字磁带或硬盘驱动器)和光存储介质(例如CD、DVD或蓝光光盘)等。计算机程序包括存储在至少一个非暂时性有形计算机可读介质上的处理器可执行指令。计算机程序还可以包括或依赖于存储的数据。计算机程序可以包括与专用计算机的硬件交互的基本输入/输出系统(BIOS)、与专用计算机的特定设备交互的设备驱动程序、一个或多个操作系统、用户应用程序、后台服务、后台应用程序等。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

Claims (13)

1.一种多数据中心资源优化提升方法，其特征在于，包括以下步骤：
S1：运用专家设定的资源调度规则，通过全局调度器和边缘调度器处理用户对云端以及边缘端数据中心资源的使用请求，满足用户对资源的使用，同时运用全局调度器和边缘调度器收集处理使用请求过程中产生的资源异常事件；
S2：运用专家知识设计正态模型事件发生时的各类关联数据，联动资源状态数据模型及资源调度规则，通过资源状态数据模型概率计算矩阵判断资源异常事件发生的潜在可能，定期或者不定期结合资源异常事件，将全局或局部资源一致性及资源利用率检测转换为对多数据中心资源图数据库的查询分析请求，将分析请求结果结合资源状态数据模型，完善资源状态数据模型和调度规则。
2.根据权利要求1所述的一种多数据中心资源优化提升方法，其特征在于：S1中所述专家设定的资源调度规则包括有：当用户申请资源时候，分配和回收资源的规则；当某一硬件资源出现故障时候，如何启用该硬件资源的备份资源的规则。
3.根据权利要求1所述的一种多数据中心资源优化提升方法，其特征在于：S1中所述全局调度器部署在多数据中心资源图库的云端，边缘调度器部署在多数据中心资源图库的边缘端，所述云端和边缘端数据中心资源采用RDF标记方式，每个资源采用三元组＜资源主体，资源属性，关联资源主体＞，其中资源属性包括类型、容量、使用情况、资源运行状、资源所属数据中心和资源所属数据中心类型；多数据中心资源采用TLGM带有标签有向图来表示多数据中心资源图库执行状态。
4.根据权利要求3所述的一种多数据中心资源优化提升方法，其特征在于：所述资源所属数据中心类型包括云端、边缘端和终端资源属性，其中边缘端数据中心设置有执行节点，用于执行用户计算请求；云端数据中心设置有监控节点，用于监控执行节点执行情况和附近节点执行情况。
5.根据权利要求1所述的一种多数据中心资源优化提升方法，其特征在于：S1中所述全局调度器采用TLGM方式收集全局资源使用情况，边缘调度器采用TLGM方式收集边缘资源使用情况，边缘调度器和邻近的边缘调度器交换各自资源情况，各边缘资源作为互备资源。
6.根据权利要求1所述的一种多数据中心资源优化提升方法，其特征在于：S1中所述通过全局调度器和边缘调度器处理用户资源使用请求，可以根据用户需求，将资源使用请求分为实时计算资源任务以及容忍度任务情况，将用户资源请求根据计算步骤构建为有向无环图，根据计算资源申请情况以及计算任务性质，将所需资源分为云端、边缘端、终端本地处理类型。
7.根据权利要求1所述的一种多数据中心资源优化提升方法，其特征在于：S1中所述用户对资源的使用采用全局调度和区域调度相结合的方式，全局调度是由云端、边缘端和终端相结合的资源调度，资源将有向无环图任务调度到云端、边缘端和终端，随机询问网络中随意节点,选择负载较轻的节点执行；所述区域调度处理实时计算，实现边缘调度策略，对于实时计算请求，寻找最短完成时间的节点调度该任务。
8.根据权利要求1所述的一种多数据中心资源优化提升方法，其特征在于：S1中所述资源异常事件主要包括有：资源故障状态；资源复制时产生的资源复制不一致状态；部分资源利用率过高，部分资源利用率过低的状态。
9.根据权利要求1所述的一种多数据中心资源优化提升方法，其特征在于：S1中采用图计算切边法和切点法，将数据计算涉及的数据均匀地分配到不同数据中心的多级存储问题上，以便于多级数据中心计算处理需要。
10.根据权利要求1所述的一种多数据中心资源优化提升方法，其特征在于：S2中所述资源状态数据模型为多数据中心资源图库数据状态的模型，包括类型、容量、使用情况、关联的任务情况、资源备份情况(该资源对应的其他备份资源)、实际资源备份使用情况、资源运行状态、资源所属数据中心和资源所属数据中心类型。
11.根据权利要求1所述的一种多数据中心资源优化提升方法，其特征在于：S2中对资源图数据库的查询分析请求采用图数据库分析方法，通过图数据库的原图重投、子图合并技术和高效平衡负载调度方法实现多数据中心协同数据的一致性、利用率查询；采用Mapreduce进行子图重构，由Map节点将集合中相邻的节点合并成不完全子图，Reduce节点将可以合并的不完全子图进行合并；给定一个查询图Q和图数据库D＝{Gi},在图数据库中找到包含或者近似包含Q的数据图Gi,并返回给用户，实现资源异常查找。
12.一种多数据中心资源优化提升系统，其特征在于：所述系统包括网络接口、存储器和处理器，其中：
所述网络接口，用于在与其他外部网元之间进行收发信息过程中，实现信号的接收和发送；
所述存储器，用于存储能够在所述处理器上运行的计算机程序指令；
所述处理器，用于在运行所述计算机程序指令时，执行权利要求1-11中任一项所述的一种多数据中心资源优化提升方法的步骤。
13.一种计算机存储介质，其特征在于：所述计算机存储介质存储有一种多数据中心资源优化提升方法的程序，所述一种多数据中心资源优化提升方法的程序被至少一个处理器执行时实现权利要求1～11中任一项所述的一种多数据中心资源优化提升方法的步骤。
CN202011318622.0A 2020-11-23 2020-11-23 一种多数据中心资源优化提升方法、系统和存储介质 Active CN112637263B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011318622.0A CN112637263B (zh) 2020-11-23 2020-11-23 一种多数据中心资源优化提升方法、系统和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011318622.0A CN112637263B (zh) 2020-11-23 2020-11-23 一种多数据中心资源优化提升方法、系统和存储介质

Publications (2)

Publication Number Publication Date
CN112637263A true CN112637263A (zh) 2021-04-09
CN112637263B CN112637263B (zh) 2022-11-11

Family

ID=75304121

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011318622.0A Active CN112637263B (zh) 2020-11-23 2020-11-23 一种多数据中心资源优化提升方法、系统和存储介质

Country Status (1)

Country Link
CN (1) CN112637263B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113037877A (zh) * 2021-05-26 2021-06-25 深圳大学 云边端架构下时空数据及资源调度的优化方法
CN114500555A (zh) * 2022-02-17 2022-05-13 南京南瑞信息通信科技有限公司 一种基于边缘计算和云计算的移动微应用数据处理方法及系统
CN117931093A (zh) * 2024-03-20 2024-04-26 深圳鸿芯微纳技术有限公司 全局i/o分配方法、装置及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130055091A1 (en) * 2011-08-23 2013-02-28 Cisco Technology, Inc. Graph-Based Virtual Data Center Requests
CN102999563A (zh) * 2012-11-01 2013-03-27 无锡成电科大科技发展有限公司 基于资源描述框架的网络资源语义检索方法及系统
CN110069276A (zh) * 2019-03-20 2019-07-30 浙江工业大学 一种面向开放动态互联网环境的微服务需求驱动方法
CN110704630A (zh) * 2019-04-15 2020-01-17 中国石油大学(华东) 一种标识化关联图谱自优化机制
CN111126895A (zh) * 2019-11-18 2020-05-08 青岛海信网络科技股份有限公司 一种复杂场景下调度智能分析算法的管理仓库及调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130055091A1 (en) * 2011-08-23 2013-02-28 Cisco Technology, Inc. Graph-Based Virtual Data Center Requests
CN102999563A (zh) * 2012-11-01 2013-03-27 无锡成电科大科技发展有限公司 基于资源描述框架的网络资源语义检索方法及系统
CN110069276A (zh) * 2019-03-20 2019-07-30 浙江工业大学 一种面向开放动态互联网环境的微服务需求驱动方法
CN110704630A (zh) * 2019-04-15 2020-01-17 中国石油大学(华东) 一种标识化关联图谱自优化机制
CN111126895A (zh) * 2019-11-18 2020-05-08 青岛海信网络科技股份有限公司 一种复杂场景下调度智能分析算法的管理仓库及调度方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113037877A (zh) * 2021-05-26 2021-06-25 深圳大学 云边端架构下时空数据及资源调度的优化方法
CN114500555A (zh) * 2022-02-17 2022-05-13 南京南瑞信息通信科技有限公司 一种基于边缘计算和云计算的移动微应用数据处理方法及系统
CN114500555B (zh) * 2022-02-17 2024-05-28 南京南瑞信息通信科技有限公司 一种基于边缘计算和云计算的移动微应用数据处理方法及系统
CN117931093A (zh) * 2024-03-20 2024-04-26 深圳鸿芯微纳技术有限公司 全局i/o分配方法、装置及电子设备
CN117931093B (zh) * 2024-03-20 2024-05-24 深圳鸿芯微纳技术有限公司 全局i/o分配方法、装置及电子设备

Also Published As

Publication number Publication date
CN112637263B (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
CN112637263B (zh) 一种多数据中心资源优化提升方法、系统和存储介质
US11474874B2 (en) Systems and methods for auto-scaling a big data system
US9336288B2 (en) Workflow controller compatibility
CN111061788B (zh) 一种基于云架构的多源异构数据转换整合系统及其实现方法
US20120159236A1 (en) Holistic task scheduling for distributed computing
CN107545015B (zh) 一种查询故障的处理方法及处理装置
CN109063005B (zh) 一种数据迁移方法及系统、存储介质、电子设备
JP2014525640A (ja) 並列処理開発環境の拡張
CN112367354B (zh) 一种云边资源图智能调度系统及其调度方法
CN106339252B (zh) 分布式dag系统的自适应优化方法和装置
CN109885642B (zh) 面向全文检索的分级存储方法及装置
CN116302574B (zh) 一种基于MapReduce的并发处理方法
Al-Khasawneh et al. MapReduce a comprehensive review
CN110134646B (zh) 知识平台服务数据存储与集成方法及系统
CN105260244A (zh) 一种分布式系统任务调度的方法和装置
CN114297002A (zh) 一种基于对象存储的海量数据备份方法及系统
Zhao et al. MapReduce model-based optimization of range queries
CN113626207B (zh) 地图数据处理方法、装置、设备及存储介质
CN112380218B (zh) 一种基于etl进行数据仓库各层数据表汇总的自动触发方法
JP6138701B2 (ja) 分散計算方法及び分散計算システム
Yasmin et al. A constraint programming-based resource allocation and scheduling of map reduce jobs with service level agreement
CN112100495B (zh) 一种基于分布式的一站式采集方法及采集系统
CN114020782B (zh) 一种基于Spark SQL的聚合计算优化方法
Höger Fault tolerance in parallel data processing systems
Vasyaycheva To the quiestion of the corporate governance improvement

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