CN112925692B - 一种多终端自主协同监测装置及其系统 - Google Patents
一种多终端自主协同监测装置及其系统 Download PDFInfo
- Publication number
- CN112925692B CN112925692B CN202110205784.1A CN202110205784A CN112925692B CN 112925692 B CN112925692 B CN 112925692B CN 202110205784 A CN202110205784 A CN 202110205784A CN 112925692 B CN112925692 B CN 112925692B
- Authority
- CN
- China
- Prior art keywords
- task
- module
- node
- monitoring
- end node
- 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
Links
- 238000012806 monitoring device Methods 0.000 title claims abstract description 15
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 24
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 18
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims description 60
- 238000011156 evaluation Methods 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000000977 initiatory effect Effects 0.000 claims description 2
- 238000005265 energy consumption Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 5
- 230000004044 response Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000005059 dormancy Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
- G06F11/3062—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations where the monitored property is the power consumption
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/75—Information technology; Communication
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/30—Control
- G16Y40/35—Management of things, i.e. controlling in accordance with a policy or in order to achieve specified objectives
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/502—Proximity
-
- 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
Abstract
本发明公开了一种多终端自主协同监测装置及其系统,首先通过所述云平台下发任务,边缘节点决定是否接收该任务;若拒绝该任务则直接发送任务响应,若接收该任务,则判断该任务是否需要分解,无需分解就直接通过所述WiFi网络模块传至相应第一端节点的所述子任务执行模块完成任务执行,否则通过所述任务分解模块将复杂的任务分解为简单子任务;将分解后的子任务传至所述任务调度模块,端节点根据所述子任务执行模块完成任务,所述任务合成模块对各子任务执行结果进行合并处理,得到任务最终执行结果,采用多终端自主协同技术使多个端节点协作完成任务,可解决单一节点资源/能力受限问题,降低节点能耗,提升端处理能力。
Description
技术领域
本发明涉及自主协同技术领域,尤其涉及一种多终端自主协同监测装置及其系统。
背景技术
随着数字通信技术的飞速发展,物联网智能终端的种类、数目都呈现爆发式增长,但是单一终端在功能、接入能力、资源等方面存在限制。为突破该限制,多个终端之间可以通过协同作业,将部分计算/存储任务从物联网平台迁移至物联网终端,充分利用终端自身感知能力以及周围的网络资源,建立协同态势感知与态势共享机制,提供更大范围的智能服务体验,提升终端端处理能力,缓解云平台的计算存储压力,同时降低终端能耗,延长智能终端使用寿命。
发明内容
本发明的目的在于提供一种多终端自主协同监测装置及其系统,解决目前终端能耗高,终端使用寿命短的问题。
为实现上述目的,第一方面,本发明提供了一种多终端自主协同监测装置,所述多终端自主协同监测装置包括云平台、边缘节点和端节点,所述云平台、所述边缘节点和所述端节点依次连接;
所述云平台,根据用户需求生成相应任务,包含监测对象、监测对象告警范围以及最高功耗等,同时可根据协同资源池状态确定各类监测对象参与监测的边缘节点的数目、边缘节点管辖区域的监测频率、边缘节点管辖区域的监测密度、边缘节点管辖区域的整体功耗。
所述边缘节点,执行云平台下发的任务,确定各自区域内各类监测对象的参与监测的端节点的数目、端节点的监测频率、端节点的功耗;
所述端节点,按照边缘节点的控制指令,管理自身的运行状态(监测、休眠)、自身的监测类型和监测频率。
第二方面,本发明提供一种多终端自主协同监测系统,所述一种多终端自主协同监测系统包括多终端自主协同监测装置、任务评估模块、任务分解模块、协同资源池模块、任务调度模块、子任务执行模块、任务合成模块、通信接口、NB-IoT模块和WiFi网络模块;
所述任务评估模块,任务节点对任务进行可接受性与分解数量的评估,将输入的任务包转换为输出的任务评估结果,若拒绝该任务,则发起任务重调度请求,若接收该任务,则将结果传入所述任务分解模块;
所述任务分解模块,根据任务评估结果,将复杂任务包分解为多个简单子任务包,并将结果传入所述任务调度模块;
所述协同资源池模块,将任务节点的邻居节点资源进行汇聚,并通过预设的排序规则对邻居节点资源的可用性进行排序;
所述任务调度模块,根据所述协同资源池模块中资源状态以及资源-任务匹配规则,完成子任务包和邻居节点的资源匹配,并将结果传入相应节点的所述子任务执行模块;
所述子任务执行模块,按照给定的子任务执行规则,将输入的子任务包转换为输出的子任务执行结果,并将结果传入所述任务合成模块;
所述任务合成模块,将多个子任务执行结果按照既定的合成规则合并为一个任务执行结果。
所述WiFi网络模块与所述边缘节点与端节点、所述端节点与端节点之间连接,所述NB-IoT模块与所述云平台和边缘节点连接,所述通信接口与所述子任务执行模块连接;
所述WiFi网络模块,用于为所述边缘节点与端节点、端节点与端节点之间提供数据传输;
所述NB-IoT模块,用于为所述云平台与边缘节点之间提供数据传输;
所述通信接口,用于所述端节点采集传感器数据,执行监测子任务。
本发明的一种多终端自主协同监测装置及其系统,所述多终端自主协同监测系统包括多终端自主协同监测装置、通信接口、NB-IoT模块和WiFi网络模块,所述多终端自主协同监测装置包括云平台、边缘节点和端节点。首先通过所述云平台下发任务,通过所述NB-IoT模块进行数据传输,边缘节点根据所述任务评估模块对接收到的任务信息进行评估,决定是否接收该任务;若拒绝该任务则直接发送任务响应,若接收该任务,则判断该任务是否需要分解,无需分解就直接通过所述WiFi网络模块传至相应端节点的所述子任务执行模块完成任务执行,否则通过所述任务分解模块将复杂的任务分解为简单子任务;将分解后的子任务传至所述任务调度模块,根据所述协同资源池中资源状态将任务分配给相应端节点,端节点中所述子任务执行模块调用所述通信接口收集传感器数据完成任务,并将执行结果传至所述任务合成模块,对各子任务执行结果进行合并处理,得到任务最终执行结果。采用多终端自主协同技术使多个端节点协作完成任务,可解决单一节点资源/能力受限问题,降低节点能耗,提升端处理能力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的多终端自主协同监测装置的结构示意图。
图2是本发明提供的多终端自主协同监测系统的结构示意图。
图3是本发明提供的任务评估模块的工作流程图。
图4是本发明提供的任务分解模块的工作流程图。
图5是本发明提供的协同资源池模块的工作流程图。
图6是本发明提供的任务调度模块的工作流程图。
图7是本发明提供的子任务执行模块的工作流程图。
图8是本发明提供的任务合成模块的工作流程图。
图中:1-云平台、2-边缘节点、3-第一端节点、4-任务评估模块、5-任务分解模块、6-协同资源池模块、7-任务调度模块、8-子任务执行模块、9-任务合成模块、10-WiFi网络模块、11-NB-IoT模块、12-通信接口、13-第二端节点、100-多终端自主协同监测系统。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
请参阅图1,本发明提供一种多终端自主协同监测装置,所述多终端自主协同监测装置包括云平台1、边缘节点2、第一端节点3,所述云平台1、所述边缘节点2、所述第一端节点3依次连接;
所述云平台1,根据用户需求生成相应任务,包含监测对象、监测对象告警范围以及最高功耗等,同时确定各类监测对象参与监测的边缘节点的数目、边缘节点管辖区域的监测频率、边缘节点管辖区域的监测密度、边缘节点管辖区域的整体功耗。
所述边缘节点2,执行云平台下发的任务,确定各自区域内各类监测对象的参与监测的端节点的数目、端节点的监测频率、端节点的功耗;
所述第一端节点3,按照边缘节点的控制指令,管理自身的运行状态(监测、休眠)、自身的监测类型和监测频率。
进一步的,请参阅图1至图8,一种多终端自主协同监测系统100,包括所述多终端自主协同监测装置、所述任务评估模块4、所述任务分解模块5、所述协同资源池模块6、所述任务调度模块7、所述子任务执行模块8、所述任务合成模块9、所述WiFi网络模块10、所述NB-IoT模块11和所述通信接口12;
所述任务评估模块4,任务节点对任务进行可接受性与分解数量的评估,将输入的任务包转换为输出的任务评估结果,若拒绝该任务,则发起任务重调度请求,若接收该任务,则将结果传入所述任务分解模块5;
所述任务分解模块5,根据任务评估结果,将复杂任务包分解为多个简单子任务包,并将结果传入所述任务调度模块;
所述协同资源池模块6,将任务节点的邻居节点资源进行汇聚,并通过预设的排序规则对邻居节点资源的可用性进行排序;
所述任务调度模块7,根据所述协同资源池模块中资源状态以及资源-任务匹配规则,完成子任务包和邻居节点的资源匹配,并将结果传入相应节点的所述子任务执行模块;
所述子任务执行模块8,按照给定的子任务执行规则,将输入的子任务包转换为输出的子任务执行结果,并将结果传入所述任务合成模块9;
所述任务合成模块9,将多个子任务执行结果按照既定的合成规则合并为一个任务执行结果。
所述WiFi网络模块10与所述边缘节点2与第一端节点3、所述第一端节点3与第二端节点13之间连接,所述NB-IoT模块11与所述云平台1和边缘节点2连接,所述通信接口12与所述子任务执行模块8连接;
所述WiFi网络模块10,用于为所述边缘节点2与所述第一端节点3、第二端节点13、所述第一端节点3与所述第二端节点13之间提供数据传输;
所述NB-IoT模块11,用于为所述云平台1与边缘节点2之间提供数据传输;
所述通信接口12,用于所述第一端节点3、所述第二端节点13采集传感器数据,执行监测子任务。
在本实施方式中,首先通过所述云平台1下发任务,包含监测对象、监测对象告警范围以及最高功耗等,根据所述任务分解模块5将复杂任务包分解为多个子任务包,确定各类监测对象参与监测的边缘节点的数目、边缘节点管辖区域的监测频率、边缘节点管辖区域的监测密度、边缘节点管辖区域的整体功耗;下级节点将自身信息、资源、能力进行抽象,并汇聚到云平台形成所述协同资源池6,所述任务调度模块7根据所述协同资源池6中资源状态,依据已有资源-任务匹配规则,通过所述NB-IoT模块11将子任务包分配给相应所述边缘节点2。其中所述云平台1是基于Web方式开发,可实现资源注册、资源查看、资源管理等功能。
接着,所述边缘节点2调用所述任务评估模块4对接收到的任务信息进行评估,按照预设的评估规则,对任务包进行可接受性与分解数量的评估,其输入为任务包,主要包括任务类型、任务编号、输入数据包和任务的执行规则,输出为任务评估结果,主要包括任务编号、任务的可接受性和任务的分解数量。其中任务的输入数据包和执行规则代表了任务的计算量,用于评估任务的可接受性,若接收任务,可接受性为1。否则为0,代表拒绝该项任务,并向邻居节点的任务调度模块发送重调度请求。
若接收该任务,则将任务评估结果传入所述任务分解模块5,依据任务评估结果将任务包分解为多个子任务包,确定各自区域内各类监测对象的参与监测的端节点的数目、端节点的监测频率、端节点的功耗,并将分解结果传入所述任务调度模块7;所述任务调度模块7需根据所述协同资源池模块6中资源状态进行子任务包和所述第一端节点3的资源匹配,其中所述协同资源池模块6是将多个端节点的资源向量汇聚成资源矩阵,并通过预设的排序规则,对资源的可用性进行排序。
其中所述边缘节点2采用野火i.MX6ULLARM Linux开发板,基于Linux操作系统进行开发,性能强大,可对多个所述第一端节点3进行网络维护和资源管理,实现信息融合、协同控制等功能,同时接入所述NB-IoT模块11可实现快速上云,接入所述WiFi网络模块10实现与多个所述第一端节点3的通信与数据传输。
接着,所述边缘节点2将任务调度结果通过所述WiFi网络模块10传至相应的所述第一端节点3,所述子任务执行模块8接收子任务包执行监测任务,管理自身的运行状态(监测、休眠)、自身的监测类型和监测频率,并将任务执行结果通过所述WiFi网络模块10传至所述边缘节点2中的所述任务合成模块9,得到最终的任务执行结果。
其中所述第一端节点3采用芯来科技公司的一款基于GD32VF103 MCU的RISC-V评估开发板进行环境信息监测,型号为GD32VF103VBT6。该开发板提供了板载调试器、Reset和Wakeup用户按键、RGB LED、USB OTG,以及EXMC和PMOD扩展接口等资源,并基于HuaweiLiteOS操作系统进行开发,具备轻量级、低功耗等特点。
同时所述第一端节点3通过所述WiFi网络模块10实现所述第一端节点3与所述边缘节点2、所述第一端节点3与其他端节点之间的通信与数据传输。结果表明,采用多终端自主协同技术使多个端节点协作完成任务,可解决单一节点资源/能力受限问题,降低节点能耗,提升端处理能力。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明权利要求所作的等同变化,仍属于发明所涵盖的范围。
Claims (5)
1.一种多终端自主协同监测装置,其特征在于,
所述多终端自主协同监测装置包括云平台、边缘节点、第一端节点三种节点类型,所述云平台与所述边缘节点连接,所述第一端节点与所述边缘节点连接;
所述云平台,用于根据用户需求生成相应任务,包含监测对象、监测对象告警范围以及最高功耗,同时确定各类监测对象参与监测的边缘节点的数目、边缘节点管辖区域的监测频率、边缘节点管辖区域的监测密度、边缘节点管辖区域的整体功耗;
所述边缘节点,用于执行云平台下发的任务,确定各自区域内各类监测对象的参与监测的端节点的数目、端节点的监测频率、端节点的功耗;
所述第一端节点,用于按照边缘节点的控制指令,管理自身的运行状态、自身的监测类型和监测频率。
2.如权利要求1所述的多终端自主协同监测装置,其特征在于,
所述第一端节点,还可用于对自身的运行状态进行监测和休眠。
3.一种多终端自主协同监测系统,包含如权利要求1和2所述的多终端自主协同监测装置,其特征在于,
所述多终端自主协同监测系统包含任务评估模块、任务分解模块、协同资源池模块、任务调度模块、子任务执行模块和任务合成模块,所述任务评估模块与所述任务分解模块连接,并与所述子任务执行模块连接,所述任务分解模块与所述任务调度模块连接,所述任务调度模块与所述协同资源池模块连接,并与所述子任务执行模块连接,且与所述任务合成模块连接;
所述任务评估模块,任务节点对任务进行可接受性与分解数量的评估,将输入的任务包转换为输出的任务评估结果,若拒绝该任务,则发起任务重调度请求,若接收该任务,则将结果传入所述任务分解模块;
所述任务分解模块,根据任务评估结果,将复杂任务包分解为多个简单子任务包,并将结果传入所述任务调度模块;
所述协同资源池模块,将任务节点的邻居节点资源进行汇聚,并通过预设的排序规则对邻居节点资源的可用性进行排序;
所述任务调度模块,根据所述协同资源池模块中资源状态以及资源-任务匹配规则,完成子任务包和邻居节点的资源匹配,并将结果传入相应节点的所述子任务执行模块;
所述子任务执行模块,按照给定的子任务执行规则,将输入的子任务包转换为输出的子任务执行结果,并将结果传入所述任务合成模块;
所述任务合成模块,将多个子任务执行结果按照既定的合成规则合并为一个任务执行结果。
4.如权利要求3所述的多终端自主协同监测系统,其特征在于,
所述多终端自主协同监测系统还包括多个通信接口,多个所述通信接口与所述子任务执行模块连接;
所述通信接口,用于端节点采集传感器数据,执行监测子任务。
5.如权利要求4所述的多终端自主协同监测系统,其特征在于,
所述多终端自主协同监测系统还包括NB-IoT模块和WiFi网络模块,所述NB-IoT模块与所述云平台和边缘节点连接,所述WiFi网络模块与所述边缘节点与所述第一端节点、第二端节点、所述第一端节点与所述第二端节点之间连接;
所述NB-IoT模块,用于为所述云平台与所述边缘节点之间提供数据传输;
所述WiFi网络模块,用于为所述边缘节点与所述第一端节点、所述第二端节点、所述第一端节点与所述第二端节点之间提供数据传输。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110205784.1A CN112925692B (zh) | 2021-02-24 | 2021-02-24 | 一种多终端自主协同监测装置及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110205784.1A CN112925692B (zh) | 2021-02-24 | 2021-02-24 | 一种多终端自主协同监测装置及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112925692A CN112925692A (zh) | 2021-06-08 |
CN112925692B true CN112925692B (zh) | 2024-01-30 |
Family
ID=76170674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110205784.1A Active CN112925692B (zh) | 2021-02-24 | 2021-02-24 | 一种多终端自主协同监测装置及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112925692B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115841239A (zh) * | 2023-02-22 | 2023-03-24 | 易通远见(北京)科技有限公司 | 一种基于云计算和大数据的数据处理方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106844051A (zh) * | 2017-01-19 | 2017-06-13 | 河海大学 | 一种边缘计算环境中功耗优化的负载任务迁移算法 |
CN108737560A (zh) * | 2018-05-31 | 2018-11-02 | 南京邮电大学 | 云计算任务智能调度方法及系统、可读存储介质、终端 |
CN110933176A (zh) * | 2019-12-05 | 2020-03-27 | 国家电网有限公司 | 一种电力物联网管理及服务平台 |
CN111932027A (zh) * | 2020-08-28 | 2020-11-13 | 电子科技大学 | 一种融合边缘设施的云服务综合调度优化系统及方法 |
CN111964718A (zh) * | 2020-08-11 | 2020-11-20 | 重庆大学 | 一种多源信息融合环境监测装置及其系统 |
CN212572702U (zh) * | 2020-07-27 | 2021-02-19 | 浙江广播电视集团 | 一种基于边缘计算采集、处理、显示与安全控制装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10833951B2 (en) * | 2018-11-06 | 2020-11-10 | Telefonaktiebolaget Lm Ericsson (Publ) | System and method for providing intelligent diagnostic support for cloud-based infrastructure |
-
2021
- 2021-02-24 CN CN202110205784.1A patent/CN112925692B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106844051A (zh) * | 2017-01-19 | 2017-06-13 | 河海大学 | 一种边缘计算环境中功耗优化的负载任务迁移算法 |
CN108737560A (zh) * | 2018-05-31 | 2018-11-02 | 南京邮电大学 | 云计算任务智能调度方法及系统、可读存储介质、终端 |
CN110933176A (zh) * | 2019-12-05 | 2020-03-27 | 国家电网有限公司 | 一种电力物联网管理及服务平台 |
CN212572702U (zh) * | 2020-07-27 | 2021-02-19 | 浙江广播电视集团 | 一种基于边缘计算采集、处理、显示与安全控制装置 |
CN111964718A (zh) * | 2020-08-11 | 2020-11-20 | 重庆大学 | 一种多源信息融合环境监测装置及其系统 |
CN111932027A (zh) * | 2020-08-28 | 2020-11-13 | 电子科技大学 | 一种融合边缘设施的云服务综合调度优化系统及方法 |
Non-Patent Citations (2)
Title |
---|
A Platform Base on RPECCF: Raspberry Pi Edge-Cloud Collaboration Framework;Xunzheng Zhang et al.;《2020 IEEE 31st Annual International Symposium on Personal, Indoor and Mobile Radio Communications》;1-5 * |
边云协同助力环境探测服务的智能化演进;钟远晖;马涛;;广东通信技术(12);53-55 * |
Also Published As
Publication number | Publication date |
---|---|
CN112925692A (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shakarami et al. | A review on the computation offloading approaches in mobile edge computing: A g ame‐theoretic perspective | |
Xiao et al. | EdgeABC: An architecture for task offloading and resource allocation in the Internet of Things | |
Xu et al. | RJCC: Reinforcement-learning-based joint communicational-and-computational resource allocation mechanism for smart city IoT | |
Wu et al. | Analysis of the energy-response time tradeoff for mobile cloud offloading using combined metrics | |
CN112925692B (zh) | 一种多终端自主协同监测装置及其系统 | |
Perin et al. | Towards sustainable edge computing through renewable energy resources and online, distributed and predictive scheduling | |
Chen et al. | Distributed orchestration of service function chains for edge intelligence in the industrial internet of things | |
Chen et al. | RESERVE: An energy-efficient edge cloud architecture for intelligent multi-UAV | |
Jin et al. | Edge-based collaborative training system for artificial intelligence-of-things | |
Liu et al. | Service Scheduling Based on Edge Computing for Power Distribution IoT. | |
Hao et al. | Evaluation of nine heuristic algorithms with data‐intensive jobs and computing‐intensive jobs in a dynamic environment | |
CN111242643B (zh) | 一种微型环形零件制造服务信息实时更新系统 | |
CN112948088A (zh) | 一种云计算平台中的云工作流智能管理与调度系统 | |
Duan et al. | Applying distributed constraint optimization approach to the user association problem in heterogeneous networks | |
CN114035919A (zh) | 基于配电网分层分布特征的任务调度系统及方法 | |
CN114546647A (zh) | 调度方法和调度装置 | |
Du et al. | Scheduling algorithm with respect to resource intermittence in mobile grid | |
Hou et al. | A distributed deployment algorithm of process fragments with uncertain traffic matrix | |
Lee et al. | A dynamic supervising model based on grid environment | |
Huang et al. | MaGate Simulator: a simulation environment for a decentralized grid scheduler | |
Zhong et al. | Reward maximization strategy in virtualized wireless sensor networks | |
ZHOU | Study on the Resource Allocation Optimization in Cloud Computing Based on the Hybrid Optimization Algorithm | |
Zhao¹ et al. | Check for updates Edge Computing-Based Multitasking Strategies in Smart Grids | |
Yang et al. | Design of Internet of Things Information Interactive Perception System Based on 5G Mobile Communication Technology in a Hospital Network | |
Yuan | Energy and performance-optimized scheduling of tasks in distributed cloud and edge computing systems |
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 |