CN113032132A - 一种基于云边端架构的时空数据可视化任务执行方法 - Google Patents
一种基于云边端架构的时空数据可视化任务执行方法 Download PDFInfo
- Publication number
- CN113032132A CN113032132A CN202110597688.6A CN202110597688A CN113032132A CN 113032132 A CN113032132 A CN 113032132A CN 202110597688 A CN202110597688 A CN 202110597688A CN 113032132 A CN113032132 A CN 113032132A
- Authority
- CN
- China
- Prior art keywords
- task
- scheduling
- cloud
- edge
- resources
- 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.)
- Pending
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
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于云边端架构的时空数据可视化任务执行方法,该方法包括获取时空数据可视化任务并进行任务分层,得到若干个可视化子任务;针对每一个可视化子任务,根据该可视化子任务对应的调度资源,确定该可视化子任务对应的若干个调度任务,其中,调度资源存储于云边端;然后对调度任务进行细粒度分解和组合,得到若干个任务集合并确定与各个任务集合和对应的资源信息并建立与时空数据可视化任务对应的调度流程。本发明将一个时空数据可视化任务划分为不同层次的可视化子任务,并有效根据其对应的调度资源,生成云边端架构下的调度流程,以调整时空数据可视化任务的执行流程,提高可视化任务的执行效率。
Description
技术领域
本发明涉及时空数据可视化领域,尤其涉及一种基于云边端架构的时空数据可视化任务执行方法。
背景技术
随着互联网和终端设备的普及,通过定位等方式可采集大量的时空数据。基于时空数据可进行精确的时空推荐和预测服务。例如乘车时根据用户的时空变化推荐合适的交通线路。然而随着时间的推移,时空数据越来越多,因此对多模态时空数据多样化的处理提出了更高的需求,高并发且高实时是目前时空数据最为常见的需求。
现今为实现多模态时空数据多样化的处理的高并发且高实时,云计算-边缘计算-多终端应用,即云边端,混合架构进行计算处理已成为发展的必然所趋,该架构通过在靠近用户终端的边缘设备进行计算加速,可以有效减少网络延迟、提供更快的响应,但也极大增加了资源调度的复杂性和不稳定性。多模态时空数据多样化高并发可视化应用需要依赖高效率数据组织与管理解决多模态数据的输入/输出(Input/Output,I/O)问题、高性能数据计算服务进行模型分析以及高交互性人机交互环境满足应用可视化与交互分析的需求。多模态时空数据可视化包含了一系列数据操作、模型计算以及交互探索任务,场景数据操作任务需要高效率数据组织与管理,时空关联分析与过程模拟等模型演算任务需要依赖有效的分析模型和高性能计算,地理知识归纳与检验等可视化探索任务需要高交互性人机交互环境。但是,现有的时空数据可视化任务模型主要以数据为中心,难以满足时空数据可视化任务多样化且高并发的需求,因此,面向多模态时空数据多样化可视化应用的自适应可视化,发展协同存储、计算以及绘制资源的多层次时空数据可视化任务模型将十分必要。
发明内容
本发明的主要目的在于提供一种基于云边端架构的时空数据可视化任务执行方法,旨在解决现有技术中时空数据可视化的处理效率低的问题。
为实现上述目的,本发明提供一种基于云边端架构的时空数据可视化任务执行方法,所述基于云边端架构的时空数据可视化任务执行方法包括如下步骤:
获取时空数据可视化任务;
将所述时空数据可视化任务进行任务分层,得到若干个可视化子任务;
针对每一个所述可视化子任务,根据该可视化子任务对应的调度资源,确定该可视化子任务对应的若干个调度任务,其中,所述调度资源存储于云边端;
根据预设的时空数据之间的时空语义关联关系,对所述调度任务进行细粒度分解和组合,得到若干个任务集合;
根据预设的资源映射关系,确定与各个所述任务集合和对应的资源信息;
基于所述资源信息,建立与所述时空数据可视化任务对应的调度流程。
可选地,所述的基于云边端架构的时空数据可视化任务执行方法,其中,所述可视化子任务包括展示性可视化任务、分析性可视化任务以及探索性可视化任务。
可选地,所述的基于云边端架构的时空数据可视化任务执行方法,其中,所述调度任务包括数据调度任务、计算分析任务、交互计算任务以及绘制任务。
可选地,所述的基于云边端架构的时空数据可视化任务执行方法,其中,针对每一个所述任务集合,所述调度任务包括若干个调度子任务;所述根据预设的时空数据之间的时空语义关联关系,对所述调度任务进行细粒度分解和组合,得到若干个任务集合,具体包括:
针对每一个所述调度任务,根据预设的时空数据之间的时空语义关联关系,对该调度任务进行细粒度分解,得到若干个调度子任务;
根据所述调度子任务之间的信息交互,将所述调度子任务进行分组,得到若干个任务集合。
可选地,所述的基于云边端架构的时空数据可视化任务执行方法,其中,所述根据预设的资源映射关系,确定与各个所述任务集合和对应的资源信息,具体包括:
所述资源信息包括所述任务集合对应的若干个资源数据
针对每一个所述任务集合中的调度子任务,根据所述资源映射关系,确定该调度子任务对应的资源数据。
可选地,所述的基于云边端架构的时空数据可视化任务执行方法,其中,根据资源性质,所述资源信息包括存储资源、计算资源和绘制资源。
可选地,所述的基于云边端架构的时空数据可视化任务执行方法,其中,根据分布性质,所述资源信息包括云中心资源、边缘服务器资源以及用户终端资源。
可选地,所述的基于云边端架构的时空数据可视化任务执行方法,其中,用户终端包括高性能终端、中性能终端和低性能终端
当所述用户终端为所述高性能终端时,所述用户终端资源包括所述计算资源、所述存储资源和所述绘制资源;
当所述用户终端为所述中性能终端时,所述用户终端资源包括所述绘制资源。
此外,为实现上述目的,本发明还提供一种智能终端,其中,所述智能终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于云边端架构的时空数据可视化任务执行方法程序,所述基于云边端架构的时空数据可视化任务执行方法程序被所述处理器执行时实现如上所述的基于云边端架构的时空数据可视化任务执行方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,其中,所述计算机可读存储介质存储有基于云边端架构的时空数据可视化任务执行方法程序,所述基于云边端架构的时空数据可视化任务执行方法程序被处理器执行时实现如上所述的基于云边端架构的时空数据可视化任务执行方法的步骤。
本发明先将时空数据可视化任务分为多个不同的可视化子任务,然后确定每一个可视化子任务对应的调度任务。而调度任务依然是颗粒较大的任务,因此将调度任务进一步的进行细粒度分解以及组合,将调用相同或相近资源的资源数据的整合在一起,从而得到若干个任务集合。得到任务集合后,根据预设的资源映射关系确定每一个任务结合对应的资源信息。最后基于调度任务之间的关系以及资源信息,建立与时空数据可视化任务对应的调度流程。本发明将一个时空数据可视化任务分为了多个小任务,并基于每一个小任务的资源将其分配到为不同终端的任务,从而确定一个从云中心到边缘服务器,再从边缘服务器到用户终端的一个完整的调度流程,通过根据时空数据可视化任务的不同,将任务进行更有效的分隔,从而可实现快速且灵活的时空数据可视化任务所对应资源的调配,提高可视化的效率。
附图说明
图1是本发明基于云边端架构的时空数据可视化任务执行方法提供的较佳实施例的流程图;
图2是本发明基于云边端架构的时空数据可视化任务执行方法提供的较佳实施例的系统架构图;
图3是本发明基于云边端架构的时空数据可视化任务执行方法提供的较佳实施例中得到任务集合的流程示意图;
图4为本发明智能终端的较佳实施例的运行环境示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明较佳实施例所述的基于云边端架构的时空数据可视化任务执行方法,本实施例以计算机图形学、三维地理信息系统(Geographic Information System或 Geo-Information system,GIS)表达等理论方法为基础,面向云边端应用环境下多层次多样化且高并发的多模态时空数据可视化应用需求,通过云边端一体化调度模型、存算绘资源协同调度方法、自适应调度优化机制构建等关键技术研究,探索面向多模态时空数据多层次可视化任务的云边端存算绘资源自适应协同调度方法,最后采用理论分析与应用需求相结合、算法设计与系统实现相结合的研究方法,设计研发云边端协同调度原型系统,并以城市建设施工管理作为实施例进行有效验证,以描述本发明的实现过程。
传统时空数据可视化调度主要面向桌面终端单一的时空场景展示任务,而随着技术需求的变化,用户希望有更加灵活便利的时空场景展示,例如应用于智能手机、增强现实智能眼镜。因此,传统的时空数据可视化调度人物无法满足多终端多样化可视化在云边端应用环境下的应用需求。
如图1所述,所述基于云边端架构的时空数据可视化任务执行方法包括以下步骤:
步骤S100,获取时空数据可视化任务。
具体地,本实施例以深A市全市的遥感影像数据、数字高程模型数据和三维城市模型数据为基础搭建基础城市三维场景,选择3—5处已具有建筑信息模型(BuildingInformation Modeling,BIM)数据的大型建筑工地,并结合定期对建设工地外部和建筑内部的激光雷达(Light Detection and Ranging,LiDAR)三维建模数据,动态接入建设工地的PM2.5环境监测、噪声监测、扬尘监测、用水用电监测等实时监测数据,建设施工实时视频监控数据,渣土车、运货车等车辆定位监控数据,设备和物料等使用监控数据等,呈现了矢量、影像、三维模型、点云、文本、视频等形式多样的多模态特性,形成建筑施工过程监测管理的多模态时空数据集。
先搭建由多样化用户终端(端)、边缘服务器(边)、云中心(云)和网络设备组成的云边端分布式硬件测试环境,具体包括8台大型服务器虚拟化搭建私有云中心、4台高性能工作站组建的边缘服务器集群、20台以上多样化终端等设备,所有设备都通过网络设备进行互联。在云边端实验环境下部署云边端协同调度原型系统,在用户终端部署多层次可视化任务映射器、在边缘服务器部署边缘任务协同调度管理器、在云中心部署云中心任务协同调度管理器,并将三者连通能够实现任务协同调度与管理,最后在多终端模拟多用户并发建立大规模用户高并发的实验测试环境。
步骤S200,将所述时空数据可视化任务进行任务分层,得到若干个可视化子任务。
具体地,首先以可视化语义模型为基础,多模态时空数据多样化可视化应用的多层次可视化任务语义描述模型为基础,该模型将时空数据可视化任务进行任务分层,得到若干个可视化子任务。其中,可视化语义模型能够用于基于多模态时空数据多样化可视化应用的多层次可视化任务进行语义描述。在本实施例中,将可视化子任务分为展示性可视化任务、分析性可视化任务以及探索性可视化任务这三个层次的可视化任务,在实际应用过程中,还可根据可视化的性质进行更细粒度或更粗粒度的划分。
进一步地,通过对多模态时空数据可视化需求中数据浏览、数据分析以及知识获取进行任务建模,将多模态时空数据可视化任务分为不同任务层次的子任务。如图3所示,本实施例按照展示性可视化任务、分析性可视化任务以及探索性可视化任务三个层次进行描述。
在本实施例中,城市建设施工管理包括了对建设工地当前状态的展示、对建设工地与城市周边影响分析以及建设施工进度精细化管理等多种应用需求,展示型可视化任务主要包括建筑工地当前和历史状态的可视化等,可以对当前和历史某一时间点的施工状态有全面的把握,主要涉及在基础三维城市场景上的当前和历史监测监控等数据的检索调度与可视化绘制;对于分析性可视化主要涉及较复杂的空间分析与计算,如建设工地在不同时间段对周边环境的影响分析、废弃物运输车辆在某时间段是否存在违规行为等,这需要在时空检索和数据调度的基础上进行空间分析与计算,需要协同调用边缘服务器和云中心的计算资源进行加速处理;对于探索性可视化主要包括人机交互的假设推理验证及增强现实表达等,如建设施工进度变更的交互模拟、施工质量的问题检查与修复方案探索等,主要涉及建设施工过程的交互计算分析。
从可视化中所包含的时空数据(Data)、分析计算模型(Model)、人机交互(Interaction)和绘制(Render)四个维度,将多模态时空数据可视化任务形式化描述为:,而多层次可视化任务模型根据包含的三个层次内容可形式化描述为:。其中,展示性可视化任务主要包括数据调度和场景绘制任务,其形式化定义为:,分析性可视化主要包括数据调度、计算分析和场景绘制任务,其形式化定义为:,探索性可视化主要包括数据调度、计算分析、交互计算和场景绘制任务,其形式化定义为:。
本实施例选择建筑工地当前状态的可视化表达、建设工地在不同时间段对周边环境的影响分析以及建设施工进度变更的交互模拟来展现三个层次可视化需求,构建多层次可视化应用中时空数据、分析计算模型、人机交互和绘制之间的依赖与需求关系,建立调度任务的关系映射,构建云边端协同的调度流程,包括场景数据I/O,场景数据优化,场景空间分析,场景实时交互,场景高性能渲染等。
步骤S300,针对每一个所述可视化子任务,根据该可视化子任务对应的调度资源,确定该可视化子任务对应的若干个调度任务。
具体地,通过可视化子任务之间的关系,对时空数据场景内容和系统资源调度依赖关系进行显式描述,建立多层次可视化任务与调度任务的层次化语义映射关系,从而将不同层次可视化任务转化为对应的若干个调度任务。本实施例中,将调度任务根据任务的内容不同,分为数据调度任务、计算分析任务、交互计算任务、绘制任务等多个层次。
进一步地,还可预先对多层次可视化任务模型中的展示性、分析性以及探索性可视化任务所依赖的系统级资源以及时空数据场景优化内容进行形式化描述,建立多层次可视化任务与系统资源及数据内容依赖关系描述,实现多层次可视化任务到调度任务的层次化语义映射。
因此,当得到不同层次可视化子任务后,可将其转化为数据调度任务、计算分析任务、交互计算任务、绘制任务等多层次调度任务,可以形式化定义为。其中,展示性可视化任务可映射为时空数据调度任务和时空数据场景绘制任务,其形式化描述为,分析性可视化任务增加了时空数据计算分析任务映射,其形式化描述为,而探索性可视化任务又增加了时空数据交互计算任务映射, 其形式化描述为。
步骤S400,根据预设的时空数据之间的时空语义关联关系,对所述调度任务进行细粒度分解和组合,得到若干个任务集合。
具体地,然后根据时空数据的时空语义关联关系,将调度任务进行细粒度分解,得到若干个调度子任务,以降低任务复杂度并提升后面调度任务分配的均衡性和效率性。然后根据调度子任务对资源的依赖关系,以及资源之间的交互关系,将不同的调度子任务进行组合,得到若干个任务集合。
其中,如图3所示,针对每一个所述任务集合,所述调度任务包括若干个调度子任务;而得到任务集合的具体过程为:
A10,针对每一个所述调度任务,根据预设的时空数据之间的时空语义关联关系,对该调度任务进行细粒度分解,得到若干个调度子任务;
A20,根据所述调度子任务之间的信息交互,将所述调度子任务进行分组,得到若干个任务集合。
具体地,在建立了层次化可视化任务模型描述以及调度任务与数据和系统资源间的依赖关系后,映射生成的多层次调度任务粒度还比较粗,为了降低任务复杂度并提升后续调度任务分配的均衡性和效率性,需要根据多模态时空数据的时空语义关联关系将不同层次调度任务进行细粒度分解,得到若干个调度子任务。
考虑分解后得到的调度子任务间信息交互关系,转换为不同层次调度子任务的组合与嵌套的任务集合。为降低分解后调度子任务间的信息交互程度,提高任务与资源的匹配效率和精度,对分解后的调度子任务进行分组,尽量使信息交互程度高的调度子任务归到相同的组别中,同时使得每组任务工作量均衡,如所有的数据调度子任务都放在同一分组,方便后续为任务匹配相应资源服务。
具体来说,数据调度任务可细分为基础场景数据调度、动态场景数据调度,计算分析所需数据调度、交互计算所需的数据调度等调度子任务,以便于通过分布式时空索引进行并行检索与高效调度;时空数据场景绘制任务可细分为基础场景绘制、动态场景绘制、场景交互绘制等子任务,实现对绘制任务的细粒度划分与并行执行;对于时空数据计算分析任务和交互计算任务,需要根据数据内容和计算分析内容进行细粒度分解,并将计算所需的数据生成对应的数据调度任务,计算生成的结果转换为对应的场景绘制任务。
步骤S500,根据预设的资源映射关系,确定与各个所述任务集合对应的资源信息。
具体地,预先将云边端架构下的与中心、边缘服务器以及用户终端提供的存储资源、计算资源和绘制资源进行定义,并与调度任务建立关系,形成资源映射关系。然后在得到任务集合后,根据资源映射关系,确定任务集合对应资源信息。针对多模态时空数据在云中心存储、在边缘服务器计算处理加速、在多终端应用的云边端应用环境,可将云边端的存储资源、计算资源和绘制资源形式化描述为:,其中存储资源主要执行数据调度任务,计算资源主要执行计算分析和交互计算任务,绘制资源主要执行绘制任务。
步骤S600,基于所述资源信息,建立与所述时空数据可视化任务对应的调度流程。
具体地,通过在云边端搭建一体化调度的任务管理器,一体化调度云边端的计算、存储和绘制资源,云边端一体化调度模型可以形式化描述为。其中,云中心主要提供计算和存储资源,执行计算分析、交互计算和数据调度任务;边缘服务器主要提供计算、存储和绘制资源,执行计算分析、交互计算、数据调度和绘制任务;用户终端资源,根据终端的性能存在较大的差别。
本实施例以高性能终端、中性能终端和低性能终端三者为例进行描述,其中,高性能终端的代表为高性能桌面终端、中性能终端的代表为轻量化移动终端、低性能终端的代表为虚拟/增强现实设备。对于高性能桌面终端,其有较强的计算、存储和绘制能力,可在本地执行计算分析、部分数据调度和绘制任务,因此,对应的用户终端资源包括计算资源、存储资源和绘制资源,但需借助边缘服务器和云中心进行完整数据调度和计算加速,形式化描述为:;对于轻量化移动终端,其虽具备一定绘制能力,但是主要计算和数据调度都需要边缘服务器和云中心完成,甚至也需要在边缘服务器完成部分绘制任务,因此,所述用户终端资源包括绘制资源,其形式化描述就变为 ;而对于虚拟/增强现实设备,其基本不具备计算、存储和绘制能力,都需要边缘服务器和云中心来完成。由此,通过云边端一体化调度模型实现了云中心、边缘服务器和用户终端所具有的存储、计算和绘制资源的完整描述,并建立了这些资源与不同层次调度任务的对应关系,并通过这些调度任务与多层次可视化任务的映射关系,实现了不同层次可视化任务与云边端存储、计算和绘制资源依赖关系的构建。
针对高性能桌面终端、轻量化移动终端、虚拟/增强现实终端等不同的用户终端,对建筑工地当前状态的可视化表达、建设工地在不同时间段对周边环境的影响分析以及建设施工进度变更的交互模拟三个层次可视化任务进行调度实验分析。对于高性能桌面终端,这三个层次可视化的绘制任务主要通过本地完成,但是数据调度和计算分析需要边缘服务器和云中心协同完成;对于轻量化移动终端,这三个层次可视化绘制任务可以尽量选择在边缘服务器完成,数据调度和计算分析在边缘服务器和云中心协同完成;对于虚拟/增强现实终端,这三个层次可视化的所有任务都在边缘服务器和云中心协同完成。通过不同终端对三个层次可视化任务在云边端的一体化调度实验,实现对协同调度算法的不断优化与完善。
以云边端一体化调度模型为基础,建立云边端一体化的多任务协同调度流程,首先在用户终端将多层次可视化任务映射并细粒度分解为不同层次的调度任务,根据终端能力在终端进行调度任务的初步执行与处理,并同时将需在边缘服务器执行的场景绘制、数据调度、计算分析以及交互计算任务发到边缘服务器;边缘服务器通过调配绘制、计算和存储容器池中相应容器进行任务的并行处理,并根据任务情况将需要在云中心执行的数据调度、计算分析及交互计算任务发到云中心;在云中心虚拟化资源池中分配相应资源进行并行处理,将结果返回边缘服务器进行融合后,并将最终结果返回用户终端。将调度任务在云边端协同处理过程中,需要通过云边端一体化调度管理器进行任务的协调,将用户终端、边缘服务器和云中心的调度管理器互联起来并形成一个可以一体化管理的整体,实现多层次调度任务在云边端的一体化协同执行,从而能够统筹利用云边端的存储、计算和绘制资源,发挥云边端各自的优势,提高资源利用率和调度性能。
进一步地,如图4所述,基于上述基于云边端架构的时空数据可视化任务执行方法,本发明还相应提供了一种智能终端,所述智能终端包括处理器10、存储器20及显示器30。图4仅示出了智能终端的部分组件,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。上述基于云边端架构的时空数据可视化任务执行方法应用于云边端架构的系统,本实施例中的智能终端可以是云边端架构中的一员或者云边端架构以外的智能终端。
所述存储器20在一些实施例中可以是所述智能终端的内部存储单元,例如智能终端的硬盘或内存。所述存储器20在另一些实施例中也可以是所述智能终端的外部存储设备,例如所述智能终端上配备的插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器20还可以既包括所述智能终端的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述智能终端的应用软件及各类数据,例如所述安装智能终端的程序代码等。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中,存储器20上存储有基于云边端架构的时空数据可视化任务执行方法程序40,该基于云边端架构的时空数据可视化任务执行方法程序40可被处理器10所执行,从而实现本申请中基于云边端架构的时空数据可视化任务执行方法。
所述处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行所述存储器20中存储的程序代码或处理数据,例如执行所述基于云边端架构的时空数据可视化任务执行方法等。
所述显示器30在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。所述显示器30用于显示在所述智能终端的信息以及用于显示可视化的用户界面。所述智能终端的部件10-30通过系统总线相互通信。
在一实施例中,当处理器10执行所述存储器20中基于云边端架构的时空数据可视化任务执行方法程序40时实现以下步骤:
本发明还提供一种计算机可读存储介质,其中,所述计算机可读存储介质存储有基于云边端架构的时空数据可视化任务执行方法程序,所述基于云边端架构的时空数据可视化任务执行方法程序被处理器执行时实现如上所述的基于云边端架构的时空数据可视化任务执行方法的步骤。
当然,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硬件(如处理器,控制器等)来完成,所述的程序可存储于一计算机可读取的计算机可读存储介质中,所述程序在执行时可包括如上述各方法实施例的流程。其中所述的计算机可读存储介质可为存储器、磁碟、光盘等。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种基于云边端架构的时空数据可视化任务执行方法,其特征在于,所述基于云边端架构的时空数据可视化任务执行方法包括:
获取时空数据可视化任务;
将所述时空数据可视化任务进行任务分层,得到若干个可视化子任务;
针对每一个所述可视化子任务,根据该可视化子任务对应的调度资源,确定该可视化子任务对应的若干个调度任务,其中,所述调度资源存储于云边端;
根据预设的时空数据之间的时空语义关联关系,对所述调度任务进行细粒度分解和组合,得到若干个任务集合;
根据预设的资源映射关系,确定与各个所述任务集合和对应的资源信息;
基于所述资源信息,建立与所述时空数据可视化任务对应的调度流程。
2.根据权利要求1所述的基于云边端架构的时空数据可视化任务执行方法,其特征在于,所述可视化子任务包括展示性可视化任务、分析性可视化任务以及探索性可视化任务。
3.根据权利要求2所述的基于云边端架构的时空数据可视化任务执行方法,其特征在于,所述调度任务包括数据调度任务、计算分析任务、交互计算任务以及绘制任务。
4.根据权利要求2所述的基于云边端架构的时空数据可视化任务执行方法,其特征在于,针对每一个所述任务集合,所述调度任务包括若干个调度子任务;所述根据预设的时空数据之间的时空语义关联关系,对所述调度任务进行细粒度分解和组合,得到若干个任务集合,具体包括:
针对每一个所述调度任务,根据预设的时空数据之间的时空语义关联关系,对该调度任务进行细粒度分解,得到若干个调度子任务;
根据所述调度子任务之间的信息交互,将所述调度子任务进行分组,得到若干个任务集合。
5.根据权利要求1所述的基于云边端架构的时空数据可视化任务执行方法,其特征在于,所述根据预设的资源映射关系,确定与各个所述任务集合和对应的资源信息,具体包括:
所述资源信息包括所述任务集合对应的若干个资源数据
针对每一个所述任务集合中的调度子任务,根据所述资源映射关系,确定该调度子任务对应的资源数据。
6.根据权利要求5所述的基于云边端架构的时空数据可视化任务执行方法,其特征在于,根据资源性质,所述资源信息包括存储资源、计算资源和绘制资源。
7.根据权利要求6所述的基于云边端架构的时空数据可视化任务执行方法,其特征在于,根据分布性质,所述资源信息包括云中心资源、边缘服务器资源以及用户终端资源。
8.根据权利要求7所述的基于云边端架构的时空数据可视化任务执行方法,其特征在于,用户终端包括高性能终端、中性能终端和低性能终端;所述根据预设的资源映射关系,确定与各个所述任务集合和对应的资源信息具体包括:
当所述用户终端为所述高性能终端时,所述用户终端资源包括所述计算资源、所述存储资源和所述绘制资源;
当所述用户终端为所述中性能终端时,所述用户终端资源包括所述绘制资源。
9.一种智能终端,其特征在于,所述智能终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于云边端架构的时空数据可视化任务执行方法程序,所述基于云边端架构的时空数据可视化任务执行方法程序被所述处理器执行时实现如权利要求1-8任一项所述的基于云边端架构的时空数据可视化任务执行方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有基于云边端架构的时空数据可视化任务执行方法程序,所述基于云边端架构的时空数据可视化任务执行方法程序被处理器执行时实现如权利要求1-8任一项所述的基于云边端架构的时空数据可视化任务执行方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110597688.6A CN113032132A (zh) | 2021-05-31 | 2021-05-31 | 一种基于云边端架构的时空数据可视化任务执行方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110597688.6A CN113032132A (zh) | 2021-05-31 | 2021-05-31 | 一种基于云边端架构的时空数据可视化任务执行方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113032132A true CN113032132A (zh) | 2021-06-25 |
Family
ID=76455917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110597688.6A Pending CN113032132A (zh) | 2021-05-31 | 2021-05-31 | 一种基于云边端架构的时空数据可视化任务执行方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113032132A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113487276A (zh) * | 2021-06-29 | 2021-10-08 | 同济大学 | 一种电气装备制造生产过程协同管理平台 |
CN114584563A (zh) * | 2022-03-18 | 2022-06-03 | 西安超越申泰信息科技有限公司 | 一种边端协同智能资源调度方法、装置、终端及存储介质 |
CN114629782A (zh) * | 2022-04-01 | 2022-06-14 | 西安超越申泰信息科技有限公司 | 一种多个云平台间抗毁接替方法 |
CN116362526A (zh) * | 2023-06-01 | 2023-06-30 | 广州健新科技有限责任公司 | 一种用于数字化电厂的云边协同资源管控方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108052580A (zh) * | 2017-12-08 | 2018-05-18 | 西南交通大学 | 一种基于多层关联网络的时空数据沉浸式可视分析方法 |
CN108776543A (zh) * | 2018-06-01 | 2018-11-09 | 西南交通大学 | 一种沉浸式时空数据可视分析多视图布局方法和系统 |
CN111311072A (zh) * | 2020-01-20 | 2020-06-19 | 南京大学 | 一种变粒度任务分解方法 |
-
2021
- 2021-05-31 CN CN202110597688.6A patent/CN113032132A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108052580A (zh) * | 2017-12-08 | 2018-05-18 | 西南交通大学 | 一种基于多层关联网络的时空数据沉浸式可视分析方法 |
CN108776543A (zh) * | 2018-06-01 | 2018-11-09 | 西南交通大学 | 一种沉浸式时空数据可视分析多视图布局方法和系统 |
CN111311072A (zh) * | 2020-01-20 | 2020-06-19 | 南京大学 | 一种变粒度任务分解方法 |
Non-Patent Citations (2)
Title |
---|
刘铭崴 等: "多模态时空数据多层次可视化任务模型", 《测绘学报》 * |
刘铭崴: "任务感知的多模态时空数据自适应可视化方法", 《万方数据库》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113487276A (zh) * | 2021-06-29 | 2021-10-08 | 同济大学 | 一种电气装备制造生产过程协同管理平台 |
CN114584563A (zh) * | 2022-03-18 | 2022-06-03 | 西安超越申泰信息科技有限公司 | 一种边端协同智能资源调度方法、装置、终端及存储介质 |
CN114629782A (zh) * | 2022-04-01 | 2022-06-14 | 西安超越申泰信息科技有限公司 | 一种多个云平台间抗毁接替方法 |
CN116362526A (zh) * | 2023-06-01 | 2023-06-30 | 广州健新科技有限责任公司 | 一种用于数字化电厂的云边协同资源管控方法及系统 |
CN116362526B (zh) * | 2023-06-01 | 2023-08-11 | 广州健新科技有限责任公司 | 一种用于数字化电厂的云边协同资源管控方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113032132A (zh) | 一种基于云边端架构的时空数据可视化任务执行方法 | |
Abd Elaziz et al. | Advanced optimization technique for scheduling IoT tasks in cloud-fog computing environments | |
Wang et al. | pipsCloud: High performance cloud computing for remote sensing big data management and processing | |
US10437541B2 (en) | Graphics engine and environment for efficient real time rendering of graphics that are not pre-known | |
CN112395547A (zh) | 对张量进行图块遍历以进行卷积运算的方法和装置 | |
CN108009211B (zh) | 基于规则库的多源地图矢量瓦片渲染系统 | |
Happe et al. | A self-adaptive heterogeneous multi-core architecture for embedded real-time video object tracking | |
CN104794194A (zh) | 一种面向大规模多媒体检索的分布式异构并行计算系统 | |
CN113032155B (zh) | 一种时空数据可视化任务驱动的云边端资源协同调度方法 | |
US11094036B2 (en) | Task execution on a graphics processor using indirect argument buffers | |
CN114902273A (zh) | 使用gpu优化资源分配的系统和方法 | |
Hildebrandt et al. | Service-oriented, standards-based 3D geovisualization: Potential and challenges | |
Shook et al. | Parallel cartographic modeling: a methodology for parallelizing spatial data processing | |
CN109388458A (zh) | 界面控件的管理方法、终端设备及计算机可读存储介质 | |
Huang et al. | A geospatial hybrid cloud platform based on multi-sourced computing and model resources for geosciences | |
Li et al. | A generic cloud platform for engineering optimization based on OpenStack | |
Li et al. | Smart simulation cloud (simulation cloud 2.0)—the newly development of simulation cloud | |
US20120265504A1 (en) | Systems and methods for exploring and utilizing solutions to cyber-physical issues in a sandbox | |
US20230196182A1 (en) | Database resource management using predictive models | |
US11263060B2 (en) | Dynamic distribution of loads across heterogeneous computing structures in computational rendering | |
Tang et al. | Arc4nix: A cross-platform geospatial analytical library for cluster and cloud computing | |
CN112489210A (zh) | 一种自主可控的三维立体自然资源一张图系统构建方法 | |
Li et al. | A NEW CLOUD-EDGE-TERMINAL RESOURCES COLLABORATIVE SCHEDULING FRAMEWORK FOR MULTI-LEVEL VISUALIZATION TASKS OF LARGE-SCALE SPATIO-TEMPORAL DATA | |
US11748352B2 (en) | Dynamical database system resource balance | |
Fiaidhi et al. | Empowering extreme automation via zero-touch operations and GPU parallelization |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210625 |
|
RJ01 | Rejection of invention patent application after publication |