CN114153546B - 一种用于云桌面运营管理系统的数据流传输方法及系统 - Google Patents
一种用于云桌面运营管理系统的数据流传输方法及系统 Download PDFInfo
- Publication number
- CN114153546B CN114153546B CN202111497433.9A CN202111497433A CN114153546B CN 114153546 B CN114153546 B CN 114153546B CN 202111497433 A CN202111497433 A CN 202111497433A CN 114153546 B CN114153546 B CN 114153546B
- Authority
- CN
- China
- Prior art keywords
- cloud desktop
- operation management
- work task
- data
- desktop operation
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000008859 change Effects 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 20
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 12
- 230000006835 compression Effects 0.000 claims abstract description 9
- 238000007906 compression Methods 0.000 claims abstract description 9
- 230000015654 memory Effects 0.000 claims description 45
- 238000004590 computer program Methods 0.000 claims description 14
- 238000007726 management method Methods 0.000 description 39
- 238000003062 neural network model Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- -1 methyl ethyl propyl Chemical group 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06F9/451—Execution arrangements for user interfaces
- G06F9/452—Remote windowing, e.g. X-Window System, desktop virtualisation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明公开一种用于云桌面运营管理系统的数据流传输方法及系统,方法包括:获取云桌面运营管理的数据流;基于云桌面运营管理的数据流,对其进行分类;对分类后的数据流中同类的数据流进行工作任务分解;基于分解的工作任务,对各工作任务进行逐一比对;对相同工作任务部分进行一次性压缩传输;对不同工作任务部分进行分组,确定各分组的工作任务内容的区别特征;实时监控各分组的工作任务内容的区别特征的变化;根据监控的各分组的工作任务内容的区别特征的变化,选择不同的传输处理方式。本发明的方法通过将相同部分一次性压缩传输,同时提取差异部分内容并关注变化情况,当差异特征少时,仅将差异部分内容压缩传输,因此可以实现低带宽传输。
Description
技术领域
本发明涉及一种用于云桌面运营管理系统的数据流传输方法及系统。
背景技术
云桌面是通过云计算提供的虚拟桌面服务,采用虚拟化技术将计算、存储和网络资源进行池化,用户无需再购买电脑主机,单台高性能服务器可以虚拟1-50台不等的虚拟主机,通过配置多台服务器搭建虚拟机集群系统,同时将计算、存储和网络等多资源的冗余实现虚拟桌面的高可用。
在虚拟化技术的基础上,将多台物理主机通过网络连接,构建云系统,由云桌面运营管理系统对多台虚拟桌面进行统一的监控和管理。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:在运营管理系统中,系统管理员通常需要对多个虚拟桌面进行管理和监控,然而在云端操作,每一条业务流和数据流都需要消耗网络带宽,在多用户多业务流的情况下,海量的业务流受有限的带宽影响,往往出现延迟、丢包等现象。如果存在多个系统管理员的情况下,网络带宽将持续处于使用高峰阶段,导致数据流量过大,带宽负载压力大,出现网络堵塞等现象,严重影响工作效率。
因此,亟需一种用于云桌面运营管理系统的数据流传输方法。
发明内容
本申请实施例通过提供一种用于云桌面运营管理系统的数据流传输方法,解决了现有技术中受带宽影响、工作效率低的技术问题,达到了减少带宽消耗、缓解运营管理系统的网络带宽压力大的技术效果。
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题。
第一方面,本申请实施例提供了一种用于云桌面运营管理系统的数据流传输方法,其中,所述方法包括:
一种用于云桌面运营管理系统的数据流传输方法,其中,所述方法包括:
获取云桌面运营管理的数据流;
基于云桌面运营管理的数据流,对其进行分类;对分类后的数据流中同类的数据流进行工作任务分解;
基于分解的工作任务,对各工作任务进行逐一比对;
对相同工作任务部分进行一次性压缩传输;
对不同工作任务部分进行分组,确定各分组的工作任务内容的区别特征;
实时监控各分组的工作任务内容的区别特征的变化;
根据监控的各分组的工作任务内容的区别特征的变化,选择不同的传输处理方式。
进一步的,其中,所述实时监控各分组的工作任务内容的区别特征的变化包括:
设定第一监控时间段,获得所述第一监控时间段内的不同工作任务部分的区别特征的变化。
进一步的,其中,根据监控的各分组的工作任务内容的区别特征的变化,选择不同的传输处理方式:
设定第一变化阈值,
若变化小于所述第一变化阈值,对变化的内容进行压缩传输;
若变化大于所述第一变化阈值,则返回至所述对不同工作任务部分进行分组,直至变化小于所述第一变化阈值,对变化的内容进行压缩传输。
进一步的,其中,所述获取云桌面运营管理的数据流包括:
获取数据;
识别数据中的云桌面运营管理的数据流。
进一步的,其中,所述基于云桌面运营管理的数据流,对其进行分类,对分类后的数据流中同类的数据流进行工作任务分解包括:
按照第一设定标准进行分类,所述第一设定标准为将云桌面运营管理的数据流中的数据文件多级分类至以用户分类为基础的最小同类项。
进一步的,其中,所述基于云桌面运营管理的数据流,对其进行分类,对分类后的数据流中同类的数据流进行工作任务分解包括:
对数据流先按照用户进行第一级分类;
对于所述第一级分类下的用户按照应用领域进行第二级分类;
对于所述第二级分类下得到的各应用领域下的数据流按照业务类型进行第三级分类;
对于所述第三级分类下得到的各业务类型下的数据流进行第四级分类,得到分解的工作任务。
进一步的,其中,所述基于分解的工作任务,对各工作任务进行逐一比对包括:
将所述分解的工作任务作为输入项,输入第一比对模型,获得比对结果。
另一方面,本申请还提供了一种用于云桌面运营管理系统的数据流传输系统,其中,所述系统包括:
第一获取单元,所述第一获取单元用于获取云桌面运营管理的数据流;
第一分类单元,所述第一分类单元用于基于云桌面运营管理的数据流,对其进行分类;对分类后的数据流中同类的数据流进行工作任务分解;
第一比对单元,所述第一比对单元用于基于分解的工作任务,对各工作任务进行逐一比对;
第一传输单元,所述第一传输单元用于对相同工作任务部分进行一次性压缩传输;
第一分组单元,所述第一分组单元用于对不同工作任务部分进行分组,确定各分组的工作任务内容的区别特征;
第一监控单元,所述第一监控单元用于实时监控各分组的工作任务内容的区别特征的变化;
第一处理单元,所述第一处理单元用于根据监控的各分组的工作任务内容的区别特征的变化,选择不同的传输处理方式。
第三方面,本发明实施例提供了一种电子设备,包括总线、收发器、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计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,所述计算机程序被所述处理器执行时实现上述任意一项所述的用于云桌面运营管理系统的数据流传输方法方法中的步骤。
第四方面,本发明实施例还提供了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前述中用于云桌面运营管理系统的数据流传输方法中的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本发明面向云桌面提供了用于云桌面运营管理系统的数据流传输方法,通过将数据流分类,将相同部分一次性压缩传输,同时提取差异部分内容,关注差异特征的变化情况,当差异特征少时,仅将差异部分内容压缩传输,因此可以实现低带宽传输,且当差异特征越少时,网络带宽消耗越少,带宽利用率越高。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种云渲染中高性价比数据存储传输方法的流程示意图;
图2为本申请实施例中一种具体的流程示意图。
图3为本申请实施例一种用于云桌面运营管理系统的数据流传输的结构示意图。
具体实施方式
在本发明实施例的描述中,所属技术领域的技术人员应当知道,本发明实施例可以实现为方法、装置、电子设备及计算机可读存储介质。因此,本发明实施例可以具体实现为以下形式:完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外,在一些实施例中,本发明实施例还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式,该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括:电、磁、光、电磁、红外或半导体的系统、装置或器件,或者以上任意的组合。计算机可读存储介质更具体的例子包括:便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本发明实施例中,计算机可读存储介质可以是任意包含或存储程序的有形介质,该程序可以被指令执行系统、装置、器件使用或与其结合使用。
申请概述
本发明实施例通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解,流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合,都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而生产出一种机器,这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行,产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样,存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本发明实施例中的附图对本发明实施例进行描述。
实施例一
如图1所示,本申请实施例提供了用于云桌面运营管理系统的数据流传输方法,其中,所述方法包括:
步骤S100,获取云桌面运营管理的数据流;
具体来说,本步骤包括获取数据和识别数据流两步,首先获取数据;其次,识别数据中的云桌面运营管理的数据流;识别的方法有很多种,比如:在云桌面的运营管理系统中,设定好对于数据流的特殊标记,如一串特定的字符,这是云桌面运营管理系统预先设定好的。或者,构建一个数据流识别模型,数据流识别模型是一个神经网络模型,即机器学习中的神经网络模型,它是以神经元的数学模型为基础来描述的。简单地讲,它是一个数学模型。在本申请实施例中,用已经人工标识过的数据流对神经网络模型进行训练,经过大量的训练后,数据流识别模型能够准确的将获取的数据中属于数据流的数据识别出来。
步骤S200,基于云桌面运营管理的数据流,对其进行分类;对分类后的数据流中同类的数据流进行工作任务分解;在进行分类和工作任务分解时,将相同类型用户同业务流的云桌面本身配置进行对比,在这里的本身配置包括计算、存储和网络资源等。也即考虑用户的本身配置,使后续的操作更有效合理。
在步骤S100中,数据流被识别出来。识别出来的数据流就是本申请实施例要传输的对象。为了能够低带宽传输,本申请实施例对这些数据流进行分类,以有针对性地采用不同的处理方式。
作为本申请实施例的发明构思的关键点之一,分类的方法可以多样,但必须遵循统一的标准。也即按照第一设定标准进行分类,所述第一设定标准为将云桌面运营管理的数据流中的数据文件多级分类至以用户分类为基础的最小同类项。通俗的说,就是无论采用怎样的分类方式,以及几级分类,最终的目标是分解成不能再分的工作任务项,也即分至最小同类项。
举例来说,一种可行的分类方式是:对数据流先按照用户进行第一级分类;比如,把用户甲乙丙等的数据流分属于各自名下。
对于所述第一级分类下的用户按照应用领域进行第二级分类;比如,应用领域包括影视动漫、游戏开发、创意设计、工业设计等,将用户甲名下的数据流分类到影视动漫或者游戏开发等应用领域中。
对于所述第二级分类下得到的各应用领域下的数据流按照业务类型进行第三级分类;比如,分到用户甲的影视动漫下面的数据流再按照业务类型(在线设计、实时渲染、普通办公等)进行细分。
对于所述第三级分类下得到的各业务类型下的数据流进行第四级分类,得到分解的工作任务。比如,将在线设计再细分为UI设计、功能设计、产品设计等等。
步骤S300,基于分解的工作任务,对各工作任务进行逐一比对;
将所述分解的工作任务作为输入项,输入第一比对模型,获得比对结果。在此,本申请实施例采用的方式是构建一个工作任务比对模型,它也是一个神经网络模型,即机器学习中的神经网络模型,它是以神经元的数学模型为基础来描述的。简单地讲,它是一个数学模型。在本申请实施例中,用已经人工标识过的关于工作任务下的相同特征的数据对神经网络模型进行训练,经过大量的训练后,工作任务比对模型能够准确的识别出表现形式不完全相同,但实质属于该工作任务下的相同特征识别出来,同时剩下的就是差异特征(不同工作任务部分)。通过训练数据使神经网络学习模型自身不断地修正、优化,通过监督学习的过程来提高神经网络学习模型处理所述信息的准确性,进而达到使得比对结果更加准确。
步骤S400,对相同工作任务部分进行一次性压缩传输;基于前面步骤的准确识别,就可以一次性将相同部分全部压缩了传输,大大减少传输次数,避免重复传输,节省传输占用的带宽。
步骤S500,对不同工作任务部分进行分组,确定各分组的工作任务内容的区别特征;
对于这些不同任务部分进行差异的提取存储和分组,然后对于各组的差异特征中工作任务内容的区别特征进行自动提取。该提取的方式也可以是构建一个区别特征提取模型,它也是一个神经网络模型,即机器学习中的神经网络模型。通过区别特征提取模型,能够自动找出任务内容的区别特征。可以利用这些区别特征来进行用户的标识,从而方便对用户的管理。
为了更好的确保数据安全,可以在此加入敏感数据自动隐藏之类的步骤,使得后续工作都是针对安全的数据进行的。
步骤S600,实时监控各分组的工作任务内容的区别特征的变化;
设定第一监控时间段,获得所述第一监控时间段内的不同工作任务部分的区别特征的变化。比如将第一监控时间段设定为10分钟。
步骤S700,根据监控的各分组的工作任务内容的区别特征的变化,选择不同的传输处理方式。
具体来说,设定第一变化阈值,比如设定为3。
若变化小于所述第一变化阈值,对变化的内容进行压缩传输;仅对变化的内容进行压缩传输,可以极大的减少带宽消耗。
若变化大于所述第一变化阈值,则返回至所述对不同工作任务部分进行分组,并重复前述操作,直至变化小于所述第一变化阈值,对变化的内容进行压缩传输,从而实现低带宽传输。
实施例二
基于与前述实施例中一种用于云桌面运营管理系统的数据流传输方法同样发明构思,本发明还提供了云桌面运营管理系统的数据流传输系统,如图3所示,所述系统包括:
第一获取单元11,所述第一获取单元用于获取云桌面运营管理的数据流;具体来说,第一获取单元11包括获取数据模块和识别数据流模块,首先有获取数据模块获取数据;其次,识别数据流模块识别数据中的云桌面运营管理的数据流;
第一分类单元12,所述第一分类单元用于基于云桌面运营管理的数据流,对其进行分类;对分类后的数据流中同类的数据流进行工作任务分解;作为本申请实施例的一种优选的方案,第一分类单元12包括第一级分类模块、第二级分类模块、第三级分类模块和第四级分类模块,分别实现前述方法中的第一级分类、第二级分类、第三级分类和第四级分类。
第一比对单元13,所述第一比对单元用于基于分解的工作任务,对各工作任务进行逐一比对;
第一传输单元14,所述第一传输单元用于对相同工作任务部分进行一次性压缩传输;
第一分组单元15,所述第一分组单元用于对不同工作任务部分进行分组,确定各分组的工作任务内容的区别特征;
第一监控单元16,所述第一监控单元用于实时监控各分组的工作任务内容的区别特征的变化;
第一处理单元17,所述第一处理单元用于根据监控的各分组的工作任务内容的区别特征的变化,选择不同的传输处理方式。
前述图1实施例一中的一种用于云桌面运营管理系统的数据流传输方法的各种变化方式和具体实例同样适用于本实施例的一种云桌面运营管理系统的数据流传输系统,通过前述对一种用于云桌面运营管理系统的数据流传输方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种云桌面运营管理系统的数据流传输系统的实施方法,所以为了说明书的简洁,在此不再详述。
此外,本发明实施例还提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该收发器、该存储器和处理器分别通过总线相连,计算机程序被处理器执行时实现上述用于云桌面运营管理系统的数据流传输方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
示例性电子设备
具体的,本发明实施例还提供了一种电子设备,该电子设备包括总线、处理器、收发器、总线接口、存储器和用户接口。
在本发明实施例中,该电子设备还包括:存储在存储器上并可在处理器上运行的计算机程序,计算机程序被处理器执行时实现上述实时渲染中小文件高效传输方法实施例的各个过程。
收发器,用于在处理器的控制下接收和发送数据。
本发明实施例中,总线架构(用总线来代表),总线可以包括任意数量互联的总线和桥,总线将包括由处理器代表的一个或多个处理器与存储器代表的存储器的各种电路连接在一起。
总线表示若干类型的总线结构中的任何一种总线结构中的一个或多个,包括存储器总线以及存储器控制器、外围总线、加速图形端口、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制,这样的体系结构包括:工业标准体系结构总线、微通道体系结构总线、扩展总线、视频电子标准协会、外围部件互连总线。
处理器可以是一种集成电路芯片,具有信号处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括:通用处理器、中央处理器、网络处理器、数字信号处理器、专用集成电路、现场可编程门阵列、复杂可编程逻辑器件、可编程逻辑阵列、微控制单元或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本发明实施例中公开的各方法、步骤及逻辑框图。例如,处理器可以是单核处理器或多核处理器,处理器可以集成于单颗芯片或位于多颗不同的芯片。
处理器可以是微处理器或任何常规的处理器。结合本发明实施例所公开的方法步骤可以直接由硬件译码处理器执行完成,或者由译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存取存储器、闪存、只读存储器、可编程只读存储器、可擦除可编程只读存储器、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
总线还可以将,例如外围设备、稳压器或功率管理电路等各种其他电路连接在一起,总线接口在总线和收发器之间提供接口,这些都是本领域所公知的。因此,本发明实施例不再对其进行进一步描述。
收发器可以是一个元件,也可以是多个元件,例如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。例如:收发器从其他设备接收外部数据,收发器用于将处理器处理后的数据发送给其他设备。取决于计算机系统的性质,还可以提供用户接口,例如:触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。
应理解,在本发明实施例中,存储器可进一步包括相对于处理器远程设置的存储器,这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络、内联网、外联网、虚拟专用网、局域网、无线局域网、广域网、无线广域网、城域网、互联网、公共交换电话网、普通老式电话业务网、蜂窝电话网、无线网络、无线保真网络以及两个或更多个上述网络的组合。例如,蜂窝电话网和无线网络可以是全球移动通信系统、码分多址系统、全球微波互联接入系统、通用分组无线业务系统、宽带码分多址系统、长期演进系统、LTE频分双工系统、LTE时分双工系统、先进长期演进系统、通用移动通信系统、增强移动宽带系统、海量机器类通信系统、超可靠低时延通信系统等。
应理解,本发明实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性存储器和非易失性存储器两者。其中,非易失性存储器包括:只读存储器、可编程只读存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器,或闪存。
易失性存储器包括:随机存取存储器,其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如:静态随机存取存储器、动态随机存取存储器、同步动态随机存取存储器、双倍数据速率同步动态随机存取存储器、增强型同步动态随机存取存储器、同步连接动态随机存取存储器和直接内存总线随机存取存储器。本发明实施例描述的电子设备的存储器包括但不限于上述和任意其他适合类型的存储器。
在本发明实施例中,存储器存储了操作系统和应用程序的如下元素:可执行模块、数据结构,或者其子集,或者其扩展集。
具体而言,操作系统包含各种系统程序,例如:框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序包含各种应用程序,例如:媒体播放器、浏览器,用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序中。应用程序包括:小程序、对象、组件、逻辑、数据结构以及其他执行特定任务或实现特定抽象数据类型的计算机系统可执行指令。
此外,本发明实施例还提供了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上述云渲染中高性价比数据存储的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
以上所述,仅为本发明实施例的具体实施方式,但本发明实施例的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明实施例披露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明实施例的保护范围之内。因此,本发明实施例的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种用于云桌面运营管理系统的数据流传输方法,其中,所述方法包括:
获取云桌面运营管理的数据流;
基于云桌面运营管理的数据流,对其进行分类;对分类后的数据流中同类的数据流进行工作任务分解;
基于分解的工作任务,对各工作任务进行逐一比对;
对相同工作任务部分进行一次性压缩传输;
对不同工作任务部分进行分组,确定各分组的工作任务内容的区别特征;
实时监控各分组的工作任务内容的区别特征的变化;
根据监控的各分组的工作任务内容的区别特征的变化,选择不同的传输处理方式。
2.根据权利要求1所述的一种用于云桌面运营管理系统的数据流传输方法,其中,所述实时监控各分组的工作任务内容的区别特征的变化包括:
设定第一监控时间段,获得所述第一监控时间段内的不同工作任务部分的区别特征的变化。
3.根据权利要求2所述的一种用于云桌面运营管理系统的数据流传输方法,其中,根据监控的各分组的工作任务内容的区别特征的变化,选择不同的传输处理方式:
设定第一变化阈值,
若变化小于所述第一变化阈值,对变化的内容进行压缩传输;
若变化大于所述第一变化阈值,则返回至所述对不同工作任务部分进行分组,直至变化小于所述第一变化阈值,对变化的内容进行压缩传输。
4.根据权利要求1所述的一种用于云桌面运营管理系统的数据流传输方法,其中,所述获取云桌面运营管理的数据流包括:
获取数据;
识别数据中的云桌面运营管理的数据流。
5.根据权利要求4所述的一种用于云桌面运营管理系统的数据流传输方法,其中,所述基于云桌面运营管理的数据流,对其进行分类,对分类后的数据流中同类的数据流进行工作任务分解包括:
按照第一设定标准进行分类,所述第一设定标准为将云桌面运营管理的数据流中的数据文件多级分类至以用户分类为基础的最小同类项。
6.根据权利要求5所述的一种用于云桌面运营管理系统的数据流传输方法,其中,所述基于云桌面运营管理的数据流,对其进行分类,对分类后的数据流中同类的数据流进行工作任务分解包括:
对数据流先按照用户进行第一级分类;
对于所述第一级分类下的用户按照应用领域进行第二级分类;
对于所述第二级分类下得到的各应用领域下的数据流按照业务类型进行第三级分类;
对于所述第三级分类下得到的各业务类型下的数据流进行第四级分类,得到分解的工作任务。
7.根据权利要求6所述的一种用于云桌面运营管理系统的数据流传输方法,其中,所述基于分解的工作任务,对各工作任务进行逐一比对包括:
将所述分解的工作任务作为输入项,输入第一比对模型,获得比对结果。
8.一种用于云桌面运营管理系统的数据流传输系统,其中,所述系统包括:
第一获取单元,所述第一获取单元用于获取云桌面运营管理的数据流;
第一分类单元,所述第一分类单元用于基于云桌面运营管理的数据流,对其进行分类;对分类后的数据流中同类的数据流进行工作任务分解;
第一比对单元,所述第一比对单元用于基于分解的工作任务,对各工作任务进行逐一比对;
第一传输单元,所述第一传输单元用于对相同工作任务部分进行一次性压缩传输;
第一分组单元,所述第一分组单元用于对不同工作任务部分进行分组,确定各分组的工作任务内容的区别特征;
第一监控单元,所述第一监控单元用于实时监控各分组的工作任务内容的区别特征的变化;
第一处理单元,所述第一处理单元用于根据监控的各分组的工作任务内容的区别特征的变化,选择不同的传输处理方式。
9.一种用于云桌面运营管理系统的数据流传输系统,包括总线、收发器、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计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述的用于云桌面运营管理系统的数据流传输方法中的步骤。
10.一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如权利要求1-7中任一项所述的用于云桌面运营管理系统的数据流传输方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111497433.9A CN114153546B (zh) | 2021-12-09 | 2021-12-09 | 一种用于云桌面运营管理系统的数据流传输方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111497433.9A CN114153546B (zh) | 2021-12-09 | 2021-12-09 | 一种用于云桌面运营管理系统的数据流传输方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114153546A CN114153546A (zh) | 2022-03-08 |
CN114153546B true CN114153546B (zh) | 2023-11-03 |
Family
ID=80454132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111497433.9A Active CN114153546B (zh) | 2021-12-09 | 2021-12-09 | 一种用于云桌面运营管理系统的数据流传输方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114153546B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102821040A (zh) * | 2012-06-28 | 2012-12-12 | 用友软件股份有限公司 | 网络传输流量压缩装置和网络传输流量压缩方法 |
CN103391442A (zh) * | 2013-07-24 | 2013-11-13 | 佳都新太科技股份有限公司 | 一种基于区域划分、差异比较的视频图像快速传输压缩算法 |
CN105224396A (zh) * | 2015-10-14 | 2016-01-06 | 深圳市金证科技股份有限公司 | 一种业务数据处理方法和装置 |
CN105869383A (zh) * | 2016-04-13 | 2016-08-17 | 北京精益理想科技有限公司 | 红外数据处理方法、红外指令调用方法与系统 |
CN108830448A (zh) * | 2018-04-28 | 2018-11-16 | 广州亿航智能技术有限公司 | 无人机集群任务分解发送方法及系统 |
EP3503563A1 (en) * | 2017-12-20 | 2019-06-26 | Andreas Baumgart | Computer system and method for synchronous data transmission of multiple data streams |
CN111785000A (zh) * | 2020-07-24 | 2020-10-16 | 上海英恒电子有限公司 | 一种车辆状态数据上传方法、装置、电子设备及存储介质 |
CN113691840A (zh) * | 2021-08-31 | 2021-11-23 | 江苏赞奇科技股份有限公司 | 一种具有高可用率的视频流控制方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210304096A1 (en) * | 2020-03-27 | 2021-09-30 | Intel Corporation | Device, system and method to dynamically prioritize a data flow based on user interest in a task |
-
2021
- 2021-12-09 CN CN202111497433.9A patent/CN114153546B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102821040A (zh) * | 2012-06-28 | 2012-12-12 | 用友软件股份有限公司 | 网络传输流量压缩装置和网络传输流量压缩方法 |
CN103391442A (zh) * | 2013-07-24 | 2013-11-13 | 佳都新太科技股份有限公司 | 一种基于区域划分、差异比较的视频图像快速传输压缩算法 |
CN105224396A (zh) * | 2015-10-14 | 2016-01-06 | 深圳市金证科技股份有限公司 | 一种业务数据处理方法和装置 |
CN105869383A (zh) * | 2016-04-13 | 2016-08-17 | 北京精益理想科技有限公司 | 红外数据处理方法、红外指令调用方法与系统 |
EP3503563A1 (en) * | 2017-12-20 | 2019-06-26 | Andreas Baumgart | Computer system and method for synchronous data transmission of multiple data streams |
CN108830448A (zh) * | 2018-04-28 | 2018-11-16 | 广州亿航智能技术有限公司 | 无人机集群任务分解发送方法及系统 |
CN111785000A (zh) * | 2020-07-24 | 2020-10-16 | 上海英恒电子有限公司 | 一种车辆状态数据上传方法、装置、电子设备及存储介质 |
CN113691840A (zh) * | 2021-08-31 | 2021-11-23 | 江苏赞奇科技股份有限公司 | 一种具有高可用率的视频流控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114153546A (zh) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6587330B2 (ja) | ランダムフォレストモデルの訓練方法、電子装置及び記憶媒体 | |
CN107360032B (zh) | 一种网络流识别方法及电子设备 | |
CN109509010B (zh) | 一种多媒体信息处理方法、终端及存储介质 | |
CN112231592B (zh) | 基于图的网络社团发现方法、装置、设备以及存储介质 | |
CN111159413A (zh) | 日志聚类方法、装置、设备及存储介质 | |
US11729286B2 (en) | Feature-based network embedding | |
CN111090807B (zh) | 一种基于知识图谱的用户识别方法及装置 | |
CN111701247B (zh) | 用于确定统一账号的方法和设备 | |
WO2019232489A1 (en) | An ensemble-based data curation pipeline for efficient label propagation | |
JP2014106661A (ja) | ユーザ状態予測装置及び方法及びプログラム | |
CN115496970A (zh) | 图像任务模型的训练方法、图像识别方法以及相关装置 | |
TW202001611A (zh) | 多元流動網路之可靠度計算方法及其系統 | |
CN114172819B (zh) | Nfv网元的需求资源预测方法、系统、电子设备和存储介质 | |
Yujie et al. | End-to-end android malware classification based on pure traffic images | |
CN114662108A (zh) | 软件检测方法和装置、电子设备 | |
KR20230087316A (ko) | 인공지능 기반 클라우드 서비스 서버 결정 장치 및 방법 | |
US8489537B2 (en) | Segmenting sequential data with a finite state machine | |
CN114153546B (zh) | 一种用于云桌面运营管理系统的数据流传输方法及系统 | |
CN110019193A (zh) | 相似帐号识别方法、装置、设备、系统及可读介质 | |
WO2020252925A1 (zh) | 用户特征群中用户特征寻优方法、装置、电子设备及计算机非易失性可读存储介质 | |
CN113918577B (zh) | 数据表识别方法、装置、电子设备及存储介质 | |
CN116629423A (zh) | 用户行为预测方法、装置、设备及存储介质 | |
CN116680401A (zh) | 文档处理方法、文档处理装置、设备及存储介质 | |
US11928232B1 (en) | Protecting sensitive data from being exposed in graph embedding vectors | |
US9235639B2 (en) | Filter regular expression |
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 |