CN114912082B - 一种通用计算任务协作系统 - Google Patents
一种通用计算任务协作系统 Download PDFInfo
- Publication number
- CN114912082B CN114912082B CN202111532688.4A CN202111532688A CN114912082B CN 114912082 B CN114912082 B CN 114912082B CN 202111532688 A CN202111532688 A CN 202111532688A CN 114912082 B CN114912082 B CN 114912082B
- Authority
- CN
- China
- Prior art keywords
- data
- task
- user
- group
- authority
- 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
- 238000013475 authorization Methods 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 230000006399 behavior Effects 0.000 claims description 28
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 239000007943 implant Substances 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 230000002457 bidirectional effect Effects 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 238000007906 compression Methods 0.000 description 11
- 230000006835 compression Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 4
- 244000035744 Hura crepitans Species 0.000 description 3
- 238000013144 data compression Methods 0.000 description 3
- 230000006837 decompression Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
- G06F21/12—Protecting executable software
- G06F21/121—Restricting unauthorised execution of programs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/55—Detecting local intrusion or implementing counter-measures
- G06F21/552—Detecting local intrusion or implementing counter-measures involving long-term monitoring or reporting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/55—Detecting local intrusion or implementing counter-measures
- G06F21/56—Computer malware detection or handling, e.g. anti-virus arrangements
- G06F21/566—Dynamic detection, i.e. detection performed at run-time, e.g. emulation, suspicious activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/606—Protecting data by securing the transmission between two devices or processes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6281—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database at program execution time, where the protection is within the operating system
-
- 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)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Virology (AREA)
- Multimedia (AREA)
- Technology Law (AREA)
- Databases & Information Systems (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明公开了一种通用计算任务协作系统，包括数据按需加载和预测加载子系统、鉴权和授权子系统、预测和指令相结合的数据分发系统，所述数据按需加载和预测加载子系统包括用户端、服务端和数据访问行为分析系统，本发明属于计算机技术领域，具体是指一种通用计算任务协作系统，使得广域网下通用的任务协作对用户和开发者更加简单易行。
Description
技术领域
本发明属于计算机技术领域，具体是指一种通用计算任务协作系统。
背景技术
随着计算机技术的高速发展，特别是云计算时代，万物互联的物联网时代的来临，不同设备(大多数场景下时异构的，广域网的)之间的任务协作越来越常见，场景也越来越多，和普通用户越来越近，比如多屏协作，家庭多媒体娱乐系统等。
现存的云计算，物联网的应用也都是计算任务协作的解决方案，但都是聚焦在某一特定场景下的计算协作。比如云计算场景下的大数据处理系统，解决了同构的多机系统下的任务划分，任务分配，任务下发执行，任务数据共享，任务容错和重试，结果统计等功能；而物联网中边缘计算的典型应用场景数据采集，也解决了特定的场景下异构系统中特定任务的协同，此场景下不存在任务的动态划分和分配。但是这些方案没有解决的是通用的任务协作需求，比如多屏协作，家庭多媒体娱乐系统等。
因此，如何屏蔽异构系统的差异，如何解决广域网带来的延时和网络问题，如何定义通用场景下的任务协作协议，如何以一种简单可靠高效的方式来实现协议，如何对用户和开发者屏蔽实现细节使得系统易用，是通用场景下的计算任务协作系统能成功的关键。
为了消除异构环境下的差异，定义了以数据为中心的协作协议：
任务协作系统中的数据分类：“任务数据”指的是计算任务处理的对象，比如传感器数据，音视频数据等，区别于计算任务的代码，配置和资源等；
“任务存档“指的是以文件方式存储的计算任务的中间结果(含最终结果)，在不同用户端可通用，比如游戏存档等；
“执行数据”指的是计算任务执行的代码数据(二进制或脚本)，以及运行所需的配置数据，资源数据等，区别于“任务数据“；
“控制数据“指的是传递给用户端运行时或者服务端的起控制作用的指令和参数；
“状态数据“指的是描述运行时，计算任务，以及任务执行状态的数据。
发明内容
为了解决上述难题，本发明提供了一种通用计算任务协作系统，使得广域网下通用的任务协作对用户和开发者更加简单易行。
为了实现上述功能，本发明采取的技术方案如下：一种通用计算任务协作系统，包括数据按需加载和预测加载子系统、鉴权和授权子系统、预测和指令相结合的数据分发系统，所述数据按需加载和预测加载子系统包括用户端、服务端和数据访问行为分析系统；
用户端运行时会将用户和程序行为记录下来，包括按键、按键时长、各界面停留时间、程序响应、程序运行上下文、程序的数据访问等信息，并上传到服务端用于分析和建模；
用户端运行时将本地数据(执行数据，任务数据，任务存档等)访问映射成本地缓存和服务端的数据访问，并对用户透明，运行时会持续和服务端通信，上告程序上下文信息，服务端会返回接下来会用到的数据或当前所需数据，用户端运行时接受服务端返回的数据，并根据协议进行必要的解压、解密和转码，满足运行需求，加入本地缓存。并按照用户信息，剩余存储空间，服务端指令，按照特定的算法来管理本地缓存；
数据访问行为分析子系统，建立了机器学习算法池(选取了贝叶斯，贝叶斯网络，SVM，KNN，K-Means，LSTM，RandomForest，Adaboost等多种算法，以及这些算法的组合)，使用候选算法处理所收集的用户行为和程序行为得出不同的模型，然后在模型筛选阶段，根据小样本下的稳定性，计算复杂度，预测准确率等指标选择出合格的模型；
服务端：根据用户端传入的用户行为和程序上下文以及数据访问行为分析子系统输出的模型，计算出即将需要的数据块集合；或者返回当前需要的数据块；服务端维护状态数据、执行数据、任务数据和任务存档，接收控制数据，下发控制数据到指定的用户端，维护用户端状态和处理失效问题；
预测和指令相结合的数据分发系统，根据用户行为和程序行为，以及大数据处理系统生成的模型来下发数据；
预测和指令相结合的数据分发系统也支持开发者在按照协议在代码中或者服务端植入指令，当满足指定的条件时，会触发对应的指令，比如拉取或者删除特定数据等操作，预测和指令相结合方式下，数据访问可以达到和访问本地数据一样零延时。
鉴权和授权子系统引入了基于组的授权系统，即权限主体属于特定的组，组拥有权限，使用基于组的授权系统对用户端，任务和数据的双向授权，主要包括服务端鉴权和用户端鉴权：
权限的访问主体有四种：
用户：用户对用户端，任务，数据和用户端组，任务组，数据组有增删改查的管理权限，但不参与到任务调度过程中的鉴权。
用户端：用户端组的权限包括运行任务组和访问数据组。比如同一个家庭多媒体系统中所有的用户端有相同的组，用户可以自定义用户端组。
数据：数据组的权限包括被任务组访问和被用户端组访问。数据的基本单位是数据块(用户可以指定块大小，比如128KB)，多个数据块可属于同一个组。数据访问权限中可以指定权限的类别(比如读，写，删除等)，也可以指定权限的主体(比如用户端组，或者任务组)，可以指定权限的时效(比如一次，或者一天)，支持不同的权限主体之间的运算(比如某组数据要求在myhome组的设备上，并且在mytask任务中才可以访问)。
任务：任务组的权限包括可以被用户端运行和访问数据组。在任务提交的时候，用户需要指定任务运行的设备组(或者约定组，比如用户拥有的用户端)，也需要指定任务访问的数据组(或者按规则约定可访问的数据)，或者默认拥有所属任务组的权限。
服务端鉴权：用户端在启动的时候需要登陆；在用户端开始任务的时候，会对用户端和任务进行鉴权，如果权限不匹配，则阻止用户端执行任务；在任务访问数据的时候，会对数据，用户端和任务进行鉴权，如果权限不匹配，则阻止数据的访问。
用户端鉴权：在任务启动的时候，会对任务进行鉴权，如果任务无用户端执行权限则拒绝执行；在任务访问数据的时候，会对任务，数据和本用户端进行鉴权，如果权限不匹配则拒绝数据访问。
本发明采取上述结构取得有益效果如下：本发明提供的通用计算任务协作系统，设计合理，包括以下优点：
(1)在以数据为中心的协作协议支持下，广域网中的通用计算任务协作可以方便地开发和使用，而且以数据为中心屏蔽了硬件和云厂商的差异，跨云协作也成为可能。
(2)在本发明数据按需和预测加载子系统支持下，任务可以即时启动，而无需等待程序的安装和数据的下载。克服了传统协作系统中需要等到可执行程序全部下载完成才能启动任务(或者需要预先准备全部的可执行程序)，任务真正开始需要等到任务数据完全下载到本地(或提前准备)的缺点。
(3)和现存云电脑(或者云游戏等以服务端计算的协作方案)比，无需计算能力强大的服务端，无需实时传输屏幕(或者音视频)，极大降低了服务器成本和流量成本。
(4)和现有的多屏协作系统相比，本发明的任务协作系统无需多个终端在同一个局域网中，而且由于本发明各个用户端之间的松耦合，在各自的运行时执行，不会出现由于网络抖动导致的延时或者画面质量降低等问题。
(5)极大地降低了任务协作中对用户端(手机或电脑)存储容量的要求。解决了传统的任务协作系统中，要求各个节点都要安装同版本的任务可执行程序，有些还要求计算真正开始之前将任务数据下载到本地，这些对用户端的存储容量是极大的负担的问题。
(6)本发明也天然支持AR/VR等可交互视频场景下的协作，可以极大降低AR/VR场景下的社交的实现成本。
(7)本发明融合了云端数据和本地数据的访问接口，使得实现云存储+本地计算模式的技术门槛大大降低，真正盘活云端存储更加便捷。
(8)在运行时和服务端持续鉴权，密钥协商+加密+解密+运行时沙盒，以及运行时支持服务端指令的架构下，可靠的数据授权访问和销毁成为可能，任务可执行程序(比如游戏)的盗版几乎不再可能。这将极大地促进大数据的应用，在本发明的任务协作系统支撑下，数据处理开发商可以指定自己的程序运行的节点(用户端)和授权时效，而不用担心自己的程序被盗版(即使在任务运行时也只有部分被加密的程序存在运行时的沙盒中)；数据厂商也可以放心的授权特定的用户端和特定的任务中访问自己的数据，而不同担心自己的原始数据或处理过的数据被泄露(沙盒中的所有IO都被运行时接管)。
附图说明
图1为本发明提供的通用计算任务协作系统的示意框图；
图2为本发明提供的通用计算任务协作系统的用户端运行时框图；
图3为本发明提供的通用计算任务协作系统的通用数据的数据预处理子系统框图；
图4为本发明提供的通用计算任务协作系统的智能服务端子系统框图；
图5为本发明提供的通用计算任务协作系统的数据压缩流程图；
图6为本发明提供的通用计算任务协作系统的鉴权系统权限示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。以下结合附图，对本发明做进一步详细说明。
如图1-6所示，本发明提供的通用计算任务协作系统，包括用户端运行系统、智能数据访问预测子系统、智能服务端子系统、通用数据的数据预处理子系统、通用压缩和特殊压缩相结合的数据压缩子系统、预测和指令相结合的数据分发算法；
用户端运行系统运行时负责启动游戏，并将游戏对数据的访问映射成对本地缓存和服务端数据的访问，并对用户透明；运行时会持续和服务端通信，上告用户当前的行为和游戏上下文信息，服务器端会智能预测用户接下来可能会用到的数据；或者拉取当前需要但是没有在缓存中的数据；运行时接受服务端返回的数据，并根据协议进行必要的解压、解密和转码，满足游戏的运行需求，加入本地缓存。并按照用户信息，剩余存储空间，服务端指令，按照特定的算法来管理本地缓存；
运行时中会收集用户行为和游戏行为，包括按键，按键时长，各界面停留时间，游戏响应，游戏运行上下文，游戏数据访问等信息，上传到服务端供后续建模；
智能数据访问预测子系统选取了Aproiri，朴素贝叶斯，贝叶斯网络，K-Means，KNN，DBSCAN，SVM，LSTM，CNN，AdaBoost，GBDT，RandomForest等机器学习算法，将这些算法的一个或者多个组合，构建了机器学习算法池；
使用机器学习算法池中不同的算法处理所收集的用户行为和程序行为，并结合数据的类型和特性，为不同用户和不同数据建立了数据访问预测模型；这些模型可以根据用户行为和程序行为，预测出用户接下来需要的数据；
对每个用户的每个数据，在模型评价阶段，根据小样本下的稳定性，预测成功率，计算复杂度等指标选择表现最好的前几个模型；
智能服务端子系统，能够对用户端传入的用户信息，设备信息，网络状况，用户行为和游戏上下文等进行综合处理，包括登陆，鉴权，授权，选择合适的智能数据访问预测模型，选择对应品质的模型和压缩算法，将用户所需要的数据提前或者按需发送给用户，过程中会根据设定对数据进行加密；
通用数据的数据预处理子系统根据智能数据访问预测子系统建立的模型和数据特性，数据预处理子系统将数据划分成合适大小的数据块，选择不同的压缩算法对数据块进行压缩。综合用户对特定数据使用情况，和该数据的性质和作用，以及智能数据访问预测子系统对用户体验的影响程度的打分，将数据块动态分配到服务器上对应的存储区，即冷数据区，一般数据区，热数据区(比如PCIE加速存储区，服务器内存缓存)，加速数据存储区(本公司或第三方CDN)；
通用压缩和特殊压缩相结合的数据压缩子系统。游戏数据有不同类型，比如代码，配置，文本，模型，音频，视频，纹理，图形，图像，数值，其他等。针对需要精确传输的代码，配置，文本，模型，数值等数据，根据其数据特点和实效性要求(压缩，和解压时间消耗)，选取特定的通用压缩(无损)算法(比如7z，LZMA，zip等)和不同的压缩参数进行压缩；而对音频，视频，纹理，图形，图像等数据，根据实效性要求和用户服务等级，使用合适的无损或有损压缩算法(如图像的png，jpeg，webp等，音频的aac，mp3等，视频的mpeg，mpeg4，H264，H265，VP8，VP9等，以及我们自研的算法)以及不同的码率或分辨率等参数，生成不同品质的压缩后数据。用户端的运行时在接受到数据之后会根据需要进行解压缩和转码，得到可用的数据；
预测和指令相结合的数据分发算法。在通常情况下，系统根据用户行为和程序行为，以及智能数据访问预测子系统生成的模型来下载拉取数据；数据分发子系统也支持游戏开发者按照协议植入指令，当触发指令执行条件时，数据分发子系统会按照指令来拉取特定数据。预测和指令相结合方式下，数据访问可以达到和访问本地数据一样0网络延时，从而达到游戏过程无卡顿。
以上对本发明及其实施方式进行了描述，这种描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。
Claims (3)
1.一种通用计算任务协作系统，其特征在于：包括数据按需加载和预测加载子系统、鉴权和授权子系统、预测和指令相结合的数据分发系统，所述数据按需加载和预测加载子系统包括用户端、服务端和数据访问行为分析子系统；
所述用户端运行时将用户和程序行为记录下来，包括按键、按键时长、各界面停留时间、程序响应、程序运行上下文、程序的数据访问信息，并上传到服务端用于分析和建模；
所述的用户端运行时将本地数据访问映射成本地缓存和服务端的数据访问，并对用户透明，运行时会持续和服务端通信，上告程序上下文信息，服务端返回接下来会用到的数据或当前所需数据，用户端运行时接受服务端返回的数据，并根据协议进行解压、解密和转码，满足运行需求，加入本地缓存，并按照用户信息、剩余存储空间、服务端指令和按照特定的算法来管理本地缓存；
所述数据访问行为分析子系统，建立了机器学习算法池，使用候选算法处理所收集的用户行为和程序行为得出不同的模型，然后在模型筛选阶段，根据样本下的稳定性，计算复杂度，预测准确率等指标选择出合格的模型；
所述服务端根据用户端传入的用户行为和程序上下文以及数据访问行为分析子系统输出的模型，计算出即将需要的数据块集合；返回当前需要的数据块；
服务端维护状态数据、执行数据、任务数据和任务存档，接收控制数据，下发控制数据到指定的用户端，维护用户端状态和处理失效问题；
所述预测和指令相结合的数据分发系统，根据用户行为和程序行为，以及大数据处理系统生成的模型来下发数据；
所述预测和指令相结合的数据分发系统也支持开发者在按照协议在代码中或者服务端植入指令，当满足指定的条件时，触发对应的指令，拉取或者删除特定数据操作，预测和指令相结合方式下，数据访问达到和访问本地数据一样零延时；
所述鉴权和授权子系统引入基于组的授权系统，组拥有权限，使用基于组的授权系统对用户端，任务和数据的双向授权，包括服务端鉴权和用户端鉴权。
2.根据权利要求1所述的一种通用计算任务协作系统，其特征在于：所述权限的访问主体有四种，包括用户、用户端组、数据组和任务组：
所述用户端组的权限包括运行任务组和访问数据组；
所述数据组的权限包括被任务组访问和被用户端组访问，数据的基本单位是数据块，多个数据块可属于同一个组，数据访问权限中指定权限的类别、权限的主体、权限的时效，支持不同的权限主体之间的运算；
任务组的权限包括被用户端运行和访问数据组；在任务提交的时候，用户需要指定任务运行的设备组和任务访问的数据组，或者默认拥有所属任务组的权限。
3.根据权利要求2所述的一种通用计算任务协作系统，其特征在于：所述服务端鉴权：用户端在启动的时候需要登陆；在用户端开始任务的时候，对用户端和任务进行鉴权，如果权限不匹配，则阻止用户端执行任务；在任务访问数据的时候，会对数据、用户端和任务进行鉴权，如果权限不匹配，则阻止数据的访问；
所述用户端鉴权：在任务启动的时候，会对任务进行鉴权，如果任务无用户端执行权限则拒绝执行；在任务访问数据的时候，会对任务，数据和本用户端进行鉴权，如果权限不匹配则拒绝数据访问。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111532688.4A CN114912082B (zh) | 2021-12-15 | 2021-12-15 | 一种通用计算任务协作系统 |
| PCT/CN2022/139430 WO2023109925A1 (en) | 2021-12-15 | 2022-12-15 | Universal computing task cooperation system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111532688.4A CN114912082B (zh) | 2021-12-15 | 2021-12-15 | 一种通用计算任务协作系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114912082A CN114912082A (zh) | 2022-08-16 |
| CN114912082B true CN114912082B (zh) | 2023-05-09 |
Family
ID=82763380
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111532688.4A Active CN114912082B (zh) | 2021-12-15 | 2021-12-15 | 一种通用计算任务协作系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN114912082B (zh) |
| WO (1) | WO2023109925A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114912082B (zh) * | 2021-12-15 | 2023-05-09 | 许磊 | 一种通用计算任务协作系统 |
| CN116956747A (zh) * | 2023-08-28 | 2023-10-27 | 西湾智慧(广东)信息科技有限公司 | 一种基于ai能力的机器学习建模平台的搭建方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9582603B1 (en) * | 2012-02-27 | 2017-02-28 | Amazon Technologies, Inc. | Managing preloading of data on client systems |
| CN109925718A (zh) * | 2019-01-14 | 2019-06-25 | 珠海金山网络游戏科技有限公司 | 一种分发游戏微端地图的系统及方法 |
| CN113297275A (zh) * | 2021-06-16 | 2021-08-24 | 上海高顿教育科技有限公司 | 一种基于多级缓存的企业级高并发鉴权控制方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5867799A (en) * | 1996-04-04 | 1999-02-02 | Lang; Andrew K. | Information system and method for filtering a massive flow of information entities to meet user information classification needs |
| US20060080702A1 (en) * | 2004-05-20 | 2006-04-13 | Turner Broadcasting System, Inc. | Systems and methods for delivering content over a network |
| CN108287849A (zh) * | 2017-01-10 | 2018-07-17 | 北京奇虎科技有限公司 | 操作方跨平台页面跳转控制方法及其相应的装置 |
| US11470131B2 (en) * | 2017-07-07 | 2022-10-11 | Box, Inc. | User device processing of information from a network-accessible collaboration system |
| US11263241B2 (en) * | 2018-10-19 | 2022-03-01 | Oracle International Corporation | Systems and methods for predicting actionable tasks using contextual models |
| CN114912082B (zh) * | 2021-12-15 | 2023-05-09 | 许磊 | 一种通用计算任务协作系统 |
-
2021
- 2021-12-15 CN CN202111532688.4A patent/CN114912082B/zh active Active
-
2022
- 2022-12-15 WO PCT/CN2022/139430 patent/WO2023109925A1/en unknown
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9582603B1 (en) * | 2012-02-27 | 2017-02-28 | Amazon Technologies, Inc. | Managing preloading of data on client systems |
| CN109925718A (zh) * | 2019-01-14 | 2019-06-25 | 珠海金山网络游戏科技有限公司 | 一种分发游戏微端地图的系统及方法 |
| CN113297275A (zh) * | 2021-06-16 | 2021-08-24 | 上海高顿教育科技有限公司 | 一种基于多级缓存的企业级高并发鉴权控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114912082A (zh) | 2022-08-16 |
| WO2023109925A1 (en) | 2023-06-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10872064B2 (en) | Utilizing version vectors across server and client changes to determine device usage by type, app, and time of day | |
| US20220360830A1 (en) | Cloud Phone-Based Live Streaming Method and Apparatus | |
| CN114912082B (zh) | 一种通用计算任务协作系统 | |
| CA2848747C (en) | Remote process execution management | |
| CN108449633B (zh) | 基于nfv的机顶盒云化系统及业务实现方法 | |
| US20130219006A1 (en) | Multiple media devices through a gateway server or services to access cloud computing service storage | |
| US20120167044A1 (en) | Virtualizing embedded devices | |
| US20130073601A1 (en) | Remote process execution management | |
| CN106302366A (zh) | 一种数据传输方法、装置和智能电视系统 | |
| US11516628B2 (en) | Media streaming with edge computing | |
| CN106301865A (zh) | 应用于服务提供设备的数据处理方法和设备 | |
| KR20140106838A (ko) | 스트리밍 기반의 게임 플랫폼을 이용한 클라우드 서비스 제공 장치 및 방법 | |
| CN111093094A (zh) | 视频转码方法、装置、系统及电子设备及可读存储介质 | |
| CN104349177A (zh) | 一种在桌面云下转向播放多媒体文件的方法、虚拟机及系统 | |
| US20130031149A1 (en) | Systems and methods of distributed file storage | |
| Song et al. | Remote display solution for video surveillance in multimedia cloud | |
| Panarello et al. | A big video data transcoding service for social media over federated clouds | |
| US8774599B2 (en) | Method for transcoding and playing back video files based on grid technology in devices having limited computing power | |
| CN114791893B (zh) | 一种随机数据访问的串行化系统 | |
| CN114840859B (zh) | 一种通用数据的流媒体化系统 | |
| US20220269524A1 (en) | Method and apparatus for secure data access during machine learning training | |
| CN115827236A (zh) | 实景三维在云发布过程中负载性能优化方法及系统 | |
| CN115802007A (zh) | 基于rtsp协议的监控系统控制方法、设备及可读存储介质 | |
| US20130137520A1 (en) | Game streaming system and method of supporting the multiuser and multiplatform | |
| CN112632016A (zh) | 一种文件编辑方法、装置 |
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 |