CN114968512A - 一种基于区块链智能合约的能量感知调度方法 - Google Patents
一种基于区块链智能合约的能量感知调度方法 Download PDFInfo
- Publication number
- CN114968512A CN114968512A CN202210356579.XA CN202210356579A CN114968512A CN 114968512 A CN114968512 A CN 114968512A CN 202210356579 A CN202210356579 A CN 202210356579A CN 114968512 A CN114968512 A CN 114968512A
- Authority
- CN
- China
- Prior art keywords
- task
- transaction
- scheduling
- jth
- virtual machine
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000008447 perception Effects 0.000 title abstract description 6
- 238000005265 energy consumption Methods 0.000 claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- 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]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Marketing (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Computer Security & Cryptography (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明公开了一种基于区块链智能合约的能量感知调度方法,涉及分布式系统技术领域,包括以下步骤:预先进行构建交易协议,标定任务所需的虚拟机资源,获取网络中的交易协议;标定智能合约,对区块链中的交易进行数字辅助、认证并实现交易;构建任务调度模型,再进行基于任务目标完成时间的优先级调度,其中包括计算标准权重向量和进行计算选项得分矩阵。本发明实现减少系统的能耗、缩短任务总体执行时间、提升数据中心资源利用率,解决任务调度的完整性和安全问题。
Description
技术领域
本发明涉及分布式系统技术领域,具体来说,涉及一种基于区块链智能合约的能量感知调度方法。
背景技术
云计算是通过互联网提供存储、服务器、网络、数据库、软件、智能等便利设施为用户提供服务。通常这些服务通过以下方式提供给用户:云设施即平台即服务(PaaS)、基础设施即服务(IaaS)和软件即服务(SaaS)。
普遍意义上的任务调度包括三层:应用层:为最终用户提供所需的服务;虚拟化层:虚拟资源组通过虚拟化技术由物理服务器组成,基础架构层:包含多种服务器。将任务分配到虚拟机(VM)的过程描述为任务调度;将虚拟机提供给物理机器(PM)的过程称为虚拟机放置。借助虚拟化技术,广义上的任务调度,即在虚拟机层将可访问的资源分配给任务。
目前为提升云计算的服务水平与规模,保障其业务的平稳性,为此修建了众多数据中心。这些数据中心在提供密集的计算的同时,却在远端产生大量能耗,给国家带来财政负担。特别是随着物联网和人工智能的到来,进一步导致了能耗的巨幅增加。因此,必须在云中合理调度任务,以最大限度地提高利用率、快速完成作业、降低能耗等。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题,本发明提出一种基于区块链智能合约的能量感知调度方法,以克服现有相关技术所存在的上述技术问题。
本发明的技术方案是这样实现的:
一种基于区块链智能合约的能量感知调度方法,包括以下步骤:
步骤S1,预先进行构建交易协议,标定任务所需的虚拟机资源,获取网络中的交易协议;
步骤S2,标定智能合约,对区块链中的交易进行数字辅助、认证并实现交易;
步骤S3,构建任务调度模型,再进行基于任务目标完成时间的优先级调度,其中包括计算标准权重向量和进行计算选项得分矩阵,包括以下步骤:
步骤S301,标定云计算数据中心n台物理主机,表示为:
H={h1,h2,h3,...,hn};
其中,每一台物理主机用hj表示,其资源集合,表示为:
hj={RCi,RMj,RSj,Rej};
其中,RCi为第j个主机节点的CPU性能指标,RMj为第j个主机节点的内存大小,RSj为第j个主机节点的存储磁盘大小,Rej为第j个主机节点的能量消耗;
步骤S302,标定在主机hk中的虚拟机,表示为:
VMa={vm1k,vm2k,...vmjk}。
其中,VMa为第a个主机节点的虚拟机集合,VMjk为第k个主机节点上的第j个虚拟机;
步骤S303,获取任务集合,表示为:T={t1,t2,t3...tm},且每一个任务,表示为:tm={am,1m,fm,pm}。
其中,am为任务到达时间,1m为任务执行时间长度,fm为任务完成时间,pm为任务优先级。
其中,所述标定任务所需的虚拟机资源,包括根据用户优先级、用户需求、负载或主机温度特性,为虚拟机分配物理机。
其中,所述交易协议的资源字段,至少包括任务配置、任务ID、任务长度和请求资源数量。
其中,所述计算标准权重向量,包括以下步骤:
步骤S304,创建成对比较矩阵M,表示为:n*n实数矩阵,其中n是所考虑的评估标准的数量;
其中,所述计算选项得分矩阵,包括以下步骤:
步骤S305,选项得分矩阵表示为m*n的实数矩阵B,其中B的每个记录bij表示第i个选项对于第j条准则的得分;
步骤S306,获取最终得分矩阵B,表示为:B=[b(1)…b(n)]。
本发明的有益效果:
本发明基于区块链智能合约的能量感知调度方法,通过预先进行构建交易协议,标定任务所需的虚拟机资源,获取网络中的交易协议;标定智能合约,对区块链中的交易进行数字辅助、认证并实现交易;构建任务调度模型,再进行基于任务目标完成时间的优先级调度,实现减少系统的能耗、缩短任务总体执行时间、提升数据中心资源利用率,解决任务调度的完整性和安全问题。
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是根据本发明实施例的一种基于区块链智能合约的能量感知调度方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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所获得的所有其他实施例,都属于本发明保护的范围。
根据本发明的实施例,提供了一种基于区块链智能合约的能量感知调度方法。
如图1所示,根据本发明实施例的基于区块链智能合约的能量感知调度方法,包括以下步骤:
步骤S1,预先进行构建交易协议,标定任务所需的虚拟机资源,获取网络中的交易协议;
本技术方案,预先进行构建交易协议,标定任务所需的虚拟机资源,获取网络中的交易协议,其中协议中定义的资源包含几个字段,分别为:ID,source,target,resourceallocation。在云环境下,用户的请求可以描绘为创建待执行任务。每一个任务都可通过如下字段定义:任务配置,任务ID,任务长度,以及请求的资源数量。
步骤S2,标定智能合约,对区块链中的交易进行数字辅助、认证并实现交易;
本技术方案,用于对区块链中的交易进行数字辅助、认证并实现可靠的交易。智能合约由交易激活并执行。通过智能合约的执行实现任务调度与管理。
另外,在应用时,其智能合约的实现如下:
步骤S3,构建任务调度模型,再进行基于任务目标完成时间的优先级调度,其中包括计算标准权重向量和进行计算选项得分矩阵,包括以下步骤:
步骤S301,云计算数据中心(CDC),这个数据中心中有n台物理主机,并表示为:
H={h1,h2,h3,...,hn};
其中,每一台物理主机用hj表示,其资源集合,表示为:
hj={RCi,RMj,RSj,Rej};
其中,RCi为第j个主机节点的CPU性能指标,RMj为第j个主机节点的内存大小,RSj为第j个主机节点的存储磁盘大小,Rej为第j个主机节点的能量消耗;
步骤S302,在主机hk中的虚拟机,表示为:
VMa={vm1k,vm2k,...vmjk}。
其中,VMa为第a个主机节点的虚拟机集合,VMjk为第k个主机节点上的第j个虚拟机;
步骤S303,获取任务集合,表示为:T={t1,t2,t3...tm};每一个任务,表示为:tm={am,1m,fm,pm}。
其中,am为任务到达时间,1m为任务执行时间长度,fm为任务完成时间,pm为任务优先级。
另外,基于上述的多目标任务调度算法模型如下:
minimize y=min(makespan,energy comsum)
makespan model:minimize makespan=min{max{exmjk}}
exmjk=Lm/RCVjk
其中,RCVjk为第k个主机节点上的第j个虚拟机的CPU性能
此外,在运行过程中,此模型基于如下一些假设条件,具体如下:每个任务都只在单个虚拟机上运行,不考虑任务迁移、任务中断;虚拟机固有在不变的数据中心,不存在节点故障;在任务调度过程中,仅考虑能量消耗。
基于上述假设,得出第k个任务在物理机k中的虚拟机j上执行的能耗,表示为:
ECmjk=ECRijk·ReVjk;
第m个任务能量总消耗,表示为:
E=ECexe+ECidle;
系统的能量消耗,表示为::
基于上述的系统能耗模型,可得出系统的能耗优化模型,表示为:
其中,ReVjk为第k个主机节点上的第j个虚拟机的能量消耗;ECRijk为第i个任务在第k个主机节点上的第j个虚拟机上的能量消耗比率;ECexe为虚拟机执行任务时的能量消耗;ECidle为虚拟机未执行任务时的能量消耗,当Zmjk=1时,表示第m个任务被分配到了;Zmjk为第k个物理机上的第j个虚拟机上执行,否则,Zmjk=0;ECijk为第i个任务在第k个主机节点上的第j个虚拟机上的能量消耗。
另外,进行基于任务目标完成时间的优先级调度(TTR-PSA),具体如下:
动态的任务优先级可以更好地应用现有资源,因此采用的策略是优先级值随负载的不同而变化。
需求:用户提交任务
确保:根据资源需求安排作业。具体如下:
其中,计算标准权重向量,包括以下步骤:
步骤S304,创建成对比较矩阵M,表示为:n*n实数矩阵,其中n是所考虑的评估标准的数量;
矩阵M的mjk描述了相对于第k个标准相对于第j个标准的重要性;
步骤S305,再进行计算选项得分矩阵,包括以下步骤:
选项得分矩阵表示为m*n的实数矩阵B,其中B的每个记录bij表示第i个选项对于第j条准则的得分;
步骤S306,获取最终得分矩阵B,表示为:B=[b(1)…b(n)]。
此外,再进行定位选项,包括以下步骤:
当计算了权重向量w和得分矩阵B时,获取全局得分的向量P,表示为:
P=S·w;
此外,在应用时,进行标定区块确认机制,具体如下:
其中,根据负荷,DCs列表按降序排列;
其中,弃已用于挖掘先前的x个区块的DC;
其中,列表中的剩余的DC挖掘后续块;
另外,其余的DCs不允许挖掘区块以降低能耗。在上述过程中,x是用于调节挖掘区块难度的变量。x越大表示挖掘负荷过载的DC的机会越大。
若每个DC都有错误概率y,则挖掘不成功的概率,表示为:
Pus=P[Bino(m,1-y)≤x];
其中,m表示DC的总数,Bino表示伯努利分布。
综上所述,借助于本发明的上述技术方案,通过预先进行构建交易协议,标定任务所需的虚拟机资源,获取网络中的交易协议;标定智能合约,对区块链中的交易进行数字辅助、认证并实现交易;构建任务调度模型,再进行基于任务目标完成时间的优先级调度,实现减少系统的能耗、缩短任务总体执行时间、提升数据中心资源利用率,解决任务调度的完整性和安全问题。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,本领域技术人员在考虑说明书及实施例处的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (5)
1.一种基于区块链智能合约的能量感知调度方法,其特征在于,包括以下步骤:
预先进行构建交易协议,标定任务所需的虚拟机资源,获取网络中的交易协议;
标定智能合约,对区块链中的交易进行数字辅助、认证并实现交易;
构建任务调度模型,再进行基于任务目标完成时间的优先级调度,其中包括计算标准权重向量和进行计算选项得分矩阵,包括以下步骤:
标定云计算数据中心n台物理主机,表示为:
H={h1,h2,h3,...,hn};
其中,每一台物理主机用hj表示,其资源集合,表示为:
hj={RCi,RMj,RSj,Rej};
其中,RCi为第j个主机节点的CPU性能指标,RMj为第j个主机节点的内存大小,RSj为第j个主机节点的存储磁盘大小,Rej为第j个主机节点的能量消耗;
标定在主机hk中的虚拟机,表示为:
VMa={vm1k,vm2k,...vmjk}。
其中,VMa为第a个主机节点的虚拟机集合,VMjk为第k个主机节点上的第j个虚拟机;
获取任务集合,表示为:T={t1,t2,t3...tm},且每一个任务,表示为:tm={am,1m,fm,pm}。
其中,am为任务到达时间,1m为任务执行时间长度,fm为任务完成时间,pm为任务优先级。
2.根据权利要求1所述的基于区块链智能合约的能量感知调度方法,其特征在于,所述标定任务所需的虚拟机资源,包括根据用户优先级、用户需求、负载或主机温度特性,为虚拟机分配物理机。
3.根据权利要求2所述的基于区块链智能合约的能量感知调度方法,其特征在于,所述交易协议的资源字段,至少包括任务配置、任务ID、任务长度和请求资源数量。
5.根据权利要求4所述的基于区块链智能合约的能量感知调度方法,其特征在于,所述计算选项得分矩阵,包括以下步骤:
选项得分矩阵表示为m*n的实数矩阵B,其中B的每个记录bij表示第i个选项对于第j条准则的得分;
获取最终得分矩阵B,表示为:B=[b(1)…b(n)]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210356579.XA CN114968512A (zh) | 2022-03-31 | 2022-03-31 | 一种基于区块链智能合约的能量感知调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210356579.XA CN114968512A (zh) | 2022-03-31 | 2022-03-31 | 一种基于区块链智能合约的能量感知调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114968512A true CN114968512A (zh) | 2022-08-30 |
Family
ID=82977435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210356579.XA Withdrawn CN114968512A (zh) | 2022-03-31 | 2022-03-31 | 一种基于区块链智能合约的能量感知调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114968512A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116401071A (zh) * | 2023-06-07 | 2023-07-07 | 江西财经大学 | 一种用于边缘计算的资源分配方法及系统 |
-
2022
- 2022-03-31 CN CN202210356579.XA patent/CN114968512A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116401071A (zh) * | 2023-06-07 | 2023-07-07 | 江西财经大学 | 一种用于边缘计算的资源分配方法及系统 |
CN116401071B (zh) * | 2023-06-07 | 2023-08-29 | 江西财经大学 | 一种用于边缘计算的资源分配方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111932027B (zh) | 一种融合边缘设施的云服务综合调度优化系统及方法 | |
US8332862B2 (en) | Scheduling ready tasks by generating network flow graph using information receive from root task having affinities between ready task and computers for execution | |
CN107659433B (zh) | 一种云资源调度方法及设备 | |
CN108845874B (zh) | 资源的动态分配方法及服务器 | |
CN109788046B (zh) | 一种基于改进蜂群算法的多策略边缘计算资源调度方法 | |
JPH07282013A (ja) | 分散処理システム | |
CN110597639B (zh) | Cpu分配控制方法、装置、服务器及存储介质 | |
CN112416585B (zh) | 面向深度学习的gpu资源管理与智能化调度方法 | |
US20240111586A1 (en) | Multi-policy intelligent scheduling method and apparatus oriented to heterogeneous computing power | |
CN114610474B (zh) | 一种异构超算环境下多策略的作业调度方法及系统 | |
CN107038070A (zh) | 一种云环境下执行可靠性感知的并行任务调度方法 | |
CN110262897B (zh) | 一种基于负载预测的Hadoop计算任务初始分配方法 | |
CN110990154B (zh) | 一种大数据应用优化方法、装置及存储介质 | |
CN112463390A (zh) | 一种分布式任务调度方法、装置、终端设备及存储介质 | |
WO2020134133A1 (zh) | 一种资源配置方法、变电站及计算机可读存储介质 | |
CN116467082A (zh) | 一种基于大数据的资源分配方法及系统 | |
CN114968512A (zh) | 一种基于区块链智能合约的能量感知调度方法 | |
US20210390405A1 (en) | Microservice-based training systems in heterogeneous graphic processor unit (gpu) cluster and operating method thereof | |
CN113190342A (zh) | 用于云-边协同网络的多应用细粒度卸载的方法与系统架构 | |
CN112130927A (zh) | 一种可靠性增强的移动边缘计算任务卸载方法 | |
CN112437449A (zh) | 联合资源分配方法及区域编排器 | |
CN111459871A (zh) | 一种基于fpga异构计算的区块链加速系统及方法 | |
CN115361349B (zh) | 资源使用方法和装置 | |
CN114780228B (zh) | 一种混合云资源创建方法及系统 | |
CN116582407A (zh) | 一种基于深度强化学习的容器化微服务编排系统及方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220830 |