CN115333948A - 一种基于云计算与传输网络提升网络利用率的方法 - Google Patents

一种基于云计算与传输网络提升网络利用率的方法 Download PDF

Info

Publication number
CN115333948A
CN115333948A CN202211014351.9A CN202211014351A CN115333948A CN 115333948 A CN115333948 A CN 115333948A CN 202211014351 A CN202211014351 A CN 202211014351A CN 115333948 A CN115333948 A CN 115333948A
Authority
CN
China
Prior art keywords
transmission network
cloud computer
network
transmission
power
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
Application number
CN202211014351.9A
Other languages
English (en)
Inventor
才虹丽
蒲逊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Communication Scientific Research Planning And Design Co ltd
Original Assignee
Sichuan Communication Scientific Research Planning And Design Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Communication Scientific Research Planning And Design Co ltd filed Critical Sichuan Communication Scientific Research Planning And Design Co ltd
Priority to CN202211014351.9A priority Critical patent/CN115333948A/zh
Publication of CN115333948A publication Critical patent/CN115333948A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/12—Discovery or management of network topologies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/74—Address processing for routing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

一种基于云计算与传输网络提升网络利用率的方法，客户端计算机将大数据通过传输网络传输给云计算机，云计算机计算大数据，并将计算结果通过传输网络传输给客户端计算机，提升云计算机的算力网络和传输网络的传输力网络的利用率的具体步骤如下：第一步骤,建立云计算机的算力模型和传输网络的路径模型；第二步骤，模拟云计算机的空间位置分布和算力大小，模拟传输网络的空间位置分布和传输力的大小，采用AI算法动态采集云计算机、传输网络的使用信息；第三步骤，采用AI算法动态管理云计算机处理数据的进程和传输网络传输数据的进程；第四步骤，动态匹配云计算机的算力与传输网络的传输力，提升云计算机的算力与传输网络的传输力的利用率。

Description

一种基于云计算与传输网络提升网络利用率的方法
技术领域
本发明涉及通信技术领域，具体为一种基于云计算与传输网络提升网络利用率的方法。
背景技术
客户端计算机通过传输网络将大数据传输到云计算机，云计算机计算大数据，云计算机计算大数据的结果，通过传输网络传输到客户端计算机；减少云计算机的空置率，能够提高云计算机的利用率，减少传输网络的空置率，能够提高传输网络的利用率。
传输网络的传输力的大小不清楚，传输网络的传输力的实时使用情况不清楚；云计算机的算力大小不清楚，云计算机的算力大小的实时使用情况不清楚；客户端计算机从传出大数据到获得大数据的结果，等待的时间要最短，单纯提高云计算机的算力利用率，和单纯提高传输网络的传输力的利用率，是很难办到的。
发明内容
针对以上问题，本发明的目的在于在处理大数据过程中，优化云计算机的算力和传输网络的传输力的匹配关系，提升云计算机的算力的利用率和传输网络的传输力的利用率，提供一种基于云计算与传输网络提升网络利用率的方法。
实现本发明目的的技术解决方案为：
一种基于云计算与传输网络提升网络利用率的方法，客户端计算机将大数据通过传输网络传输给云计算机，云计算机计算大数据，并将计算结果通过传输网络传输给客户端计算机，从而提升云计算机的算力网络和传输网络的传输力网络的利用率，所述方法的具体步骤如下：
第一步骤, 建立云计算机的算力模型和传输网络的路径模型；
第二步骤，模拟云计算机的空间位置分布和算力大小，模拟传输网络的空间位置分布和传输力的大小，采用AI算法动态采集云计算机、传输网络的使用信息；
优选地，采用三维坐标定位云计算机的空间位置，并将云计算机的算力大小一一映射到云计算机的空间位置，采用三维坐标定位传输网络的空间位置，并将传输网络的传输力大小一一映射到传输网络的空间位置，模拟云计算机与传输网络的连接结构；
第三步骤，采用AI算法动态管理云计算机处理数据的进程和传输网络传输数据的进程；
优选地，采用AI算法根据云计算机和传输网络在空间上的分布和在时间轴上的使用信息，一一映射到云计算机的算力模型和传输网络的路径模型；采用AI算法动态获取云计算机的算力使用信息和传输网络的使用信息，动态优化调整AI算法动态获取云计算机的算力使用信息和传输网络的使用信息，并且一一映射到云计算机的算力模型和传输网络的路径模型上；
第四步骤，动态匹配云计算机的算力与传输网络的传输力，提升云计算机的算力与传输网络的传输力的利用率；
优选地，客户端计算机将大数据通过传输网络传输给云计算机，云计算机计算大数据，并将计算结果通过传输网络传输给客户端计算机，这一过程所消耗的时间为最小值，云计算机的算力与传输网络的传输力之间的匹配关系达到最佳。
与现有技术相比，本发明的有益效果包括：
（1）、建立统一的网络时钟，提高测量的时间精度和路径测量精度。
（2）、计算机的算力网络和传输网络的传输力网络，与模拟的计算机的算力网络和传输网络的传输力网络模型形成使用数据信息的同步化。
（3）、客户端计算机将大数据通过传输网络传输给云计算机，云计算机计算大数据，并将计算结果通过传输网络传输给客户端计算机，这一过程所消耗的时间为最小值，云计算机的算力与传输网络的传输力之间的匹配关系达到最佳。
（4）、在处理大数据过程中，优化云计算机的算力和传输网络的传输力的匹配关系，降低空置率，提升云计算机的算力网络和传输网络的传输力网络的利用率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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是一种基于云计算与传输网络提升网络利用率的方法的流程示意图；
图2是一种基于云计算与传输网络提升网络利用率的方法的传输网络路径结构图；
图3是一种基于云计算与传输网络提升网络利用率的方法的传输网络路径的拓展结构图；
图4是一种基于云计算与传输网络提升网络利用率的方法的传输网络路径的再次拓展结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图，对本发明实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。
因此，以下对本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的部分实施例。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。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征和技术方案可以相互组合。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
具体的实施例是对一种采用公共数据压缩二进制代码组帧的方法的数据进行还原。
云计算机的算力是运算处理数据的能力，传输网络的传输力是传输数据的能力。
下面结合实施例对本发明作进一步详细描述。
实施例：
如图1至图4所示，本发明提供了一种基于云计算与传输网络提升网络利用率的方法，其中包括以下步骤：
步骤一, 建立云计算机的算力模型和传输网络的路径模型；
步骤二，模拟云计算机的空间位置分布和算力大小，模拟传输网络的空间位置分布和传输力的大小，采用AI算法动态采集云计算机、传输网络的使用信息；
步骤三，采用AI算法动态管理云计算机处理数据的进程和传输网络传输数据的进程；
步骤四，动态匹配云计算机的算力与传输网络的传输力，提升云计算机的算力与传输网络的传输力的利用率。
其中，步骤一, 包括云计算机的算力模型，对一个单元的云计算机的算力CP，建立的模型如下：
CP=∑(ψ×θ×μ×τ)
ψ表示某型号CPU或者GPU服务器存数，θ表示CPU或者GPU的核数，μ表示CPU或者GPU的单核主频，τ表示CPU或者GPU单个周期浮点计算值。
对一个单元的云计算机的算力CP建立模型，根据算力CP模型，计算出所有云计算机的算力值；动态采集云计算机的算力的使用信息，动态采集云计算机的算力的剩余信息。
优选的，步骤一还包括：对传输网络的路径建立模型。
采用统一的网络时钟T，采集数据经过交换机、路由器并记录名称R，交换机、路由器之间的距离为S，V表示数据在传输网络中传输的速度；交换机、路由器只是表示传输网路上的识别点，具有等同的效果；用数据经过交换机、路由器，采集经过交换机、路由器的名称信息和时间，将交换机、路由器作为传输网络上的点，F表示函数，建立传输网络的路径模型函数F（R，S），计算出传输网络的拓扑结构，比如，传输网络的拓扑结构是：总线型、环型、星型、网状。测量交换机、路由器之间的距离，采用的距离模型函数为S=F（T，V）。
数据依次经过交换机、路由器R1，交换机、路由器R2，交换机、路由器R3，交换机、路由器R4；数据经过交换机、路由器R1的时间是T1，数据经过交换机、路由器R2的时间是T2，数据经过交换机、路由器R3的时间是T3，数据经过交换机、路由器R4的时间是T4；形成网络路径R1→R2→R3→R4，R4→R3→R2→R1；以网络路径R1→R2→R3→R4为例，交换机、路由器R1与交换机、路由器R2之间的距离为S1=（T2- T1）V，交换机、路由器R2与交换机、路由器R3之间的距离为S2=（T3- T2）V，交换机、路由器R4与交换机、路由器R3之间的距离为S3=（T4- T3）V。
当数据依次经过交换机、路由器R1，交换机、路由器R5，交换机、路由器R3，交换机、路由器R4，形成网络路径R1→R5→R3→R4，R4→R3→R5→R1，形成新的网络拓扑图（在图2的基础上拓展，形成图3的网络拓扑图），交换机、路由器之间的距离计算采用以上的方法计算。
当数据依次经过交换机、路由器R1，交换机、路由器R2，交换机、路由器R6，交换机、路由器R4，形成网络路径R1→R2→R6→R4，R4→R6→R2→R1，形成新的网络拓扑图（在图3的基础上拓展，形成图4的网络拓扑图），交换机、路由器之间的距离计算采用以上的方法计算；形成新的网络拓扑图，采用以上的方法类推。
建立传输网络的路径模型，计算每一条传输网络的路径值，并生成传输网络的网络路径结构。
动态采集传输网络的传输力的使用信息，动态采集传输网络的传输力的剩余信息。
建立云计算机的算力模型和传输网络的路径模型，这是提升网络算力和传输力的利用率的基础。
进一步的，或者，为了更好的实现本发明的目的，步骤二：模拟云计算机的空间位置分布和算力大小，模拟传输网络的空间位置分布和传输力的大小，采用AI算法动态采集云计算机、传输网络的使用信息；
优选的，步骤二还包括：以地心为三维坐标系的原点，定位云计算机的空间位置，建立虚拟的三维坐标系，以地心为原点的三维坐标系与虚拟的三维坐标系建立一一映射的关系，将云计算机的算力模型和传输网络的路径模型加载到虚拟的三维坐标系内。
云计算机在以地心为原点的三维坐标系的坐标，一一映射到云计算机的算力模型在虚拟的三维坐标系的坐标；传输网络在以地心为原点的三维坐标系的路径，一一映射到传输网络的路径模型在虚拟的三维坐标系的路径。
将云计算机的算力大小一一映射到云计算机的算力模型上，将传输网络的传输力大小一一映射到传输网络的路径模型上。
云计算机和传输网络的连接关系，与云计算机的算力模型和传输网络的路径模型的连接关系一一映射。
AI算法将动态采集云计算机的使用信息一一映射到云计算机的算力模型，AI算法将动态采集传输网络使用信息一一映射到传输网络的路径模型。
以地心为三维坐标系的原点，定位云计算机的空间位置，建立虚拟的三维坐标系，以地心为原点的三维坐标系与虚拟的三维坐标系建立一一映射的关系，将云计算机的算力模型和传输网络的路径模型加载到虚拟的三维坐标系内；建立两个坐标系的映射关系；云计算机在以地心为原点的三维坐标系的坐标，一一映射到云计算机的算力模型在虚拟的三维坐标系的坐标；传输网络在以地心为原点的三维坐标系的路径，一一映射到传输网络的路径模型在虚拟的三维坐标系的路径；云计算机与云计算机的算力模型建立一一映射关系，传输网络与传输网络的路径模型建立一一映射关系；将云计算机的算力大小一一映射到云计算机的算力模型上，对云计算机的算力模型进行赋值；将传输网络的传输力大小一一映射到传输网络的路径模型上，对传输网络的路径模型进行赋值。
进一步的，或者，为了更好的实现本发明的目的，步骤三：采用AI算法动态管理云计算机处理数据的进程和传输网络传输数据的进程。
优选的，步骤三还包括：采用AI算法根据云计算机和传输网络在空间上的分布和在时间轴上的使用信息，一一映射到云计算机的算力模型和传输网络的路径模型；采用AI算法动态获取云计算机的算力使用信息和传输网络的使用信息，动态优化调整AI算法动态获取云计算机的算力使用信息和传输网络的使用信息，并且一一映射到云计算机的算力模型和传输网络的路径模型上。
采用AI算法动态管理云计算机处理数据的进程和传输网络传输数据的进程，实现动态优化云计算机处理数据的进程和传输网络传输数据的进程，提升云计算机的算力网络和传输网络的传输力网络的利用率。
进一步的，或者，为了更好的实现本发明的目的，步骤四：动态匹配云计算机的算力与传输网络的传输力，提升云计算机的算力与传输网络的传输力的利用率；
优选的，步骤四还包括：客户端计算机将大数据通过传输网络传输给云计算机，云计算机计算大数据，并将计算结果通过传输网络传输给客户端计算机，这一过程所消耗的时间为最小值，云计算机的算力与传输网络的传输力之间的匹配关系达到最佳。
客户端计算机将大数据通过传输网络传输给云计算机，云计算机计算大数据，并将计算结果通过传输网络传输给客户端计算机，这一过程所消耗的时间为最小值，云计算机的算力与传输网络的传输力之间的匹配关系达到最佳。
以上实施例仅用以说明本发明而并非限制本发明所描述的技术方案，尽管本说明书参照上述的各个实施例对本发明已进行了详细的说明，但本发明不局限于上述具体实施方式，因此任何对本发明进行修改或等同替换；而一切不脱离发明的精神和范围的技术方案及其改进，其均涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种基于云计算与传输网络提升网络利用率的方法，其特征在于：客户端计算机将大数据通过传输网络传输给云计算机，云计算机计算大数据，并将计算结果通过传输网络传输给客户端计算机，从而提升云计算机的算力网络和传输网络的传输力网络的利用率，所述方法的具体步骤如下：
第一步骤, 建立云计算机的算力模型和传输网络的路径模型；
第二步骤，模拟云计算机的空间位置分布和算力大小，模拟传输网络的空间位置分布和传输力的大小，采用AI算法动态采集云计算机、传输网络的使用信息；
第三步骤，采用AI算法动态管理云计算机处理数据的进程和传输网络传输数据的进程；
第四步骤，动态匹配云计算机的算力与传输网络的传输力，提升云计算机的算力与传输网络的传输力的利用率。
2.根据权利要求1所述的一种基于云计算与传输网络提升网络利用率的方法，其特征在于：对一个单元的云计算机的算力CP，建立的模型如下： CP=∑(ψ×θ×μ×τ)。
3.根据权利要求1所述的一种基于云计算与传输网络提升网络利用率的方法，其特征在于：传输网络的路径模型函数F（R，S），计算出传输网络的拓扑结构。
4.根据权利要求3所述的一种基于云计算与传输网络提升网络利用率的方法，其特征在于：测量交换机、路由器之间的距离，采用的距离模型函数为S=F（T，V）。
5.根据权利要求1所述的一种基于云计算与传输网络提升网络利用率的方法，其特征在于：将云计算机的算力模型和传输网络的路径模型加载到虚拟的三维坐标系内。
6.根据权利要求5所述的一种基于云计算与传输网络提升网络利用率的方法，其特征在于：云计算机在以地心为原点的三维坐标系的坐标，一一映射到云计算机的算力模型在虚拟的三维坐标系的坐标；传输网络在以地心为原点的三维坐标系的路径，一一映射到传输网络的路径模型在虚拟的三维坐标系的路径。
7.根据权利要求6所述的一种基于云计算与传输网络提升网络利用率的方法，其特征在于：将云计算机的算力大小一一映射到云计算机的算力模型上，将传输网络的传输力大小一一映射到传输网络的路径模型上。
8.根据权利要求5至7任意一项所述的一种基于云计算与传输网络提升网络利用率的方法，其特征在于：云计算机和传输网络的连接关系，与云计算机的算力模型和传输网络的路径模型的连接关系一一映射。
9.根据权利要求1所述的一种基于云计算与传输网络提升网络利用率的方法，其特征在于：采用AI算法根据云计算机和传输网络在空间上的分布和在时间轴上的使用信息，一一映射到云计算机的算力模型和传输网络的路径模型；采用AI算法动态获取云计算机的算力使用信息和传输网络的使用信息，动态优化调整AI算法动态获取云计算机的算力使用信息和传输网络的使用信息，并且一一映射到云计算机的算力模型和传输网络的路径模型上。
10.根据权利要求1所述的一种基于云计算与传输网络提升网络利用率的方法，其特征在于：客户端计算机将大数据通过传输网络传输给云计算机，云计算机计算大数据，并将计算结果通过传输网络传输给客户端计算机，这一过程所消耗的时间为最小值，云计算机的算力与传输网络的传输力之间的匹配关系达到最佳。
CN202211014351.9A 2022-08-23 2022-08-23 一种基于云计算与传输网络提升网络利用率的方法 Pending CN115333948A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211014351.9A CN115333948A (zh) 2022-08-23 2022-08-23 一种基于云计算与传输网络提升网络利用率的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211014351.9A CN115333948A (zh) 2022-08-23 2022-08-23 一种基于云计算与传输网络提升网络利用率的方法

Publications (1)

Publication Number Publication Date
CN115333948A true CN115333948A (zh) 2022-11-11

Family

ID=83925332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211014351.9A Pending CN115333948A (zh) 2022-08-23 2022-08-23 一种基于云计算与传输网络提升网络利用率的方法

Country Status (1)

Country Link
CN (1) CN115333948A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103294579A (zh) * 2013-06-09 2013-09-11 浪潮电子信息产业股份有限公司 一种高性能计算集群应用性能测试方法
CN107451022A (zh) * 2017-08-11 2017-12-08 郑州云海信息技术有限公司 一种自动调节linpack性能测试的方法及系统
CN110554923A (zh) * 2019-09-09 2019-12-10 吕春燕 一种用于云计算的分布链式计算资源的优化方法及系统
CN113079218A (zh) * 2021-04-09 2021-07-06 网络通信与安全紫金山实验室 一种面向服务的算力网络系统、工作方法及存储介质
CN114675972A (zh) * 2022-04-12 2022-06-28 浙江大学 基于积分算法的云网络资源弹性调度方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103294579A (zh) * 2013-06-09 2013-09-11 浪潮电子信息产业股份有限公司 一种高性能计算集群应用性能测试方法
CN107451022A (zh) * 2017-08-11 2017-12-08 郑州云海信息技术有限公司 一种自动调节linpack性能测试的方法及系统
CN110554923A (zh) * 2019-09-09 2019-12-10 吕春燕 一种用于云计算的分布链式计算资源的优化方法及系统
CN113079218A (zh) * 2021-04-09 2021-07-06 网络通信与安全紫金山实验室 一种面向服务的算力网络系统、工作方法及存储介质
CN114675972A (zh) * 2022-04-12 2022-06-28 浙江大学 基于积分算法的云网络资源弹性调度方法及系统

Similar Documents

Publication Publication Date Title
JP7433373B2 (ja) 深層学習モデルの分散トレーニング方法、装置、電子機器、記憶媒体およびコンピュータプログラム
US11698931B2 (en) Label propagation in a distributed system
CN107493334B (zh) 一种增强云雾计算网络架构系统可靠性的方法
US10848407B2 (en) Efficient density based geo clustering
TWI700599B (zh) 關係網絡圖嵌人的方法及裝置、電腦可讀儲存媒體及計算設備
CN113193947B (zh) 实现分布式全局序的方法、设备、介质及程序产品
WO2023284387A1 (zh) 基于联邦学习的模型训练方法、装置、系统、设备和介质
WO2023179091A1 (zh) 三维模型渲染方法、装置、设备、存储介质及程序产品
US20200020137A1 (en) Cross-device supervisory computer vision system
Munir et al. Artificial intelligence-based service aggregation for mobile-agent in edge computing
CN107181774A (zh) 分布式数据中心之间的数据移动
CN114285695B (zh) 通信方法、装置、设备、系统和存储介质
CN109344294B (zh) 特征生成方法、装置、电子设备及计算机可读存储介质
CN115333948A (zh) 一种基于云计算与传输网络提升网络利用率的方法
CN113645076A (zh) 基于超图匹配算法的虚拟网络资源分配方法
WO2023169497A1 (zh) 一种数据的脱密共享方法、装置、设备及介质
CN103186924A (zh) 用于处理三维模型数据的方法和装置
CN114579311B (zh) 执行分布式计算任务的方法、装置、设备以及存储介质
CN114928587B (zh) 一种基于云边协同系统的AIoT设备复用建模化方法
CN115187821A (zh) 验证模型转换前后正确性的方法、相关装置及程序产品
Pranav et al. Peer-to-peer deep learning for beyond-5g iot
CN110021339A (zh) 基于蛋白质折叠测算蛋白质结构的集群并行计算加速方法
CN110955497B (zh) 一种基于任务分割的分布式图计算系统
CN107341057A (zh) 一种数据处理方法及装置
CN116662276B (zh) 数据处理方法、装置、电子设备及存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20221111