CN116244081A - 一种多核存算一体加速器网络拓扑结构控制系统 - Google Patents

一种多核存算一体加速器网络拓扑结构控制系统 Download PDF

Info

Publication number
CN116244081A
CN116244081A CN202310230110.6A CN202310230110A CN116244081A CN 116244081 A CN116244081 A CN 116244081A CN 202310230110 A CN202310230110 A CN 202310230110A CN 116244081 A CN116244081 A CN 116244081A
Authority
CN
China
Prior art keywords
detection
network
node
detection period
period
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.)
Granted
Application number
CN202310230110.6A
Other languages
English (en)
Other versions
CN116244081B (zh
Inventor
李涛
熊大鹏
胡建伟
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.)
Suzhou Yizhu Intelligent Technology Co ltd
Original Assignee
Suzhou Yizhu Intelligent Technology 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 Suzhou Yizhu Intelligent Technology Co ltd filed Critical Suzhou Yizhu Intelligent Technology Co ltd
Priority to CN202310230110.6A priority Critical patent/CN116244081B/zh
Publication of CN116244081A publication Critical patent/CN116244081A/zh
Application granted granted Critical
Publication of CN116244081B publication Critical patent/CN116244081B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F9/50—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
    • G06F9/505—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 considering the load
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
    • G06F11/3093—Configuration details thereof, e.g. installation, enabling, spatial arrangement of the probes
    • 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
    • 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
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/501—Performance criteria
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/508—Monitor

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明属于网络拓扑领域，涉及数据分析技术，用于解决现有的网络拓扑结构控制系统无法根据数据传输异常特征对优化方向进行判定的问题，具体是一种多核存算一体加速器网络拓扑结构控制系统，包括服务器，服务器通信连接有网络检测模块、传输监控模块、节点监控模块、网络优化模块、加速器网络以及存储模块，网络检测模块用于对网络拓扑结构的运行状态进行检测分析：将加速器网络的各个节点标记为检测对象，设定检测周期，在检测周期内对检测对象进行数据传输分析；本发明是利用任务地址空间技术将任务模块在网络中传输，并通过实时检测与动态任务分配算法以实现各个加速器之间的负载平衡，以实现最高的硬件利用率。

Description

一种多核存算一体加速器网络拓扑结构控制系统
技术领域
本发明属于网络拓扑领域，涉及数据分析技术，具体是一种多核存算一体加速器网络拓扑结构控制系统。
背景技术
为了满足应用程序对时延及同时处理大量数据的需要，现有的多核存算一体加速器是将多个内核连接到一块共享内存上以实现核间的指令及数据交换，整个交互过程由加速器连接的主处理器控制，并通过执行程序设计中的数据传输及任务执行指令完成，而同时为保证任务的可靠性，该方法需要严格控制数据处理及共享内存访问的先后顺序；
基于上述的两个限制条件，现有的多核存算一体加速器采用编译器控制的静态任务分配方法，无法同时处理多种任务，当任务数据量发生改变的时候，静态分配方法无法有效的利用多核存算一体加速器上的硬件资源从而造成硬件资源的浪费；另外，现有的一体加速器网络无法根据数据传输异常特征对优化方向进行判定，从而无法提出针对性的优化方案进行异常处理，导致数据传输异常处理的效率低下；
针对上述技术问题，本申请提出一种解决方案。
发明内容
本发明的目的在于提供一种多核存算一体加速器网络拓扑结构控制系统，用于解决现有的一体加速器网络无法根据数据传输异常特征对优化方向进行判定的问题。
本发明需要解决的技术问题为：如何提供一种根据数据传输异常特征对优化方向进行判定的多核存算一体加速器网络拓扑结构控制系统。
本发明的目的可以通过以下技术方案实现：
一种多核存算一体加速器网络拓扑结构控制系统，包括服务器，所述服务器通信连接有网络检测模块、传输监控模块、节点监控模块、网络优化模块、加速器网络以及存储模块；
所述网络检测模块用于对网络拓扑结构的运行状态进行检测分析：将加速器网络的各个节点标记为检测对象，设定检测周期，在检测周期内对检测对象进行数据传输分析：将检测周期分割为均匀分布的检测时段，获取检测时段内信利数据XL、信容数据XR以及延时数据YS，通过对检测时段内信利数据XL、信容数据XR以及延时数据YS进行数值计算得到检测对象在检测时段内的传输系数CS，通过传输系数CS的数值大小将检测对象标记为效正对象或效异对象；
所述传输监控模块用于对网络拓扑结构的数据传输状态进行检测分析：在检测时段结束后，对获取上一检测时段内检测对象的标记情况，将上一检测时段内的效异对象的数量与检测对象的数量的比值标记为效异系数，通过存储模块获取到效异阈值，将效异系数与效异阈值进行比较并通过比较结果将上一检测时段标记为效正时段或效异时段；
所述节点监控模块用于对加速器网络的节点进行周期性监控并对检测周期内的加速器网络的数据传输过程是否满足要求进行判定；
所述网络优化模块用于对网络拓扑结构进行优化分析。
作为本发明的一种优选实施方式，检测时段内检测对象的信利数据XL的获取过程包括：在检测时段内对检测对象的信道利用率进行实时检测，将检测时段内检测对象的信道利用率的最小值标记为信利数据XL；检测时段内检测对象的信容数据XR的获取过程包括：在检测时段内对检测对象的信道容量进行实时检测，将检测时段内检测对象的信道容量的最小值标记为信容数据XR；检测时段内检测对象的延时数据YS的获取过程包括：在检测时段内对检测对象的数据传输延时进行实时检测，将检测时段内检测对象数据传输延时最大值标记为延时数据YS。
作为本发明的一种优选实施方式，将检测对象标记为效正对象或效异对象的具体过程包括：通过存储模块获取到传输阈值CSmin，将检测时段内检测对象的传输系数CS与传输阈值CSmin进行比较：若传输系数CS小于传输阈值CSmin，则判定检测对象在检测时段内的数据传输效率不满足要求，将对应检测时段内的检测对象标记为效异对象；若传输系数CS大于等于传输阈值CSmin，则判定检测对象在检测时段内的数据传输效率不满足要求，将对应检测时段内的检测对象标记为效正对象。
作为本发明的一种优选实施方式，将效异系数与效异阈值进行比较的具体过程包括：若效异系数小于效异阈值，则判定上一检测时段内的数据传输状态满足要求，将上一检测时段标记为效正时段；若效异系数大于等于效异阈值，则判定上一检测时段内的数据传输状态不满足要求，将上一检测时段标记为效异时段；连续出现L1个效异时段时，传输监控模块向服务器发送传输异常信号，服务器接收到传输异常信号后将传输异常信号发送至网络优化模块。
作为本发明的一种优选实施方式，节点监控模块对加速器网络的节点进行周期性监控的具体过程包括：在检测周期完成之后，获取检测对象被标记为效异对象的次数，将检测对象被标记为效异对象的次数与检测时段的数量的比值标记为节点系数，将所有检测节点的节点系数建立节点集合，对节点集合进行方差计算得到节偏系数，对所有检测节点的节点系数进行求和取平均值得到节点表现值，通过存储模块获取到节偏阈值与节点表现阈值，将节偏系数、节点表现值分别与节偏阈值、节点表现值进行比较：若节偏系数小于节偏阈值且节点表现值小于节点表现阈值，则判定检测周期内加速器网络的数据传输过程满足要求；否则，判定检测周期内加速器网络的数据传输过程不满足要求，节点监控模块向服务器发送周期异常信号，服务器接收到周期异常信号后将周期异常信号发送至网络优化模块。
作为本发明的一种优选实施方式，网络优化模块对网络拓扑结构进行优化分析的具体过程包括：在检测周期结束之后，若网络优化模块接收到传输异常信号，则网络优化模块生成连接优化信号并将连接优化信号通过服务器发送至管理人员的手机终端，管理人员接收到连接优化信号后对加速器网络中节点的连接关系进行优化处理；若网络优化模块接收到周期异常信号，则网络优化模块生成结构优化信号并将结构优化信号通过服务器发送至管理人员的手机终端，管理人员接收到结构优化信号后对网络拓扑结构进行优化处理。
该多核存算一体加速器网络拓扑结构控制系统的工作方法，包括以下步骤：
步骤一：对网络拓扑结构的运行状态进行检测分析，将加速器网络的各个节点标记为检测对象，设定检测周期，在检测周期内对检测对象进行数据传输分析并得到检测时段内检测对象的传输系数，通过传输系数将检测时段内的检测对象标记为效正对象或效异对象；
步骤二：对网络拓扑结构的数据传输状态进行检测分析：在检测时段结束后，对获取上一检测时段内检测对象的标记情况并得到效异系数，通过效异系数的数值大小将上一检测时段标记为效正时段或效异时段；
步骤三：对加速器网络的节点进行周期性监控：在检测周期完成之后，获取检测对象被标记为效异对象的次数并进行计算得到节偏系数与节点表现值，通过节偏系数与节点表现值对加速器网络的数据传输过程是否满足要求进行判定。
本发明具备下述有益效果：
1、通过实时检测与动态任务分配算法，使加速器网络中的每一个节点都构成可重配的存算一体加速器内核，以对数据进行近数据计算，各个节点连接成网状拓扑结构以进行数据和任务的传输，通过任务地址空间模式与任务寻址传输方法支持任务的分配和重组，该方法将每一个运算内核分割成多个任务模块，并利用任务地址空间技术将任务模块在网络中传输，通过实时检测与动态任务分配算法以实现各个加速器之间的负载平衡，以实现最高的硬件利用率；
2、通过网络检测模块可以对网络拓扑结构的运行状态进行检测分析，通过对网络节点中各个数据传输参数进行综合分析处理得到网络节点的传输参数，通过网络节点的传输参数可以对一定时间段内的数据传输效率进行监控，从而在节点传输异常时及时进行反馈；
3、通过传输监控模块可以对网络拓扑结构的数据传输状态进行检测分析，通过对检测时段内的效异对象的数量进行处理分析得到效异系数，从而通过效异系数对检测时段内数据传输网络的整体传输状态进行反馈，结合节点与网络的传输状态进行综合分析，为网络优化决策提供数据支撑；
4、通过节点监控模块可以对网络节点在检测周期内的数据传输状态的线性变化进行周期性监控，从而对每一个网络节点的整体传输状态进行反馈，结合网络优化模块生成对应的优化信号，从而根据历史传输数据对网络优化方向进行选择，提高后续网络数据传输的效率。
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，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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为本发明实施例一的系统框图；
图2为本发明实施例二的方法流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整的描述，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在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例一
如图1所示，一种多核存算一体加速器网络拓扑结构控制系统，包括服务器，服务器通信连接有网络检测模块、传输监控模块、节点监控模块、网络优化模块、加速器网络以及存储模块。
加速器网络的每一个节点均包括存算一体加速器内核、重分配模块以及若干个监测模块，存算一体加速器内核用于对数据进行近数据计算，加速器网络的各个节点连接成网状拓扑结构以进行数据和任务的传输；由多个存算一体加速器内核构成一个加速器群组，监测模块与加速器群组一一对应；通过实时检测与动态任务分配算法，使加速器网络中的每一个节点都构成可重配的存算一体加速器内核，以对数据进行近数据计算，各个节点连接成网状拓扑结构以进行数据和任务的传输，通过任务地址空间模式与任务寻址传输方法支持任务的分配和重组，该方法将每一个运算内核分割成多个任务模块，并利用任务地址空间技术将任务模块在网络中传输，通过实时检测与动态任务分配算法以实现各个加速器之间的负载平衡，以实现最高的硬件利用率。
网络检测模块用于对网络拓扑结构的运行状态进行检测分析：将加速器网络的各个节点标记为检测对象，设定检测周期，在检测周期内对检测对象进行数据传输分析：将检测周期分割为均匀分布的检测时段，获取检测时段内信利数据XL、信容数据XR以及延时数据YS，检测时段内检测对象的信利数据XL的获取过程包括：在检测时段内对检测对象的信道利用率进行实时检测，将检测时段内检测对象的信道利用率的最小值标记为信利数据XL；检测时段内检测对象的信容数据XR的获取过程包括：在检测时段内对检测对象的信道容量进行实时检测，将检测时段内检测对象的信道容量的最小值标记为信容数据XR；检测时段内检测对象的延时数据YS的获取过程包括：在检测时段内对检测对象的数据传输延时进行实时检测，将检测时段内检测对象数据传输延时最大值标记为延时数据YS；通过公式CS＝α1*XL+α2*XR-α3*YS得到检测对象在检测时段内的传输系数CS，传输系数是一个反映检测对象在检测时段内传输状态好坏的数值，传输系数的数值大，则表示检测对象在检测时段内的传输状态越好；其中α1、α2以及α3均为比例系数，且α1＞α2＞α3＞1；通过存储模块获取到传输阈值CSmin，将检测时段内检测对象的传输系数CS与传输阈值CSmin进行比较：若传输系数CS小于传输阈值CSmin，则判定检测对象在检测时段内的数据传输效率不满足要求，将对应检测时段内的检测对象标记为效异对象；若传输系数CS大于等于传输阈值CSmin，则判定检测对象在检测时段内的数据传输效率不满足要求，将对应检测时段内的检测对象标记为效正对象；对网络拓扑结构的运行状态进行检测分析，通过对网络节点中各个数据传输参数进行综合分析处理得到网络节点的传输参数，通过网络节点的传输参数可以对一定时间段内的数据传输效率进行监控，从而在节点传输异常时及时进行反馈。
传输监控模块用于对网络拓扑结构的数据传输状态进行检测分析：在检测时段结束后，对获取上一检测时段内检测对象的标记情况，将上一检测时段内的效异对象的数量与检测对象的数量的比值标记为效异系数，通过存储模块获取到效异阈值，将效异系数与效异阈值进行比较：若效异系数小于效异阈值，则判定上一检测时段内的数据传输状态满足要求，将上一检测时段标记为效正时段；若效异系数大于等于效异阈值，则判定上一检测时段内的数据传输状态不满足要求，将上一检测时段标记为效异时段；连续出现L1个效异时段时，L1为数值常量，L1的数值由管理人员自行设置；传输监控模块向服务器发送传输异常信号，服务器接收到传输异常信号后将传输异常信号发送至网络优化模块；对网络拓扑结构的数据传输状态进行检测分析，通过对检测时段内的效异对象的数量进行处理分析得到效异系数，从而通过效异系数对检测时段内数据传输网络的整体传输状态进行反馈，结合节点与网络的传输状态进行综合分析，为网络优化决策提供数据支撑。
节点监控模块用于对加速器网络的节点进行周期性监控：在检测周期完成之后，获取检测对象被标记为效异对象的次数，将检测对象被标记为效异对象的次数与检测时段的数量的比值标记为节点系数，将所有检测节点的节点系数建立节点集合，对节点集合进行方差计算得到节偏系数，对所有检测节点的节点系数进行求和取平均值得到节点表现值，通过存储模块获取到节偏阈值与节点表现阈值，将节偏系数、节点表现值分别与节偏阈值、节点表现值进行比较：若节偏系数小于节偏阈值且节点表现值小于节点表现阈值，则判定检测周期内加速器网络的数据传输过程满足要求；否则，判定检测周期内加速器网络的数据传输过程不满足要求，节点监控模块向服务器发送周期异常信号，服务器接收到周期异常信号后将周期异常信号发送至网络优化模块；对网络节点在检测周期内的数据传输状态的线性变化进行周期性监控，从而对每一个网络节点的整体传输状态进行反馈，结合网络优化模块生成对应的优化信号，从而根据历史传输数据对网络优化方向进行选择，提高后续网络数据传输的效率。
网络优化模块用于对网络拓扑结构进行优化分析：在检测周期结束之后，若网络优化模块接收到传输异常信号，则网络优化模块生成连接优化信号并将连接优化信号通过服务器发送至管理人员的手机终端，管理人员接收到连接优化信号后对加速器网络中节点的连接关系进行优化处理；若网络优化模块接收到周期异常信号，则网络优化模块生成结构优化信号并将结构优化信号通过服务器发送至管理人员的手机终端，管理人员接收到结构优化信号后对网络拓扑结构。
实施例二
如图2所示，一种多核存算一体加速器网络拓扑结构控制方法，包括以下步骤：
步骤一：对网络拓扑结构的运行状态进行检测分析，将加速器网络的各个节点标记为检测对象，设定检测周期，在检测周期内对检测对象进行数据传输分析并得到检测时段内检测对象的传输系数，通过传输系数将检测时段内的检测对象标记为效正对象或效异对象，对一定时间段内的数据传输效率进行监控，从而在节点传输异常时及时进行反馈；
步骤二：对网络拓扑结构的数据传输状态进行检测分析：在检测时段结束后，对获取上一检测时段内检测对象的标记情况并得到效异系数，通过效异系数的数值大小将上一检测时段标记为效正时段或效异时段，结合节点与网络的传输状态进行综合分析，为网络优化决策提供数据支撑；
步骤三：对加速器网络的节点进行周期性监控：在检测周期完成之后，获取检测对象被标记为效异对象的次数并进行计算得到节偏系数与节点表现值，通过节偏系数与节点表现值对加速器网络的数据传输过程是否满足要求进行判定，根据历史传输数据对网络优化方向进行选择，提高后续网络数据传输的效率。
一种多核存算一体加速器网络拓扑结构控制系统，工作时，对网络拓扑结构的运行状态进行检测分析，将加速器网络的各个节点标记为检测对象，设定检测周期，在检测周期内对检测对象进行数据传输分析并得到检测时段内检测对象的传输系数，对一定时间段内的数据传输效率进行监控；对网络拓扑结构的数据传输状态进行检测分析：在检测时段结束后，对获取上一检测时段内检测对象的标记情况并得到效异系数，通过效异系数的数值大小将上一检测时段标记为效正时段或效异时段，结合节点与网络的传输状态进行综合分析，为网络优化决策提供数据支撑；对加速器网络的节点进行周期性监控：在检测周期完成之后，获取检测对象被标记为效异对象的次数并进行计算得到节偏系数与节点表现值，根据历史传输数据对网络优化方向进行选择，提高后续网络数据传输的效率。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置；如：公式CS＝α1*XL+α2*XR-α3*YS；由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的传输系数；将设定的传输系数和采集的样本数据代入公式，任意三个公式构成三元一次方程组，将计算得到的系数进行筛选并取均值，得到α1、α2以及α3的取值分别为4.23、3.25和1.47；
系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的传输系数；只要不影响参数与量化后数值的比例关系即可，如传输系数与信利数据的数值成正比。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (7)

1.一种多核存算一体加速器网络拓扑结构控制系统，其特征在于，包括服务器，所述服务器通信连接有网络检测模块、传输监控模块、节点监控模块、网络优化模块、加速器网络以及存储模块；
所述网络检测模块用于对网络拓扑结构的运行状态进行检测分析：将加速器网络的各个节点标记为检测对象，设定检测周期，在检测周期内对检测对象进行数据传输分析：将检测周期分割为均匀分布的检测时段，获取检测时段内信利数据XL、信容数据XR以及延时数据YS，通过对检测时段内信利数据XL、信容数据XR以及延时数据YS进行数值计算得到检测对象在检测时段内的传输系数CS，通过传输系数CS的数值大小将检测对象标记为效正对象或效异对象；
所述传输监控模块用于对网络拓扑结构的数据传输状态进行检测分析：在检测时段结束后，对获取上一检测时段内检测对象的标记情况，将上一检测时段内的效异对象的数量与检测对象的数量的比值标记为效异系数，通过存储模块获取到效异阈值，将效异系数与效异阈值进行比较并通过比较结果将上一检测时段标记为效正时段或效异时段；
所述节点监控模块用于对加速器网络的节点进行周期性监控并对检测周期内的加速器网络的数据传输过程是否满足要求进行判定；
所述网络优化模块用于对网络拓扑结构进行优化分析。
2.根据权利要求1所述的一种多核存算一体加速器网络拓扑结构控制系统，其特征在于，检测时段内检测对象的信利数据XL的获取过程包括：在检测时段内对检测对象的信道利用率进行实时检测，将检测时段内检测对象的信道利用率的最小值标记为信利数据XL；检测时段内检测对象的信容数据XR的获取过程包括：在检测时段内对检测对象的信道容量进行实时检测，将检测时段内检测对象的信道容量的最小值标记为信容数据XR；检测时段内检测对象的延时数据YS的获取过程包括：在检测时段内对检测对象的数据传输延时进行实时检测，将检测时段内检测对象数据传输延时最大值标记为延时数据YS。
3.根据权利要求2所述的一种多核存算一体加速器网络拓扑结构控制系统，其特征在于，将检测对象标记为效正对象或效异对象的具体过程包括：通过存储模块获取到传输阈值CSmin，将检测时段内检测对象的传输系数CS与传输阈值CSmin进行比较：若传输系数CS小于传输阈值CSmin，则判定检测对象在检测时段内的数据传输效率不满足要求，将对应检测时段内的检测对象标记为效异对象；若传输系数CS大于等于传输阈值CSmin，则判定检测对象在检测时段内的数据传输效率不满足要求，将对应检测时段内的检测对象标记为效正对象。
4.根据权利要求3所述的一种多核存算一体加速器网络拓扑结构控制系统，其特征在于，将效异系数与效异阈值进行比较的具体过程包括：若效异系数小于效异阈值，则判定上一检测时段内的数据传输状态满足要求，将上一检测时段标记为效正时段；若效异系数大于等于效异阈值，则判定上一检测时段内的数据传输状态不满足要求，将上一检测时段标记为效异时段；连续出现L1个效异时段时，传输监控模块向服务器发送传输异常信号，服务器接收到传输异常信号后将传输异常信号发送至网络优化模块。
5.根据权利要求4所述的一种多核存算一体加速器网络拓扑结构控制系统，其特征在于，节点监控模块对加速器网络的节点进行周期性监控的具体过程包括：在检测周期完成之后，获取检测对象被标记为效异对象的次数，将检测对象被标记为效异对象的次数与检测时段的数量的比值标记为节点系数，将所有检测节点的节点系数建立节点集合，对节点集合进行方差计算得到节偏系数，对所有检测节点的节点系数进行求和取平均值得到节点表现值，通过存储模块获取到节偏阈值与节点表现阈值，将节偏系数、节点表现值分别与节偏阈值、节点表现值进行比较：若节偏系数小于节偏阈值且节点表现值小于节点表现阈值，则判定检测周期内加速器网络的数据传输过程满足要求；否则，判定检测周期内加速器网络的数据传输过程不满足要求，节点监控模块向服务器发送周期异常信号，服务器接收到周期异常信号后将周期异常信号发送至网络优化模块。
6.根据权利要求5所述的一种多核存算一体加速器网络拓扑结构控制系统，其特征在于，网络优化模块对网络拓扑结构进行优化分析的具体过程包括：在检测周期结束之后，若网络优化模块接收到传输异常信号，则网络优化模块生成连接优化信号并将连接优化信号通过服务器发送至管理人员的手机终端，管理人员接收到连接优化信号后对加速器网络中节点的连接关系进行优化处理；若网络优化模块接收到周期异常信号，则网络优化模块生成结构优化信号并将结构优化信号通过服务器发送至管理人员的手机终端，管理人员接收到结构优化信号后对网络拓扑结构进行优化处理。
7.根据权利要求1-6任一项所述的一种多核存算一体加速器网络拓扑结构控制系统，其特征在于，该多核存算一体加速器网络拓扑结构控制系统的工作方法，包括以下步骤：
步骤一：对网络拓扑结构的运行状态进行检测分析，将加速器网络的各个节点标记为检测对象，设定检测周期，在检测周期内对检测对象进行数据传输分析并得到检测时段内检测对象的传输系数，通过传输系数将检测时段内的检测对象标记为效正对象或效异对象；
步骤二：对网络拓扑结构的数据传输状态进行检测分析：在检测时段结束后，对获取上一检测时段内检测对象的标记情况并得到效异系数，通过效异系数的数值大小将上一检测时段标记为效正时段或效异时段；
步骤三：对加速器网络的节点进行周期性监控：在检测周期完成之后，获取检测对象被标记为效异对象的次数并进行计算得到节偏系数与节点表现值，通过节偏系数与节点表现值对加速器网络的数据传输过程是否满足要求进行判定。
CN202310230110.6A 2023-03-10 2023-03-10 一种多核存算一体加速器网络拓扑结构控制系统 Active CN116244081B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310230110.6A CN116244081B (zh) 2023-03-10 2023-03-10 一种多核存算一体加速器网络拓扑结构控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310230110.6A CN116244081B (zh) 2023-03-10 2023-03-10 一种多核存算一体加速器网络拓扑结构控制系统

Publications (2)

Publication Number Publication Date
CN116244081A true CN116244081A (zh) 2023-06-09
CN116244081B CN116244081B (zh) 2023-09-19

Family

ID=86633012

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310230110.6A Active CN116244081B (zh) 2023-03-10 2023-03-10 一种多核存算一体加速器网络拓扑结构控制系统

Country Status (1)

Country Link
CN (1) CN116244081B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116760716A (zh) * 2023-08-18 2023-09-15 南京天谷电气科技有限公司 一种新能源场站智能网络拓扑管理系统及方法
CN117692260A (zh) * 2024-02-04 2024-03-12 深圳市众泰兄弟科技发展有限公司 基于数据分析的网络异常行为识别方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018121237A1 (zh) * 2016-12-29 2018-07-05 中兴通讯股份有限公司 网络质量检测方法及装置
CN109922485A (zh) * 2019-02-02 2019-06-21 四川速宝网络科技有限公司 基于双通信设备的智能网桥加速方法及系统
CN110266556A (zh) * 2013-04-29 2019-09-20 瑞典爱立信有限公司 动态检测网络中的业务异常的方法和系统
CN114928171A (zh) * 2022-06-22 2022-08-19 南京国电南思科技发展股份有限公司 基于物联网的电力二次设备综合监控系统
CN115578666A (zh) * 2022-09-09 2023-01-06 天津大学 交通异常事件和静态事件相结合的关键帧过滤系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110266556A (zh) * 2013-04-29 2019-09-20 瑞典爱立信有限公司 动态检测网络中的业务异常的方法和系统
WO2018121237A1 (zh) * 2016-12-29 2018-07-05 中兴通讯股份有限公司 网络质量检测方法及装置
CN109922485A (zh) * 2019-02-02 2019-06-21 四川速宝网络科技有限公司 基于双通信设备的智能网桥加速方法及系统
CN114928171A (zh) * 2022-06-22 2022-08-19 南京国电南思科技发展股份有限公司 基于物联网的电力二次设备综合监控系统
CN115578666A (zh) * 2022-09-09 2023-01-06 天津大学 交通异常事件和静态事件相结合的关键帧过滤系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116760716A (zh) * 2023-08-18 2023-09-15 南京天谷电气科技有限公司 一种新能源场站智能网络拓扑管理系统及方法
CN116760716B (zh) * 2023-08-18 2023-11-03 南京天谷电气科技有限公司 一种新能源场站智能网络拓扑管理系统及方法
CN117692260A (zh) * 2024-02-04 2024-03-12 深圳市众泰兄弟科技发展有限公司 基于数据分析的网络异常行为识别方法
CN117692260B (zh) * 2024-02-04 2024-04-12 深圳市众泰兄弟科技发展有限公司 基于数据分析的网络异常行为识别方法

Also Published As

Publication number Publication date
CN116244081B (zh) 2023-09-19

Similar Documents

Publication Publication Date Title
CN116244081B (zh) 一种多核存算一体加速器网络拓扑结构控制系统
CN102004671B (zh) 一种云计算环境下数据中心基于统计模型的资源管理方法
CN115827256B (zh) 用于多核存算一体加速器网络的任务传输调度管理系统
CN113240289A (zh) 一种电网调度控制系统运行状态评估方法及系统
Billet et al. From task graphs to concrete actions: a new task mapping algorithm for the future internet of things
CN112261120B (zh) 一种配电物联网云边协同任务卸载方法及装置
CN102339233A (zh) 云计算集中管理平台
CN111597043A (zh) 一种全场景边缘计算方法、装置及系统
CN115934333A (zh) 基于历史数据感知的云计算资源调度方法及调度系统
Al-Sinayyid et al. Job scheduler for streaming applications in heterogeneous distributed processing systems
Ren et al. Multi-objective optimization for task offloading based on network calculus in fog environments
US20210357016A1 (en) Intelligent and predictive optimization of power needs across virtualized environments
Chen et al. Rptcn: Resource prediction for high-dynamic workloads in clouds based on deep learning
CN113225994B (zh) 一种面向数据中心的智能空调控制方法
CN113946450A (zh) 一种用于k8s微服务框架的自适应带权轮询负载均衡系统
CN112312299A (zh) 服务卸载方法、装置及系统
Bhushan et al. Priority-queue based dynamic scaling for efficient resource allocation in fog computing
CN111400045A (zh) 一种负载均衡方法及装置
CN110415162B (zh) 大数据中面向异构融合处理器的自适应图划分方法
CN116414726B (zh) 基于存算一体加速器的任务动态分配数据并行计算方法
Gao et al. A dispatching-rule-based task scheduling policy for MapReduce with multi-type jobs in heterogeneous environments
CN115048260A (zh) 一种基于云计算的核电厂PaaS平台资源配额监控方法和系统
Zhang et al. A real-time computation task reconfiguration mechanism for industrial edge computing
CN117472551B (zh) 基于gpu集成的云计算硬件加速控制系统及方法
KR102334975B1 (ko) 사물 인터넷 장치의 데이터 분산 전송을 이용한 자동화 설비 제어 시스템

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