CN116743764B - 工业互联网标识解析管理系统 - Google Patents
工业互联网标识解析管理系统 Download PDFInfo
- Publication number
- CN116743764B CN116743764B CN202311006603.8A CN202311006603A CN116743764B CN 116743764 B CN116743764 B CN 116743764B CN 202311006603 A CN202311006603 A CN 202311006603A CN 116743764 B CN116743764 B CN 116743764B
- Authority
- CN
- China
- Prior art keywords
- node
- analysis
- level
- resolution
- optimization
- 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
- 238000005457 optimization Methods 0.000 claims abstract description 70
- 238000000034 method Methods 0.000 claims abstract description 50
- 230000008569 process Effects 0.000 claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 5
- 239000003999 initiator Substances 0.000 claims description 25
- 238000010606 normalization Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 3
- 238000004141 dimensional analysis Methods 0.000 claims description 2
- 230000000977 initiatory effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1036—Load balancing of requests to servers for services different from user content provisioning, e.g. load balancing across domain name servers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L61/00—Network arrangements, protocols or services for addressing or naming
- H04L61/45—Network directories; Name-to-address mapping
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/1021—Server selection for load balancing based on client or server locations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/56—Provisioning of proxy services
- H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及工业互联网标识解析管理系统,包括:通过解析管理节点中的解析节点负载监测模块获取解析节点的负载数据;通过每个解析节点的负载数据进行多维度分析计算得到每个上级解析节点的优先程度并对其进行优化得到每个上级解析节点的优化优先程度;根据每个上级解析节点的优化优先程度完成工业互联网标识的解析。本发明在工业互联网的标识解析管理系统中,在通过负载状态进行上级解析节点选取的过程中通过节点之间的解析请求时序数据进行上级解析节点之间的请求平衡,从而在保证工业互联网标识解析实时性的基础上增强解析的准确性。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及工业互联网标识解析管理系统。
背景技术
在现有的工业互联网标识解析管理过程中,递归解析过程中涉及多级的查询和相应过程,其中包括本地递归解析节点、上级解析节点等。在这个过程中因为当解析节点中查询到的标识解析结果就回返回给标识解析请求方,然而在这个过程中如果仅通过解析节点之间的负载状态与地理位置进行节点选取就会导致单一的解析节点中缓存的不一致问题。也就是在该上级解析节点的上级解析节点即上上级解析节点中出现了标识解析结果修改,此时这个解析节点还会通过缓存的标识解析内容进行解析结果返回,这就会导致解析的准确性下降。
发明内容
本发明提供工业互联网标识解析管理系统,以解决现有的问题。
本发明的工业互联网标识解析管理系统采用如下技术方案:
本发明一个实施例提供了工业互联网标识解析管理系统,该系统包括:
数据截取模块,用于通过解析节点中的解析节点负载监测模块获取解析节点的负载数据;
数据处理模块,用于通过每个解析节点的负载数据进行多维度分析计算得到每个上级解析节点的优先程度;利用每个解析节点的负载数据计算优化选择概率,根据优化选择概率得到每个上级解析节点的优先程度优化因子;根据每个上级解析节点的优先程度优化因子对每个上级解析节点的优先程度进行优化得到每个上级解析节点的优化优先程度;
标识解析模块,用于根据每个上级解析节点的优化优先程度得到解析结果,并将解析结果返回给请求发起方,完成工业互联网标识解析的过程。
优选的,所述通过每个解析节点的负载数据进行多维度分析计算得到每个上级解析节点的优先程度,包括的具体步骤如下:
获取每个上级解析节点中的每个维度的负载数据;对每个上级解析节点的数据进行综合评估,得到每个上级解析节点的优先程度,具体的计算公式如下:
其中,表示第/>个上级解析节点的优先程度,/>表示第/>个上级解析节点中的第个维度的负载数据,/>表示对括号内的数据在第/>个上级解析节点中所有相同维度的负载数据中进行线性归一化。
优选的,所述获取每个上级解析节点中的每个维度的负载数据,包括的具体步骤如下:
在每个管理节点中,对于第个上级解析节点,通过/>表示其对应的五维负载数据向量,在向量的五个维度中,对于第/>个上级解析节点的解析请求数量、资源利用率、响应时间、解析错误率与缓存命中率分别用/>和/>进行度量,其中/>表示维度。
优选的,所述利用每个解析节点的负载数据计算优化选择概率,根据优化选择概率得到每个上级解析节点的优先程度优化因子,包括的具体步骤如下:
利用每个解析节点的负载数据对局部维度进行衡量得到每个上级解析节点的优化选择概率与每个上级解析节点的每个更上一级解析节点的优化选择概率;利用每个上级解析节点的优化选择概率与每个上级解析节点的每个更上一级解析节点的优化选择概率得到每个上级解析节点的优先程度优化因子。
优选的,所述利用每个解析节点的负载数据对局部维度进行衡量得到每个上级解析节点的优化选择概率,包括的具体步骤如下:
获取请求发起方的预设的若干个历史选择节点;计算每个上级解析节点在历史选择节点中出现的概率,记为每个上级解析节点的选择概率;计算每个上级解析节点的解析错误率与缓存命中率的占比分布率,用每个上级解析节点的解析错误率与缓存命中率的占比分布率乘每个上级解析节点的选择概率得到每个上级解析节点的优化选择概率。
优选的,所述计算每个上级解析节点的解析错误率与缓存命中率的占比分布率,包括的具体步骤如下:
计算每个上级解析节点的解析错误率与缓存命中率的算术均值,并将均值作为以自然常数为底数的指数函数的幂得到每个上级解析节点的解析错误率与缓存命中率分析值,对所有上级解析节点的解析错误率与缓存命中率分析值求和得到分析和值,用每个上级解析节点的解析错误率与缓存命中率分析值除以分析和值得到每个上级解析节点的解析错误率与缓存命中率的占比分布率。
优选的,所述每个上级解析节点的每个更上一级解析节点的优化选择概率的具体获得步骤如下:
计算每个上级解析节点的每个更上一级解析节点在历史选择节点中出现的概率,记为每个上级解析节点的每个更上一级解析节点的选择概率;计算每个上级解析节点的每个更上一级解析节点的优化选择概率,具体的计算公式如下:
其中,表示第/>个上级解析节点的第/>个更上一级解析节点的优化选择概率,表示第/>个上级解析节点的第/>个更上一级解析节点的选择概率,/>和/>分别表示第个上级解析节点的第/>个更上一级解析节点的解析错误率与缓存命中率,/>表示所有上级解析节点的数量,且有/>,/>表示第/>个上级解析节点的所有更上一级解析节点的数量,且有/>。
优选的,所述利用每个上级解析节点的优化选择概率与每个上级解析节点的每个更上一级解析节点的优化选择概率得到每个上级解析节点的优先程度优化因子的具体计算公式如下:
其中,表示第/>个上级解析节点的优先程度优化因子,/>和/>分别表示第/>个上级解析节点的优化选择概率与第/>个上级解析节点的第/>个更上一级解析节点的优化选择概率,/>表示以2为底数的对数函数,/>表示所有上级解析节点的数量,且有/>,/>表示第/>个上级解析节点的所有更上一级解析节点的数量,且有/>。
优选的,所述根据每个上级解析节点的优先程度优化因子对每个上级解析节点的优先程度进行优化得到每个上级解析节点的优化优先程度,包括的具体步骤如下:
对每个上级解析节点的优先程度优化因子在所有上级解析节点的优先程度优化因子中进行线型归一化得到每个上级解析节点的优化指标,用每个上级解析节点的优化指标乘每个上级解析节点的优先程度得到每个上级解析节点的优化优先程度。
优选的,所述根据每个上级解析节点的优化优先程度得到解析结果,包括的具体步骤如下
在每个解析请求管理节点中计算每个解析请求管理节点的所有上级解析节点的优化优先程度,将优化优先程度最大的上级解析节点作为下一级请求的目标,根据下一级请求的目标修改每一个请求发起方发起的工业互联网的标识解析请求的报头信息,获取到工业互联网标识的解析结果。
本发明的技术方案的有益效果是:在工业互联网标识的递归解析过程中通过解析节点的负载状态进行最优上级解析节点的选择相较于仅通过地理距离最近的低延迟上级解析节点进行标识解析可以在解析延迟的基础上保证节点负载状态的均衡,以避免上级解析节点高负载下性能下降导致的解析缓慢的问题;在工业互联网标识的递归解析过程中在节点负载状态判断的基础上通过相同请求方的历史解析日志数据进行上级解析节点缓存一致性的判断,相较于在递归解析中通过单一解析节点选择方式,可以避免在根解析节点中出现标识解析内容修改后,下级解析节点与根节点中的解析内容缓存不一致的问题,从而使得在工业互联网标识解析过程中的准确性得到保证。
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为本发明工业互联网标识解析管理系统的组成结构图;
图2为工业互联网标识递归解析过程的节点连接图;
图3为管理节点示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的工业互联网标识解析管理系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的工业互联网标识解析管理系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的工业互联网标识解析管理系统的组成结构图,该方法包括以下步骤:
数据截取模块,用于通过解析管理节点中的解析节点负载监测模块获取解析节点的负载数据。
需要说明的是,在图2所示的工业互联网标识递归解析过程的节点连接图中,通过在每一个解析请求方之后通过一个标识解析管理节点进行全部解析请求方的解析过程管理。如图3所示,当请求发起方发起一个工业互联网的标识解析请求之后,该请求会标注请求发起方的互联网标识,发往请求发起方的管理节点,在管理节点中进行解析节点的选择即对报头信息进行更改。
具体的,获取每一个请求发起方发起的工业互联网的标识解析请求,通过每个解析请求管理节点中的上级解析节点负载监测模块对每个解析请求管理节点的所有上级解析节点的负载状态进行监测得到每个上级解析节点的负载监测数据,负载监测数据包括解析请求数量,资源利用率,响应时间,解析错误率,缓存命中率。
至此,通过解析管理节点中的解析节点负载监测模块得到了每个上级解析节点的负载数据。
数据处理模块,用于通过每个解析节点的负载数据进行多维度分析计算得到每个上级解析节点的优先程度;利用每个解析节点的负载数据对局部维度进行衡量得到每个上级解析节点的优化选择概率与每个上级解析节点的每个更上一级解析节点的优化选择概率;利用每个上级解析节点的优化选择概率与每个上级解析节点的每个更上一级解析节点的优化选择概率得到每个上级解析节点的优先程度优化因子;根据每个上级解析节点的优先程度优化因子对每个上级解析节点的优先程度进行优化得到每个上级解析节点的优化优先程度。
需要说明的是,在获取到对于一个工业互联网标识解析请求发起方的全部的上级解析节点负载状态之后,则需要通过上级解析节点的负载状态与节点与请求发起方之间的位置关系获取每一个节点的优先程度。对于该节点的优先程度,因为存在着上级解析节点与其再上一级的节点之间的缓存一致性问题,所以需要在该节点优先程度基础上通过请求发起方的历史标识解析请求的节点选择数据获取节点优先程度的优化因子,即通过历史解析过程中的节点选择进行相同节点解析的避免,从而确定解析节点的缓存一致性,最后可以通过优化后的节点优先程度确定递归解析过程中的节点解析策略。
需要进一步说明的是,在工业互联网标识的递归解析过程中,其流程是从请求发起方开始,先从请求发起方本地缓存进行确定,之后依次为上级解析节点本地缓存和上上级解析节点本地缓存直到最上级解析节点本地缓存。其中每一级解析节点如果在本地缓存中获取到工业互联网标识的解析内容之后都会停止递归解析并将解析结果返回至请求发起方进行一次标识解析。在这个过程中的解析节点选择策略指的就是每一级在向其上级解析节点发起解析请求过程中也就是解析请求到达管理节点之后,在管理节点中进行的上级解析节点选择,本实施例对于解析过程中的节点选择与节点缓存一致性的问题解决方式是在管理节点中通过监测到的标识解析请求的报头数据进行获取的节点选择历史数据进行分析得到的最优节点。
具体的,在每个管理节点中,对于第个上级解析节点,通过/>表示其对应的五维负载数据向量,在向量的五个维度中,对于第/>个上级解析节点的解析请求数量,资源利用率,响应时间,解析错误率与缓存命中率分别用/>和/>进行度量,其中/>表示维度;对每个上级解析节点的数据进行综合评估,得到每个上级解析节点的优先程度,具体的计算公式如下:
其中,表示第/>个上级解析节点的优先程度,/>表示第/>个上级解析节点中的第个维度的负载数据,/>表示对括号内的数据在第/>个上级解析节点中所有相同维度的负载数据中进行线性归一化。上式中通过解析节点所有维度的负载数据进行综合评估,其中解析请求数量、响应时间、资源利用率以及解析错误率都是越低越好,这些负载数据越低则说明节点的负载状态越低,且解析请求数量、资源利用率以及解析错误率对于判断的程度是存在一定内部联系的,故可以将他们累加起来进行整体判别来使每个上级解析节点的优先程度得到更好的衡量,而缓存利用率可以说明解析节点中在缓存中就完成解析的情况,所以缓存命中率对于解析节点来说是越高越好。基于上式所述的在工业互联网标识的递归解析过程中通过解析节点的负载状态进行最优上级解析节点的选择相较于仅通过地理距离最近的低延迟上级解析节点进行标识解析可以在解析延迟的基础上保证节点负载状态的均衡,以避免上级解析节点高负载下性能下降导致的解析缓慢的问题。
进一步需要说明的是,在上述过程中,虽然可以避免缓存不一致的问题,但是对于每个节点的选择概率与其上级解析节点中的每个上级解析节点的选择概率,仅通过是否选择该节点进行解析时,又因为节点的缓存命中率与解析错误率是不同的,从而导致解决解析节点之间缓存的一致性问题,进而导致请求发起方在获取错误解析结果的过程中节点不同的缓存信息都被占用的情况,所以对于节点选择的优化因子需要尽可能选择最优的节点。对于每个节点的缓存命中率(在管理节点的上级解析节点信息监测过程中获取,具体获取方式为上级解析节点返回的解析数据中在报头会有解析位置,当报头中的解析位置就是上级解析节点时,则说明这次解析在上级解析节点的缓存中获取到了)与解析错误率(解析错误率是指在解析过程中在发起请求方的除根节点的上级解析节点中如果在缓存中确定了标识解析结果就会直接将结果返回给请求发起方,但是为了保证解析的准确,上级解析节点的解析还会继续向根节点发送,从而确定解析结果是否准去,而管理节点中通过解析结果的不同返回结果进行解析错误率的判断),当缓存命中率越高时,则说明该上级解析节点对于这个请求发起方的解析请求有着大量缓存,选择该节点进行解析可以有更快的解析效率,但是对于缓存命中率高的解析节点的选择中,为了避免节点的解析错误,可以通过二者的综合判断对节点选择概率进行优化。
预设一个历史选择数,其中本实施例以历史选择数为200为例进行叙述,本实施例不进行具体限定,其中历史选择数可根据具体实施情况而定。
具体的,获取请求发起方的200个历史选择节点;计算每个上级解析节点在请求发起方的200个历史选择节点中出现的概率,记为每个上级解析节点的选择概率;计算每个上级解析节点的每个更上一级解析节点在请求发起方的200个历史选择节点中出现的概率,记为每个上级解析节点的每个更上一级解析节点的选择概率;计算每个上级解析节点的优化选择概率与每个上级解析节点的每个更上一级解析节点的优化选择概率,具体的计算公式如下:
其中,和/>分别表示第/>个上级解析节点的优化选择概率与第/>个上级解析节点的第/>个更上一级解析节点的优化选择概率,/>和/>分别表示第/>个上级解析节点的选择概率和第/>个上级解析节点的第/>个更上一级解析节点的选择概率,/>和/>分别表示第/>个上级解析节点的解析错误率与缓存命中率,/>和/>分别表示第/>个上级解析节点的第/>个更上一级解析节点的解析错误率与缓存命中率,/>表示所有上级解析节点的数量,且有,/>表示第/>个上级解析节点的所有更上一级解析节点的数量,且有/>。通过上级解析节点的解析错误率与缓存命中率对每一个上级解析节点的选择概率进行优化,对于每一个上级解析节点的解析错误率与缓存命中率,当出现解析错误率较高时,则说明该节点在缓存中进行的工业互联网标识解析过程中,在缓存命中的情况下的错误率,那么通过其与缓存命中率的均值就可以反应出该节点的综合情况。当均值较高时,则说明命中率与错误率都比较高,那么通过将该节点的概率值增高可以降低节点选择的信息熵值,从而使得优化因子更低,也就是将该节点的优先程度降低,从而避免选择该节点。当均值较低时,说明该节点的命中率与错误率都比较低,那么可以通过提高前后熵值差异来提高该节点的选择优先程度。从而在优化因子中通过节点的缓存命中率与解析错误率对优先程度优化因子中的节点选择概率进行优化。使得在优化因子的评估过程中对于每一个节点的选择概率通过节点的缓存命中率与解析错误率进行优化。
需要进一步说明的是,在上述获取到的解析节点优先程度之后,即可以通过该优先程度对工业互联网标识解析管理节点在上级解析节点的选择过程中进行衡量,在每一次向上级解析节点发送解析请求过程中选择优先程度最高的节点。但是在解析过程中,因为请求发起方可能会存在着连续大量的解析请求,此时对于上级解析节点如果仅通过上述获取到的优先程度进行选择就会出现上级解析节点的上级解析节点发生了标识解析内容变化时,请求发起方的上级解析节点中的缓存解析内容没有进行缓存同步,从而导致工业互联网标识的解析结果错误。针对于这一情况需要在解析节点优先程度的基础上通过请求发起方的历史解析数据进行分析,通过其中对于上级解析节点的选取历史的变化情况获取解析节点优先程度的优化因子。并且在这个过程中通过每个上级解析节点的再上一级的解析节点的选取历史情况进行节点的优化因子的评估。这个过程中需要通过发起请求方的历史节点选择数据与上级解析节点的历史节点选择数据进行对比,当发起请求方与其上级解析节点的历史节点选择情况出现一致的情况时,则说明出现节点缓存不一致情况的可能性越高。在获取到节点的优先程度优化因子之后,通过该优先程度优化因子对节点的优先程度进行优化。
具体的,计算每个上级解析节点的优先程度优化因子,具体的计算公式如下:
其中,表示第/>个上级解析节点的优先程度优化因子,/>和/>分别表示第/>个上级解析节点的优化选择概率与第/>个上级解析节点的第/>个更上一级解析节点的优化选择概率,/>表示以2为底数的对数函数,/>表示所有上级解析节点的数量,且有/>,/>表示第/>个上级解析节点的所有更上一级解析节点的数量,且有/>。为了避免对于上级解析节点的选取过程中单一的解析节点选择导致的解析结果不准确的问题。上式中通过发起请求方的历史标识解析的节点选择,与所选上级解析节点的历史选择的相似性进行判断。在工业互联网标识的解析过程中,当节点的选择在一段时间出现更高的一致性时,则说明解析节点的更容易从缓存中进行标识解析,从而导致缓存不一致的情况。通过请求方的历史节点选择中各个节点的占比的信息熵与上级解析节点对于上级解析节点的选择概率形成的信息熵的差异进行判断,差异越小则说明越相似,那么就需要降低高概率节点的优先程度。以此避免节点选取过程中存在的缓存不一致的问题。基于上式所述的在工业互联网标识的递归解析过程中在节点负载状态判断的基础上通过相同请求方的历史解析日志数据进行上级解析节点缓存一致性的判断,相较于在递归解析中通过单一解析节点选择方式,可以避免在根解析节点中出现标识解析内容修改后,下级解析节点与根节点中的解析内容缓存不一致的问题,从而保证在工业互联网标识解析过程中的准确性问题。
进一步,获取上级解析节点的数目,计算每个上级解析节点的优化优先程度,具体的计算公式如下:
其中,表示第/>个上级解析节点的优化优先程度,/>表示第/>个上级解析节点的优先程度优化因子,/>表示第/>个上级解析节点的优先程度,/>表示上级解析节点的数目。先通过对上级解析节点的优先程度优化因子进行归一化,再通过上级解析节点的优化因子对该上级解析节点的节点选择优先程度进行优化,得到了请求方的历史解析请求数据对上级解析节点的选择策略的优化方向。
至此,得到了每个上级解析节点的优化优先程度。
标识解析模块,用于根据每个上级解析节点的优化优先程度完成工业互联网标识的解析。
具体的,在每个解析请求管理节点中计算每个解析请求管理节点的所有上级解析节点的优化优先程度,将优化优先程度最大的上级解析节点作为下一级请求的目标并根据下一级请求的目标修改每一个请求发起方发起的工业互联网的标识解析请求的报头,获取到工业互联网标识的解析结果,并将解析结果返回给请求发起方,完成标识解析过程。
至此,完成了工业互联网标识解析的过程。
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,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.工业互联网标识解析管理系统,其特征在于,该系统包括:
数据截取模块,用于通过解析节点中的解析节点负载监测模块获取解析节点的负载数据;
数据处理模块,用于通过每个解析节点的负载数据进行多维度分析计算得到每个上级解析节点的优先程度;利用每个解析节点的负载数据计算优化选择概率,根据优化选择概率得到每个上级解析节点的优先程度优化因子;根据每个上级解析节点的优先程度优化因子对每个上级解析节点的优先程度进行优化得到每个上级解析节点的优化优先程度;
标识解析模块,用于根据每个上级解析节点的优化优先程度得到解析结果,并将解析结果返回给请求发起方,完成工业互联网标识解析的过程;
所述利用每个解析节点的负载数据计算优化选择概率,根据优化选择概率得到每个上级解析节点的优先程度优化因子,包括的具体步骤如下:
利用每个解析节点的负载数据对局部维度进行衡量得到每个上级解析节点的优化选择概率与每个上级解析节点的每个更上一级解析节点的优化选择概率;利用每个上级解析节点的优化选择概率与每个上级解析节点的每个更上一级解析节点的优化选择概率得到每个上级解析节点的优先程度优化因子;
所述利用每个解析节点的负载数据对局部维度进行衡量得到每个上级解析节点的优化选择概率,包括的具体步骤如下:
获取请求发起方的预设的若干个历史选择节点;计算每个上级解析节点在历史选择节点中出现的概率,记为每个上级解析节点的选择概率;计算每个上级解析节点的解析错误率与缓存命中率的占比分布率,用每个上级解析节点的解析错误率与缓存命中率的占比分布率乘每个上级解析节点的选择概率得到每个上级解析节点的优化选择概率;
所述计算每个上级解析节点的解析错误率与缓存命中率的占比分布率,包括的具体步骤如下:
计算每个上级解析节点的解析错误率与缓存命中率的算术均值,并将均值作为以自然常数为底数的指数函数的幂得到每个上级解析节点的解析错误率与缓存命中率分析值,对所有上级解析节点的解析错误率与缓存命中率分析值求和得到分析和值,用每个上级解析节点的解析错误率与缓存命中率分析值除以分析和值得到每个上级解析节点的解析错误率与缓存命中率的占比分布率;
所述每个上级解析节点的每个更上一级解析节点的优化选择概率的具体获得步骤如下:
计算每个上级解析节点的每个更上一级解析节点在历史选择节点中出现的概率,记为每个上级解析节点的每个更上一级解析节点的选择概率;计算每个上级解析节点的每个更上一级解析节点的优化选择概率,具体的计算公式如下:
其中,表示第/>个上级解析节点的第/>个更上一级解析节点的优化选择概率,/>表示第/>个上级解析节点的第/>个更上一级解析节点的选择概率,/>和/>分别表示第/>个上级解析节点的第/>个更上一级解析节点的解析错误率与缓存命中率,/>表示所有上级解析节点的数量,且有/>,/>表示第/>个上级解析节点的所有更上一级解析节点的数量,且有;
所述利用每个上级解析节点的优化选择概率与每个上级解析节点的每个更上一级解析节点的优化选择概率得到每个上级解析节点的优先程度优化因子的具体计算公式如下:
其中,表示第/>个上级解析节点的优先程度优化因子,/>和/>分别表示第/>个上级解析节点的优化选择概率与第/>个上级解析节点的第/>个更上一级解析节点的优化选择概率,表示以2为底数的对数函数,/>表示所有上级解析节点的数量,且有/>,/>表示第/>个上级解析节点的所有更上一级解析节点的数量,且有/>。
2.根据权利要求1所述工业互联网标识解析管理系统,其特征在于,所述通过每个解析节点的负载数据进行多维度分析计算得到每个上级解析节点的优先程度,包括的具体步骤如下:
获取每个上级解析节点中的每个维度的负载数据;对每个上级解析节点的数据进行综合评估,得到每个上级解析节点的优先程度,具体的计算公式如下:
其中,表示第/>个上级解析节点的优先程度,/>表示第/>个上级解析节点中的第/>个维度的负载数据,/>表示对括号内的数据在第/>个上级解析节点中所有相同维度的负载数据中进行线性归一化。
3.根据权利要求2所述工业互联网标识解析管理系统,其特征在于,所述获取每个上级解析节点中的每个维度的负载数据,包括的具体步骤如下:
在每个管理节点中,对于第个上级解析节点,通过/>表示其对应的五维负载数据向量,在向量的五个维度中,对于第/>个上级解析节点的解析请求数量、资源利用率、响应时间、解析错误率与缓存命中率分别用/>和/>进行度量,其中/>表示维度。
4.根据权利要求1所述工业互联网标识解析管理系统,其特征在于,所述根据每个上级解析节点的优先程度优化因子对每个上级解析节点的优先程度进行优化得到每个上级解析节点的优化优先程度,包括的具体步骤如下:
对每个上级解析节点的优先程度优化因子在所有上级解析节点的优先程度优化因子中进行线型归一化得到每个上级解析节点的优化指标,用每个上级解析节点的优化指标乘每个上级解析节点的优先程度得到每个上级解析节点的优化优先程度。
5.根据权利要求1所述工业互联网标识解析管理系统,其特征在于,所述根据每个上级解析节点的优化优先程度得到解析结果,包括的具体步骤如下
在每个解析请求管理节点中计算每个解析请求管理节点的所有上级解析节点的优化优先程度,将优化优先程度最大的上级解析节点作为下一级请求的目标,根据下一级请求的目标修改每一个请求发起方发起的工业互联网的标识解析请求的报头信息,获取到工业互联网标识的解析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311006603.8A CN116743764B (zh) | 2023-08-11 | 2023-08-11 | 工业互联网标识解析管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311006603.8A CN116743764B (zh) | 2023-08-11 | 2023-08-11 | 工业互联网标识解析管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116743764A CN116743764A (zh) | 2023-09-12 |
CN116743764B true CN116743764B (zh) | 2023-10-24 |
Family
ID=87909880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311006603.8A Active CN116743764B (zh) | 2023-08-11 | 2023-08-11 | 工业互联网标识解析管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116743764B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111431960A (zh) * | 2020-02-19 | 2020-07-17 | 重庆邮电大学 | 一种基于超级账本的去中心化物联网异构标识解析方法 |
CN111629051A (zh) * | 2020-05-26 | 2020-09-04 | 北京邮电大学 | 一种用于工业互联网标识解析系统的性能优化方法及装置 |
CN113778683A (zh) * | 2021-09-14 | 2021-12-10 | 码客工场工业科技(北京)有限公司 | 一种基于神经网络的Handle标识体系解析负载均衡方法 |
CN113972986A (zh) * | 2021-09-22 | 2022-01-25 | 北京邮电大学 | 基于区块链的工业互联网标识信息解析方法以及相关装置 |
CN114465945A (zh) * | 2022-03-25 | 2022-05-10 | 江苏省未来网络创新研究院 | 一种基于sdn的标识解析网络构建方法 |
WO2023001050A1 (zh) * | 2021-07-19 | 2023-01-26 | 华为技术有限公司 | 控制终端接入网络的方法、设备、系统、装置及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7933272B2 (en) * | 2009-03-11 | 2011-04-26 | Deep River Systems, Llc | Methods and systems for resolving a first node identifier in a first identifier domain space to a second node identifier in a second identifier domain space |
-
2023
- 2023-08-11 CN CN202311006603.8A patent/CN116743764B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111431960A (zh) * | 2020-02-19 | 2020-07-17 | 重庆邮电大学 | 一种基于超级账本的去中心化物联网异构标识解析方法 |
CN111629051A (zh) * | 2020-05-26 | 2020-09-04 | 北京邮电大学 | 一种用于工业互联网标识解析系统的性能优化方法及装置 |
WO2023001050A1 (zh) * | 2021-07-19 | 2023-01-26 | 华为技术有限公司 | 控制终端接入网络的方法、设备、系统、装置及存储介质 |
CN113778683A (zh) * | 2021-09-14 | 2021-12-10 | 码客工场工业科技(北京)有限公司 | 一种基于神经网络的Handle标识体系解析负载均衡方法 |
CN113972986A (zh) * | 2021-09-22 | 2022-01-25 | 北京邮电大学 | 基于区块链的工业互联网标识信息解析方法以及相关装置 |
CN114465945A (zh) * | 2022-03-25 | 2022-05-10 | 江苏省未来网络创新研究院 | 一种基于sdn的标识解析网络构建方法 |
Non-Patent Citations (1)
Title |
---|
认证视角下的工业互联网标识解析安全;余果;王冲华;陈雪鸿;李俊;;信息网络安全(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116743764A (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019104854A1 (zh) | 性能测试评价方法、装置、终端设备及存储介质 | |
CN110417591B (zh) | 投票节点配置方法及系统 | |
CN110444011B (zh) | 交通流高峰识别方法、装置、电子设备及存储介质 | |
CN112132485A (zh) | 一种指标数据处理方法、装置、电子设备及存储介质 | |
CN116743764B (zh) | 工业互联网标识解析管理系统 | |
CN114090204A (zh) | 一种资源预测方法及装置 | |
CN114626655A (zh) | 一种区域综合能源系统多标准综合评价方法 | |
CN115085985B (zh) | 一种用于网络安全监测的内存高效范围基数测量方法 | |
CN116933121A (zh) | 数据异常检测方法及装置 | |
CN112700043B (zh) | 负荷预测方法、装置、计算机可读存储介质及电子设备 | |
CN115413026A (zh) | 基于聚类算法的基站选择方法、系统、设备及存储介质 | |
CN110889190B (zh) | 面向预测精度要求的性能退化建模数据量优化方法 | |
CN114577988A (zh) | 一种纯蒸汽取样方法及系统 | |
CN110895628B (zh) | 一种性能退化模型预测精度验证方法 | |
TWI385587B (zh) | Advanced predictive recursive adjustment cooperative allocation method | |
Zyga | Data selection as the basis for better value modelling | |
CN116820384B (zh) | 一种确定数据处理顺序的数据处理系统 | |
CN109284320A (zh) | 大数据平台上的自动回归诊断方法 | |
CN117952565B (zh) | 基于bim模型的装配式建筑智能管理方法及系统 | |
CN116843368B (zh) | 基于arma模型的营销数据处理方法 | |
CN115833843B (zh) | 一种车辆运行监控数据存储优化方法及管理平台 | |
CN112882822B (zh) | 生成负载预测模型的方法、装置、设备和存储介质 | |
CN117971490A (zh) | 一种基于渠道业绩智能分析的计算资源优化方法和系统 | |
CN117907685A (zh) | 链路信号中电阻值的测量方法、装置和计算机设备 | |
CN113506021A (zh) | 一种用于综合评价的指标无量纲化处理方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Industrial Internet Identity Resolution Management System Granted publication date: 20231024 Pledgee: Jining Rural Commercial Bank Co.,Ltd. Pledgor: Zhilian Xintong Technology Co.,Ltd. Registration number: Y2024980004597 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |