CN116775275A - 一种基于启发式算法的分布式资源智能调度方法 - Google Patents
一种基于启发式算法的分布式资源智能调度方法 Download PDFInfo
- Publication number
- CN116775275A CN116775275A CN202310528944.5A CN202310528944A CN116775275A CN 116775275 A CN116775275 A CN 116775275A CN 202310528944 A CN202310528944 A CN 202310528944A CN 116775275 A CN116775275 A CN 116775275A
- Authority
- CN
- China
- Prior art keywords
- resource
- data set
- scheduling
- information
- module
- 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
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000000137 annealing Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及资源调度技术领域，特别涉及一种基于启发式算法的分布式资源智能调度方法。通过基于分布式资源的拓扑结构建立资源数据集，并在资源数据集中建立一组母资源库和多组子资源库，根据资源数据集构建资源查询端，并将资源查询端分布在多组子资源库中，通过在资源查询端中输入需求信息，由资源数据集根据启发式算法进行资源调度，可以实现快速的进行资源查找和调度，可以构成一个快速通道，避免了信息冗存，提高了资源调度的效率。
Description
技术领域
本发明属于资源调度技术领域，特别涉及一种基于启发式算法的分布式资源智能调度方法。
背景技术
目前，分布式存储系统调度方法成为了存储领域的热点，而在分布式系统中重要的组成部分就是调度系统，分布式调度的两大任务：任务调度和资源调度。任务调度处理大量的计算任务如何切分、数据如何分割运算、监控运算状态等；资源调度负责供给方、不同业务间的平衡资源、支持优先级抢占等。而在资源调度方面，是一个非确定性的多项式问题，而传统的资源调度时调度效率低的问题。
经检索发现，如专利号为201910987891.7，提出的一种基于智能启发式算法的分布式存储系统调度方法，包括存储节点上线，调度节点下发租约至存储节点；获取存储节点各项运行指标，并通过智能启发式算法对选择符合条件的存储节点进行排序，生成双候选队列；调度节点接收客户端的任务请求，进一步从双候选队列中选择合适的存储节点，并将任务请求下发至被选择的存储节点执行；判断客户端执行任务请求是否成功，若成功，则返回成功信息至调度节点，否则，调度节点继续从双候选队列中选择合适的存储节点执行任务请求。
通过上述专利可得知，其通过使用双候选队列，当调度任务到达时，直接从双候选队列中一次选择存储节点即可，极大的减少寻找时间，降低任务执行时间。但是其在运行过程中容易出现大量的信息冗存，使得调度通道不够流程，进而会影响整体的调度效率。
发明内容
针对上述问题，本发明提供了一种基于启发式算法的分布式资源智能调度方法，实现快速的进行资源查找和调度，可以构成一个快速通道，避免了信息冗存，提高了资源调度的效率。
本发明提出一种基于启发式算法的分布式资源智能调度方法，包括：基于分布式资源的拓扑结构建立资源数据集，并在所述资源数据集中建立一组母资源库和多组子资源库；根据所述资源数据集构建资源查询端，并将所述资源查询端分布在多组所述子资源库中；在所述资源查询端中输入需求信息，所述资源查询端将需求信息转送至资源数据集中；由所述资源数据集根据所述需求信息进行查询资源信息，并反馈至所述资源查询端；在所述资源查询端中根据反馈信息进行确定资源需求，并反馈至所述资源数据集中，由所述资源数据集根据启发式算法进行资源调度。
进一步的，所述基于分布式资源的拓扑结构建立资源数据集，并在所述资源数据集中建立一组母资源库和多组子资源库，包括：
根据树形的形式将分布式资源进行集合，分成资源总节点和子节点；
以集合的形式将子节点通过集合器集成为母资源库；
将所述母资源库与所述总节点进行对接，构成资源数据集；
将所述资源数据集作为调度的输入、计算、输出的执行端，并基于所述子节点构建子资源库；
将所述子资源库与所述母资源库连接作为调度的运行端。
进一步的，所述根据所述资源数据集构建资源查询端，并将所述资源查询端分布在多组所述子资源库中，包括：
在所述执行端中建立接收模块、统计模块及输出模块；
将所述接收模块、统计模块及输出模块集成为资源调度端；
在所述运行端中建立输入模块和接收模块；
将所述输入模块和接收模块集成为资源查询端；
将所述输入模块和接收模块进行对接，构成资源调度路线。
进一步的，所述在所述资源查询端中输入需求信息，所述资源查询端将需求信息转送至资源数据集中，包括：
通过所述输入模块输入资源调度需求信息；
所述接收模块接收所述调度需求信息；
所述统计模块根据所述调度需求信息进行查找相应的资源信息。
进一步的，所述由所述资源数据集根据所述需求信息进行查询资源信息，并反馈至所述资源查询端，包括：
将所述资源信息通过所述输出模块集输送至所述接收模块；
所述资源查询端将资源信息进行展示。
进一步的，所述在所述资源查询端中根据反馈信息进行确定资源需求，并反馈至所述资源数据集中，由所述资源数据集根据启发式算法进行资源调度，包括：
根据展示的资源信息进行确定需求信息，并通过输入模块传输给资源数据集；
所述资源数据集根据所述需求信息通过所述资源调度路线将相应的资源调取至需求节点；
再由所述资源数据集保存相应记录。
另一方面，本发明提出一种基于启发式算法的分布式资源智能调度系统，包括：
资源数据集单元，用于基于分布式资源的拓扑结构建立资源数据集，并在所述资源数据集中建立一组母资源库和多组子资源库；
资源查询端单元，用于根据所述资源数据集构建资源查询端，并将所述资源查询端分布在多组所述子资源库中；
资源输入单元，用于在所述资源查询端中输入需求信息，所述资源查询端将需求信息转送至资源数据集中；
资源反馈单元，用于由所述资源数据集根据所述需求信息进行查询资源信息，并反馈至所述资源查询端；
资源调度单元，用于在所述资源查询端中根据反馈信息进行确定资源需求，并反馈至所述资源数据集中，由所述资源数据集根据启发式算法进行资源调度。
资源调度路线单元，用于将所述资源数据集单元和所述资源调度单元进行连接。
本发明的有益效果是：
本发明中通过基于分布式资源的拓扑结构建立资源数据集，并在资源数据集中建立一组母资源库和多组子资源库，根据资源数据集构建资源查询端，并将资源查询端分布在多组子资源库中，通过在资源查询端中输入需求信息，由资源数据集根据启发式算法进行资源调度，可以实现快速的进行资源查找和调度，可以构成一个快速通道，避免了信息冗存，提高了资源调度的效率。
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一简单地介绍，显而易见地，下面描述中的附图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示出了本发明实施例的一种基于启发式算法的分布式资源智能调度方法的流程图；
图2示出了本发明实施例的一种基于启发式算法的分布式资源智能调度系统的框图；
图3示出了本发明实施例的一种终端设备的框图。
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、完整地说明，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。
本发明实施例中一种基于启发式算法的分布式资源智能调度方法，主要是针对现有技术中，存在着在运行过程中容易出现大量的信息冗存，使得调度通道不够流程，进而会影响整体的调度效率的问题。
在本实施例针对上述问题，通过基于分布式资源的拓扑结构建立资源数据集，并在资源数据集中建立一组母资源库和多组子资源库，根据资源数据集构建资源查询端，并将资源查询端分布在多组子资源库中，通过在资源查询端中输入需求信息，由资源数据集根据启发式算法进行资源调度，可以实现快速的进行资源查找和调度，可以构成一个快速通道，避免了信息冗存，提高了资源调度的效率。具体如下。
如图1所示的，该方法包括：
S1、基于分布式资源的拓扑结构建立资源数据集，并在所述资源数据集中建立一组母资源库和多组子资源库；包括：
S1.1、根据树形的形式将分布式资源进行集合，分成资源总节点和子节点；
S1.2、以集合的形式将子节点通过集合器集成为母资源库；
S1.3、将所述母资源库与所述总节点进行对接，构成资源数据集；
S1.4、将所述资源数据集作为调度的输入、计算、输出的执行端，并基于所述子节点构建子资源库；
S1.5、将所述子资源库与所述母资源库连接作为调度的运行端。
另外，资源数据集由主机管理的且基于操作集而被更新的数据集(例如文件系统、数据库、对象集等等)，该操作集例如创建数据集中的一个或多个项、读取数据集中的一个或多个项、更新数据集中的一个或多个项和/或删除数据集中的一个或多个项(一起构成“CRUD”操作的标准集)。此外，可通过诸如HTTP等的特定协议访问主机，且各操作可以对应于协议中许可的一组动词(例如，HTTPPOST(张贴)、HTTPGET(取)、HTTPPUT(放)和HTTPDELETE(删除))。操作集可以涉及被配置成序列以便取得特定结果(例如，将远程服务器的文件系统的部分与该文件系统的相同部分的本地存储版本双向同步起来)的一系列这样的操作。可以在不同于该主机的设备上执行此操作集，例如，通过将第一操作发给主机，且在接收完成该操作的通知时发起第二操作，等等。该操作集还可以在设备上作为应用程序的部分而被执行，例如，作为该应用程序中所展示的数据源与主机交换数据的数据驱动的应用程序。
S2、根据所述资源数据集构建资源查询端，并将所述资源查询端分布在多组所述子资源库中；包括：
S2.1、在所述执行端中建立接收模块、统计模块及输出模块；
S2.2、将所述接收模块、统计模块及输出模块集成为资源调度端；
S2.3、在所述运行端中建立输入模块和接收模块；
S2.4、将所述输入模块和接收模块集成为资源查询端；
S2.5、将所述输入模块和接收模块进行对接，构成资源调度路线。
S3、在所述资源查询端中输入需求信息，所述资源查询端将需求信息转送至资源数据集中；包括：
S3.1、通过所述输入模块输入资源调度需求信息；
S3.2、所述接收模块接收所述调度需求信息；
S3.3、所述统计模块根据所述调度需求信息进行查找相应的资源信息。
S4、由所述资源数据集根据所述需求信息进行查询资源信息，并反馈至所述资源查询端；包括：
S4.1、将所述资源信息通过所述输出模块集输送至所述接收模块；
S4.2、所述资源查询端将资源信息进行展示。
S5、在所述资源查询端中根据反馈信息进行确定资源需求，并反馈至所述资源数据集中，由所述资源数据集根据启发式算法进行资源调度；包括：
S5.1、根据展示的资源信息进行确定需求信息，并通过输入模块传输给资源数据集；
S5.2、所述资源数据集根据所述需求信息通过所述资源调度路线将相应的资源调取至需求节点；
S5.3、再由所述资源数据集保存相应记录。
值得一提的是，对于启发式算法是相对于最优化算法提出的。一个问题的最优算法求得该问题每个实例的最优解。启发式算法可以这样定义：一个基于直观或经验构造的算法，在可接受的花费(指计算时间和空间)下给出待解决组合优化问题每一个实例的一个可行解，该可行解与最优解的偏离程度一般不能被预计。现阶段，启发式算法以仿自然体算法为主，主要有蚁群算法、模拟退火法、神经网络等。
另一方面，本实施例中提出一种基于启发式算法的分布式资源智能调度系统，如图2所示，包括：
资源数据集单元201，用于基于分布式资源的拓扑结构建立资源数据集，并在所述资源数据集中建立一组母资源库和多组子资源库；包括：
S1.1、根据树形的形式将分布式资源进行集合，分成资源总节点和子节点；
S1.2、以集合的形式将子节点通过集合器集成为母资源库；
S1.3、将所述母资源库与所述总节点进行对接，构成资源数据集；
S1.4、将所述资源数据集作为调度的输入、计算、输出的执行端，并基于所述子节点构建子资源库；
S1.5、将所述子资源库与所述母资源库连接作为调度的运行端。
资源查询端单元202，用于根据所述资源数据集构建资源查询端，并将所述资源查询端分布在多组所述子资源库中；包括：
S2.1、在所述执行端中建立接收模块、统计模块及输出模块；
S2.2、将所述接收模块、统计模块及输出模块集成为资源调度端；
S2.3、在所述运行端中建立输入模块和接收模块；
S2.4、将所述输入模块和接收模块集成为资源查询端；
S2.5、将所述输入模块和接收模块进行对接，构成资源调度路线。
资源输入单元203，用于在所述资源查询端中输入需求信息，所述资源查询端将需求信息转送至资源数据集中；包括：
S3.1、通过所述输入模块输入资源调度需求信息；
S3.2、所述接收模块接收所述调度需求信息；
S3.3、所述统计模块根据所述调度需求信息进行查找相应的资源信息。
资源反馈单元204，用于由所述资源数据集根据所述需求信息进行查询资源信息，并反馈至所述资源查询端；包括：
S4.1、将所述资源信息通过所述输出模块集输送至所述接收模块；
S4.2、所述资源查询端将资源信息进行展示。
资源调度单元205，用于在所述资源查询端中根据反馈信息进行确定资源需求，并反馈至所述资源数据集中，由所述资源数据集根据启发式算法进行资源调度。包括：
S5.1、根据展示的资源信息进行确定需求信息，并通过输入模块传输给资源数据集；
S5.2、所述资源数据集根据所述需求信息通过所述资源调度路线将相应的资源调取至需求节点；
S5.3、再由所述资源数据集保存相应记录。
资源调度路线单元206，用于将所述资源数据集单元和所述资源调度单元进行连接。
如图3所示，示出了本发明实施例中的一种终端设，该终端设备为资源调度设备，包括处理器和存储器，所述存储器存储有多条指令，所述处理器加载所述指令以执行上述的基于启发式算法的分布式资源智能调度方法。
其中，存储器310，用于存储计算机程序311；处理器320，用于执行计算机程序311，该计算机程序311被处理器320执行时实现如上述任意一项实施例资源调度方法的步骤。
其中，处理器320可以包括一个或多个处理核心，比如3核心处理器、8核心处理器等。处理器320可以采用数字信号处理DSP(DigitalSignal Processing)、现场可编程门阵列FPGA(Field－ProgrammableGateArray)、可编程逻辑阵列PLA(ProgrammableLogicArray)中的至少一种硬件形式来实现。处理器320也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称中央处理器CPU(CentralProcessing Unit)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器320可以集成有图像处理器GPU(GraphicsProcessingUnit)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器320还可以包括人工智能AI(ArtificialIntelligence)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器310可以包括一个或多个存储介质，该存储介质可以是非暂态的。存储器310还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。本实施例中，存储器310至少用于存储以下计算机程序311，其中，该计算机程序311被处理器320加载并执行之后，能够实现前述任一实施例公开的资源调度方法中的相关步骤。另外，存储器310所存储的资源还可以包括操作系统312和数据313等，存储方式可以是短暂存储或者永久存储。其中，操作系统312可以为Windows。数据313可以包括但不限于上述方法所涉及到的数据。
在一些实施例中，资源调度设备还可包括有显示屏330、电源340、通信接口350、输入输出接口360、传感器370以及通信总线380。
本领域技术人员可以理解，图3中示出的结构并不构成对资源调度设备的限定，可以包括比图示更多或更少的组件。
本申请实施例提供的资源调度设备，包括存储器和处理器，处理器在执行存储器存储的程序时，能够实现如上所述的资源调度方法，效果同上。
需要说明的是，以上所描述的装置、设备实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，执行本申请各个实施例所述方法的全部或部分步骤。
为此，本申请实施例还提供一种存储介质，该存储介质上存储有计算机程序，计算机程序被处理器执行时实现如资源调度方法的步骤。
该存储介质可以包括：U盘、移动硬盘、只读存储器ROM(Read-Only Memory)、随机存取存储器RAM(RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例中提供的存储介质所包含的计算机程序能够在被处理器执行时实现如上所述的资源调度方法的步骤，效果同上。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置、设备及存储介质而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种基于启发式算法的分布式资源智能调度方法，其特征在于，包括：
基于分布式资源的拓扑结构建立资源数据集，并在所述资源数据集中建立一组母资源库和多组子资源库；
根据所述资源数据集构建资源查询端，并将所述资源查询端分布在多组所述子资源库中；
在所述资源查询端中输入需求信息，所述资源查询端将需求信息转送至资源数据集中；
由所述资源数据集根据所述需求信息进行查询资源信息，并反馈至所述资源查询端；
在所述资源查询端中根据反馈信息进行确定资源需求，并反馈至所述资源数据集中，由所述资源数据集根据启发式算法进行资源调度。
2.根据权利要求1所述的一种基于启发式算法的分布式资源智能调度方法，其特征在于，所述基于分布式资源的拓扑结构建立资源数据集，并在所述资源数据集中建立一组母资源库和多组子资源库，包括：
根据树形的形式将分布式资源进行集合，分成资源总节点和子节点；
以集合的形式将子节点通过集合器集成为母资源库；
将所述母资源库与所述总节点进行对接，构成资源数据集；
将所述资源数据集作为调度的输入、计算、输出的执行端，并基于所述子节点构建子资源库；
将所述子资源库与所述母资源库连接作为调度的运行端。
3.根据权利要求2所述的一种基于启发式算法的分布式资源智能调度方法，其特征在于，所述根据所述资源数据集构建资源查询端，并将所述资源查询端分布在多组所述子资源库中，包括：
在所述执行端中建立接收模块、统计模块及输出模块；
将所述接收模块、统计模块及输出模块集成为资源调度端；
在所述运行端中建立输入模块和接收模块；
将所述输入模块和接收模块集成为资源查询端；
将所述输入模块和接收模块进行对接，构成资源调度路线。
4.根据权利要求3所述的一种基于启发式算法的分布式资源智能调度方法，其特征在于，所述在所述资源查询端中输入需求信息，所述资源查询端将需求信息转送至资源数据集中，包括：
通过所述输入模块输入资源调度需求信息；
所述接收模块接收所述调度需求信息；
所述统计模块根据所述调度需求信息进行查找相应的资源信息。
5.根据权利要求4所述的一种基于启发式算法的分布式资源智能调度方法，其特征在于，所述由所述资源数据集根据所述需求信息进行查询资源信息，并反馈至所述资源查询端，包括：
将所述资源信息通过所述输出模块集输送至所述接收模块；
所述资源查询端将资源信息进行展示。
6.根据权利要求5所述的一种基于启发式算法的分布式资源智能调度方法，其特征在于，所述在所述资源查询端中根据反馈信息进行确定资源需求，并反馈至所述资源数据集中，由所述资源数据集根据启发式算法进行资源调度，包括：
根据展示的资源信息进行确定需求信息，并通过输入模块传输给资源数据集；
所述资源数据集根据所述需求信息通过所述资源调度路线将相应的资源调取至需求节点；
再由所述资源数据集保存相应记录。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310528944.5A CN116775275A (zh) | 2023-05-11 | 2023-05-11 | 一种基于启发式算法的分布式资源智能调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310528944.5A CN116775275A (zh) | 2023-05-11 | 2023-05-11 | 一种基于启发式算法的分布式资源智能调度方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116775275A true CN116775275A (zh) | 2023-09-19 |
Family
ID=87986883
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310528944.5A Pending CN116775275A (zh) | 2023-05-11 | 2023-05-11 | 一种基于启发式算法的分布式资源智能调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116775275A (zh) |
-
2023
- 2023-05-11 CN CN202310528944.5A patent/CN116775275A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11615084B1 (en) | Unified data processing across streaming and indexed data sets | |
| US11086289B2 (en) | Control interface for metric definition specification for assets driven by search-derived asset tree hierarchy | |
| CN102682052B (zh) | 过滤数据存储上的查询数据 | |
| US11151137B2 (en) | Multi-partition operation in combination operations | |
| US20190095494A1 (en) | Multi-partitioning determination for combination operations | |
| CN112307037B (zh) | 一种数据同步方法和装置 | |
| US11809439B1 (en) | Updating client dashboarding component of an asset monitoring and reporting system | |
| CN105740337B (zh) | 一种基于内容的发布订阅系统中的事件快速匹配方法 | |
| US11461350B1 (en) | Control interface for dynamic elements of asset monitoring and reporting system | |
| CN111694888A (zh) | 基于微服务架构的分布式etl数据交换系统及方法 | |
| US8095495B2 (en) | Exchange of syncronization data and metadata | |
| US11210277B2 (en) | Distributing and processing streams over one or more networks for on-the-fly schema evolution | |
| CN109933631A (zh) | 基于Infiniband网络的分布式并行数据库系统及数据处理方法 | |
| US11822433B2 (en) | Qualification parameters for captain selection in a search head cluster | |
| CN109582289B (zh) | 规则引擎中规则流的处理方法、系统、存储介质和处理器 | |
| CN103634411B (zh) | 一种具有状态一致性的市场数据实时广播系统及方法 | |
| CN112506870B (zh) | 数据仓库增量更新方法、装置及计算机设备 | |
| CN111258978A (zh) | 一种数据存储的方法 | |
| US11210278B1 (en) | Asset group interface driven by search-derived asset tree hierarchy | |
| CN113434312A (zh) | 数据血缘关系处理方法及装置 | |
| CN113760638A (zh) | 一种基于kubernetes集群的日志服务方法和装置 | |
| CN116775275A (zh) | 一种基于启发式算法的分布式资源智能调度方法 | |
| CN115048140A (zh) | 一种版本控制方法、装置、电子设备及存储介质 | |
| CN113377877A (zh) | 多引擎大数据平台 | |
| CN115525440A (zh) | 微服务调用数据处理方法、装置、介质及设备 |
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 |