CN116880976A - Ai识别的运算力分配系统 - Google Patents

Ai识别的运算力分配系统 Download PDF

Info

Publication number
CN116880976A
CN116880976A CN202310832692.5A CN202310832692A CN116880976A CN 116880976 A CN116880976 A CN 116880976A CN 202310832692 A CN202310832692 A CN 202310832692A CN 116880976 A CN116880976 A CN 116880976A
Authority
CN
China
Prior art keywords
unit
module
monitoring
analysis
distribution system
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
CN202310832692.5A
Other languages
English (en)
Inventor
章国良
罗芳芳
何镭
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.)
Wuhan Weixinxiongdi Technology Co ltd
Original Assignee
Wuhan Weixinxiongdi 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 Wuhan Weixinxiongdi Technology Co ltd filed Critical Wuhan Weixinxiongdi Technology Co ltd
Priority to CN202310832692.5A priority Critical patent/CN116880976A/zh
Publication of CN116880976A publication Critical patent/CN116880976A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
    • G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
    • 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
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/508—Monitor
    • 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)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及家居厨房领域，公开了AI识别的运算力分配系统，包括AI识别的运算力分配系统，所述AI识别的运算力分配系统包括上传模块、采集模块、监测模块和任务分析模块，所述上传模块与采集模块相连接，所述采集模块与监测模块相连接；所述监测模块用以定期监测运行的性能，并根据需要进行更新和重训练，以适应数据变化和改进预测准确性。通过监测模块、任务分析模块之间的配合从而可以通过AI识别的运算力分配系统对大规模数据进行处理，并且获取使用率，从而达到让整个系统可以实现资源的智能分配和调度，提高系统的弹性、可靠性和性能，同时降低资源浪费和能耗，这有助于提高任务执行效率，并提供更好的用户体验。

Description

AI识别的运算力分配系统
技术领域
本发明涉及AI识别技术领域，具体为AI识别的运算力分配系统。
背景技术
AI识别的运算力分配系统是一个可以自动调整计算资源的系统，它基于机器学习和人工智能算法，通过实时监测系统中各种任务的需求和可用资源的状态来分配计算资源，这个系统可以根据不同任务的优先级、复杂度、数据量等因素来分配计算资源，以达到最佳的计算效果和资源利用率，例如，在处理较为简单的任务时，系统可以将更多的计算资源分配给处理复杂任务的模块，以提高整个系统的性能和效率。
传统的AI识别的运算力分配系统可能会存在不能进行整个资源的分配和调度，也不能进行大规模的数据处理，从而导致整体的可靠性和性能的下降的问题。
发明内容
针对现有技术的不足，本发明提供了AI识别的运算力分配系统，解决了可能会存在不能进行整个资源的分配和调度，也不能进行大规模的数据处理，从而导致整体的可靠性和性能的下降的问题。
为实现以上目的，本发明通过以下技术方案予以实现：AI识别的运算力分配系统，包括AI识别的运算力分配系统，所述AI识别的运算力分配系统包括上传模块、采集模块、监测模块和任务分析模块，所述上传模块与采集模块相连接，所述采集模块与监测模块相连接；
所述监测模块用以定期监测运行的性能，并根据需要进行更新和重训练，以适应数据变化和改进预测准确性。
优选的，所述监测模块包括CPU利用率单元、内存使用率单元和负载情况单元，所述监测模块与CPU利用率单元相连接，所述CPU利用率单元与内存使用率单元相连接，所述内存使用率单元与负载情况单元相连接；
所述监测模块关键是选择能够反映计算资源状态和性能的指标，以便进行后续分析和决策。
优选的，所述任务分析模块包括任务分类单元、特征分析单元和任务优先级确定单元，所述任务分析模块与任务分类单元相连接，所述任务分类单元与特征分析单元，所述特征分析单元与任务优先级确定单元相连接；
所述优先级确定单元是用以根据业务需求和系统策略，确定任务的优先级。不同任务可能具有不同的紧急程度和重要性，系统需要根据这些因素来设置其优先级，以便在资源有限情况下进行合理的分配。
优选的，所述任务优先级确定单元包括重要性单元、紧迫性单元和复杂性单元，所述重要性单元与紧迫性单元相连接，所述紧迫性单与复杂性单元相连接；
所述重要性单元是通过AI进行自动的从而可以进行自动判断是否为重要性单元。
优选的，所述特征分析单元包括工作负载单元、数据规模单元和计算复杂度单元，所述特征分析单元与工作负载单元相连接，所述工作负载单元与数据规划单元相连接，所述数据规模单元与计算复杂度单元相连接；
所述特征分析单元是用以加快监测的速度，特征分析单元也需要结合实际问题的需求，进行合适的特征选择和变换，以获得最佳的分析结果。
优选的，所述任务分析模块包括需求识别模块、预测模块、资源评估模块和反馈模块，所述需求识别模块与预测模块相连接，所述预测模块与资源评估模块相连接，所述资源评估模块与反馈模块相连接；
所述预测模块是预测模块可以进行任务需求的预测，根据当前的输入特征，预测模块可以生成对未来任务需求的预测结果，这些预测结果可以实时更新，以反映系统的动态变化。
优选的，所述需求识别模块包括文本预处理单元、信息提取单元和形式化表示单元，所述文本预处理单元与信息提取单元相连接，所述信息提取单元与形式化表示单元相连接；
所述信息提取单元是用以是从文本、语音、图像或其他类型数据中提取出结构化数据转换为可用于进一步分析和理解的结构化形式。
优选的，所述资源评估模块包括收集数据单元、分析数据单元和持续监测单元，所述资源评估模块与收集数据单元相连接，所述收集数据单元与分析数据单元相连接，所述分析数据单元与持续监测单元相连接。
优选的，所述反馈模块包括监控系统反馈单元、资源利用率单元，所述反馈模块与监控系统反馈模块单元相连接，所述监控系统反馈单元与资源利用率单元相连接。
优选的，所述反馈模块还包括响应时间单元和错误率单元，所述反馈模块与响应时间单相连接，所述响应时间单元与错误率单元相连接；
所述错误率单元是用以对AI识别中出现的识别不明确与识别的目标不一致进行判断。
工作原理：当需要使用到AI识别的运算力分配系统的时候，首先通过采集模块和监测模块进行配合，从而可以使AI识别的运算力分配系统会收集和监测与计算资源相关的数据，数据包括资源利用率、负载情况、任务特性，并且这些数据可以来自不同的源头，可以是通过监控工具、性能指标、用户需求来进行数据获取，并且对整个系统进行优化处理，对监测到的数据进行实时调整和优化，系统会持续监测任务执行情况和资源利用状况，并根据实际情况进行实时调整和优化，当系统检测到某个资源负载过高，它可以动态地重新分配任务或调整资源分配策略，以保持系统的平衡和高效性能，系统会评估运算力分配策略的性能和效果，并根据反馈进行调整和改进，并且系统的内部有反馈模块，反馈模块是通过进行收集用户反馈、监测任务执行时间、资源利用率等指标，以评估和优化系统的运算力分配策略。
本发明提供了AI识别的运算力分配系统。具备以下有益效果：
本发明通过监测模块、任务分析模块之间的配合从而可以通过AI识别的运算力分配系统对大规模数据进行处理，并且获取使用率，从而达到让整个系统可以实现资源的智能分配和调度，提高系统的弹性、可靠性和性能，同时降低资源浪费和能耗，这有助于提高任务执行效率，并提供更好的用户体验。
附图说明
图1为本发明的主框架图；
图2为本发明的监测模块流程图；
图3为本发明的任务分析模块流程图；
图4为本发明的任务优先级确定单元流程图；
图5为本发明的特征分析单元流程图；
图6为本发明的需求识别模块流程图；
图7为本发明的资源评估模块流程图；
图8为本发明的反馈模块流程图。
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。
实施例：
请参阅附图1－附图8，本发明实施例提供AI识别的运算力分配系统，包括AI识别的运算力分配系统，AI识别的运算力分配系统包括上传模块、采集模块、监测模块和任务分析模块，上传模块与采集模块相连接，采集模块与监测模块相连接；
监测模块用以定期监测运行的性能，并根据需要进行更新和重训练，以适应数据变化和改进预测准确性。
上传模块是用于进行将检测到的数据进行上传，进行进一步的分析同时再通过分析从而将数据进行采集。
监测模块包括CPU利用率单元、内存使用率单元和负载情况单元，监测模块与CPU利用率单元相连接，CPU利用率单元与内存使用率单元相连接，内存使用率单元与负载情况单元相连接；
监测模块关键是选择能够反映计算资源状态和性能的指标，以便进行后续分析和决策。
监测模块对使用的寿命和效率进行实时的监测，同时再通过监测到的数据进行评判。
任务分析模块包括任务分类单元、特征分析单元和任务优先级确定单元，任务分析模块与任务分类单元相连接，任务分类单元与特征分析单元，特征分析单元与任务优先级确定单元相连接；
优先级确定单元是用以根据业务需求和系统策略，确定任务的优先级。不同任务可能具有不同的紧急程度和重要性，系统需要根据这些因素来设置其优先级，以便在资源有限情况下进行合理的分配。
任务优先级确定单元包括重要性单元、紧迫性单元和复杂性单元，重要性单元与紧迫性单元相连接，紧迫性单与复杂性单元相连接；
重要性单元是通过AI进行自动的从而可以进行自动判断是否为重要性单元。
特征分析单元包括工作负载单元、数据规模单元和计算复杂度单元，特征分析单元与工作负载单元相连接，工作负载单元与数据规划单元相连接，数据规模单元与计算复杂度单元相连接；
特征分析单元是用以加快监测的速度，特征分析单元也需要结合实际问题的需求，进行合适的特征选择和变换，以获得最佳的分析结果。
任务分析模块包括需求识别模块、预测模块、资源评估模块和反馈模块，需求识别模块与预测模块相连接，预测模块与资源评估模块相连接，资源评估模块与反馈模块相连接；
预测模块是预测模块可以进行任务需求的预测，根据当前的输入特征，预测模块可以生成对未来任务需求的预测结果，这些预测结果可以实时更新，以反映系统的动态变化。
需求识别模块包括文本预处理单元、信息提取单元和形式化表示单元，文本预处理单元与信息提取单元相连接，信息提取单元与形式化表示单元相连接；
信息提取单元是用以是从文本、语音、图像或其他类型数据中提取出结构化数据转换为可用于进一步分析和理解的结构化形式。
资源评估模块包括收集数据单元、分析数据单元和持续监测单元，资源评估模块与收集数据单元相连接，收集数据单元与分析数据单元相连接，分析数据单元与持续监测单元相连接。
通过资源评估从而得到可以将收集和采集的数据进行评估，并且将所有的数据进行分析。
反馈模块包括监控系统反馈单元、资源利用率单元，反馈模块与监控系统反馈模块单元相连接，监控系统反馈单元与资源利用率单元相连接。
监控系统反馈是用以进行将所有的监控与监测到的数据进行实时的反馈，并且再通过反馈得到的数据从而进行系统反馈。
反馈模块还包括响应时间单元和错误率单元，反馈模块与响应时间单相连接，响应时间单元与错误率单元相连接；
错误率单元是用以对AI识别中出现的识别不明确与识别的目标不一致进行判断。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.AI识别的运算力分配系统，包括AI识别的运算力分配系统，其特征在于，所述AI识别的运算力分配系统包括上传模块、采集模块、监测模块和任务分析模块，所述上传模块与采集模块相连接，所述采集模块与监测模块相连接；
所述监测模块用以定期监测运行的性能，并根据需要进行更新和重训练，以适应数据变化和改进预测准确性。
2.根据权利要求1所述的AI识别的运算力分配系统，其特征在于，所述监测模块包括CPU利用率单元、内存使用率单元和负载情况单元，所述监测模块与CPU利用率单元相连接，所述CPU利用率单元与内存使用率单元相连接，所述内存使用率单元与负载情况单元相连接；
所述监测模块关键是选择能够反映计算资源状态和性能的指标，以便进行后续分析和决策。
3.根据权利要求1所述的AI识别的运算力分配系统，其特征在于，所述任务分析模块包括任务分类单元、特征分析单元和任务优先级确定单元，所述任务分析模块与任务分类单元相连接，所述任务分类单元与特征分析单元，所述特征分析单元与任务优先级确定单元相连接；
所述优先级确定单元是用以根据业务需求和系统策略，确定任务的优先级，不同任务可能具有不同的紧急程度和重要性，系统需要根据这些因素来设置其优先级，以便在资源有限情况下进行合理的分配。
4.根据权利要求3所述的AI识别的运算力分配系统，其特征在于，所述任务优先级确定单元包括重要性单元、紧迫性单元和复杂性单元，所述重要性单元与紧迫性单元相连接，所述紧迫性单与复杂性单元相连接；
所述重要性单元是通过AI进行自动的从而可以进行自动判断是否为重要性单元。
5.根据权利要求3所述的AI识别的运算力分配系统，其特征在于，所述特征分析单元包括工作负载单元、数据规模单元和计算复杂度单元，所述特征分析单元与工作负载单元相连接，所述工作负载单元与数据规划单元相连接，所述数据规模单元与计算复杂度单元相连接；
所述特征分析单元是用以加快监测的速度，特征分析单元也需要结合实际问题的需求，进行合适的特征选择和变换，以获得最佳的分析结果。
6.根据权利要求1所述的AI识别的运算力分配系统，其特征在于，所述任务分析模块包括需求识别模块、预测模块、资源评估模块和反馈模块，所述需求识别模块与预测模块相连接，所述预测模块与资源评估模块相连接，所述资源评估模块与反馈模块相连接；
所述预测模块是预测模块可以进行任务需求的预测，根据当前的输入特征，预测模块可以生成对未来任务需求的预测结果，这些预测结果可以实时更新，以反映系统的动态变化。
7.根据权利要求6所述的AI识别的运算力分配系统，其特征在于，所述需求识别模块包括文本预处理单元、信息提取单元和形式化表示单元，所述文本预处理单元与信息提取单元相连接，所述信息提取单元与形式化表示单元相连接；
所述信息提取单元是用以是从文本、语音、图像或其他类型数据中提取出结构化数据转换为可用于进一步分析和理解的结构化形式。
8.根据权利要求6所述的AI识别的运算力分配系统，其特征在于，所述资源评估模块包括收集数据单元、分析数据单元和持续监测单元，所述资源评估模块与收集数据单元相连接，所述收集数据单元与分析数据单元相连接，所述分析数据单元与持续监测单元相连接。
9.根据权利要求6所述的AI识别的运算力分配系统，其特征在于，所述反馈模块包括监控系统反馈单元、资源利用率单元，所述反馈模块与监控系统反馈模块单元相连接，所述监控系统反馈单元与资源利用率单元相连接。
10.根据权利要求6所述的AI识别的运算力分配系统，其特征在于，所述反馈模块还包括响应时间单元和错误率单元，所述反馈模块与响应时间单相连接，所述响应时间单元与错误率单元相连接；
所述错误率单元是用以对AI识别中出现的识别不明确与识别的目标不一致进行判断。
CN202310832692.5A 2023-07-08 2023-07-08 Ai识别的运算力分配系统 Pending CN116880976A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310832692.5A CN116880976A (zh) 2023-07-08 2023-07-08 Ai识别的运算力分配系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310832692.5A CN116880976A (zh) 2023-07-08 2023-07-08 Ai识别的运算力分配系统

Publications (1)

Publication Number Publication Date
CN116880976A true CN116880976A (zh) 2023-10-13

Family

ID=88257992

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310832692.5A Pending CN116880976A (zh) 2023-07-08 2023-07-08 Ai识别的运算力分配系统

Country Status (1)

Country Link
CN (1) CN116880976A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118170545A (zh) * 2024-03-29 2024-06-11 波维希数字科技有限公司 算力弹性部署方法及元宇宙算力弹性部署系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118170545A (zh) * 2024-03-29 2024-06-11 波维希数字科技有限公司 算力弹性部署方法及元宇宙算力弹性部署系统

Similar Documents

Publication Publication Date Title
CN117472587B (zh) 一种ai智算中心的资源调度系统
CN104317658A (zh) 一种基于MapReduce的负载自适应任务调度方法
CN116227757B (zh) 一种基于智慧云网关的综合能源管控方法及系统
KR102544181B1 (ko) 디지털 트윈 기반의 분산 자원 및 전력 계통 운영 계획 시스템 및 운영 계획 방법
CN117076882A (zh) 一种云服务资源动态预测管理方法
CN116880976A (zh) Ai识别的运算力分配系统
CN116466672B (zh) 基于人工智能的数据中心机房参数调控方法及相关装置
CN117812123A (zh) 一种基于物联网的阀门调控方法及系统
CN117850494A (zh) 基于ai算法的数据中心节能控制方法
CN108804601A (zh) 电网运营监测大数据主动式分析方法及装置
CN117613984B (zh) 一种用于风电储能的控制协调方法及系统
CN117094478B (zh) 能量调度管理方法、装置、设备及存储介质
CN118092553A (zh) 全负荷调峰动态控制数据中心
CN117407178B (zh) 一种自适应负载分配的加速子卡管理方法及系统
CN118381467A (zh) 基于物联网的柔性光伏智能监控与管理系统及方法
CN108897608B (zh) 一种数据驱动可扩展的智能通用任务调度系统
CN116028193B (zh) 一种混部集群的大数据任务动态高能效调度方法和系统
CN117175776A (zh) 基于智能控制技术的ups节能系统
CN117130888A (zh) 基于历史数据和机器学习的服务器自动调优方法及系统
CN111539863A (zh) 一种基于多源任务线的智能城市运行的方法和系统
CN118244871B (zh) 一种智能手表双芯片系统切换的屏幕显示方法及系统
CN117891559A (zh) 一种智能预测K8s资源调度的方法
CN118040791B (zh) 一种协同经济性的燃煤机组深度调峰系统及方法
CN114091742A (zh) 一种基于负荷分析的分析诊断子系统
CN118394471A (zh) 基于机器学习的Kubernetes调度优化方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication