CN117150123A - 一种基于云计算的资源分配方法及系统 - Google Patents
一种基于云计算的资源分配方法及系统 Download PDFInfo
- Publication number
- CN117150123A CN117150123A CN202311034045.6A CN202311034045A CN117150123A CN 117150123 A CN117150123 A CN 117150123A CN 202311034045 A CN202311034045 A CN 202311034045A CN 117150123 A CN117150123 A CN 117150123A
- Authority
- CN
- China
- Prior art keywords
- behavior
- user
- description information
- target
- tag
- 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.)
- Withdrawn
Links
- 238000013468 resource allocation Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 202
- 238000005065 mining Methods 0.000 claims abstract description 112
- 238000007405 data analysis Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000006399 behavior Effects 0.000 claims description 497
- 230000000875 corresponding effect Effects 0.000 claims description 93
- 238000011156 evaluation Methods 0.000 claims description 48
- 239000012634 fragment Substances 0.000 claims description 24
- 230000005856 abnormality Effects 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 12
- 230000002596 correlated effect Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000003542 behavioural effect Effects 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 description 6
- 230000007547 defect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的一种基于云计算的资源分配方法及系统,涉及数据处理技术领域。在本发明中,提取到目标网络终端设备对应的目标设备运行数据;通过运行数据分析模型,将目标设备运行数据进行行为解析操作,输出用于反映目标设备运行数据的行为标签的行为标签分析信息;通过用户类型分析模型,将目标设备运行数据进行用户特征挖掘操作,输出网络用户的用户行为特征描述信息;依据行为标签分析信息和用户行为特征描述信息,确定出目标设备运行数据的行为挖掘结果描述信息;基于行为挖掘结果描述信息,为目标网络终端设备分配云计算系统包括的多个云计算设备中的目标云计算设备。基于上述方法,可以提高设备资源分配的可靠度。
Description
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种基于云计算的资源分配方法及系统。
背景技术
数据处理技术的成熟和完善,以及,应用需求的增加,使得数据处理技术的应用场景会较多,例如,可以基于数据处理技术,对云计算系统中的设备资源进行分配,但是,在现有技术中,在对云计算系统中的设备资源进行分配的过程中,存在着可靠度不高的问题。
发明内容
有鉴于此,本发明的目的在于提供一种基于云计算的资源分配方法及系统,以提高设备资源分配的可靠度。
为实现上述目的,本发明实施例采用如下技术方案:
一种基于云计算的资源分配方法,包括:
对目标网络终端设备进行设备运行数据的提取操作,以得到所述目标网络终端设备对应的目标设备运行数据,所述目标设备运行数据至少用于反映所述目标网络终端设备对应的网络用户的网络行为,且所述目标设备运行数据属于采用文本的形式来记录网络行为的数据;
通过运行数据分析模型,将所述目标设备运行数据进行行为解析操作,输出用于反映所述目标设备运行数据的行为标签的行为标签分析信息,所述行为标签包括行为第一标签和与所述行为第一标签不一样的行为第二标签,所述行为第一标签用于反映所述网络用户的网络行为不存在异常,所述行为第二标签用于反映所述网络用户的网络行为存在异常,倘若所述行为标签分析信息反映出所述行为标签属于行为第二标签,则所述行为标签分析信息还包括所述行为第二标签对应的可靠度第一参数,倘若所述行为标签分析信息反映出所述行为标签属于行为第一标签,则所述行为标签分析信息还包括所述行为第一标签对应的可靠度第二参数;
通过用户类型分析模型,将所述目标设备运行数据进行用户特征挖掘操作,输出所述网络用户的用户行为特征描述信息;
依据所述行为标签分析信息和所述用户行为特征描述信息,确定出所述目标设备运行数据的行为挖掘结果描述信息;
基于所述行为挖掘结果描述信息,为所述目标网络终端设备分配云计算系统包括的多个云计算设备中的目标云计算设备。
在一些优选的实施例中,在上述基于云计算的资源分配方法中,所述依据所述行为标签分析信息和所述用户行为特征描述信息,确定出所述目标设备运行数据的行为挖掘结果描述信息的步骤,包括:
倘若所述行为标签分析信息反映出所述行为标签属于行为第一标签,且所述用户行为特征描述信息属于目标用户行为特征描述信息,则将所述行为挖掘结果描述信息配置为属于所述目标用户行为特征描述信息;
倘若所述行为标签分析信息反映出所述行为标签属于行为第二标签,且所述用户行为特征描述信息不属于目标用户行为特征描述信息,则将所述行为挖掘结果描述信息配置为不属于目标用户行为特征描述信息。
在一些优选的实施例中,在上述基于云计算的资源分配方法中,所述依据所述行为标签分析信息和所述用户行为特征描述信息,确定出所述目标设备运行数据的行为挖掘结果描述信息的步骤,包括:
倘若所述行为标签分析信息反映出所述行为标签属于行为第二标签,且所述用户行为特征描述信息属于目标用户行为特征描述信息,则对所述可靠度第一参数和预先确定的参考可靠度第一参数进行大小分析处理,以输出对应的第一大小分析关系,以及,依据所述第一大小分析关系,确定出对应的行为挖掘结果描述信息;
倘若所述行为标签分析信息反映出所述行为标签属于行为第一标签,且所述用户行为特征描述信息不属于目标用户行为特征描述信息,则对所述可靠度第二参数和预先确定的参考可靠度第二参数进行大小分析处理,以输出对应的第二大小分析关系,以及,依据所述第二大小分析关系,确定出对应的行为挖掘结果描述信息。
在一些优选的实施例中,在上述基于云计算的资源分配方法中,所述倘若所述行为标签分析信息反映出所述行为标签属于行为第二标签,且所述用户行为特征描述信息属于目标用户行为特征描述信息,则对所述可靠度第一参数和预先确定的参考可靠度第一参数进行大小分析处理,以输出对应的第一大小分析关系,以及,依据所述第一大小分析关系,确定出对应的行为挖掘结果描述信息的步骤,包括:
倘若所述行为标签分析信息反映出所述行为标签属于行为第二标签,且所述用户行为特征描述信息属于目标用户行为特征描述信息,则对所述可靠度第一参数和预先确定的参考可靠度第一参数进行大小分析处理,以输出对应的第一大小分析关系;
倘若所述第一大小分析关系反映出所述可靠度第一参数小于或等于所述参考可靠度第一参数,则将所述行为挖掘结果描述信息配置为属于所述目标用户行为特征描述信息;
倘若所述第一大小分析关系反映出所述可靠度第一参数大于所述参考可靠度第一参数,则将所述用户行为特征描述信息配置为不属于目标用户行为特征描述信息。
在一些优选的实施例中,在上述基于云计算的资源分配方法中,所述倘若所述行为标签分析信息反映出所述行为标签属于行为第一标签,且所述用户行为特征描述信息不属于目标用户行为特征描述信息,则对所述可靠度第二参数和预先确定的参考可靠度第二参数进行大小分析处理,以输出对应的第二大小分析关系,以及,依据所述第二大小分析关系,确定出对应的行为挖掘结果描述信息的步骤,包括:
倘若所述行为标签分析信息反映出所述行为标签属于行为第一标签,且所述用户行为特征描述信息不属于目标用户行为特征描述信息,则对所述可靠度第二参数和预先确定的参考可靠度第二参数进行大小分析处理,以输出对应的第二大小分析关系;
倘若所述第二大小分析关系反映出所述可靠度第二参数大于所述参考可靠度第二参数,则将所述行为挖掘结果描述信息配置为不属于所述目标用户行为特征描述信息;
倘若所述第二大小分析关系反映出所述可靠度第二参数小于或等于所述参考可靠度第二参数,则将所述行为挖掘结果描述信息配置为不属于所述目标用户行为特征描述信息。
在一些优选的实施例中,在上述基于云计算的资源分配方法中,所述通过用户类型分析模型,将所述目标设备运行数据进行用户特征挖掘操作,输出所述网络用户的用户行为特征描述信息的步骤,包括:
在所述目标设备运行数据中,分析出一个设备运行数据片段或多个设备运行数据片段,并分析出所述一个设备运行数据片段或多个设备运行数据片段各自对应的片段重要性评估参数;
倘若每一个所述片段重要性评估参数小于或等于预先确定的参考重要性评估参数,则将对应的片段重要性评估参数最大的一个设备运行数据片段,通过用户类型分析模型进行用户特征挖掘操作,以挖掘出所述网络用户的用户行为特征描述信息;
倘若存在至少一个片段重要性评估参数大于所述参考重要性评估参数,将所述至少一个片段重要性评估参数对应的设备运行数据片段,通过所述用户类型分析模型进行用户特征挖掘操作,以挖掘出所述网络用户的用户行为特征描述信息。
在一些优选的实施例中,在上述基于云计算的资源分配方法中,在所述通过运行数据分析模型,将所述目标设备运行数据进行行为解析操作,输出用于反映所述目标设备运行数据的行为标签的行为标签分析信息的步骤之前,且在所述通过用户类型分析模型,将所述目标设备运行数据进行用户特征挖掘操作,输出所述网络用户的用户行为特征描述信息的步骤之前,所述基于云计算的资源分配方法还包括:
将所述运行数据分析模型和/或所述用户类型分析模型进行网络优化操作,以形成优化后的所述运行数据分析模型和/或优化后的所述用户类型分析模型,且将所述运行数据分析模型和/或所述用户类型分析模型进行网络优化操作,包括:
确定出示例性数据簇,所述示例性数据簇包括至少一个相关示例性数据和至少一个噪声示例性数据;
将所述至少一个相关示例性数据和所述至少一个噪声示例性数据进行行为标签配置,以形成对应的行为标签簇;
将所述至少一个相关示例性数据和所述至少一个噪声示例性数据进行行为特征配置,以形成对应的行为特征簇;
基于所述行为标签簇、所述至少一个相关示例性数据和所述至少一个噪声示例性数据,将所述运行数据分析模型进行网络优化操作;
基于所述行为特征簇、所述至少一个相关示例性数据和所述至少一个噪声示例性数据,将所述用户类型分析模型进行网络优化操作。
本发明实施例还提供一种基于云计算的资源分配系统,包括:
数据提取模块,用于对目标网络终端设备进行设备运行数据的提取操作,以得到所述目标网络终端设备对应的目标设备运行数据,所述目标设备运行数据至少用于反映所述目标网络终端设备对应的网络用户的网络行为,且所述目标设备运行数据属于采用文本的形式来记录网络行为的数据;
数据分析模块,用于通过运行数据分析模型,将所述目标设备运行数据进行行为解析操作,输出用于反映所述目标设备运行数据的行为标签的行为标签分析信息,所述行为标签包括行为第一标签和与所述行为第一标签不一样的行为第二标签,所述行为第一标签用于反映所述网络用户的网络行为不存在异常,所述行为第二标签用于反映所述网络用户的网络行为存在异常,倘若所述行为标签分析信息反映出所述行为标签属于行为第二标签,则所述行为标签分析信息还包括所述行为第二标签对应的可靠度第一参数,倘若所述行为标签分析信息反映出所述行为标签属于行为第一标签,则所述行为标签分析信息还包括所述行为第一标签对应的可靠度第二参数;
特征挖掘模块,用于通过用户类型分析模型,将所述目标设备运行数据进行用户特征挖掘操作,输出所述网络用户的用户行为特征描述信息;
行为挖掘模块,用于依据所述行为标签分析信息和所述用户行为特征描述信息,确定出所述目标设备运行数据的行为挖掘结果描述信息;
设备资源分配模块,用于基于所述行为挖掘结果描述信息,为目标网络终端设备分配云计算系统包括的多个云计算设备中的目标云计算设备。
在一些优选的实施例中,在上述基于云计算的资源分配系统中,所述行为挖掘模块具体用于:
倘若所述行为标签分析信息反映出所述行为标签属于行为第一标签,且所述用户行为特征描述信息属于目标用户行为特征描述信息,则将所述行为挖掘结果描述信息配置为属于所述目标用户行为特征描述信息;
倘若所述行为标签分析信息反映出所述行为标签属于行为第二标签,且所述用户行为特征描述信息不属于目标用户行为特征描述信息,则将所述行为挖掘结果描述信息配置为不属于目标用户行为特征描述信息。
在一些优选的实施例中,在上述基于云计算的资源分配系统中,所述特征挖掘模块具体用于:
在所述目标设备运行数据中,分析出一个设备运行数据片段或多个设备运行数据片段,并分析出所述一个设备运行数据片段或多个设备运行数据片段各自对应的片段重要性评估参数;
倘若每一个所述片段重要性评估参数小于或等于预先确定的参考重要性评估参数,则将对应的片段重要性评估参数最大的一个设备运行数据片段,通过用户类型分析模型进行用户特征挖掘操作,以挖掘出所述网络用户的用户行为特征描述信息;
倘若存在至少一个片段重要性评估参数大于所述参考重要性评估参数,将所述至少一个片段重要性评估参数对应的设备运行数据片段,通过所述用户类型分析模型进行用户特征挖掘操作,以挖掘出所述网络用户的用户行为特征描述信息。
本发明实施例提供的一种基于云计算的资源分配方法及系统,可以先提取到目标网络终端设备对应的目标设备运行数据;通过运行数据分析模型,将目标设备运行数据进行行为解析操作,输出用于反映目标设备运行数据的行为标签的行为标签分析信息;通过用户类型分析模型,将目标设备运行数据进行用户特征挖掘操作,输出网络用户的用户行为特征描述信息;依据行为标签分析信息和用户行为特征描述信息,确定出目标设备运行数据的行为挖掘结果描述信息;基于行为挖掘结果描述信息,为目标网络终端设备分配云计算系统包括的多个云计算设备中的目标云计算设备。基于上述的内容,由于会先分别确定出行为标签分析信息和用户行为特征描述信息这两方面的信息,使得融合这两方面的信息得到的行为挖掘结果描述信息的可靠度更高,从而可以提高基于该行为挖掘结果描述信息进行的设备资源分配的可靠度,进而改善现有技术中的不足。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
图1为本发明实施例提供的基于云计算的资源分配平台的结构框图。
图2为本发明实施例提供的基于云计算的资源分配方法包括的各步骤的流程示意图。
图3为本发明实施例提供的基于云计算的资源分配系统包括的各模块的示意图。
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、完整地描述,显然,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的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选定实施例。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他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种基于云计算的资源分配平台。其中,所述基于云计算的资源分配平台可以包括存储器和处理器。
详细地,所述存储器和处理器之间直接或间接地电性连接,以实现数据的传输或交互。例如,相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式,存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序,从而实现本发明实施例(如后文所述)提供的基于云计算的资源分配方法。
可以选择的是,在一些实施方式中,所述存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable ProgrammableRead-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable ProgrammableRead-Only Memory,EEPROM)等。
可以选择的是,在一些实施方式中,所述处理器可以是一种通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、片上系统(System on Chip,SoC)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以选择的是,在一些实施方式中,所述基于云计算的资源分配平台可以是一种具备数据处理能力的服务器。
结合图2,本发明实施例还提供一种基于云计算的资源分配方法,可应用于上述基于云计算的资源分配平台。其中,所述基于云计算的资源分配方法有关的流程所定义的方法步骤,可以由所述基于云计算的资源分配平台实现。下面将对图2所示的具体流程,进行详细阐述。
步骤S110,对目标网络终端设备进行设备运行数据的提取操作,以得到所述目标网络终端设备对应的目标设备运行数据。
在本发明实施例中,所述基于云计算的资源分配平台可以对目标网络终端设备进行设备运行数据的提取操作,以得到所述目标网络终端设备对应的目标设备运行数据。所述目标设备运行数据至少用于反映所述目标网络终端设备对应的网络用户的网络行为(该网络行为可以是针对特定平台的,如目标云计算系统对应的平台),且所述目标设备运行数据属于采用文本的形式来记录网络行为的数据。
步骤S120,通过运行数据分析模型,将所述目标设备运行数据进行行为解析操作,输出用于反映所述目标设备运行数据的行为标签的行为标签分析信息。
在本发明实施例中,所述基于云计算的资源分配平台可以通过运行数据分析模型,将所述目标设备运行数据进行行为解析操作,输出用于反映所述目标设备运行数据的行为标签的行为标签分析信息。所述行为标签包括行为第一标签和与所述行为第一标签不一样的行为第二标签,所述行为第一标签用于反映所述网络用户的网络行为不存在异常,所述行为第二标签用于反映所述网络用户的网络行为存在异常,倘若所述行为标签分析信息反映出所述行为标签属于行为第二标签,则所述行为标签分析信息还包括所述行为第二标签对应的可靠度第一参数,倘若所述行为标签分析信息反映出所述行为标签属于行为第一标签,则所述行为标签分析信息还包括所述行为第一标签对应的可靠度第二参数。
步骤S130,通过用户类型分析模型,将所述目标设备运行数据进行用户特征挖掘操作,输出所述网络用户的用户行为特征描述信息。
在本发明实施例中,所述基于云计算的资源分配平台可以通过用户类型分析模型,将所述目标设备运行数据进行用户特征挖掘操作,输出所述网络用户的用户行为特征描述信息。
步骤S140,依据所述行为标签分析信息和所述用户行为特征描述信息,确定出所述目标设备运行数据的行为挖掘结果描述信息。
在本发明实施例中,所述基于云计算的资源分配平台可以依据所述行为标签分析信息和所述用户行为特征描述信息,确定出所述目标设备运行数据的行为挖掘结果描述信息。
步骤S150,基于所述行为挖掘结果描述信息,为所述目标网络终端设备分配云计算系统包括的多个云计算设备中的目标云计算设备。
在本发明实施例中,所述基于云计算的资源分配平台可以基于所述行为挖掘结果描述信息,为所述目标网络终端设备分配云计算系统包括的多个云计算设备中的目标云计算设备,例如,可以基于每一个云计算设备已经匹配的其它网络终端设备对应的行为挖掘结果描述信息和所述目标网络终端设备对应的行为挖掘结果描述信息之间的相似度,为所述目标网络终端设备分配云计算系统包括的多个云计算设备中的目标云计算设备。
基于上述的内容,由于会先分别确定出行为标签分析信息和用户行为特征描述信息这两方面的信息,使得融合这两方面的信息得到的行为挖掘结果描述信息的可靠度更高,从而可以提高基于该行为挖掘结果描述信息进行的设备资源分配的可靠度,进而改善现有技术中的不足。
可以选择的是,在一些实施方式中,所述依据所述行为标签分析信息和所述用户行为特征描述信息,确定出所述目标设备运行数据的行为挖掘结果描述信息的步骤,可以进一步包括以下的步骤:
倘若所述行为标签分析信息反映出所述行为标签属于行为第一标签,且所述用户行为特征描述信息属于目标用户行为特征描述信息,则将所述行为挖掘结果描述信息配置为属于所述目标用户行为特征描述信息;
倘若所述行为标签分析信息反映出所述行为标签属于行为第二标签,且所述用户行为特征描述信息不属于目标用户行为特征描述信息,则将所述行为挖掘结果描述信息配置为不属于目标用户行为特征描述信息(此时,在进行设备资源分配时,可以随机分配,或基于负载均衡的原则进行分配)。
可以选择的是,在一些实施方式中,所述依据所述行为标签分析信息和所述用户行为特征描述信息,确定出所述目标设备运行数据的行为挖掘结果描述信息的步骤,还可以进一步包括以下的步骤:
若所述行为标签分析信息反映出所述行为标签属于行为第二标签,且所述用户行为特征描述信息属于目标用户行为特征描述信息,则对所述可靠度第一参数和预先确定的参考可靠度第一参数进行大小分析处理,以输出对应的第一大小分析关系,以及,依据所述第一大小分析关系,确定出对应的行为挖掘结果描述信息,所述参考可靠度第一参数可以根据实际需求进行配置,具体的数值可以不受限制;
倘若所述行为标签分析信息反映出所述行为标签属于行为第一标签,且所述用户行为特征描述信息不属于目标用户行为特征描述信息,则对所述可靠度第二参数和预先确定的参考可靠度第二参数进行大小分析处理,以输出对应的第二大小分析关系,以及,依据所述第二大小分析关系,确定出对应的行为挖掘结果描述信息,所述参考可靠度第二参数可以根据实际需求进行配置,具体的数值可以不受限制。
可以选择的是,在一些实施方式中,所述倘若所述行为标签分析信息反映出所述行为标签属于行为第二标签,且所述用户行为特征描述信息属于目标用户行为特征描述信息,则对所述可靠度第一参数和预先确定的参考可靠度第一参数进行大小分析处理,以输出对应的第一大小分析关系,以及,依据所述第一大小分析关系,确定出对应的行为挖掘结果描述信息的步骤,可以进一步包括以下的步骤:
倘若所述行为标签分析信息反映出所述行为标签属于行为第二标签,且所述用户行为特征描述信息属于目标用户行为特征描述信息,则对所述可靠度第一参数和预先确定的参考可靠度第一参数进行大小分析处理,以输出对应的第一大小分析关系;
倘若所述第一大小分析关系反映出所述可靠度第一参数小于或等于所述参考可靠度第一参数(即存在异常,不可靠),则将所述行为挖掘结果描述信息配置为属于所述目标用户行为特征描述信息;
倘若所述第一大小分析关系反映出所述可靠度第一参数大于所述参考可靠度第一参数(即存在异常,可靠),则将所述用户行为特征描述信息配置为不属于目标用户行为特征描述信息。
可以选择的是,在一些实施方式中,所述倘若所述行为标签分析信息反映出所述行为标签属于行为第一标签,且所述用户行为特征描述信息不属于目标用户行为特征描述信息,则对所述可靠度第二参数和预先确定的参考可靠度第二参数进行大小分析处理,以输出对应的第二大小分析关系,以及,依据所述第二大小分析关系,确定出对应的行为挖掘结果描述信息的步骤,可以进一步包括以下的步骤:
倘若所述行为标签分析信息反映出所述行为标签属于行为第一标签,且所述用户行为特征描述信息不属于目标用户行为特征描述信息,则对所述可靠度第二参数和预先确定的参考可靠度第二参数进行大小分析处理,以输出对应的第二大小分析关系;
倘若所述第二大小分析关系反映出所述可靠度第二参数大于所述参考可靠度第二参数(即不存在异常,可靠),则将所述行为挖掘结果描述信息配置为不属于所述目标用户行为特征描述信息;
倘若所述第二大小分析关系反映出所述可靠度第二参数小于或等于所述参考可靠度第二参数(即不存在异常,不可靠),则将所述行为挖掘结果描述信息配置为不属于所述目标用户行为特征描述信息。
可以选择的是,在一些实施方式中,所述通过用户类型分析模型,将所述目标设备运行数据进行用户特征挖掘操作,输出所述网络用户的用户行为特征描述信息的步骤,可以进一步包括以下的步骤:
在所述目标设备运行数据中,分析出一个设备运行数据片段或多个设备运行数据片段(也就是说,可以将所述目标设备运行数据进行分割,以形成一个设备运行数据片段或多个设备运行数据片段),并分析出所述一个设备运行数据片段或多个设备运行数据片段各自对应的片段重要性评估参数(可以对设备运行数据片段进行关键词提取,以基于关键词的数量等信息确定出对应的片段重要性评估参数);
倘若每一个所述片段重要性评估参数小于或等于预先确定的参考重要性评估参数,则将对应的片段重要性评估参数最大的一个设备运行数据片段,通过用户类型分析模型进行用户特征挖掘操作,以挖掘出所述网络用户的用户行为特征描述信息,参考重要性评估参数可以根据实际需求配置;
倘若存在至少一个片段重要性评估参数大于所述参考重要性评估参数,将所述至少一个片段重要性评估参数对应的设备运行数据片段,通过所述用户类型分析模型进行用户特征挖掘操作,以挖掘出所述网络用户的用户行为特征描述信息(可以是指用户画像)。
其中,可以选择的是,在一些实施方式中,所述倘若存在至少一个片段重要性评估参数大于所述参考重要性评估参数,将所述至少一个片段重要性评估参数对应的设备运行数据片段,通过所述用户类型分析模型进行用户特征挖掘操作,以挖掘出所述网络用户的用户行为特征描述信息的步骤,可以进一步包括以下的步骤:
倘若存在多个片段重要性评估参数大于所述参考重要性评估参数,则针对对应的每一个设备运行数据片段,通过所述用户类型分析模型进行关键信息挖掘,以得到该设备运行数据片段对应的关键信息特征向量;
分别对每两个所述设备运行数据片段对应的关键信息特征向量进行模态间的聚焦特征分析操作,以输出每两个所述设备运行数据片段对应的聚焦关键信息特征向量,以及,对每两个所述设备运行数据片段对应的聚焦关键信息特征向量进行聚合,如进行拼接或叠加,以得到对应的聚合聚焦关键信息特征向量,以及,基于所述聚焦关键信息特征向量分析出所述网络用户的用户行为特征描述信息。
可以选择的是,在一些实施方式中,所述通过运行数据分析模型,将所述目标设备运行数据进行行为解析操作,输出用于反映所述目标设备运行数据的行为标签的行为标签分析信息的步骤之前,且在所述通过用户类型分析模型,将所述目标设备运行数据进行用户特征挖掘操作,输出所述网络用户的用户行为特征描述信息的步骤之前,所述基于云计算的资源分配方法还可以进一步包括以下的步骤:
将所述运行数据分析模型和/或所述用户类型分析模型进行网络优化操作,以形成优化后的所述运行数据分析模型和/或优化后的所述用户类型分析模型,且将所述运行数据分析模型和/或所述用户类型分析模型进行网络优化操作,包括:
确定出示例性数据簇,所述示例性数据簇包括至少一个相关示例性数据(即设备运行数据)和至少一个噪声示例性数据;
将所述至少一个相关示例性数据和所述至少一个噪声示例性数据进行行为标签配置,以形成对应的行为标签簇,示例性地,所述相关示例性数据配置的行为标签属于实际行为标签,所述噪声示例性数据配置的行为标签不属于实际行为标签,即虚假的行为标签;
将所述至少一个相关示例性数据和所述至少一个噪声示例性数据进行行为特征配置,以形成对应的行为特征簇,示例性地,所述相关示例性数据配置的行为特征属于实际行为特征,所述噪声示例性数据配置的行为特征不属于实际行为特征,即虚假的行为特征;
基于所述行为标签簇、所述至少一个相关示例性数据和所述至少一个噪声示例性数据,将所述运行数据分析模型进行网络优化操作;
基于所述行为特征簇、所述至少一个相关示例性数据和所述至少一个噪声示例性数据,将所述用户类型分析模型进行网络优化操作。
结合图3,本发明实施例还提供一种基于云计算的资源分配系统,可应用于上述基于云计算的资源分配平台。其中,所述基于云计算的资源分配系统可以包括以下的软件功能模块:
数据提取模块,用于对目标网络终端设备进行设备运行数据的提取操作,以得到所述目标网络终端设备对应的目标设备运行数据,所述目标设备运行数据至少用于反映所述目标网络终端设备对应的网络用户的网络行为,且所述目标设备运行数据属于采用文本的形式来记录网络行为的数据;
数据分析模块,用于通过运行数据分析模型,将所述目标设备运行数据进行行为解析操作,输出用于反映所述目标设备运行数据的行为标签的行为标签分析信息,所述行为标签包括行为第一标签和与所述行为第一标签不一样的行为第二标签,所述行为第一标签用于反映所述网络用户的网络行为不存在异常,所述行为第二标签用于反映所述网络用户的网络行为存在异常,倘若所述行为标签分析信息反映出所述行为标签属于行为第二标签,则所述行为标签分析信息还包括所述行为第二标签对应的可靠度第一参数,倘若所述行为标签分析信息反映出所述行为标签属于行为第一标签,则所述行为标签分析信息还包括所述行为第一标签对应的可靠度第二参数;
特征挖掘模块,用于通过用户类型分析模型,将所述目标设备运行数据进行用户特征挖掘操作,输出所述网络用户的用户行为特征描述信息;
行为挖掘模块,用于依据所述行为标签分析信息和所述用户行为特征描述信息,确定出所述目标设备运行数据的行为挖掘结果描述信息;
设备资源分配模块,用于基于所述行为挖掘结果描述信息,为目标网络终端设备分配云计算系统包括的多个云计算设备中的目标云计算设备。
可以选择的是,在一些实施方式中,所述行为挖掘模块具体用于:
倘若所述行为标签分析信息反映出所述行为标签属于行为第一标签,且所述用户行为特征描述信息属于目标用户行为特征描述信息,则将所述行为挖掘结果描述信息配置为属于所述目标用户行为特征描述信息;
倘若所述行为标签分析信息反映出所述行为标签属于行为第二标签,且所述用户行为特征描述信息不属于目标用户行为特征描述信息,则将所述行为挖掘结果描述信息配置为不属于目标用户行为特征描述信息。
可以选择的是,在一些实施方式中,所述特征挖掘模块具体用于:
在所述目标设备运行数据中,分析出一个设备运行数据片段或多个设备运行数据片段,并分析出所述一个设备运行数据片段或多个设备运行数据片段各自对应的片段重要性评估参数;
倘若每一个所述片段重要性评估参数小于或等于预先确定的参考重要性评估参数,则将对应的片段重要性评估参数最大的一个设备运行数据片段,通过用户类型分析模型进行用户特征挖掘操作,以挖掘出所述网络用户的用户行为特征描述信息;
倘若存在至少一个片段重要性评估参数大于所述参考重要性评估参数,将所述至少一个片段重要性评估参数对应的设备运行数据片段,通过所述用户类型分析模型进行用户特征挖掘操作,以挖掘出所述网络用户的用户行为特征描述信息。
综上所述,本发明提供的一种基于云计算的资源分配方法及系统,可以先提取到目标网络终端设备对应的目标设备运行数据;通过运行数据分析模型,将目标设备运行数据进行行为解析操作,输出用于反映目标设备运行数据的行为标签的行为标签分析信息;通过用户类型分析模型,将目标设备运行数据进行用户特征挖掘操作,输出网络用户的用户行为特征描述信息;依据行为标签分析信息和用户行为特征描述信息,确定出目标设备运行数据的行为挖掘结果描述信息;基于行为挖掘结果描述信息,为目标网络终端设备分配云计算系统包括的多个云计算设备中的目标云计算设备。基于上述的内容,由于会先分别确定出行为标签分析信息和用户行为特征描述信息这两方面的信息,使得融合这两方面的信息得到的行为挖掘结果描述信息的可靠度更高,从而可以提高基于该行为挖掘结果描述信息进行的设备资源分配的可靠度,进而改善现有技术中的不足。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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 (10)
1.一种基于云计算的资源分配方法,其特征在于,包括:
对目标网络终端设备进行设备运行数据的提取操作,以得到所述目标网络终端设备对应的目标设备运行数据,所述目标设备运行数据至少用于反映所述目标网络终端设备对应的网络用户的网络行为,且所述目标设备运行数据属于采用文本的形式来记录网络行为的数据;
通过运行数据分析模型,将所述目标设备运行数据进行行为解析操作,输出用于反映所述目标设备运行数据的行为标签的行为标签分析信息,所述行为标签包括行为第一标签和与所述行为第一标签不一样的行为第二标签,所述行为第一标签用于反映所述网络用户的网络行为不存在异常,所述行为第二标签用于反映所述网络用户的网络行为存在异常,倘若所述行为标签分析信息反映出所述行为标签属于行为第二标签,则所述行为标签分析信息还包括所述行为第二标签对应的可靠度第一参数,倘若所述行为标签分析信息反映出所述行为标签属于行为第一标签,则所述行为标签分析信息还包括所述行为第一标签对应的可靠度第二参数;
通过用户类型分析模型,将所述目标设备运行数据进行用户特征挖掘操作,输出所述网络用户的用户行为特征描述信息;
依据所述行为标签分析信息和所述用户行为特征描述信息,确定出所述目标设备运行数据的行为挖掘结果描述信息;
基于所述行为挖掘结果描述信息,为所述目标网络终端设备分配云计算系统包括的多个云计算设备中的目标云计算设备。
2.如权利要求1所述的基于云计算的资源分配方法,其特征在于,所述依据所述行为标签分析信息和所述用户行为特征描述信息,确定出所述目标设备运行数据的行为挖掘结果描述信息的步骤,包括:
倘若所述行为标签分析信息反映出所述行为标签属于行为第一标签,且所述用户行为特征描述信息属于目标用户行为特征描述信息,则将所述行为挖掘结果描述信息配置为属于所述目标用户行为特征描述信息;
倘若所述行为标签分析信息反映出所述行为标签属于行为第二标签,且所述用户行为特征描述信息不属于目标用户行为特征描述信息,则将所述行为挖掘结果描述信息配置为不属于目标用户行为特征描述信息。
3.如权利要求1所述的基于云计算的资源分配方法,其特征在于,所述依据所述行为标签分析信息和所述用户行为特征描述信息,确定出所述目标设备运行数据的行为挖掘结果描述信息的步骤,包括:
倘若所述行为标签分析信息反映出所述行为标签属于行为第二标签,且所述用户行为特征描述信息属于目标用户行为特征描述信息,则对所述可靠度第一参数和预先确定的参考可靠度第一参数进行大小分析处理,以输出对应的第一大小分析关系,以及,依据所述第一大小分析关系,确定出对应的行为挖掘结果描述信息;
倘若所述行为标签分析信息反映出所述行为标签属于行为第一标签,且所述用户行为特征描述信息不属于目标用户行为特征描述信息,则对所述可靠度第二参数和预先确定的参考可靠度第二参数进行大小分析处理,以输出对应的第二大小分析关系,以及,依据所述第二大小分析关系,确定出对应的行为挖掘结果描述信息。
4.如权利要求3所述的基于云计算的资源分配方法,其特征在于,所述倘若所述行为标签分析信息反映出所述行为标签属于行为第二标签,且所述用户行为特征描述信息属于目标用户行为特征描述信息,则对所述可靠度第一参数和预先确定的参考可靠度第一参数进行大小分析处理,以输出对应的第一大小分析关系,以及,依据所述第一大小分析关系,确定出对应的行为挖掘结果描述信息的步骤,包括:
倘若所述行为标签分析信息反映出所述行为标签属于行为第二标签,且所述用户行为特征描述信息属于目标用户行为特征描述信息,则对所述可靠度第一参数和预先确定的参考可靠度第一参数进行大小分析处理,以输出对应的第一大小分析关系;
倘若所述第一大小分析关系反映出所述可靠度第一参数小于或等于所述参考可靠度第一参数,则将所述行为挖掘结果描述信息配置为属于所述目标用户行为特征描述信息;
倘若所述第一大小分析关系反映出所述可靠度第一参数大于所述参考可靠度第一参数,则将所述用户行为特征描述信息配置为不属于目标用户行为特征描述信息。
5.如权利要求3所述的基于云计算的资源分配方法,其特征在于,所述倘若所述行为标签分析信息反映出所述行为标签属于行为第一标签,且所述用户行为特征描述信息不属于目标用户行为特征描述信息,则对所述可靠度第二参数和预先确定的参考可靠度第二参数进行大小分析处理,以输出对应的第二大小分析关系,以及,依据所述第二大小分析关系,确定出对应的行为挖掘结果描述信息的步骤,包括:
倘若所述行为标签分析信息反映出所述行为标签属于行为第一标签,且所述用户行为特征描述信息不属于目标用户行为特征描述信息,则对所述可靠度第二参数和预先确定的参考可靠度第二参数进行大小分析处理,以输出对应的第二大小分析关系;
倘若所述第二大小分析关系反映出所述可靠度第二参数大于所述参考可靠度第二参数,则将所述行为挖掘结果描述信息配置为不属于所述目标用户行为特征描述信息;
倘若所述第二大小分析关系反映出所述可靠度第二参数小于或等于所述参考可靠度第二参数,则将所述行为挖掘结果描述信息配置为不属于所述目标用户行为特征描述信息。
6.如权利要求1所述的基于云计算的资源分配方法,其特征在于,所述通过用户类型分析模型,将所述目标设备运行数据进行用户特征挖掘操作,输出所述网络用户的用户行为特征描述信息的步骤,包括:
在所述目标设备运行数据中,分析出一个设备运行数据片段或多个设备运行数据片段,并分析出所述一个设备运行数据片段或多个设备运行数据片段各自对应的片段重要性评估参数;
倘若每一个所述片段重要性评估参数小于或等于预先确定的参考重要性评估参数,则将对应的片段重要性评估参数最大的一个设备运行数据片段,通过用户类型分析模型进行用户特征挖掘操作,以挖掘出所述网络用户的用户行为特征描述信息;
倘若存在至少一个片段重要性评估参数大于所述参考重要性评估参数,将所述至少一个片段重要性评估参数对应的设备运行数据片段,通过所述用户类型分析模型进行用户特征挖掘操作,以挖掘出所述网络用户的用户行为特征描述信息。
7.如权利要求1-6任意一项所述的基于云计算的资源分配方法,其特征在于,在所述通过运行数据分析模型,将所述目标设备运行数据进行行为解析操作,输出用于反映所述目标设备运行数据的行为标签的行为标签分析信息的步骤之前,且在所述通过用户类型分析模型,将所述目标设备运行数据进行用户特征挖掘操作,输出所述网络用户的用户行为特征描述信息的步骤之前,所述基于云计算的资源分配方法还包括:
将所述运行数据分析模型和/或所述用户类型分析模型进行网络优化操作,以形成优化后的所述运行数据分析模型和/或优化后的所述用户类型分析模型,且将所述运行数据分析模型和/或所述用户类型分析模型进行网络优化操作,包括:
确定出示例性数据簇,所述示例性数据簇包括至少一个相关示例性数据和至少一个噪声示例性数据;
将所述至少一个相关示例性数据和所述至少一个噪声示例性数据进行行为标签配置,以形成对应的行为标签簇;
将所述至少一个相关示例性数据和所述至少一个噪声示例性数据进行行为特征配置,以形成对应的行为特征簇;
基于所述行为标签簇、所述至少一个相关示例性数据和所述至少一个噪声示例性数据,将所述运行数据分析模型进行网络优化操作;
基于所述行为特征簇、所述至少一个相关示例性数据和所述至少一个噪声示例性数据,将所述用户类型分析模型进行网络优化操作。
8.一种基于云计算的资源分配系统,其特征在于,包括:
数据提取模块,用于对目标网络终端设备进行设备运行数据的提取操作,以得到所述目标网络终端设备对应的目标设备运行数据,所述目标设备运行数据至少用于反映所述目标网络终端设备对应的网络用户的网络行为,且所述目标设备运行数据属于采用文本的形式来记录网络行为的数据;
数据分析模块,用于通过运行数据分析模型,将所述目标设备运行数据进行行为解析操作,输出用于反映所述目标设备运行数据的行为标签的行为标签分析信息,所述行为标签包括行为第一标签和与所述行为第一标签不一样的行为第二标签,所述行为第一标签用于反映所述网络用户的网络行为不存在异常,所述行为第二标签用于反映所述网络用户的网络行为存在异常,倘若所述行为标签分析信息反映出所述行为标签属于行为第二标签,则所述行为标签分析信息还包括所述行为第二标签对应的可靠度第一参数,倘若所述行为标签分析信息反映出所述行为标签属于行为第一标签,则所述行为标签分析信息还包括所述行为第一标签对应的可靠度第二参数;
特征挖掘模块,用于通过用户类型分析模型,将所述目标设备运行数据进行用户特征挖掘操作,输出所述网络用户的用户行为特征描述信息;
行为挖掘模块,用于依据所述行为标签分析信息和所述用户行为特征描述信息,确定出所述目标设备运行数据的行为挖掘结果描述信息;
设备资源分配模块,用于基于所述行为挖掘结果描述信息,为目标网络终端设备分配云计算系统包括的多个云计算设备中的目标云计算设备。
9.如权利要求8所述的基于云计算的资源分配系统,其特征在于,所述行为挖掘模块具体用于:
倘若所述行为标签分析信息反映出所述行为标签属于行为第一标签,且所述用户行为特征描述信息属于目标用户行为特征描述信息,则将所述行为挖掘结果描述信息配置为属于所述目标用户行为特征描述信息;
倘若所述行为标签分析信息反映出所述行为标签属于行为第二标签,且所述用户行为特征描述信息不属于目标用户行为特征描述信息,则将所述行为挖掘结果描述信息配置为不属于目标用户行为特征描述信息。
10.如权利要求8所述的基于云计算的资源分配系统,其特征在于,所述特征挖掘模块具体用于:
在所述目标设备运行数据中,分析出一个设备运行数据片段或多个设备运行数据片段,并分析出所述一个设备运行数据片段或多个设备运行数据片段各自对应的片段重要性评估参数;
倘若每一个所述片段重要性评估参数小于或等于预先确定的参考重要性评估参数,则将对应的片段重要性评估参数最大的一个设备运行数据片段,通过用户类型分析模型进行用户特征挖掘操作,以挖掘出所述网络用户的用户行为特征描述信息;
倘若存在至少一个片段重要性评估参数大于所述参考重要性评估参数,将所述至少一个片段重要性评估参数对应的设备运行数据片段,通过所述用户类型分析模型进行用户特征挖掘操作,以挖掘出所述网络用户的用户行为特征描述信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311034045.6A CN117150123A (zh) | 2023-08-16 | 2023-08-16 | 一种基于云计算的资源分配方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311034045.6A CN117150123A (zh) | 2023-08-16 | 2023-08-16 | 一种基于云计算的资源分配方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117150123A true CN117150123A (zh) | 2023-12-01 |
Family
ID=88907074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311034045.6A Withdrawn CN117150123A (zh) | 2023-08-16 | 2023-08-16 | 一种基于云计算的资源分配方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117150123A (zh) |
-
2023
- 2023-08-16 CN CN202311034045.6A patent/CN117150123A/zh not_active Withdrawn
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111178380B (zh) | 数据分类方法、装置及电子设备 | |
CN108427731B (zh) | 页面代码的处理方法、装置、终端设备及介质 | |
US20210092160A1 (en) | Data set creation with crowd-based reinforcement | |
CN111651595A (zh) | 一种异常日志处理方法及装置 | |
CN114066475A (zh) | 基于云支付的信息安全防护方法及服务器 | |
CN113672375B (zh) | 资源分配预测方法、装置、设备及存储介质 | |
CN110807050B (zh) | 性能分析方法、装置、计算机设备及存储介质 | |
CN112181430A (zh) | 代码变更统计方法、装置、电子设备及存储介质 | |
CN117290420A (zh) | 一种用于财务数据提取的企业财务管理方法及系统 | |
CN113094415B (zh) | 数据抽取方法、装置、计算机可读介质及电子设备 | |
CN112214770A (zh) | 恶意样本的识别方法、装置、计算设备以及介质 | |
CN116935280A (zh) | 一种基于视频分析的行为预测方法及系统 | |
CN112085611A (zh) | 数据异步核验方法、装置、电子设备及存储介质 | |
CN116720119A (zh) | 应用于多端业务交互的大数据识别方法及系统 | |
CN114595136B (zh) | 一种日志解析方法、装置及设备 | |
CN117150123A (zh) | 一种基于云计算的资源分配方法及系统 | |
CN113486018B (zh) | 生产数据存储方法、存储装置、电子设备及存储介质 | |
CN115203339A (zh) | 多数据源整合方法、装置、计算机设备及存储介质 | |
CN117201149A (zh) | 一种基于云计算的数据访问方法及系统 | |
CN108509478B (zh) | 规则引擎文件的拆分调用方法、电子装置及存储介质 | |
CN115756336B (zh) | 基于存储服务系统的数据迁移处理方法、系统及云平台 | |
CN115061765B (zh) | 消息卡片弹出方法、装置、电子设备及存储介质 | |
CN116401113B (zh) | 一种异构众核架构加速卡的环境验证方法、装置及介质 | |
CN115599312B (zh) | 基于存储集群的大数据处理方法及ai系统 | |
CN115203063B (zh) | 基于实时录制的生产流量重跑风险程序的回放方法及系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20231201 |