CN117294727A - 一种基于云原生和容器技术的云边端协同管理方法 - Google Patents
一种基于云原生和容器技术的云边端协同管理方法 Download PDFInfo
- Publication number
- CN117294727A CN117294727A CN202311211561.1A CN202311211561A CN117294727A CN 117294727 A CN117294727 A CN 117294727A CN 202311211561 A CN202311211561 A CN 202311211561A CN 117294727 A CN117294727 A CN 117294727A
- Authority
- CN
- China
- Prior art keywords
- data
- processing
- different
- cloud
- preset
- 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
Links
- 238000005516 engineering process Methods 0.000 title claims abstract description 20
- 238000007726 management method Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 74
- 230000005540 biological transmission Effects 0.000 claims abstract description 42
- 238000013508 migration Methods 0.000 claims description 29
- 230000005012 migration Effects 0.000 claims description 29
- 238000012163 sequencing technique Methods 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 6
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 14
- 230000000694 effects Effects 0.000 abstract description 6
- 238000005192 partition Methods 0.000 abstract description 3
- 238000012790 confirmation Methods 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual 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
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/18—Multiprotocol handlers, e.g. single devices capable of handling multiple protocols
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/22—Parsing or analysis of headers
-
- 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)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Signal Processing (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Security & Cryptography (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于云原生和容器技术的云边端协同管理方法，本发明涉及数据协同管理技术领域，解决了不同设备数据采集慢以及处理慢的问题，本发明通过对每个不同设备的传输协议进行一一确认，随后，再对所确认的传输协议进行整理分类，将相似度较高的传输协议划分至同一分布部署端内，且相同的分布部署端均采用指定的边缘计算网关进行数据采集处理，此种方式，便能提升不同设备之间的数据采集速率，缩短采集时长，提升采集效果；将对应待处理节点的个数以及对应的需求算力进行确认，通过所确认的具体参数，便可分析出指定设备数据的数据特征，为了使同一存储分区内，对应设备数据足够相似，便于后续对数据进行查找，以及及时进行处理。
Description
技术领域
本发明涉及数据协同管理技术领域，具体为一种基于云原生和容器技术的云边端协同管理方法。
背景技术
云原生是基于分布部署和统一运管的分布式云，以容器、微服务、DevOps等技术为基础建立的一套云技术产品体系，随着大数据时代的快速发展，全球大数据应用技术如同计算机和互联网一样遍布各行各业，大数据将是全球新一轮的技术革命；数据挖掘、机器学习和人工智能等相关技术随之兴起，逐渐改变数据世界新模式的发展，同时各行各业数据管理方面众多问题日益突显，市场发展空间巨大，为信息技术服务业的发展带来新的挑战和无限机遇。
专利公开号为CN112559133B的申请公开了一种基于原生容器技术的云边协同系统及云边协同方法，属于边缘计算领域，其中云边协同系统包括边缘侧和云端侧，所述云端侧包括云边协同系统业务单元，用于对用户下发的应用信息进行处理并将处理结果下发到边缘侧；容器集群管理接口，用于云端侧与边缘测之间的通信；所述边缘侧包括边缘侧核心模块，用于接收云端侧下发的安装指令，并运行相应的应用镜像；该云边协同系统同将边缘侧云端侧采用相同的云原生容器技术基础，将云端和边缘两个过去分割的独立系统采用统一的部署规范，向上呈现统一接口操作逻辑给业务段进行调用，提供可视化的web控制台进行管理，这样用户可以通过web界面直接定义和配置整个云边网络。
不同设备的数据在进行云边端管理过程中，往往因每个设备之间的数据格式以及兼容性不同，会导致在实际处理时，其处理效率较为缓慢，并未设置一种较为快速的采集方式，对不同设备的数据进行采集，随后，进行处理时，也未将不同的数据进行分类，从而影响对应平台的整体数据处理速率，造成处理速率过慢。
发明内容
针对现有技术的不足，本发明提供了一种基于云原生和容器技术的云边端协同管理方法，解决了不同设备数据采集慢以及处理慢的问题。
为实现以上目的，本发明通过以下技术方案予以实现：一种基于云原生和容器技术的云边端协同管理方法，包括以下步骤：
S1、将与本平台存在数据互通的设备进行确定，随后将所确定设备的传输协议进行提取，对传输协议进行分析，根据分析结果，确定若干个对应的分布部署端，具体方式为：
S11、从所提取的若干组传输协议内，对每个单组传输协议的功能架构进行确认，识别出每组传输协议的处理区域，并提取内部的处理词，后续，按照传输协议的具体走向，将所提取的处理词进行依次排序，得到对应传输协议的处理词排序序列；
S12、将若干组处理词排序序列依次与标准的预设词序列进行比对，且预设词序列存在多组，均为不同的排序序列，且每组预设词序列对应一组分布部署端，在比对时，分析相同位置是否存在相同的处理词，若存在，则增加对应处理词排序序列的处理积分，每存在一组，则处理积分+20，若不存在，则不进行处理；
S13、确认完成比对处理后对应处理词排序序列的处理积分是否满足：处理积分≥120，将对应处理词排序序列的传输协议分配至预设词序列对应的分布部署端内，对若干组传输协议进行一一处理，当处理积分＜120的传输协议调配至其他分布部署端内，其中其他分布部署端为多余的分布部署端，并未与对应的预设词序列进行对应；
S2、针对于不同分布部署端的具体个数，调配对应个数的边缘计算网关，对此分布部署端内对应传输协议的设备进行数据采集；
S3、将采集的不同设备数据进行特征分析，确定每个不同数据的特征参数，后续，根据对应的特征参数，将不同的数据进行特征分类，确认出不同数据的存储类区，具体方式为：
S31、从所采集的设备数据内，识别出内部的待处理节点，并记录对应待处理节点的存在个数，并标记为Gi，其中i代表不同的设备数据；
S32、对指定设备数据内，每个不同待处理节点的需求算力进行确认，其中，需求算力由预设算力模型进行给定，将所确认的需求算力标记为SLg-i，其中i代表不同的设备数据，g代表不同的待处理节点，且g＝1、2、……、n；
S33、根据标记i，将属于同一设备数据的若干个需求算力SLg-i进行确认，并进行均值处理，得到处理均参JCi，采用得到对应设备数据的标准值Bi；
S34、采用TZi＝Gi×C1+Bi×C2得到对应设备数据的特征参数TZi，其中C1以及C2均为预设的固定系数因子；
S35、根据所确定对应设备数据的特征参数TZi，根据预设的参数X1设定若干个分类区间，其中分类区间的表示形式为：(0，X1]、(X1，2X1]、(2X1，3X1]、……，按照特征参数TZi的所属分类，对设备数据进行分类，并将属于同一分类的对应设备数据存储于同一存储类区内；
S4、根据每个不同存储类区内的设备数据的特征参数，将不同的存储类区进行级别划分，后续，进行数据库迁移时，按照所划分的级别进行依次迁移，生成迁移策略，具体方式为：
S41、对指定存储类区内不同设备数据的特征参数TZi进行确认，并将若干组特征参数TZi进行方差处理，其中i＝1、2、……、m，其处理方式为：得到对应存储类区的方差参数FC，其中/>为若干个特征参数TZi的均值；
S42、将方差参数FC分别与预设参数Y1以及Y2进行比对，其中Y1以及Y2均为预设值，且Y1＜Y2，当FC＜Y1时，将此存储类区划分为第一级别区，当Y1≤FC＜Y2，将此存储类区划分为第二级别区，当Y2≤FC时，将此存储类区划分为第三级别区；
S43、若干个不同的级别区划分完毕后，后续，执行数据库迁移时，确认需要进行迁移的存储类区，再根据所划分的级别区，按照第一级别区优先于第二级别区，第二级别区优于第三级别区的方式，确认不同存储类区的迁移策略，后续，根据此迁移策略，进行数据库迁移。
有益效果
本发明提供了一种基于云原生和容器技术的云边端协同管理方法。与现有技术相比具备以下有益效果：
本发明通过对每个不同设备的传输协议进行一一确认，随后，再对所确认的传输协议进行整理分类，将相似度较高的传输协议划分至同一分布部署端内，且相同的分布部署端均采用指定的边缘计算网关进行数据采集处理，此种方式，便能提升不同设备之间的数据采集速率，缩短采集时长，提升采集效果；
将对应待处理节点的个数以及对应的需求算力进行确认，通过所确认的具体参数，便可分析出指定设备数据的数据特征，为了使同一存储分区内，对应设备数据足够相似，便需要将相似特征值的设备数据存储于同一位置处，便于后续对数据进行查找，以及及时进行处理；
将不同存储类区的特征数据进行依次分析，在进行数据迁移过程中，生成对应的迁移策略，采用此迁移策略进行数据库迁移，加快迁移速率，缩短迁移时长。
附图说明
图1为本发明方法流程图。
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。
请参阅图1，本申请提供了一种基于云原生和容器技术的云边端协同管理方法，包括以下步骤：
S1、将与本平台存在数据互通的设备进行确定，随后将所确定设备的传输协议进行提取，对传输协议进行分析，根据分析结果，确定若干个对应的分布部署端，其中，进行分析的具体方式为：
S11、从所提取的若干组传输协议内，对每个单组传输协议的功能架构进行确认，识别出每组传输协议的处理区域，并提取内部的处理词，后续，按照传输协议的具体走向，将所提取的处理词进行依次排序，得到对应传输协议的处理词排序序列，例：每个不同的传输协议内，均有指定的处理程序，且每个处理程序均具有不同的处理逻辑，有些区域为数据压缩，有些区域为数据整理，有些区域为数据转换，均属于对应传输协议内部功能架构的一部分；
S12、将若干组处理词排序序列依次与标准的预设词序列进行比对，其中预设词序列为系统内部的自带序列，一般由操作人员根据经验拟定，且预设词序列存在多组，均为不同的排序序列，且每组预设词序列对应一组分布部署端，在比对时，分析相同位置是否存在相同的处理词，若存在，则增加对应处理词排序序列的处理积分，每存在一组，则处理积分+20，若不存在，则不进行处理，例：假设一组预设词序列为：ABCDEFGHIJ，对应的一组处理词排序序列为：ABDCFEGHIJ，那么相同位置存在相同的处理词便就是：AGHIJ，那么此处理词排序序列相比于此预设词序列则获得120分，那么便满足分配条件，便分配至此预设词序列所对应的分布部署端内；
S13、确认完成比对处理后对应处理词排序序列的处理积分是否满足：处理积分≥120，将对应处理词排序序列的传输协议分配至预设词序列对应的分布部署端内，对若干组传输协议进行一一处理，将无法进行分配的传输协议调配至其他分布部署端内，其中其他分布部署端为多余的分布部署端，并未与对应的预设词序列进行对应；
S2、针对于不同分布部署端的具体个数，调配对应个数的边缘计算网关，对此分布部署端内对应传输协议的设备进行数据采集；
S3、将采集的不同设备数据进行特征分析，确定每个不同数据的特征参数，后续，根据对应的特征参数，将不同的数据进行特征分类，确认出不同数据的存储类区，其中，进行特征分类的具体方式为：
S31、从所采集的设备数据内，识别出内部的待处理节点，并记录对应待处理节点的存在个数，并标记为Gi，其中i代表不同的设备数据，其中，待处理节点由内部的预设算力模型进行识别，针对于数据内部的特征部分，算力模型便可进行确认，且算力模型为预设模型，由操作人员根据经验拟定；
S32、对指定设备数据内，每个不同待处理节点的需求算力进行确认，其中，需求算力由预设算力模型进行给定，将所确认的需求算力标记为SLg-i，其中i代表不同的设备数据，g代表不同的待处理节点，且g＝1、2、……、n；
S33、根据标记i，将属于同一设备数据的若干个需求算力SLg-i进行确认，并进行均值处理，得到处理均参JCi，采用得到对应设备数据的标准值Bi；
S34、采用TZi＝Gi×C1+Bi×C2得到对应设备数据的特征参数TZi，其中C1以及C2均为预设的固定系数因子，其具体取值由操作人员根据经验拟定；
S35、根据所确定对应设备数据的特征参数TZi，根据预设的参数X1设定若干个分类区间，其中分类区间的表示形式为：(0，X1]、(X1，2X1]、(2X1，3X1]、……，按照特征参数TZi的所属分类，对设备数据进行分类，并将属于同一分类的对应设备数据存储于同一存储类区内；
具体的，为了使所采集的设备数据得到充分的存储管理作用，需对指定的设备数据进行特征确定，在进行特征确定过程中，便需要将对应待处理节点的个数以及对应的需求算力进行确认，通过所确认的具体参数，便可分析出指定设备数据的数据特征，为了使同一存储分区内，对应设备数据足够相似，便需要将相似特征值的设备数据存储于同一位置处，便于后续对数据进行查找，以及及时进行处理；
实施例二
本实施例在具体实施过程中，相比于实施例一，还包括以下步骤：
S4、根据每个不同存储类区内的设备数据的特征参数，将不同的存储类区进行级别划分，后续，进行数据库迁移时，按照所划分的级别进行依次迁移，生成迁移策略，缩短数据迁移的整体时长，加快迁移速率，其中，进行级别划分的具体方式为：
S41、对指定存储类区内不同设备数据的特征参数TZi进行确认，并将若干组特征参数TZi进行方差处理，其中i＝1、2、……、m，其处理方式为：得到对应存储类区的方差参数FC，其中/>为若干个特征参数TZi的均值；
S42、将方差参数FC分别与预设参数Y1以及Y2进行比对，其中Y1以及Y2均为预设值，其具体取值由操作人员根据经验拟定，且Y1＜Y2，当FC＜Y1时，将此存储类区划分为第一级别区，当Y1≤FC＜Y2，将此存储类区划分为第二级别区，当Y2≤FC时，将此存储类区划分为第三级别区；
S43、若干个不同的级别区划分完毕后，后续，执行数据库迁移时，确认需要进行迁移的存储类区，再根据所划分的级别区，按照第一级别区优先于第二级别区，第二级别区优于第三级别区的方式，确认不同存储类区的迁移策略，后续，根据此迁移策略，进行数据库迁移，加快迁移速率。
具体的，在进行数据库迁移过程中，因数据库内存储有大量的数据，且每个数据库内所存储的数据特性均不相同，故在进行数据迁移时，没有一个完整的迁移策略，会导致对应的处理器反应不够及时，从而影响迁移速率，导致数据库的整体迁移效果并不好，不能达到较好的迁移处理效果。
上述公式中的部分数据均是去其纲量进行数值计算，同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (5)
1.一种基于云原生和容器技术的云边端协同管理方法，其特征在于，包括以下步骤：
S1、将与本平台存在数据互通的设备进行确定，随后将所确定设备的传输协议进行提取，对传输协议进行分析，根据分析结果，确定若干个对应的分布部署端；
S2、针对于不同分布部署端的具体个数，调配对应个数的边缘计算网关，对此分布部署端内对应传输协议的设备进行数据采集；
S3、将采集的不同设备数据进行特征分析，确定每个不同数据的特征参数，后续，根据对应的特征参数，将不同的数据进行特征分类，确认出不同数据的存储类区；
S4、根据每个不同存储类区内的设备数据的特征参数，将不同的存储类区进行级别划分，后续，进行数据库迁移时，按照所划分的级别进行依次迁移，生成迁移策略。
2.根据权利要求1所述的一种基于云原生和容器技术的云边端协同管理方法，其特征在于，所述步骤S1中，对传输协议进行分析的具体方式为：
S11、从所提取的若干组传输协议内，对每个单组传输协议的功能架构进行确认，识别出每组传输协议的处理区域，并提取内部的处理词，后续，按照传输协议的具体走向，将所提取的处理词进行依次排序，得到对应传输协议的处理词排序序列；
S12、将若干组处理词排序序列依次与标准的预设词序列进行比对，且预设词序列存在多组，均为不同的排序序列，且每组预设词序列对应一组分布部署端，在比对时，分析相同位置是否存在相同的处理词，若存在，则增加对应处理词排序序列的处理积分，每存在一组，则处理积分+20，若不存在，则不进行处理；
S13、确认完成比对处理后对应处理词排序序列的处理积分是否满足：处理积分≥120，将对应处理词排序序列的传输协议分配至预设词序列对应的分布部署端内，对若干组传输协议进行一一处理。
3.根据权利要求2所述的一种基于云原生和容器技术的云边端协同管理方法，其特征在于，所述步骤S13内，当处理积分＜120的传输协议调配至其他分布部署端内，其中其他分布部署端为多余的分布部署端，并未与对应的预设词序列进行对应。
4.根据权利要求1所述的一种基于云原生和容器技术的云边端协同管理方法，其特征在于，所述步骤S3中，将不同的数据进行特征分类的具体方式为：
S31、从所采集的设备数据内，识别出内部的待处理节点，并记录对应待处理节点的存在个数，并标记为Gi，其中i代表不同的设备数据；
S32、对指定设备数据内，每个不同待处理节点的需求算力进行确认，其中，需求算力由预设算力模型进行给定，将所确认的需求算力标记为SLg-i，其中i代表不同的设备数据，g代表不同的待处理节点，且g＝1、2、……、n；
S33、根据标记i，将属于同一设备数据的若干个需求算力SLg-i进行确认，并进行均值处理，得到处理均参JCi，采用得到对应设备数据的标准值Bi；
S34、采用TZi＝Gi×C1+Bi×C2得到对应设备数据的特征参数TZi，其中C1以及C2均为预设的固定系数因子；
S35、根据所确定对应设备数据的特征参数TZi，根据预设的参数X1设定若干个分类区间，其中分类区间的表示形式为：(0，X1]、(X1，2X1]、(2X1，3X1]、……，按照特征参数TZi的所属分类，对设备数据进行分类，并将属于同一分类的对应设备数据存储于同一存储类区内。
5.根据权利要求4所述的一种基于云原生和容器技术的云边端协同管理方法，其特征在于，所述步骤S4中，进行级别划分的具体方式为：
S41、对指定存储类区内不同设备数据的特征参数TZi进行确认，并将若干组特征参数TZi进行方差处理，其中i＝1、2、……、m，其处理方式为：得到对应存储类区的方差参数FC，其中/>为若干个特征参数TZi的均值；
S42、将方差参数FC分别与预设参数Y1以及Y2进行比对，其中Y1以及Y2均为预设值，且Y1＜Y2，当FC＜Y1时，将此存储类区划分为第一级别区，当Y1≤FC＜Y2，将此存储类区划分为第二级别区，当Y2≤FC时，将此存储类区划分为第三级别区；
S43、若干个不同的级别区划分完毕后，后续，执行数据库迁移时，确认需要进行迁移的存储类区，再根据所划分的级别区，按照第一级别区优先于第二级别区，第二级别区优于第三级别区的方式，确认不同存储类区的迁移策略，后续，根据此迁移策略，进行数据库迁移。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311211561.1A CN117294727B (zh) | 2023-09-19 | 2023-09-19 | 一种基于云原生和容器技术的云边端协同管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311211561.1A CN117294727B (zh) | 2023-09-19 | 2023-09-19 | 一种基于云原生和容器技术的云边端协同管理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117294727A true CN117294727A (zh) | 2023-12-26 |
| CN117294727B CN117294727B (zh) | 2024-06-18 |
Family
ID=89243644
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311211561.1A Active CN117294727B (zh) | 2023-09-19 | 2023-09-19 | 一种基于云原生和容器技术的云边端协同管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117294727B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117651233A (zh) * | 2024-01-29 | 2024-03-05 | 祥源智联(南京)科技有限公司 | 总线通信传感器数据低时延上传方法 |
| CN117880338A (zh) * | 2024-03-12 | 2024-04-12 | 时代云英(深圳)科技有限公司 | 基于物联网设备的数据采集系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111901381A (zh) * | 2020-06-29 | 2020-11-06 | 北京智芯微电子科技有限公司 | 基于边缘计算的物联代理装置及数据决策方法 |
| CN112232863A (zh) * | 2020-10-13 | 2021-01-15 | 北京邮电大学 | 一种基于云边端协同的虚拟资源管理方法及系统 |
| CN112559133A (zh) * | 2020-12-22 | 2021-03-26 | 北京滴普科技有限公司 | 一种基于原生容器技术的云边协同系统及云边协同方法 |
| CN113793505A (zh) * | 2021-09-28 | 2021-12-14 | 北京航空航天大学 | 一种知识驱动的云边协同交通数据采集方法及系统 |
| WO2022022477A1 (zh) * | 2020-07-29 | 2022-02-03 | 中国石油集团工程股份有限公司 | 一种管理运维平台及数据处理方法 |
| CN116708451A (zh) * | 2023-08-08 | 2023-09-05 | 广东奥飞数据科技股份有限公司 | 一种边云协同调度方法及系统 |
-
2023
- 2023-09-19 CN CN202311211561.1A patent/CN117294727B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111901381A (zh) * | 2020-06-29 | 2020-11-06 | 北京智芯微电子科技有限公司 | 基于边缘计算的物联代理装置及数据决策方法 |
| WO2022022477A1 (zh) * | 2020-07-29 | 2022-02-03 | 中国石油集团工程股份有限公司 | 一种管理运维平台及数据处理方法 |
| CN112232863A (zh) * | 2020-10-13 | 2021-01-15 | 北京邮电大学 | 一种基于云边端协同的虚拟资源管理方法及系统 |
| CN112559133A (zh) * | 2020-12-22 | 2021-03-26 | 北京滴普科技有限公司 | 一种基于原生容器技术的云边协同系统及云边协同方法 |
| CN113793505A (zh) * | 2021-09-28 | 2021-12-14 | 北京航空航天大学 | 一种知识驱动的云边协同交通数据采集方法及系统 |
| CN116708451A (zh) * | 2023-08-08 | 2023-09-05 | 广东奥飞数据科技股份有限公司 | 一种边云协同调度方法及系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117651233A (zh) * | 2024-01-29 | 2024-03-05 | 祥源智联(南京)科技有限公司 | 总线通信传感器数据低时延上传方法 |
| CN117651233B (zh) * | 2024-01-29 | 2024-04-05 | 祥源智联(南京)科技有限公司 | 总线通信传感器数据低时延上传方法 |
| CN117880338A (zh) * | 2024-03-12 | 2024-04-12 | 时代云英(深圳)科技有限公司 | 基于物联网设备的数据采集系统 |
| CN117880338B (zh) * | 2024-03-12 | 2024-05-14 | 时代云英(深圳)科技有限公司 | 基于物联网设备的数据采集系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117294727B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117294727B (zh) | 一种基于云原生和容器技术的云边端协同管理方法 | |
| CN110245213A (zh) | 调查问卷生成方法、装置、设备和存储介质 | |
| US9122995B2 (en) | Classification of stream-based data using machine learning | |
| EP3660784A1 (en) | Segmentation of an image based on color and color differences | |
| CN111552509B (zh) | 一种接口间依赖关系的确定方法及装置 | |
| CN113836038B (zh) | 测试数据构造方法、装置、设备及存储介质 | |
| CN111723856B (zh) | 一种图像数据处理方法、装置、设备及可读存储介质 | |
| CN114385150B (zh) | 基于智能引擎的低代码开发方法 | |
| CN112288012A (zh) | 图像识别方法、装置及存储介质 | |
| CN116975634A (zh) | 一种基于程序静态属性及图神经网络的微服务提取方法 | |
| CN115081087A (zh) | 基于物联网的装修云设计方法、装置、设备及存储介质 | |
| CN111105549A (zh) | 光学字符识别方法、装置及计算机存储介质 | |
| CN108846429B (zh) | 基于无监督学习的网络空间资源自动分类方法及装置 | |
| CN115081515A (zh) | 能效评价模型构建方法、装置、终端及存储介质 | |
| CN113869398A (zh) | 一种不平衡文本分类方法、装置、设备及存储介质 | |
| CN112434547B (zh) | 一种用户身份稽核方法和设备 | |
| CN113610350B (zh) | 复杂工况故障诊断方法、设备、存储介质及装置 | |
| CN115080386A (zh) | 基于自动驾驶功能要求的场景有效性分析方法与设备 | |
| CN113411841B (zh) | 5g切片的割接合并方法、装置及计算设备 | |
| CN112182413B (zh) | 一种基于教学大数据的智能推荐方法及服务器 | |
| CN113628077A (zh) | 生成不重复考题的方法、终端及可读存储介质 | |
| CN112434650A (zh) | 一种多光谱图像建筑物变化检测方法及系统 | |
| CN112445939A (zh) | 一种社交网络群体发现系统、方法及存储介质 | |
| CN104363293A (zh) | 一种基于变异系数Web服务选择方法 | |
| CN118035507B (zh) | 基于数据挖掘技术的数据查询系统及方法 |
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 |