CN117519948A - 基于云平台实现建筑施工下的计算资源调整方法及系统 - Google Patents
基于云平台实现建筑施工下的计算资源调整方法及系统 Download PDFInfo
- Publication number
- CN117519948A CN117519948A CN202311694234.6A CN202311694234A CN117519948A CN 117519948 A CN117519948 A CN 117519948A CN 202311694234 A CN202311694234 A CN 202311694234A CN 117519948 A CN117519948 A CN 117519948A
- Authority
- CN
- China
- Prior art keywords
- data
- server
- construction
- calculating
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000009435 building construction Methods 0.000 title claims description 35
- 238000010276 construction Methods 0.000 claims abstract description 178
- 238000004364 calculation method Methods 0.000 claims abstract description 84
- 238000012545 processing Methods 0.000 claims abstract description 76
- 238000012216 screening Methods 0.000 claims abstract description 24
- 238000012544 monitoring process Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000004140 cleaning Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 abstract description 8
- 238000003860 storage Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 8
- 230000001105 regulatory effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000013508 migration Methods 0.000 description 5
- 230000005012 migration Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F9/5027—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
-
- 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)
- Computer And Data Communications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及工程数据处理技术领域,揭露了一种基于云平台实现建筑施工下的计算资源调整方法及系统,包括:确定施工数据对应的数据类别;监测终端服务器的当前运行状态,对终端服务器进行筛选,得到运行目标服务器和空闲目标服务器;计算施工数据与可用服务器中每个服务器对应的网络延迟距离,得到第一延迟距离,计算施工数据与空闲服务器中每个服务器对应的网络延迟距离,得到第二延迟距离,从运行目标服务器和空闲目标服务器中确定施工数据对应的处理服务器,计算处理服务器对应的均衡偏离系数,执行施工数据的计算资源调整,得到调整结果。本发明主要目的在于解决施工数据与服务器之间的适配性和调整过程中的调度复杂性的问题。
Description
技术领域
本发明涉及一种基于云平台实现建筑施工下的计算资源调整方法及系统,属于工程数据处理技术领域。
背景技术
随着云平台的不断发展,数据中心的规模也越来越大,但是运行大规模的数据中心会消耗大量的计算资源,需要对云平台的服务器进行负载需求分配,避免造成服务器过载或者低载的现象,以达到提高云平台资源的利用效率。
目前,基于云平台实现建筑施工下的计算资源调整方法主要是通过自动化负载均衡方法,即通过根据服务器的运行状态,自动地将施工数据分发到最合适的服务器上进行处理,以实现负载均衡和资源优化,但是该方法在进行资源调整的时候没有考虑施工数据与服务器之间的适配性和调整过程中的调度复杂性,从而导致云平台资源的分配效率低和资源调整成本高,因此,需要一种能够提高云平台的计算资源的调整效率的方法。
发明内容
本发明提供一种基于云平台实现建筑施工下的计算资源调整方法及系统,其主要目的在于解决施工数据与服务器之间的适配性和调整过程中的调度复杂性的问题。
为实现上述目的,本发明提供的一种基于云平台实现建筑施工下的计算资源调整方法,包括:
获取云平台中建筑的施工数据,对所述施工数据进行属性分析,得到数据属性,根据所述数据属性,确定所述施工数据对应的数据类别,分析所述施工数据对应的算力需求容量;
查询所述云平台中的终端服务器,监测所述终端服务器的当前运行状态,根据所述当前运行状态和所述数据类别,对所述终端服务器进行筛选,得到运行目标服务器和空闲目标服务器;
计算所述运行目标服务器对应的剩余利用率,结合所述剩余利用率和所述算力需求容量,确定所述运行目标服务器中的可用服务器;
计算所述施工数据与所述可用服务器中每个服务器对应的网络延迟距离,得到第一延迟距离,计算所述施工数据与所述空闲服务器中每个服务器对应的网络延迟距离,得到第二延迟距离;
结合所述第一延迟距离和所述第二延迟距离,从所述运行目标服务器和所述空闲目标服务器中确定所述施工数据对应的处理服务器,利用预设的资源调整均衡模型计算所述处理服务器对应的均衡偏离系数,根据所述均衡偏离系数,执行所述施工数据的计算资源调整,得到调整结果。
可选地,所述根据所述数据属性,确定所述施工数据对应的数据类别,包括:
对所述数据属性进行字符识别,得到属性字符,计算所述属性字符中每个字符的权重系数;
根据所述权重系数,提取所述属性字符中的关键属性字符,对所述关键属性字符进行语义解析,得到属性字符语义;
分析所述施工数据中每个数据的数据架构,结合所述数据架构和所述属性字符语义,确定所述施工数据对应的数据类别。
可选地,所述分析所述施工数据对应的算力需求容量,包括:
获取所述施工数据对应的数据任务,根据所述数据任务,分析所述施工数据对应的数据计算指标,根据所述数据计算指标,确定所述施工数据对应的数据处理算法;
提取所述数据处理算法对应的算法参数,对所述施工数据进行数据清洗,得到清洗施工数据,提取所述清洗施工数据中每个数据的数据信息;
计算所述数据信息对应的信息熵,根据所述信息熵和所述算法参数,确定所述数据任务对应的任务算力容量;
根据所述任务算力容量,确定所述施工数据对应的算力需求容量。
可选地,所述计算所述数据信息对应的信息熵,包括:
通过下述公式计算所述数据信息对应的信息熵:
其中,B表示数据信息对应的信息熵,b表示数据信息的序列号,q表示数据信息的信息数量,A(b)表示数据信息中第b个信息出现的概率,D(be)表示数据信息中第b个信息的线性值e在数据信息中出现的概率。
可选地,所述根据所述当前运行状态和所述数据类别,对所述终端服务器进行筛选,得到运行目标服务器和空闲目标服务器,包括:
根据所述当前运行状态,对所述终端服务器进行分类处理,得到空闲服务器和运行服务器;
分别提取所述空闲服务器和所述运行服务器对应的标识信息,得到第一标识信息和第二标识信息,计算所述数据类别与所述第一标识信息中每个信息对应的相关系数,得到第一相关系数;
计算所述数据类别与所述第二标识信息中每个信息对应的相关系数,得到第二相关系数;
根据所述第一相关系数和所述第二相关系数,对所述空闲服务器和所述运行服务器进行筛选处理,得到运行目标服务器和空闲目标服务器。
可选地,所述计算所述数据类别与所述第一标识信息中每个信息对应的相关系数,得到第一相关系数,包括:
通过下述公式计算所述数据类别与所述第一标识信息中每个信息对应的相关系数:
其中,F表示数据类别与第一标识信息中每个信息对应的相关系数,Xa表示数据类别中第a个类别对应的向量值,Yd表示第一标识信息中第d个信息对应的向量值,a和d分别表示数据类别和第一标识信息对应的序列号,cov(Xa,Yd)表示数据类别中第a个类别和第一标识信息中第d个信息对应的协方差,std(Xa)表示数据类别中第a个类别的对应的标准差,std(Yd)表示第一标识信息中第d个信息对应的标准差。
可选地,所述计算所述运行目标服务器对应的剩余利用率,包括:
识别所述运行目标服务器中的过载服务器和非过载服务器,分别查询所述过载运行服务器和所述非过载服务器对应的任务量,得到过载任务量和非过载任务量;
根据所述非过载任务量,计算所述非过载服务器对应的剩余算力值,根据所述剩余算力值;
将所述过载任务量分配到所述非过载服务器中,并对所述剩余算力值进行数值更新,得到目标算力值;
根据所述目标算力值,计算所述非过载服务器对应的可利用系数,根据所述可利用系数,得到所述运行目标服务器对应的剩余利用率。
可选地,所述计算所述施工数据与所述可用服务器中每个服务器对应的网络延迟距离,得到第一延迟距离,包括:
通过下述公式计算所述施工数据与所述可用服务器中每个服务器对应的网络延迟距离:
其中,E表示施工数据与可用服务器中每个服务器对应的第一延迟距离,Li,j表示第i个施工数据和第j个服务器的物理空间距离,α表示可用服务器的拥塞系数,β表示可用服务器的延迟系数,γ表示可用服务器的服务器性能指数,μ表示可用服务器所使用的网络带宽。
可选地,所述利用预设的资源调整均衡模型计算所述处理服务器对应的均衡偏离系数,包括:
所述预设的资源调整均衡模型计算公式如下:
其中,F表示处理服务器对应的均衡偏离系数,k表示处理服务器的序列号,t表示处理服务器的数量,Gk表示第k个处理服务器的资源利用率,Gavg k表示第k个处理服务器的资源平均利用率。
为了解决上述问题,本发明还提供一种基于云平台实现建筑施工下的计算资源调整装置,所述装置包括:
算力分析模块,用于获取云平台中建筑的施工数据,对所述施工数据进行属性分析,得到数据属性,根据所述数据属性,确定所述施工数据对应的数据类别,分析所述施工数据对应的算力需求容量;
服务器分类模块,用于查询所述云平台中的终端服务器,监测所述终端服务器的当前运行状态,根据所述当前运行状态和所述数据类别,对所述终端服务器进行筛选,得到运行目标服务器和空闲目标服务器;
服务器筛选模块,用于计算所述运行目标服务器对应的剩余利用率,结合所述剩余利用率和所述算力需求容量,确定所述运行目标服务器中的可用服务器;
延迟距离计算模块,用于计算所述施工数据与所述可用服务器中每个服务器对应的网络延迟距离,得到第一延迟距离,计算所述施工数据与所述空闲服务器中每个服务器对应的网络延迟距离,得到第二延迟距离;
资源调整模块,用于结合所述第一延迟距离和所述第二延迟距离,从所述运行目标服务器和所述空闲目标服务器中确定所述施工数据对应的处理服务器,利用预设的资源调整均衡模型计算所述处理服务器对应的均衡偏离系数,根据所述均衡偏离系数,执行所述施工数据的计算资源调整,得到调整结果。
相比于背景技术所述问题,本发明通过获取云平台中建筑的施工数据,对所述施工数据进行属性分析,可以了解所述施工数据中每个数据的相关数据规律和属性信息,便于后续数据类别的确定,本发明通过监测所述终端服务器的当前运行状态,可以了解所述终端服务器是否处于工作状态,根据所述当前运行状态和所述数据类别,对所述终端服务器进行筛选,提高了所述终端服务器筛选的精确性,以便于更好的为所述施工数据调整合适的服务器,本发明通过计算所述运行目标服务器对应的剩余利用率,可以得到所述目标运行服务器的可以利用的情况,进而更有效地管理和利用服务器资源,深入地,本发明通过计算所述施工数据与所述可用服务器中每个服务器对应的网络延迟距离,可以了解所述施工数据的数据传输的远近程度,进而避免后续所述施工数据调度服务器时出现网络拥堵的现象,提高所述施工数据的调整效率,最后,本发明通过结合所述第一迁移效益和所述第二迁移效益,可以区分所述施工数据在所述可用服务器和所述空闲服务器之间进行迁移时的效益高低,进而更好的筛选出相应的处理服务器,降低了计算资源调整的成本。因此,本发明提出基于云平台实现建筑施工下的计算资源调整方法及系统,以解决施工数据与服务器之间的适配性和调整过程中的调度复杂性的问题。
附图说明
图1为本发明一实施例提供的基于云平台实现建筑施工下的计算资源调整方法的流程示意图;
图2为本发明一实施例提供的基于云平台实现建筑施工下的计算资源调整装置的功能模块图;
图3为本发明一实施例提供的实现所述基于云平台实现建筑施工下的计算资源调整方法的电子设备的结构示意图。
本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于云平台实现建筑施工下的计算资源调整方法。所述基于云平台实现建筑施工下的计算资源调整方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于云平台实现建筑施工下的计算资源调整方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1:
参照图1所示,为本发明一实施例提供的基于云平台实现建筑施工下的计算资源调整方法的流程示意图。在本实施例中,所述基于云平台实现建筑施工下的计算资源调整方法包括:
S1、获取云平台中建筑的施工数据,对所述施工数据进行属性分析,得到数据属性,根据所述数据属性,确定所述施工数据对应的数据类别,分析所述施工数据对应的算力需求容量。
本发明通过获取云平台中建筑的施工数据,对所述施工数据进行属性分析,可以了解所述施工数据中每个数据的相关数据规律和属性信息,便于后续数据类别的确定,其中,所述云平台是指基于硬件资源和软件资源的服务,提供计算、网络和存储能力的平台,所述建筑施工主要涉及设计、施工、运营和维护各种工程,以满足人们在居住、交通、生产、环境保护等方面的需求,它包括建筑物、道路、桥梁、隧道、水库、堤防、港口、码头等工程,所述施工数据是所述云平台中需要进行计算处理的建筑施工数据,所述数据属性是所述施工数据对应的多方面的描述信息,可选地,对所述施工数据进行属性分析可以通过对比分析法实现。
本发明通过根据所述数据属性,确定所述施工数据对应的数据类别,可以了解所述施工数据对应的类型,便于后续服务器的筛选,其中,所述数据类别是所述施工数据对应的数据类型,如文本类、图像类以及语音类数据等。
作为本发明的一个实施例,所述根据所述数据属性,确定所述施工数据对应的数据类别,包括:对所述数据属性进行字符识别,得到属性字符,计算所述属性字符中每个字符的权重系数,根据所述权重系数,提取所述属性字符中的关键属性字符,对所述关键属性字符进行语义解析,得到属性字符语义,分析所述施工数据中每个数据的数据架构,结合所述数据架构和所述属性字符语义,确定所述施工数据对应的数据类别。
其中,所述属性字符是所述数据属性中包含的文本字符,所述权重系数表示所述属性字符中每个字符的重要程度,所述关键属性字符是所述属性字符中具有代表性的字符,所述属性字符语义是所述关键属性字符对应的含义解释,所述数据架构是所述施工数据中每个数据的格式和形式。
可选的,对所述数据属性进行字符识别可以通过OCR文本识别技术实现,所述属性字符中每个字符的权重系数可以通过层次分析法计算得到,所述属性字符中的关键属性字符可以通过text rank算法提取得到,对所述关键属性字符进行语义解析可以通过语义分析法实现,所述数据架构可以通过分析所述施工数据中每个数据对应的存储格式确定,可以通过所述数据架构确定所述施工数据对应的所属类型范围,并结合所述属性字符语义中的字符确定所述施工数据对应的数据类别。
本发明通过分析所述施工数据对应的算力需求容量,可以帮助进行资源合理分配,从而避免将低算力的硬件资源分配给高算力需求容量的现象,其中,所述算力需求容量是对所述施工数据进行计算处理时所需要的计算能力或者算力大小。
作为本发明的一个实施例,所述分析所述施工数据对应的算力需求容量,包括:获取所述施工数据对应的数据任务,根据所述数据任务,分析所述施工数据对应的数据计算指标,根据所述数据计算指标,确定所述施工数据对应的数据处理算法,提取所述数据处理算法对应的算法参数,对所述施工数据进行数据清洗,得到清洗施工数据,提取所述清洗施工数据中每个数据的数据信息,计算所述数据信息对应的信息熵,根据所述信息熵和所述算法参数,确定所述数据任务对应的任务算力容量,根据所述任务算力容量,确定所述施工数据对应的算力需求容量。
其中,所述数据任务是所述施工数据对应的数据处理要求,如对数据进行匹配,所述数据计算指标是所述施工数据进行计算处理时对应的项目,如进行数据匹配时,计算数据的置信度和数据的容量大小等,所述数据处理算法是所述数据计算指标进行处理时对应的计算算法,所述算法参数是所述数据处理算法中的参数信息,如算法中的字母和公式的释义,所述清洗施工数据是所述施工数据中不需要进行计算处理的数据经过清洗后得到的数据,所述数据信息是所述清洗施工数据中的数据包含的具有意义的信息,所述信息熵表示所述数据信息的出现的概率,数值越高,则表示包含的信息量越大,所述任务算力容量是所述数据任务完成所需要的计算能力的多少。
可选的,所述施工数据对应的数据计算指标可以通过分析所述数据任务的任务处理步骤得到,所述数据处理算法对应的算法参数可以通过参数提取工具实现,所述参数提取工具是由脚本语言编译,所述施工数据的数据清洗可以通过分箱法实现,提取所述清洗施工数据中每个数据的数据信息可以通过聚类算法实现,可以通过根据所述信息熵确定数据容量,根据所述算法参数确定所述数据处理算法的计算要求,结合数据容量和计算要求确定所述数据任务对应的任务算力容量。
作为本发明的一个可选实施例,所述计算所述数据信息对应的信息熵,包括:
通过下述公式计算所述数据信息对应的信息熵:
其中,B表示数据信息对应的信息熵,b表示数据信息的序列号,q表示数据信息的信息数量,A(b0表示数据信息中第b个信息出现的概率,D(be)表示数据信息中第b个信息的线性值e在数据信息中出现的概率。
S2、查询所述云平台中的终端服务器,监测所述终端服务器的当前运行状态,根据所述当前运行状态和所述数据类别,对所述终端服务器进行筛选,得到运行目标服务器和空闲目标服务器。
本发明通过监测所述终端服务器的当前运行状态,可以了解所述终端服务器是否处于工作状态,根据所述当前运行状态和所述数据类别,对所述终端服务器进行筛选,提高了所述终端服务器筛选的精确性,以便于更好的为所述施工数据调整合适的服务器,其中,所述终端服务器是所述云平台中的对数据进行处理的服务器,如硬件服务器GPU和CPU等,其中,所述运行目标服务器是所述终端服务器中处于运行状态且符合施工数据处理的服务器,所述空闲目标服务器是所述终端服务器中没有处理任务且符合施工数据处理的服务器,可选地,所述终端服务器的当前运行状态可以通过服务器端口监测得到。
作为本发明的一个实施例,所述根据所述当前运行状态和所述数据类别,对所述终端服务器进行筛选,得到运行目标服务器和空闲目标服务器,包括:根据所述当前运行状态,对所述终端服务器进行分类处理,得到空闲服务器和运行服务器,分别提取所述空闲服务器和所述运行服务器对应的标识信息,得到第一标识信息和第二标识信息,计算所述数据类别与所述第一标识信息中每个信息对应的相关系数,得到第一相关系数,计算所述数据类别与所述第二标识信息中每个信息对应的相关系数,得到第二相关系数,根据所述第一相关系数和所述第二相关系数,对所述空闲服务器和所述运行服务器进行筛选处理,得到运行目标服务器和空闲目标服务器。
其中,所述空闲服务器是所述终端服务器中的没有处理任务的服务器,所述第一标识信息和所述第二标识信息分别是所述空闲服务器和所述运行服务器对应的特定信息,如服务器的IP地址、服务器名称以及服务类型等,所述第一相关系数表示所述数据类别与所述第一标识信息中每个信息之间的相关性强弱,所述第二相关系数表示所述数据类别与所述第二标识信息中每个信息之间的相关性强弱。
可选地,所述终端服务器的分类处理可以通过根据所述当前运行状态中的状态分类实现,所述空闲服务器和所述运行服务器对应的标识信息可以通过深度神经网络提取得到,所述第二相关系数与所述第一相关系数计算原理相同,在此不做过多赘述,对所述空闲服务器和所述运行服务器进行筛选处理可以通过将所述第一相关系数和所述第二相关系数分别与预设阈值进行比较,根据比较的结果进行筛选处理。
进一步的,作为本发明的一个可选实施例,所述计算所述数据类别与所述第一标识信息中每个信息对应的相关系数,得到第一相关系数,包括:
通过下述公式计算所述数据类别与所述第一标识信息中每个信息对应的相关系数:
其中,F表示第一相关系数,Xa表示数据类别中第a个类别对应的向量值,Yd表示第一标识信息中第d个信息对应的向量值,a和d分别表示数据类别和第一标识信息对应的序列号,cov(Xa,Yd)表示数据类别中第a个类别和第一标识信息中第d个信息对应的协方差,std(Xa)表示数据类别中第a个类别的对应的标准差,std(Yd)表示第一标识信息中第d个信息对应的标准差。
S3、计算所述运行目标服务器对应的剩余利用率,结合所述剩余利用率和所述算力需求容量,确定所述运行目标服务器中的可用服务器。
本发明通过计算所述运行目标服务器对应的剩余利用率,可以得到所述目标运行服务器的可以利用的情况,进而更有效地管理和利用服务器资源,其中,所述剩余利用率是所述运行目标服务器剩余可利用价值。
作为本发明的一个实施例,所述计算所述运行目标服务器对应的剩余利用率,包括:识别所述运行目标服务器中的过载服务器和非过载服务器,分别查询所述过载运行服务器和所述非过载服务器对应的任务量,得到过载任务量和非过载任务量,根据所述非过载任务量,计算所述非过载服务器对应的剩余算力值,根据所述剩余算力值,将所述过载任务量分配到所述非过载服务器中,并对所述剩余算力值进行数值更新,得到目标算力值,根据所述目标算力值,计算所述非过载服务器对应的可利用系数,根据所述可利用系数,得到所述运行目标服务器对应的剩余利用率。
其中,所述过载服务器是所述运行目标服务器中运行状态已经达到饱和状态的服务器,所述非过载服务器是所述运行目标服务器中运行状态未达到饱和状态的服务器,所述过载任务量和所述非过载任务量分别是所述过载运行服务器和所述非过载服务器当前的处理任务的数量大小,所述剩余算力值表示所述非过载服务器的当前剩余计算能力大小,所述目标算力值是所述过载任务量分配到所述非过载服务器中,所述非过载服务器对应的剩余计算能力大小,所述可利用系数表示所述非过载服务器对应的可处理数据的能力情况,。
可选的,所述运行目标服务器中的过载服务器和非过载服务器可以通过服务器中的过期时间戳来识别,所述过载运行服务器和所述非过载服务器对应的任务量可以通过命令工具查询得到,如top命令,所述剩余算力值可以通过根据所述非过载任务量和所述非过载服务器能够处理的总任务量的差值得到,所述可利用系数可以通过计算所述目标算力值与所述非过载服务器的实际算力值的比值得到。
本发明通过结合所述剩余利用率和所述算力需求容量,可以更加准确的确定所述运行目标服务器中的可用服务器,进而为后续所述施工数据的资源调整提高了效率和准确性,其中,所述可用服务器是所述运行目标服务器中可以用于处理所述施工数据的服务器,可选的,所述运行目标服务器中的可用服务器可以通过比较所述剩余利用率和所述算力需求容量的大小来确定。
S4、计算所述施工数据与所述可用服务器中每个服务器对应的网络延迟距离,得到第一延迟距离,计算所述施工数据与所述空闲服务器中每个服务器对应的网络延迟距离,得到第二延迟距离。
本发明通过计算所述施工数据与所述可用服务器中每个服务器对应的网络延迟距离,可以了解所述施工数据的数据传输的远近程度,进而避免后续所述施工数据调度服务器时出现网络拥堵的现象,提高所述施工数据的调整效率,其中,所述第一延迟距离表示所述施工数据调度所述可用服务器中每个服务器对应的远近程度。
作为本发明的一个实施例,所述计算所述施工数据与所述可用服务器中每个服务器对应的网络延迟距离,得到第一延迟距离,包括:
通过下述公式计算所述施工数据与所述可用服务器中每个服务器对应的网络延迟距离:
其中,E表示施工数据与可用服务器中每个服务器对应的第一延迟距离,Li,j表示第i个施工数据和第j个服务器的物理空间距离,α表示可用服务器的拥塞系数,β表示可用服务器的延迟系数,γ表示可用服务器的服务器性能指数,μ表示可用服务器所使用的网络带宽。
本发明通过计算所述施工数据与所述空闲服务器中每个服务器对应的网络延迟距离,可以得到所述施工数据与所述空闲服务器的传输距离,通过评价所述空闲服务器中每个服务器对应的数据迁移效益,可以得到所述空闲服务器对所述施工数据进行数据迁移处理时的成本和效益,其中,所述第二延迟距离表示所述施工数据传输到所述空闲服务器中的距离,可选的,所述第二延迟距离与所述第一延迟距离的计算原理相同,在此不做过多赘述。
S5、结合所述第一延迟距离和所述第二延迟距离,从所述运行目标服务器和所述空闲目标服务器中确定所述施工数据对应的处理服务器,利用预设的资源调整均衡模型计算所述处理服务器对应的均衡偏离系数,根据所述均衡偏离系数,执行所述施工数据的计算资源调整,得到调整结果。
本发明通过结合所述第一迁移效益和所述第二迁移效益,可以区分所述施工数据在所述可用服务器和所述空闲服务器之间进行迁移时的效益高低,进而更好的筛选出相应的处理服务器,降低了计算资源调整的成本,其中,所述处理服务器是所述运行目标服务器和所述空闲目标服务器中对所述施工数据进行计算处理时花费的成本最低效益最高的服务器,可选的,所述处理服务器的确定可以通过将所述第一迁移效益和所述第二迁移效益进行比对,得到比对结果,根据比对结果进行筛选。
本发明通过利用预设的资源调整均衡模型计算所述处理服务器对应的均衡偏离系数,可以避免处理服务器分配不均衡的问题,进而提高计算资源的调整效率,其中,所述预设的资源调整均衡模型是计算所述处理服务器处理数据时的均衡程度的模型,所述均衡偏离系数表示所述服务处理器中的节点或服务器负载的均衡偏离程度。
作为本发明的一个实施例,所述利用预设的资源调整均衡模型计算所述处理服务器对应的均衡偏离系数,包括:
所述预设的资源调整均衡模型计算公式如下:
其中,F表示处理服务器对应的均衡偏离系数,k表示处理服务器的序列号,t表示处理服务器的数量,Gk表示第k个处理服务器的资源利用率,Gavg k表示第k个处理服务器的资源平均利用率。
相比于背景技术所述问题,本发明通过获取云平台中建筑的施工数据,对所述施工数据进行属性分析,可以了解所述施工数据中每个数据的相关数据规律和属性信息,便于后续数据类别的确定,本发明通过监测所述终端服务器的当前运行状态,可以了解所述终端服务器是否处于工作状态,根据所述当前运行状态和所述数据类别,对所述终端服务器进行筛选,提高了所述终端服务器筛选的精确性,以便于更好的为所述施工数据调整合适的服务器,本发明通过计算所述运行目标服务器对应的剩余利用率,可以得到所述目标运行服务器的可以利用的情况,进而更有效地管理和利用服务器资源,深入地,本发明通过计算所述施工数据与所述可用服务器中每个服务器对应的网络延迟距离,可以了解所述施工数据的数据传输的远近程度,进而避免后续所述施工数据调度服务器时出现网络拥堵的现象,提高所述施工数据的调整效率,最后,本发明通过结合所述第一迁移效益和所述第二迁移效益,可以区分所述施工数据在所述可用服务器和所述空闲服务器之间进行迁移时的效益高低,进而更好的筛选出相应的处理服务器,降低了计算资源调整的成本。因此本发明提出的基于云平台实现建筑施工下的计算资源调整方法,以解决施工数据与服务器之间的适配性和调整过程中的调度复杂性的问题。
实施例2:
如图2所示,是本发明一实施例提供的基于云平台实现建筑施工下的计算资源调整装置的功能模块图。
本发明所述基于云平台实现建筑施工下的计算资源调整装置100可以安装于电子设备中。根据实现的功能,所述基于云平台实现建筑施工下的计算资源调整装置100可以包括算力分析模块101、服务器分类模块102、服务器筛选模块103、延迟距离计算模块104及资源调整模块105。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
所述算力分析模块101,用于获取云平台中建筑的施工数据,对所述施工数据进行属性分析,得到数据属性,根据所述数据属性,确定所述施工数据对应的数据类别,分析所述施工数据对应的算力需求容量;
所述服务器分类模块102,用于查询所述云平台中的终端服务器,监测所述终端服务器的当前运行状态,根据所述当前运行状态和所述数据类别,对所述终端服务器进行筛选,得到运行目标服务器和空闲目标服务器;
所述服务器筛选模块103,用于计算所述运行目标服务器对应的剩余利用率,结合所述剩余利用率和所述算力需求容量,确定所述运行目标服务器中的可用服务器;
所述延迟距离计算模块104,用于计算所述施工数据与所述可用服务器中每个服务器对应的网络延迟距离,得到第一延迟距离,计算所述施工数据与所述空闲服务器中每个服务器对应的网络延迟距离,得到第二延迟距离;
所述资源调整模块105,用于结合所述第一延迟距离和所述第二延迟距离,从所述运行目标服务器和所述空闲目标服务器中确定所述施工数据对应的处理服务器,利用预设的资源调整均衡模型计算所述处理服务器对应的均衡偏离系数,根据所述均衡偏离系数,执行所述施工数据的计算资源调整,得到调整结果。
详细地,本发明实施例中所述基于云平台实现建筑施工下的计算资源调整装置100中的所述各模块在使用时采用与上述的图1中所述的基于云平台实现建筑施工下的计算资源调整方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
实施例3:
如图3所示,是本发明一实施例提供的实现基于云平台实现建筑施工下的计算资源调整方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、总线12和通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于云平台实现建筑施工下的计算资源调整程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如基于云平台实现建筑施工下的计算资源调整程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如基于云平台实现建筑施工下的计算资源调整程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于云平台实现建筑施工下的计算资源调整程序是多个指令的组合,在所述处理器10中运行时,可以实现:
获取云平台中建筑的施工数据,对所述施工数据进行属性分析,得到数据属性,根据所述数据属性,确定所述施工数据对应的数据类别,分析所述施工数据对应的算力需求容量;
查询所述云平台中的终端服务器,监测所述终端服务器的当前运行状态,根据所述当前运行状态和所述数据类别,对所述终端服务器进行筛选,得到运行目标服务器和空闲目标服务器;
计算所述运行目标服务器对应的剩余利用率,结合所述剩余利用率和所述算力需求容量,确定所述运行目标服务器中的可用服务器;
计算所述施工数据与所述可用服务器中每个服务器对应的网络延迟距离,得到第一延迟距离,计算所述施工数据与所述空闲服务器中每个服务器对应的网络延迟距离,得到第二延迟距离;
结合所述第一延迟距离和所述第二延迟距离,从所述运行目标服务器和所述空闲目标服务器中确定所述施工数据对应的处理服务器,利用预设的资源调整均衡模型计算所述处理服务器对应的均衡偏离系数,根据所述均衡偏离系数,执行所述施工数据的计算资源调整,得到调整结果。
具体地,所述处理器10对上述指令的具体实现方法可参考图1至图2对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取云平台中建筑的施工数据,对所述施工数据进行属性分析,得到数据属性,根据所述数据属性,确定所述施工数据对应的数据类别,分析所述施工数据对应的算力需求容量;
查询所述云平台中的终端服务器,监测所述终端服务器的当前运行状态,根据所述当前运行状态和所述数据类别,对所述终端服务器进行筛选,得到运行目标服务器和空闲目标服务器;
计算所述运行目标服务器对应的剩余利用率,结合所述剩余利用率和所述算力需求容量,确定所述运行目标服务器中的可用服务器;
计算所述施工数据与所述可用服务器中每个服务器对应的网络延迟距离,得到第一延迟距离,计算所述施工数据与所述空闲服务器中每个服务器对应的网络延迟距离,得到第二延迟距离;
结合所述第一延迟距离和所述第二延迟距离,从所述运行目标服务器和所述空闲目标服务器中确定所述施工数据对应的处理服务器,利用预设的资源调整均衡模型计算所述处理服务器对应的均衡偏离系数,根据所述均衡偏离系数,执行所述施工数据的计算资源调整,得到调整结果。
所述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单元,即可以位于一个地方,或者也可以分布到多个网络单元上。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,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,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案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于云平台实现建筑施工下的计算资源调整方法,其特征在于,所述方法包括:
获取云平台中建筑的施工数据,对所述施工数据进行属性分析,得到数据属性,根据所述数据属性,确定所述施工数据对应的数据类别,分析所述施工数据对应的算力需求容量;
查询所述云平台中的终端服务器,监测所述终端服务器的当前运行状态,根据所述当前运行状态和所述数据类别,对所述终端服务器进行筛选,得到运行目标服务器和空闲目标服务器;
计算所述运行目标服务器对应的剩余利用率,结合所述剩余利用率和所述算力需求容量,确定所述运行目标服务器中的可用服务器;
计算所述施工数据与所述可用服务器中每个服务器对应的网络延迟距离,得到第一延迟距离,计算所述施工数据与所述空闲服务器中每个服务器对应的网络延迟距离,得到第二延迟距离;
结合所述第一延迟距离和所述第二延迟距离,从所述运行目标服务器和所述空闲目标服务器中确定所述施工数据对应的处理服务器,利用预设的资源调整均衡模型计算所述处理服务器对应的均衡偏离系数,根据所述均衡偏离系数,执行所述施工数据的计算资源调整,得到调整结果。
2.如权利要求1所述的基于云平台实现建筑施工下的计算资源调整方法,其特征在于,所述根据所述数据属性,确定所述施工数据对应的数据类别,包括:
对所述数据属性进行字符识别,得到属性字符,计算所述属性字符中每个字符的权重系数;
根据所述权重系数,提取所述属性字符中的关键属性字符,对所述关键属性字符进行语义解析,得到属性字符语义;
分析所述施工数据中每个数据的数据架构,结合所述数据架构和所述属性字符语义,确定所述施工数据对应的数据类别。
3.如权利要求1所述的基于云平台实现建筑施工下的计算资源调整方法,其特征在于,所述分析所述施工数据对应的算力需求容量,包括:
获取所述施工数据对应的数据任务,根据所述数据任务,分析所述施工数据对应的数据计算指标,根据所述数据计算指标,确定所述施工数据对应的数据处理算法;
提取所述数据处理算法对应的算法参数,对所述施工数据进行数据清洗,得到清洗施工数据,提取所述清洗施工数据中每个数据的数据信息;
计算所述数据信息对应的信息熵,根据所述信息熵和所述算法参数,确定所述数据任务对应的任务算力容量;
根据所述任务算力容量,确定所述施工数据对应的算力需求容量。
4.如权利要求3所述的基于云平台实现建筑施工下的计算资源调整方法,其特征在于,所述计算所述数据信息对应的信息熵,包括:
通过下述公式计算所述数据信息对应的信息熵:
其中,B表示数据信息对应的信息熵,b表示数据信息的序列号,q表示数据信息的信息数量,A(b)表示数据信息中第b个信息出现的概率,D(be)表示数据信息中第b个信息的线性值e在数据信息中出现的概率。
5.如权利要求1所述的基于云平台实现建筑施工下的计算资源调整方法,其特征在于,所述根据所述当前运行状态和所述数据类别,对所述终端服务器进行筛选,得到运行目标服务器和空闲目标服务器,包括:
根据所述当前运行状态,对所述终端服务器进行分类处理,得到空闲服务器和运行服务器;
分别提取所述空闲服务器和所述运行服务器对应的标识信息,得到第一标识信息和第二标识信息,计算所述数据类别与所述第一标识信息中每个信息对应的相关系数,得到第一相关系数;
计算所述数据类别与所述第二标识信息中每个信息对应的相关系数,得到第二相关系数;
根据所述第一相关系数和所述第二相关系数,对所述空闲服务器和所述运行服务器进行筛选处理,得到运行目标服务器和空闲目标服务器。
6.如权利要求5所述的基于云平台实现建筑施工下的计算资源调整方法,其特征在于,所述计算所述数据类别与所述第一标识信息中每个信息对应的相关系数,得到第一相关系数,包括:
通过下述公式计算所述数据类别与所述第一标识信息中每个信息对应的相关系数:
其中,F表示数据类别与第一标识信息中每个信息对应的相关系数,Xa表示数据类别中第a个类别对应的向量值,Yd表示第一标识信息中第d个信息对应的向量值,a和d分别表示数据类别和第一标识信息对应的序列号,cov(Xa,Yd)表示数据类别中第a个类别和第一标识信息中第d个信息对应的协方差,std(Xa)表示数据类别中第a个类别的对应的标准差,std(Yd)表示第一标识信息中第d个信息对应的标准差。
7.如权利要求1所述的基于云平台实现建筑施工下的计算资源调整方法,其特征在于,所述计算所述运行目标服务器对应的剩余利用率,包括:
识别所述运行目标服务器中的过载服务器和非过载服务器,分别查询所述过载运行服务器和所述非过载服务器对应的任务量,得到过载任务量和非过载任务量;
根据所述非过载任务量,计算所述非过载服务器对应的剩余算力值,根据所述剩余算力值;
将所述过载任务量分配到所述非过载服务器中,并对所述剩余算力值进行数值更新,得到目标算力值;
根据所述目标算力值,计算所述非过载服务器对应的可利用系数,根据所述可利用系数,得到所述运行目标服务器对应的剩余利用率。
8.如权利要求1所述的基于云平台实现建筑施工下的计算资源调整方法,其特征在于,所述计算所述施工数据与所述可用服务器中每个服务器对应的网络延迟距离,得到第一延迟距离,包括:
通过下述公式计算所述施工数据与所述可用服务器中每个服务器对应的网络延迟距离:
其中,E表示施工数据与可用服务器中每个服务器对应的第一延迟距离,Li,j表示第i个施工数据和第j个服务器的物理空间距离,α表示可用服务器的拥塞系数,β表示可用服务器的延迟系数,γ表示可用服务器的服务器性能指数,μ表示可用服务器所使用的网络带宽。
9.如权利要求1所述的基于云平台实现建筑施工下的计算资源调整方法,其特征在于,所述利用预设的资源调整均衡模型计算所述处理服务器对应的均衡偏离系数,包括:
所述预设的资源调整均衡模型计算公式如下:
其中,F表示处理服务器对应的均衡偏离系数,k表示处理服务器的序列号,t表示处理服务器的数量,Gk表示第k个处理服务器的资源利用率,Gavg k表示第k个处理服务器的资源平均利用率。
10.一种基于云平台实现建筑施工下的计算资源调整装置,其特征在于,所述装置包括:
算力分析模块,用于获取云平台中建筑的施工数据,对所述施工数据进行属性分析,得到数据属性,根据所述数据属性,确定所述施工数据对应的数据类别,分析所述施工数据对应的算力需求容量;
服务器分类模块,用于查询所述云平台中的终端服务器,监测所述终端服务器的当前运行状态,根据所述当前运行状态和所述数据类别,对所述终端服务器进行筛选,得到运行目标服务器和空闲目标服务器;
服务器筛选模块,用于计算所述运行目标服务器对应的剩余利用率,结合所述剩余利用率和所述算力需求容量,确定所述运行目标服务器中的可用服务器;
延迟距离计算模块,用于计算所述施工数据与所述可用服务器中每个服务器对应的网络延迟距离,得到第一延迟距离,计算所述施工数据与所述空闲服务器中每个服务器对应的网络延迟距离,得到第二延迟距离;
资源调整模块,用于结合所述第一延迟距离和所述第二延迟距离,从所述运行目标服务器和所述空闲目标服务器中确定所述施工数据对应的处理服务器,利用预设的资源调整均衡模型计算所述处理服务器对应的均衡偏离系数,根据所述均衡偏离系数,执行所述施工数据的计算资源调整,得到调整结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311694234.6A CN117519948B (zh) | 2023-12-11 | 2023-12-11 | 基于云平台实现建筑施工下的计算资源调整方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311694234.6A CN117519948B (zh) | 2023-12-11 | 2023-12-11 | 基于云平台实现建筑施工下的计算资源调整方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117519948A true CN117519948A (zh) | 2024-02-06 |
CN117519948B CN117519948B (zh) | 2024-04-26 |
Family
ID=89751335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311694234.6A Active CN117519948B (zh) | 2023-12-11 | 2023-12-11 | 基于云平台实现建筑施工下的计算资源调整方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117519948B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111045828A (zh) * | 2019-12-27 | 2020-04-21 | 广东电科院能源技术有限责任公司 | 基于配电网台区终端的分布式边缘计算方法和相关装置 |
CN111274026A (zh) * | 2020-01-08 | 2020-06-12 | 北京月新时代科技股份有限公司 | 负载均衡方法、装置及电子设备 |
CN113438621A (zh) * | 2021-07-01 | 2021-09-24 | 兰州理工大学 | 一种基于网联车辅助的边缘计算卸载与资源分配方法 |
CN114006764A (zh) * | 2021-11-02 | 2022-02-01 | 北京天融信网络安全技术有限公司 | 一种基于超融合系统的安全网元的部署方法和装置 |
US20220038937A1 (en) * | 2020-12-14 | 2022-02-03 | Kingtronics Institute of Science and Technology (Xiamen) Co., Ltd. | Global communication network system based on micro base station and edge computing |
CN114035945A (zh) * | 2021-10-29 | 2022-02-11 | 深圳市晨北科技有限公司 | 算力资源分配方法、装置、设备及存储介质 |
CN115134368A (zh) * | 2022-08-31 | 2022-09-30 | 中信建投证券股份有限公司 | 一种负载均衡方法、装置、设备以及存储介质 |
CN115665158A (zh) * | 2022-10-31 | 2023-01-31 | 浪潮云信息技术股份公司 | 一种容器集群服务动态管理方法及系统 |
CN115841651A (zh) * | 2022-12-13 | 2023-03-24 | 广东筠诚建筑科技有限公司 | 基于计算机视觉与深度学习的施工人员智能监测系统 |
CN116432297A (zh) * | 2023-06-12 | 2023-07-14 | 南京纵横时空智能科技有限公司 | 一种建筑智能化设施异构数据的采集方法 |
WO2023185090A1 (zh) * | 2022-03-30 | 2023-10-05 | 深圳先进技术研究院 | 基于微服务链路分析和强化学习的调度方法及装置 |
-
2023
- 2023-12-11 CN CN202311694234.6A patent/CN117519948B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111045828A (zh) * | 2019-12-27 | 2020-04-21 | 广东电科院能源技术有限责任公司 | 基于配电网台区终端的分布式边缘计算方法和相关装置 |
CN111274026A (zh) * | 2020-01-08 | 2020-06-12 | 北京月新时代科技股份有限公司 | 负载均衡方法、装置及电子设备 |
US20220038937A1 (en) * | 2020-12-14 | 2022-02-03 | Kingtronics Institute of Science and Technology (Xiamen) Co., Ltd. | Global communication network system based on micro base station and edge computing |
CN113438621A (zh) * | 2021-07-01 | 2021-09-24 | 兰州理工大学 | 一种基于网联车辅助的边缘计算卸载与资源分配方法 |
CN114035945A (zh) * | 2021-10-29 | 2022-02-11 | 深圳市晨北科技有限公司 | 算力资源分配方法、装置、设备及存储介质 |
CN114006764A (zh) * | 2021-11-02 | 2022-02-01 | 北京天融信网络安全技术有限公司 | 一种基于超融合系统的安全网元的部署方法和装置 |
WO2023185090A1 (zh) * | 2022-03-30 | 2023-10-05 | 深圳先进技术研究院 | 基于微服务链路分析和强化学习的调度方法及装置 |
CN115134368A (zh) * | 2022-08-31 | 2022-09-30 | 中信建投证券股份有限公司 | 一种负载均衡方法、装置、设备以及存储介质 |
CN115665158A (zh) * | 2022-10-31 | 2023-01-31 | 浪潮云信息技术股份公司 | 一种容器集群服务动态管理方法及系统 |
CN115841651A (zh) * | 2022-12-13 | 2023-03-24 | 广东筠诚建筑科技有限公司 | 基于计算机视觉与深度学习的施工人员智能监测系统 |
CN116432297A (zh) * | 2023-06-12 | 2023-07-14 | 南京纵横时空智能科技有限公司 | 一种建筑智能化设施异构数据的采集方法 |
Non-Patent Citations (2)
Title |
---|
宁士勇: "虚拟化云计算数据中心资源节能调度算法研究", 《计算机应用研究》, vol. 38, no. 4, 30 April 2021 (2021-04-30) * |
秦华;阎钢;: "基于OpenFlow网络的数据中心服务器负载均衡策略", 计算机工程, no. 03, 15 March 2016 (2016-03-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN117519948B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022160449A1 (zh) | 文本分类方法、装置、电子设备及存储介质 | |
CN111768096A (zh) | 基于算法模型的评级方法、装置、电子设备及存储介质 | |
CN113806434B (zh) | 大数据处理方法、装置、设备及介质 | |
CN115081025A (zh) | 基于数字中台的敏感数据管理方法、装置及电子设备 | |
CN111831708A (zh) | 基于缺失数据的样本分析方法、装置、电子设备及介质 | |
CN113204429A (zh) | 一种数据中心的资源调度方法及系统、调度设备、介质 | |
CN113868528A (zh) | 资讯推荐方法、装置、电子设备及可读存储介质 | |
CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
CN113327136A (zh) | 归因分析方法、装置、电子设备及存储介质 | |
CN112434308A (zh) | 应用漏洞检测方法、装置、电子设备及计算机存储介质 | |
CN114490086A (zh) | 资源动态调整方法、装置、电子设备、介质和程序产品 | |
CN110019193B (zh) | 相似帐号识别方法、装置、设备、系统及可读介质 | |
CN106445788A (zh) | 一种信息系统运行状态预测方法和装置 | |
CN113742069A (zh) | 基于人工智能的容量预测方法、装置及存储介质 | |
CN116167692B (zh) | 一种结合货单信息的自动优化方法与系统 | |
CN117519948B (zh) | 基于云平台实现建筑施工下的计算资源调整方法及系统 | |
CN116647560A (zh) | 物联网计算机集群协调优化控制方法、装置、设备及介质 | |
CN114817408B (zh) | 调度资源识别方法、装置、电子设备及存储介质 | |
CN113515591B (zh) | 文本不良信息识别方法、装置、电子设备及存储介质 | |
CN113435746B (zh) | 用户工作量的评分方法、装置、电子设备及存储介质 | |
CN115190010A (zh) | 基于软件服务依赖关系的分布推荐方法和装置 | |
CN113139381A (zh) | 不均衡样本分类方法、装置、电子设备及存储介质 | |
CN112596901A (zh) | 云平台自动化部署与运行方法、电子设备及存储介质 | |
CN116522105B (zh) | 基于云计算的数据一体化搭建的方法、装置、设备及介质 | |
CN117093429B (zh) | 一种服务器稳定性评价方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |