CN117666963A - 一种cpu云计算平台的数据io加速方法 - Google Patents
一种cpu云计算平台的数据io加速方法 Download PDFInfo
- Publication number
- CN117666963A CN117666963A CN202311713320.7A CN202311713320A CN117666963A CN 117666963 A CN117666963 A CN 117666963A CN 202311713320 A CN202311713320 A CN 202311713320A CN 117666963 A CN117666963 A CN 117666963A
- Authority
- CN
- China
- Prior art keywords
- data
- index
- cloud computing
- computing platform
- cpu
- 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
- 230000001133 acceleration Effects 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000000605 extraction Methods 0.000 claims abstract description 96
- 230000000694 effects Effects 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims description 61
- 230000004044 response Effects 0.000 claims description 52
- 238000012360 testing method Methods 0.000 claims description 34
- 230000008569 process Effects 0.000 claims description 28
- 230000035484 reaction time Effects 0.000 claims description 20
- 238000012937 correction Methods 0.000 claims description 11
- 230000003139 buffering effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 11
- 230000005540 biological transmission Effects 0.000 abstract description 6
- 238000003860 storage Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000004075 alteration Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
- G06F3/061—Improving I/O performance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
- G06F3/0655—Vertical data movement, i.e. input-output transfer; data movement between one or more hosts and one or more storage devices
- G06F3/0656—Data buffering arrangements
-
- 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)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种CPU云计算平台的数据I O加速方法。该CPU云计算平台的数据I O加速方法,包括以下步骤:在CPU云计算平台上创建临时数据缓存空间;获取指数参数数据计算得到CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数并检验确保处于正常范围;根据指数数据得出数据I O加速指数并分析加速效果。本发明通过获取指数参数数据并进行计算得到CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数和数据I O加速指数并分析数据I O加速效果,提高CPU云计算平台的数据传输效率和系统性能,解决数据输入输出速度慢导致云计算平台处理速度慢的问题。
Description
技术领域
本发明涉及云计算技术领域,尤其涉及一种CPU云计算平台的数据IO加速方法。
背景技术
随着计算机技术的不断发展,许多新的高效计算方法面世了,云计算就是其中的一种,云计算可以在较短时间内处理大量的数据,提供强大的网络服务,为了更好地使用云计算,在基于云计算的基础上搭建了云计算平台,CPU云计算平台是云计算平台众多分类中的一种,CPU云计算平台可以更好地进行数据存储和计算等相关服务,在CPU云计算平台进行相关服务操作时需要进行数据的输入和输出,数据输入和输出的速度会对CPU云计算平台的运行速度产生较大影响,因此需要提高数据输入和输出的速度。
现有的数据IO加速方法通过将需要传输的数据进行压缩分解后进行传输实现数据IO加速效果。
例如公告号为:CN104881248B的发明专利公告的一种面向SSD的文件系统中自适应直接IO加速方法,包括:当接收到IO请求时,分配存储空间B,计算IO请求待读写数据所涉及的数据块数N,判断IO请求的类型,若为读请求则以直接IO模式将数据块读取到存储空间B,获取读数据返回给应用程序;否则将写请求的写数据拷贝到存储空间B,将写数据分成头部、主体和尾部,将写数据的头部和尾部对应的数据块以缓冲IO模式写入存储设备;将写数据的主体部分对应的数据块以直接IO模式写入存储设备。该发明适用于数据密集型应用,能够显著降低存储系统的IO延迟,降低系统功耗,IO路径短、IO速度快、读写延迟低、与现有存储系统兼容、内存开销低。
例如公告号为:CN109343789B的发明专利公告的一种基于IO场景识别的读加速方法,包括:接收IO读请求;将所述IO读请求的场景与IO场景分组集合进行相似度匹配,确定与所述IO读请求的场景匹配的IO场景分组库对应的IO场景分组特征库;启动IO场景预读,将与所述IO读请求的场景匹配的IO场景分组库对应的IO场景分组特征和所述IO读请求对应的磁盘数据预读到内存缓存;响应所述IO读请求,对预读的内存缓存进行读取,返回所述IO读请求对应的数据。通过该方法,可以实现IO读加速。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中,云计算平台在进行数据处理相关操作时由于数据量过大会导致数据输入输出速度变慢,存在数据输入输出速度慢导致云计算平台处理速度慢的问题。
发明内容
本申请实施例通过提供一种CPU云计算平台的数据IO加速方法,解决了现有技术中,数据输入输出速度慢导致云计算平台处理速度慢的问题,实现了提高CPU云计算平台的数据传输效率和系统性能。
本申请实施例提供了一种CPU云计算平台的数据IO加速方法,包括以下步骤:对CPU云计算平台进行多次数据获取,并将可靠指数参数数据进行存储和记录,对获取的可靠指数参数数据进行计算得到CPU云计算平台可靠指数;在CPU云计算平台上创建临时数据缓存空间;将输入数据缓存在临时数据缓存空间,并获取输入指数参数数据,对输入指数参数数据进行计算得到CPU云计算平台输入指数;对输出数据进行预提取,并获取预提取指数参数数据,对预提取指数参数数据进行计算得到预提取指数;将输出数据在临时数据缓存空间进行缓存,并获取输出指数参数数据,对输出指数参数数据进行计算得到CPU云计算平台输出指数;对CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数进行检验,确保其处于正常范围;对CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数进行计算得出数据IO加速指数;根据数据IO加速指数分析数据IO加速效果。
进一步的,所述可靠指数参数数据包括:CPU云计算平台的等待响应时间、等待响应时间最大值、等待响应时间最小值、获取数据缺失值、获取数据时间、获取数据时间最大值和获取数据时间最小值;所述输入指数参数数据包括:CPU云计算平台的输入数据在临时数据缓存空间完成缓存所用时间、输入数据在临时数据缓存空间完成缓存所用时间最大值、输入数据在临时数据缓存空间完成缓存所用时间最小值、输入数据所占内存、输入数据在临时数据缓存空间所占内存和输入数据反应时间;所述预提取指数参数数据包括:预提取数据的数据内存大小、数据地址长度、前一半数据相似度、前一半数据相似度最大值、前一半数据相似度最小值、后一半数据相似度、后一半数据相似度最大值和后一半数据相似度最小值;所述输出指数参数数据包括:CPU云计算平台的输出数据在临时数据缓存空间完成缓存所用时间、输出数据在临时数据缓存空间完成缓存所用时间最大值、输出数据在临时数据缓存空间完成缓存所用时间最小值、输出数据缺失值、输出数据缺失值最大值、输出数据缺失值最小值、输出数据所占内存、输出数据在临时数据缓存空间所占内存和输出数据反应时间。
进一步的,所述临时数据缓存空间用以进行缓存输入数据、缓存输出数据以及预提取操作。
进一步的,所述对获取的可靠指数参数数据进行计算得到CPU云计算平台可靠指数具体计算过程为:对CPU云计算平台进行多次数据获取,将数据获取次数进行编号,i0=1,2,...,i,i为数据获取次数总数,获取CPU云计算平台的等待响应时间、等待响应时间最大值、等待响应时间最小值、获取数据缺失值、获取数据时间、获取数据时间最大值和获取数据时间最小值,获取标准等待响应时间、标准获取数据缺失值和标准获取数据时间,获取可靠指数参数数据误差;根据CPU云计算平台可靠指数计算公式得到CPU云计算平台可靠指数η,具体的CPU云计算平台可靠指数计算公式为:其中,/>和P分别表示为CPU云计算平台进行第i0次数据获取时的等待响应时间、等待响应时间最大值、等待响应时间最小值和标准等待响应时间,/>和L分别表示为CPU云计算平台进行第i0次数据获取时的获取数据缺失值和标准获取数据缺失值,/>和M分别表示为CPU云计算平台进行第i0次数据获取时的获取数据时间、获取数据时间最大值、获取数据时间最小值和标准获取数据时间,q1、q2和q3分别表示为等待响应时间、获取数据缺失值和获取数据时间所占权重比例,q表示为可靠指数参数数据误差,σ表示为修正因子。
进一步的,所述对输入指数参数数据进行计算得到CPU云计算平台输入指数具体计算过程为:对CPU云计算平台进行多次输入反馈测试,将输入反馈测试次数进行编号,u0=1,2,...,u,u为输入反馈测试次数总数,获取CPU云计算平台的输入数据在临时数据缓存空间完成缓存所用时间、输入数据在临时数据缓存空间完成缓存所用时间最大值、输入数据在临时数据缓存空间完成缓存所用时间最小值、输入数据所占内存、输入数据在临时数据缓存空间所占内存和输入数据反应时间,获取CPU云计算平台的输入数据完成缓存所用标准时间和输入数据标准反应时间,获取输入指数参数数据误差;根据CPU云计算平台输入指数计算公式得到CPU云计算平台输入指数ι,具体的CPU云计算平台输入指数计算公式为:
其中,和O分别表示为CPU云计算平台进行第u0次输入反馈测试时的输入数据在临时数据缓存空间完成缓存所用时间、输入数据在临时数据缓存空间完成缓存所用时间最大值、输入数据在临时数据缓存空间完成缓存所用时间最小值和输入数据完成缓存所用标准时间,/>和K分别表示为CPU云计算平台进行第u0次输入反馈测试时的输入数据所占内存和输入数据在临时数据缓存空间所占内存,/>和N分别表示为CPU云计算平台进行第u0次输入反馈测试时的输入数据反应时间和输入数据标准反应时间,a1、a2和a3分别表示为输入数据在临时数据缓存空间完成缓存所用时间、输入数据所占内存和输入数据反应时间所占权重比例,a表示为输入指数参数数据误差,/>表示为修正因子。
进一步的,所述对预提取指数参数数据进行计算得到预提取指数具体计算过程为:将预提取数据进行编号,n0=1,2,...,n,n为预提取数据总数,获取预提取数据的数据内存大小、数据地址长度、前一半数据相似度、前一半数据相似度最大值、前一半数据相似度最小值、后一半数据相似度、后一半数据相似度最大值和后一半数据相似度最小值,获取预提取数据的目标数据内存大小、目标数据地址长度、前一半数据相似度标准值和后一半数据相似度标准值,获取预提取指数参数数据误差;根据预提取指数计算公式得到预提取指数λ,具体的预提取指数计算公式为:
其中,和H分别表示为第n0个预提取数据的数据内存大小和目标数据内存大小,和G分别表示为第n0个预提取数据的数据地址长度和目标数据地址长度,/>和V分别表示为第n0个预提取数据的前一半数据相似度、前一半数据相似度最大值、前一半数据相似度最小值和前一半数据相似度标准值,/>和Y分别表示为第n0个预提取数据的后一半数据相似度、后一半数据相似度最大值、后一半数据相似度最小值和后一半数据相似度标准值,w1、w2、w3和w4分别表示为数据内存大小、数据地址长度、前一半数据相似度和后一半数据相似度所占权重比例,w表示为预提取指数参数数据误差。
进一步的,所述对输出指数参数数据进行计算得到CPU云计算平台输出指数具体计算过程为:对CPU云计算平台进行多次输出反馈测试,将输出反馈测试次数进行编号,v0=1,2,...,v,v为输出反馈测试次数总数,获取CPU云计算平台的输出数据在临时数据缓存空间完成缓存所用时间、输出数据在临时数据缓存空间完成缓存所用时间最大值、输出数据在临时数据缓存空间完成缓存所用时间最小值、输出数据缺失值、输出数据缺失值最大值、输出数据缺失值最小值、输出数据所占内存、输出数据在临时数据缓存空间所占内存和输出数据反应时间,获取CPU云计算平台的输出数据完成缓存所用标准时间、输出数据标准缺失值和输出数据标准反应时间,获取输出指数参数数据误差;根据CPU云计算平台输出指数计算公式得到CPU云计算平台输出指数ι,具体的CPU云计算平台输出指数计算公式为:
其中,和I分别表示为CPU云计算平台进行第v0次输出反馈测试时的输出数据在临时数据缓存空间完成缓存所用时间、输出数据在临时数据缓存空间完成缓存所用时间最大值、输出数据在临时数据缓存空间完成缓存所用时间最小值和输出数据完成缓存所用标准时间,/>和J分别表示为CPU云计算平台进行第v0次输出反馈测试时的输出数据缺失值、输出数据缺失值最大值、输出数据缺失值最小值和输出数据标准缺失值,/>和B分别表示为CPU云计算平台进行第v0次输出反馈测试时的输出数据所占内存和输出数据在临时数据缓存空间所占内存,/>和U分别表示为CPU云计算平台进行第v0次输出反馈测试时的输出数据反应时间和输出数据标准反应时间,z1、z2、z3和z4分别表示为输出数据在临时数据缓存空间完成缓存所用时间、输出数据缺失值、输出数据所占内存和输出数据反应时间所占权重比例,z表示为输出指数参数数据误差,τ表示为修正因子。
进一步的,所述确保其处于正常范围具体过程为:获取CPU云计算平台可靠指数的最大值和最小值,当Q1≤η≤Q2时,其中,Q1和Q2分别表示为η的上界和下界,表示CPU云计算平台可靠指数处于正常范围,能参与后续计算,当CPU云计算平台可靠指数处于正常范围以外时,不能参与后续计算,重新获取可靠指数参数数据,直到CPU云计算平台可靠指数处于正常范围时停止执行;获取CPU云计算平台输入指数的最大值和最小值,当A1≤ι≤A2时,其中,A1和A2分别表示为ι的上界和下界,表示CPU云计算平台输入指数处于正常范围,能参与后续计算,当CPU云计算平台输入指数处于正常范围以外时,不能参与后续计算,重新获取输入指数参数数据,直到CPU云计算平台输入指数处于正常范围时停止执行;获取预提取指数的最大值和最小值,当E1≤λ≤E2时,其中,E1和E2分别表示为λ的上界和下界,表示预提取指数处于正常范围,能参与后续计算,当预提取指数处于正常范围以外时,不能参与后续计算,重新获取预提取指数参数数据,直到预提取指数处于正常范围时停止执行;获取CPU云计算平台输出指数的最大值和最小值,当R1≤κ≤R2时,其中,R1和R2分别表示为κ的上界和下界,表示CPU云计算平台输出指数处于正常范围,能参与后续计算,当CPU云计算平台输出指数处于正常范围以外时,不能参与后续计算,重新获取输出指数参数数据,直到CPU云计算平台输出指数处于正常范围时停止执行。
进一步的,所述对CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数进行计算得出数据IO加速指数具体计算过程为:获取CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数;根据数据IO加速指数计算公式得到数据IO加速指数θ,具体的数据IO加速指数计算公式为:其中η、ι、λ和κ分别表示为CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数,c1、c2、c3和c4分别表示为CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数所占权重比例,ρ表示为修正因子。
进一步的,所述根据数据IO加速指数分析数据IO加速效果具体过程为:当时,数据IO加速指数较小,数据IO加速效果较好,当/>时,数据IO加速指数较大,数据IO加速效果较差。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1、通过获取可靠指数参数数据、输入指数参数数据、预提取指数参数数据和输出指数参数数据,并进行计算得到CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数,从而对得到的指数数据进行计算得出数据IO加速指数,进而实现了根据数据IO加速指数分析数据IO加速效果,有效解决了现有技术中,数据输入输出速度慢导致云计算平台处理速度慢的问题。
2、通过对CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数进行检验,从而使得到的指数数据处于正常范围,进而实现了更加准确地计算数据IO加速指数。
3、通过从CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数四个方面计算数据IO加速指数并分析数据IO加速效果,从而更加全面地得到数据IO加速指数,达到较好的数据IO加速效果,进而实现了提高CPU云计算平台的数据传输效率和系统性能的效果。
附图说明
图1为本申请实施例提供的一种CPU云计算平台的数据IO加速方法流程图;
图2为本申请实施例提供的一种CPU云计算平台的数据IO加速方法的计算得出数据IO加速指数的结构图。
具体实施方式
本申请实施例通过提供一种CPU云计算平台的数据IO加速方法,解决了现有技术中,数据输入输出速度慢导致云计算平台处理速度慢的问题,通过获取可靠指数参数数据、输入指数参数数据、预提取指数参数数据和输出指数参数数据,并进行计算得到CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数,对得到的指数数据进行计算得出数据IO加速指数,根据数据IO加速指数分析数据IO加速效果,实现了提高CPU云计算平台的数据传输效率和系统性能。
本申请实施例中的技术方案为解决上述,数据输入输出速度慢导致云计算平台处理速度慢的问题,总体思路如下:
通过在CPU云计算平台上创建临时数据缓存空间;获取可靠指数参数数据、输入指数参数数据、预提取指数参数数据和输出指数参数数据,并进行计算得到CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数,对CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数进行检验,确保其处于正常范围;对得到的指数数据进行计算得出数据IO加速指数,根据数据IO加速指数分析数据IO加速效果,达到了提高CPU云计算平台的数据传输效率和系统性能的效果。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
如图1所示,为本申请实施例提供的一种CPU云计算平台的数据IO加速方法流程图,该方法包括以下步骤:对CPU云计算平台进行多次数据获取,并将可靠指数参数数据进行存储和记录,对获取的可靠指数参数数据进行计算得到CPU云计算平台可靠指数;在CPU云计算平台上创建临时数据缓存空间;将输入数据缓存在临时数据缓存空间,并获取输入指数参数数据,对输入指数参数数据进行计算得到CPU云计算平台输入指数;对输出数据进行预提取,并获取预提取指数参数数据,对预提取指数参数数据进行计算得到预提取指数;将输出数据在临时数据缓存空间进行缓存,并获取输出指数参数数据,对输出指数参数数据进行计算得到CPU云计算平台输出指数;对CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数进行检验,确保其处于正常范围;对CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数进行计算得出数据IO加速指数;根据数据IO加速指数分析数据IO加速效果。
进一步的,可靠指数参数数据包括:CPU云计算平台的等待响应时间、等待响应时间最大值、等待响应时间最小值、获取数据缺失值、获取数据时间、获取数据时间最大值和获取数据时间最小值;输入指数参数数据包括:CPU云计算平台的输入数据在临时数据缓存空间完成缓存所用时间、输入数据在临时数据缓存空间完成缓存所用时间最大值、输入数据在临时数据缓存空间完成缓存所用时间最小值、输入数据所占内存、输入数据在临时数据缓存空间所占内存和输入数据反应时间;预提取指数参数数据包括:预提取数据的数据内存大小、数据地址长度、前一半数据相似度、前一半数据相似度最大值、前一半数据相似度最小值、后一半数据相似度、后一半数据相似度最大值和后一半数据相似度最小值;输出指数参数数据包括:CPU云计算平台的输出数据在临时数据缓存空间完成缓存所用时间、输出数据在临时数据缓存空间完成缓存所用时间最大值、输出数据在临时数据缓存空间完成缓存所用时间最小值、输出数据缺失值、输出数据缺失值最大值、输出数据缺失值最小值、输出数据所占内存、输出数据在临时数据缓存空间所占内存和输出数据反应时间。
在本实施例中,对获取的可靠指数参数数据、输入指数参数数据、预提取指数参数数据和输出指数参数数据进行数据变换、数据集成和数据清洗,使得参数数据更加准确,有利于得到更加准确的计算结果。
进一步的,临时数据缓存空间用以进行缓存输入数据、缓存输出数据以及预提取操作。
在本实施例中,在临时数据缓存空间中对缓存输入数据、缓存输出数据以及预提取操作进行加速处理,使得数据输入输出速度加快。
进一步的,对获取的可靠指数参数数据进行计算得到CPU云计算平台可靠指数具体计算过程为:对CPU云计算平台进行多次数据获取,将数据获取次数进行编号,i0=1,2,...,i,i为数据获取次数总数,获取CPU云计算平台的等待响应时间、等待响应时间最大值、等待响应时间最小值、获取数据缺失值、获取数据时间、获取数据时间最大值和获取数据时间最小值,获取标准等待响应时间、标准获取数据缺失值和标准获取数据时间,获取可靠指数参数数据误差;根据CPU云计算平台可靠指数计算公式得到CPU云计算平台可靠指数η,具体的CPU云计算平台可靠指数计算公式为:其中,/>和P分别表示为CPU云计算平台进行第i0次数据获取时的等待响应时间、等待响应时间最大值、等待响应时间最小值和标准等待响应时间,/>和L分别表示为CPU云计算平台进行第i0次数据获取时的获取数据缺失值和标准获取数据缺失值,/>和M分别表示为CPU云计算平台进行第i0次数据获取时的获取数据时间、获取数据时间最大值、获取数据时间最小值和标准获取数据时间,q1、q2和q3分别表示为等待响应时间、获取数据缺失值和获取数据时间所占权重比例,q表示为可靠指数参数数据误差,σ表示为修正因子。
在本实施例中,通过对CPU云计算平台的等待响应时间、获取数据缺失值和获取数据时间等进行数据采集、数据存储和数据转换,使得可靠指数参数数据更加准确,有利于更加精确地计算CPU云计算平台可靠指数。
进一步的,对输入指数参数数据进行计算得到CPU云计算平台输入指数具体计算过程为:对CPU云计算平台进行多次输入反馈测试,将输入反馈测试次数进行编号,u0=1,2,...,u,u为输入反馈测试次数总数,获取CPU云计算平台的输入数据在临时数据缓存空间完成缓存所用时间、输入数据在临时数据缓存空间完成缓存所用时间最大值、输入数据在临时数据缓存空间完成缓存所用时间最小值、输入数据所占内存、输入数据在临时数据缓存空间所占内存和输入数据反应时间,获取CPU云计算平台的输入数据完成缓存所用标准时间和输入数据标准反应时间,获取输入指数参数数据误差;根据CPU云计算平台输入指数计算公式得到CPU云计算平台输入指数ι,具体的CPU云计算平台输入指数计算公式为:
其中,和O分别表示为CPU云计算平台进行第u0次输入反馈测试时的输入数据在临时数据缓存空间完成缓存所用时间、输入数据在临时数据缓存空间完成缓存所用时间最大值、输入数据在临时数据缓存空间完成缓存所用时间最小值和输入数据完成缓存所用标准时间,/>和K分别表示为CPU云计算平台进行第u0次输入反馈测试时的输入数据所占内存和输入数据在临时数据缓存空间所占内存,/>和N分别表示为CPU云计算平台进行第u0次输入反馈测试时的输入数据反应时间和输入数据标准反应时间,a1、a2和a3分别表示为输入数据在临时数据缓存空间完成缓存所用时间、输入数据所占内存和输入数据反应时间所占权重比例,a表示为输入指数参数数据误差,/>表示为修正因子。
在本实施例中,通过对CPU云计算平台的输入数据在临时数据缓存空间完成缓存所用时间、输入数据所占内存、输入数据在临时数据缓存空间所占内存和输入数据反应时间进行数据变换、数据选取和预处理,使得输入指数参数数据更加完整,使得CPU云计算平台输入指数更加准确。
进一步的,对预提取指数参数数据进行计算得到预提取指数具体计算过程为:将预提取数据进行编号,n0=1,2,...,n,n为预提取数据总数,获取预提取数据的数据内存大小、数据地址长度、前一半数据相似度、前一半数据相似度最大值、前一半数据相似度最小值、后一半数据相似度、后一半数据相似度最大值和后一半数据相似度最小值,获取预提取数据的目标数据内存大小、目标数据地址长度、前一半数据相似度标准值和后一半数据相似度标准值,获取预提取指数参数数据误差;根据预提取指数计算公式得到预提取指数λ,具体的预提取指数计算公式为:
其中,和H分别表示为第n0个预提取数据的数据内存大小和目标数据内存大小,和G分别表示为第n0个预提取数据的数据地址长度和目标数据地址长度,和V分别表示为第n0个预提取数据的前一半数据相似度、前一半数据相似度最大值、前一半数据相似度最小值和前一半数据相似度标准值,/>和Y分别表示为第n0个预提取数据的后一半数据相似度、后一半数据相似度最大值、后一半数据相似度最小值和后一半数据相似度标准值,w1、w2、w3和w4分别表示为数据内存大小、数据地址长度、前一半数据相似度和后一半数据相似度所占权重比例,w表示为预提取指数参数数据误差。
在本实施例中,通过对预提取数据的数据内存大小、数据地址长度、前一半数据相似度和后一半数据相似度进行数据计算、数据转换和数据集成,使得预提取指数参数数据更加精确完整,有利于得到更加精准的预提取指数。
进一步的,对输出指数参数数据进行计算得到CPU云计算平台输出指数具体计算过程为:对CPU云计算平台进行多次输出反馈测试,将输出反馈测试次数进行编号,v0=1,2,...,v,v为输出反馈测试次数总数,获取CPU云计算平台的输出数据在临时数据缓存空间完成缓存所用时间、输出数据在临时数据缓存空间完成缓存所用时间最大值、输出数据在临时数据缓存空间完成缓存所用时间最小值、输出数据缺失值、输出数据缺失值最大值、输出数据缺失值最小值、输出数据所占内存、输出数据在临时数据缓存空间所占内存和输出数据反应时间,获取CPU云计算平台的输出数据完成缓存所用标准时间、输出数据标准缺失值和输出数据标准反应时间,获取输出指数参数数据误差;根据CPU云计算平台输出指数计算公式得到CPU云计算平台输出指数ι,具体的CPU云计算平台输出指数计算公式为:
其中,和I分别表示为CPU云计算平台进行第v0次输出反馈测试时的输出数据在临时数据缓存空间完成缓存所用时间、输出数据在临时数据缓存空间完成缓存所用时间最大值、输出数据在临时数据缓存空间完成缓存所用时间最小值和输出数据完成缓存所用标准时间,/>和J分别表示为CPU云计算平台进行第v0次输出反馈测试时的输出数据缺失值、输出数据缺失值最大值、输出数据缺失值最小值和输出数据标准缺失值,/>和B分别表示为CPU云计算平台进行第v0次输出反馈测试时的输出数据所占内存和输出数据在临时数据缓存空间所占内存,/>和U分别表示为CPU云计算平台进行第v0次输出反馈测试时的输出数据反应时间和输出数据标准反应时间,z1、z2、z3和z4分别表示为输出数据在临时数据缓存空间完成缓存所用时间、输出数据缺失值、输出数据所占内存和输出数据反应时间所占权重比例,z表示为输出指数参数数据误差,τ表示为修正因子。
在本实施例中,通过对CPU云计算平台的输出数据在临时数据缓存空间完成缓存所用时间、输出数据缺失值、输出数据所占内存、输出数据在临时数据缓存空间所占内存和输出数据反应时间进行数据清洗、数据转换和预处理,使得输出指数参数数据更加完整,有利于更加准确地计算CPU云计算平台输出指数。
进一步的,确保其处于正常范围具体过程为:获取CPU云计算平台可靠指数的最大值和最小值,当Q1≤η≤Q2时,其中,Q1和Q2分别表示为η的上界和下界,表示CPU云计算平台可靠指数处于正常范围,能参与后续计算,当CPU云计算平台可靠指数处于正常范围以外时,不能参与后续计算,重新获取可靠指数参数数据,直到CPU云计算平台可靠指数处于正常范围时停止执行;获取CPU云计算平台输入指数的最大值和最小值,当A1≤ι≤A2时,其中,A1和A2分别表示为ι的上界和下界,表示CPU云计算平台输入指数处于正常范围,能参与后续计算,当CPU云计算平台输入指数处于正常范围以外时,不能参与后续计算,重新获取输入指数参数数据,直到CPU云计算平台输入指数处于正常范围时停止执行;获取预提取指数的最大值和最小值,当E1≤λ≤E2时,其中,E1和E2分别表示为λ的上界和下界,表示预提取指数处于正常范围,能参与后续计算,当预提取指数处于正常范围以外时,不能参与后续计算,重新获取预提取指数参数数据,直到预提取指数处于正常范围时停止执行;获取CPU云计算平台输出指数的最大值和最小值,当R1≤κ≤R2时,其中,R1和R2分别表示为κ的上界和下界,表示CPU云计算平台输出指数处于正常范围,能参与后续计算,当CPU云计算平台输出指数处于正常范围以外时,不能参与后续计算,重新获取输出指数参数数据,直到CPU云计算平台输出指数处于正常范围时停止执行。
在本实施例中,获取CPU云计算平台可靠指数的最大值和最小值,当Q1≤η≤Q2时,其中,Q1和Q2分别表示为η的上界和下界,Q1=0.8×ηmin,Q2=1.2×ηmax,ηmin和ηmax分别表示为CPU云计算平台可靠指数的最小值和最大值;获取CPU云计算平台输入指数的最大值和最小值,当A1≤ι≤A2时,其中,A1和A2分别表示为ι的上界和下界,A1=0.8×ιmin,A2=1.2×ιmax,ιmin和ιmax分别表示为CPU云计算平台输入指数的最小值和最大值;获取预提取指数的最大值和最小值,当E1≤λ≤E2时,其中,E1和E2分别表示为λ的上界和下界,E1=0.8×λmin,E2=1.2×λmax,λmin和λmax分别表示为预提取指数的最小值和最大值;获取CPU云计算平台输出指数的最大值和最小值,当R1≤κ≤R2时,其中,R1和R2分别表示为κ的上界和下界,R1=0.8×κmin,R2=1.2×κmax,κmin和κmax分别表示为预提取指数的最小值和最大值。
进一步的,对CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数进行计算得出数据IO加速指数具体计算过程为:获取CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数;根据数据IO加速指数计算公式得到数据IO加速指数θ,具体的数据IO加速指数计算公式为:其中η、ι、λ和κ分别表示为CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数,c1、c2、c3和c4分别表示为CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数所占权重比例,ρ表示为修正因子。
在本实施例中,如图2所示,为本申请实施例提供的一种CPU云计算平台的数据IO加速方法的计算得出数据IO加速指数的结构图,通过从CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数四个角度对数据IO加速指数进行计算,有利于更加准确地得出数据IO加速指数。
进一步的,根据数据IO加速指数分析数据IO加速效果具体过程为:当时,数据IO加速指数较小,数据IO加速效果较好,当/>时,数据IO加速指数较大,数据IO加速效果较差。
在本实施例中,当/>时,数据IO加速指数较小,数据IO加速效果较好,当/>时,数据IO加速指数较大,数据IO加速效果较差。
上述本申请实施例中的技术方案,至少具有如下的技术效果或优点:相对于公告号为:CN104881248B的发明专利公告的一种面向SSD的文件系统中自适应直接IO加速方法,本申请实施例通过对CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数进行检验,从而使得到的指数数据处于正常范围,进而实现了更加准确地计算数据IO加速指数;相对于公告号为:CN109343789B的发明专利公告的一种基于IO场景识别的读加速方法,本申请实施例通过根据数据IO加速指数分析数据IO加速效果,从而达到较好的数据IO加速效果,进而实现了提高CPU云计算平台的数据传输效率和系统性能的效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种CPU云计算平台的数据IO加速方法,其特征在于,包括以下步骤:
对CPU云计算平台进行多次数据获取,并将可靠指数参数数据进行存储和记录,对获取的可靠指数参数数据进行计算得到CPU云计算平台可靠指数;
在CPU云计算平台上创建临时数据缓存空间;
将输入数据缓存在临时数据缓存空间,并获取输入指数参数数据,对输入指数参数数据进行计算得到CPU云计算平台输入指数;
对输出数据进行预提取,并获取预提取指数参数数据,对预提取指数参数数据进行计算得到预提取指数;
将输出数据在临时数据缓存空间进行缓存,并获取输出指数参数数据,对输出指数参数数据进行计算得到CPU云计算平台输出指数;
对CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数进行检验,确保其处于正常范围;
对CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数进行计算得出数据IO加速指数;
根据数据IO加速指数分析数据IO加速效果。
2.如权利要求1所述一种CPU云计算平台的数据IO加速方法,其特征在于,所述可靠指数参数数据包括:CPU云计算平台的等待响应时间、等待响应时间最大值、等待响应时间最小值、获取数据缺失值、获取数据时间、获取数据时间最大值和获取数据时间最小值;
所述输入指数参数数据包括:CPU云计算平台的输入数据在临时数据缓存空间完成缓存所用时间、输入数据在临时数据缓存空间完成缓存所用时间最大值、输入数据在临时数据缓存空间完成缓存所用时间最小值、输入数据所占内存、输入数据在临时数据缓存空间所占内存和输入数据反应时间;
所述预提取指数参数数据包括:预提取数据的数据内存大小、数据地址长度、前一半数据相似度、前一半数据相似度最大值、前一半数据相似度最小值、后一半数据相似度、后一半数据相似度最大值和后一半数据相似度最小值;
所述输出指数参数数据包括:CPU云计算平台的输出数据在临时数据缓存空间完成缓存所用时间、输出数据在临时数据缓存空间完成缓存所用时间最大值、输出数据在临时数据缓存空间完成缓存所用时间最小值、输出数据缺失值、输出数据缺失值最大值、输出数据缺失值最小值、输出数据所占内存、输出数据在临时数据缓存空间所占内存和输出数据反应时间。
3.如权利要求2所述一种CPU云计算平台的数据IO加速方法,其特征在于,所述临时数据缓存空间用以进行缓存输入数据、缓存输出数据以及预提取操作。
4.如权利要求3所述一种CPU云计算平台的数据IO加速方法,其特征在于,所述对获取的可靠指数参数数据进行计算得到CPU云计算平台可靠指数具体计算过程为:
对CPU云计算平台进行多次数据获取,将数据获取次数进行编号,i0=1,2,...,i,i为数据获取次数总数,获取CPU云计算平台的等待响应时间、等待响应时间最大值、等待响应时间最小值、获取数据缺失值、获取数据时间、获取数据时间最大值和获取数据时间最小值,获取标准等待响应时间、标准获取数据缺失值和标准获取数据时间,获取可靠指数参数数据误差;
根据CPU云计算平台可靠指数计算公式得到CPU云计算平台可靠指数η,具体的CPU云计算平台可靠指数计算公式为:其中,/>和P分别表示为CPU云计算平台进行第i0次数据获取时的等待响应时间、等待响应时间最大值、等待响应时间最小值和标准等待响应时间,/>和L分别表示为CPU云计算平台进行第i0次数据获取时的获取数据缺失值和标准获取数据缺失值,/>和M分别表示为CPU云计算平台进行第i0次数据获取时的获取数据时间、获取数据时间最大值、获取数据时间最小值和标准获取数据时间,q1、q2和q3分别表示为等待响应时间、获取数据缺失值和获取数据时间所占权重比例,q表示为可靠指数参数数据误差,σ表示为修正因子。
5.如权利要求4所述一种CPU云计算平台的数据IO加速方法,其特征在于,所述对输入指数参数数据进行计算得到CPU云计算平台输入指数具体计算过程为:
对CPU云计算平台进行多次输入反馈测试,将输入反馈测试次数进行编号,u0=1,2,...,u,u为输入反馈测试次数总数,获取CPU云计算平台的输入数据在临时数据缓存空间完成缓存所用时间、输入数据在临时数据缓存空间完成缓存所用时间最大值、输入数据在临时数据缓存空间完成缓存所用时间最小值、输入数据所占内存、输入数据在临时数据缓存空间所占内存和输入数据反应时间,获取CPU云计算平台的输入数据完成缓存所用标准时间和输入数据标准反应时间,获取输入指数参数数据误差;
根据CPU云计算平台输入指数计算公式得到CPU云计算平台输入指数ι,具体的CPU云计算平台输入指数计算公式为:
其中,和O分别表示为CPU云计算平台进行第u0次输入反馈测试时的输入数据在临时数据缓存空间完成缓存所用时间、输入数据在临时数据缓存空间完成缓存所用时间最大值、输入数据在临时数据缓存空间完成缓存所用时间最小值和输入数据完成缓存所用标准时间,/>和K分别表示为CPU云计算平台进行第u0次输入反馈测试时的输入数据所占内存和输入数据在临时数据缓存空间所占内存,/>和N分别表示为CPU云计算平台进行第u0次输入反馈测试时的输入数据反应时间和输入数据标准反应时间,a1、a2和a3分别表示为输入数据在临时数据缓存空间完成缓存所用时间、输入数据所占内存和输入数据反应时间所占权重比例,a表示为输入指数参数数据误差,/>表示为修正因子。
6.如权利要求5所述一种CPU云计算平台的数据IO加速方法,其特征在于,所述对预提取指数参数数据进行计算得到预提取指数具体计算过程为:
将预提取数据进行编号,n0=1,2,...,n,n为预提取数据总数,获取预提取数据的数据内存大小、数据地址长度、前一半数据相似度、前一半数据相似度最大值、前一半数据相似度最小值、后一半数据相似度、后一半数据相似度最大值和后一半数据相似度最小值,获取预提取数据的目标数据内存大小、目标数据地址长度、前一半数据相似度标准值和后一半数据相似度标准值,获取预提取指数参数数据误差;
根据预提取指数计算公式得到预提取指数λ,具体的预提取指数计算公式为:
其中,和H分别表示为第n0个预提取数据的数据内存大小和目标数据内存大小,/>和G分别表示为第n0个预提取数据的数据地址长度和目标数据地址长度,/>和V分别表示为第n0个预提取数据的前一半数据相似度、前一半数据相似度最大值、前一半数据相似度最小值和前一半数据相似度标准值,/>和Y分别表示为第n0个预提取数据的后一半数据相似度、后一半数据相似度最大值、后一半数据相似度最小值和后一半数据相似度标准值,w1、w2、w3和w4分别表示为数据内存大小、数据地址长度、前一半数据相似度和后一半数据相似度所占权重比例,w表示为预提取指数参数数据误差。
7.如权利要求6所述一种CPU云计算平台的数据IO加速方法,其特征在于,所述对输出指数参数数据进行计算得到CPU云计算平台输出指数具体计算过程为:
对CPU云计算平台进行多次输出反馈测试,将输出反馈测试次数进行编号,v0=1,2,...,v,v为输出反馈测试次数总数,获取CPU云计算平台的输出数据在临时数据缓存空间完成缓存所用时间、输出数据在临时数据缓存空间完成缓存所用时间最大值、输出数据在临时数据缓存空间完成缓存所用时间最小值、输出数据缺失值、输出数据缺失值最大值、输出数据缺失值最小值、输出数据所占内存、输出数据在临时数据缓存空间所占内存和输出数据反应时间,获取CPU云计算平台的输出数据完成缓存所用标准时间、输出数据标准缺失值和输出数据标准反应时间,获取输出指数参数数据误差;
根据CPU云计算平台输出指数计算公式得到CPU云计算平台输出指数ι,具体的CPU云计算平台输出指数计算公式为:
其中,和I分别表示为CPU云计算平台进行第v0次输出反馈测试时的输出数据在临时数据缓存空间完成缓存所用时间、输出数据在临时数据缓存空间完成缓存所用时间最大值、输出数据在临时数据缓存空间完成缓存所用时间最小值和输出数据完成缓存所用标准时间,/>和J分别表示为CPU云计算平台进行第v0次输出反馈测试时的输出数据缺失值、输出数据缺失值最大值、输出数据缺失值最小值和输出数据标准缺失值,和B分别表示为CPU云计算平台进行第v0次输出反馈测试时的输出数据所占内存和输出数据在临时数据缓存空间所占内存,/>和U分别表示为CPU云计算平台进行第v0次输出反馈测试时的输出数据反应时间和输出数据标准反应时间,z1、z2、z3和z4分别表示为输出数据在临时数据缓存空间完成缓存所用时间、输出数据缺失值、输出数据所占内存和输出数据反应时间所占权重比例,z表示为输出指数参数数据误差,τ表示为修正因子。
8.如权利要求7所述一种CPU云计算平台的数据IO加速方法,其特征在于,所述确保其处于正常范围具体过程为:
获取CPU云计算平台可靠指数的最大值和最小值,当Q1≤η≤Q2时,其中,Q1和Q2分别表示为η的上界和下界,表示CPU云计算平台可靠指数处于正常范围,能参与后续计算,当CPU云计算平台可靠指数处于正常范围以外时,不能参与后续计算,重新获取可靠指数参数数据,直到CPU云计算平台可靠指数处于正常范围时停止执行;
获取CPU云计算平台输入指数的最大值和最小值,当A1≤ι≤A2时,其中,A1和A2分别表示为ι的上界和下界,表示CPU云计算平台输入指数处于正常范围,能参与后续计算,当CPU云计算平台输入指数处于正常范围以外时,不能参与后续计算,重新获取输入指数参数数据,直到CPU云计算平台输入指数处于正常范围时停止执行;
获取预提取指数的最大值和最小值,当E1≤λ≤E2时,其中,E1和E2分别表示为λ的上界和下界,表示预提取指数处于正常范围,能参与后续计算,当预提取指数处于正常范围以外时,不能参与后续计算,重新获取预提取指数参数数据,直到预提取指数处于正常范围时停止执行;
获取CPU云计算平台输出指数的最大值和最小值,当R1≤κ≤R2时,其中,R1和R2分别表示为κ的上界和下界,表示CPU云计算平台输出指数处于正常范围,能参与后续计算,当CPU云计算平台输出指数处于正常范围以外时,不能参与后续计算,重新获取输出指数参数数据,直到CPU云计算平台输出指数处于正常范围时停止执行。
9.如权利要求8所述一种CPU云计算平台的数据IO加速方法,其特征在于,所述对CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数进行计算得出数据IO加速指数具体计算过程为:
获取CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数;
根据数据IO加速指数计算公式得到数据IO加速指数θ,具体的数据IO加速指数计算公式为:其中η、ι、λ和κ分别表示为CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数,c1、c2、c3和c4分别表示为CPU云计算平台可靠指数、CPU云计算平台输入指数、预提取指数和CPU云计算平台输出指数所占权重比例,ρ表示为修正因子。
10.如权利要求9所述一种CPU云计算平台的数据IO加速方法,其特征在于,所述根据数据IO加速指数分析数据IO加速效果具体过程为:
当时,数据IO加速指数较小,数据IO加速效果较好,当/>时,数据IO加速指数较大,数据IO加速效果较差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311713320.7A CN117666963B (zh) | 2023-12-13 | 2023-12-13 | 一种cpu云计算平台的数据io加速方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311713320.7A CN117666963B (zh) | 2023-12-13 | 2023-12-13 | 一种cpu云计算平台的数据io加速方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117666963A true CN117666963A (zh) | 2024-03-08 |
CN117666963B CN117666963B (zh) | 2024-07-19 |
Family
ID=90082463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311713320.7A Active CN117666963B (zh) | 2023-12-13 | 2023-12-13 | 一种cpu云计算平台的数据io加速方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117666963B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678573A (zh) * | 2013-12-09 | 2014-03-26 | 浪潮(北京)电子信息产业有限公司 | 一种实现缓存加速的方法及系统 |
CN104407811A (zh) * | 2014-11-12 | 2015-03-11 | 珠海世纪鼎利通信科技股份有限公司 | 一种基于云计算的合并io装置 |
SG11201708947RA (en) * | 2016-03-15 | 2017-11-29 | Ping An Technology Shenzhen Co Ltd | Method, apparatus, server and storage medium of erasing cloud host in cloud-computing environment |
WO2020029328A1 (zh) * | 2018-08-09 | 2020-02-13 | 网宿科技股份有限公司 | 缓存服务器的io性能评估方法和装置 |
CN111651357A (zh) * | 2020-06-03 | 2020-09-11 | 厦门力含信息技术服务有限公司 | 一种基于云计算的软件自动化测试方法 |
CN111813713A (zh) * | 2020-09-08 | 2020-10-23 | 苏州浪潮智能科技有限公司 | 数据加速运算处理方法、装置及计算机可读存储介质 |
CN112068938A (zh) * | 2020-08-21 | 2020-12-11 | 苏州浪潮智能科技有限公司 | 一种混合cpu架构云平台在线函数服务实现方法及系统 |
CN113934677A (zh) * | 2020-07-13 | 2022-01-14 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、电子设备和存储介质 |
CN114020406A (zh) * | 2021-10-28 | 2022-02-08 | 郑州云海信息技术有限公司 | 一种云平台加速虚拟机i/o的方法、装置及系统 |
CN114647387A (zh) * | 2022-05-23 | 2022-06-21 | 南京道成网络科技有限公司 | 一种适用于云端存储的缓存优化方法 |
CN115858409A (zh) * | 2021-09-23 | 2023-03-28 | 华为技术有限公司 | 一种数据预取方法、计算节点和存储系统 |
CN116302509A (zh) * | 2023-02-21 | 2023-06-23 | 中船(浙江)海洋科技有限公司 | 一种基于CNN-Transformer的云服务器动态负载优化方法及装置 |
CN116303132A (zh) * | 2023-03-10 | 2023-06-23 | 曙光信息产业(北京)有限公司 | 一种数据缓存方法、装置、设备以及存储介质 |
US11704535B1 (en) * | 2019-05-17 | 2023-07-18 | Xilinx, Inc. | Hardware architecture for a neural network accelerator |
-
2023
- 2023-12-13 CN CN202311713320.7A patent/CN117666963B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678573A (zh) * | 2013-12-09 | 2014-03-26 | 浪潮(北京)电子信息产业有限公司 | 一种实现缓存加速的方法及系统 |
CN104407811A (zh) * | 2014-11-12 | 2015-03-11 | 珠海世纪鼎利通信科技股份有限公司 | 一种基于云计算的合并io装置 |
SG11201708947RA (en) * | 2016-03-15 | 2017-11-29 | Ping An Technology Shenzhen Co Ltd | Method, apparatus, server and storage medium of erasing cloud host in cloud-computing environment |
WO2020029328A1 (zh) * | 2018-08-09 | 2020-02-13 | 网宿科技股份有限公司 | 缓存服务器的io性能评估方法和装置 |
US11704535B1 (en) * | 2019-05-17 | 2023-07-18 | Xilinx, Inc. | Hardware architecture for a neural network accelerator |
CN111651357A (zh) * | 2020-06-03 | 2020-09-11 | 厦门力含信息技术服务有限公司 | 一种基于云计算的软件自动化测试方法 |
CN113934677A (zh) * | 2020-07-13 | 2022-01-14 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、电子设备和存储介质 |
CN112068938A (zh) * | 2020-08-21 | 2020-12-11 | 苏州浪潮智能科技有限公司 | 一种混合cpu架构云平台在线函数服务实现方法及系统 |
CN111813713A (zh) * | 2020-09-08 | 2020-10-23 | 苏州浪潮智能科技有限公司 | 数据加速运算处理方法、装置及计算机可读存储介质 |
CN115858409A (zh) * | 2021-09-23 | 2023-03-28 | 华为技术有限公司 | 一种数据预取方法、计算节点和存储系统 |
CN114020406A (zh) * | 2021-10-28 | 2022-02-08 | 郑州云海信息技术有限公司 | 一种云平台加速虚拟机i/o的方法、装置及系统 |
CN114647387A (zh) * | 2022-05-23 | 2022-06-21 | 南京道成网络科技有限公司 | 一种适用于云端存储的缓存优化方法 |
CN116302509A (zh) * | 2023-02-21 | 2023-06-23 | 中船(浙江)海洋科技有限公司 | 一种基于CNN-Transformer的云服务器动态负载优化方法及装置 |
CN116303132A (zh) * | 2023-03-10 | 2023-06-23 | 曙光信息产业(北京)有限公司 | 一种数据缓存方法、装置、设备以及存储介质 |
Non-Patent Citations (1)
Title |
---|
杨艳;: "云计算平台的性能评测模型方法研究", 中小企业管理与科技(下旬刊), no. 02, 25 February 2013 (2013-02-25) * |
Also Published As
Publication number | Publication date |
---|---|
CN117666963B (zh) | 2024-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10884744B2 (en) | System and method of loop vectorization by compressing indices and data elements from iterations based on a control mask | |
CN109840589A (zh) | 一种在fpga上运行卷积神经网络的方法、装置及系统 | |
CN112256599A (zh) | 一种数据预取方法、装置及存储设备 | |
CN113723618A (zh) | 一种shap的优化方法、设备及介质 | |
CN110110849B (zh) | 基于图分割的行固定数据流映射方法 | |
CN111552652B (zh) | 基于人工智能芯片的数据处理方法、装置和存储介质 | |
CN113012689B (zh) | 一种电子设备和深度学习硬件加速方法 | |
CN113299298B (zh) | 残差单元及网络及目标识别方法及系统及装置及介质 | |
CN117666963B (zh) | 一种cpu云计算平台的数据io加速方法 | |
CN117785449A (zh) | 一种序列随机性检测方法及装置 | |
CN115237355B (zh) | 一种基于闪存数据类识别的定向交换方法及系统 | |
CN117251275A (zh) | 多应用异步i/o请求的调度方法及系统、设备及介质 | |
US20160357655A1 (en) | Performance information generating method, information processing apparatus and computer-readable storage medium storing performance information generation program | |
CN110751400A (zh) | 一种风险评估方法及装置 | |
CN111860781B (zh) | 基于fpga实现的卷积神经网络特征解码系统 | |
CN111899729B (zh) | 一种语音模型的训练方法、装置、服务器和存储介质 | |
CN108846248B (zh) | 一种应用建模及性能预测方法 | |
CN114420209A (zh) | 基于测序数据的病原微生物检测方法及系统 | |
CN111582444A (zh) | 一种矩阵数据的处理、装置、电子设备及存储介质 | |
CN111326216B (zh) | 一种针对大数据基因测序文件的快速划分方法 | |
CN114281554B (zh) | 用于3d图像处理的3d-cnn加速方法及装置、电子设备 | |
CN112612415B (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
US11126532B1 (en) | Method and apparatus for a parallel, metadata-based trace analytics processor | |
CN116860761B (zh) | 一种数据获取方法、电子设备及存储介质 | |
CN117852655B (zh) | 利用大模型进行推理的方法和电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |