CN118018592A - 一种国产信创平台、系统及应用方法 - Google Patents

一种国产信创平台、系统及应用方法 Download PDF

Info

Publication number
CN118018592A
CN118018592A CN202410187200.6A CN202410187200A CN118018592A CN 118018592 A CN118018592 A CN 118018592A CN 202410187200 A CN202410187200 A CN 202410187200A CN 118018592 A CN118018592 A CN 118018592A
Authority
CN
China
Prior art keywords
communication
vector
node
sub
nodes
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202410187200.6A
Other languages
English (en)
Inventor
闫晓敏
肖浩
张健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xinjiang Zhongke Suguang Cloud Computing Co ltd
Original Assignee
Xinjiang Zhongke Suguang Cloud Computing Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xinjiang Zhongke Suguang Cloud Computing Co ltd filed Critical Xinjiang Zhongke Suguang Cloud Computing Co ltd
Priority to CN202410187200.6A priority Critical patent/CN118018592A/zh
Publication of CN118018592A publication Critical patent/CN118018592A/zh
Pending legal-status Critical Current

Links

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
    • H04L67/2866—Architectures; Arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • 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
    • 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
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Optimization (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Algebra (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明涉及云平台技术领域，公开了一种国产信创平台、系统及应用方法，包括：节点管理单元，其用于管理云服务器节点；节点信息获取模块，其用于获取节点的当前的子通信域信息，并生成当前的通信向量；通信分配初始化模块，其基于当前的通信向量来随机化的生成N个预测通信向量；通信分配执行模块，其用于将通信向量集合输入优化模型中，输出最终通信向量；根据最终通信向量进行解码来获取节点对应需要分配的子通信域的编码，根据解码的结果来对节点的子通信域进行变更；本发明能够完成国产信创云平台上的通信域分配任务，在国产信创云平台上构建了稳定的分布式计算的基础。

Description

一种国产信创平台、系统及应用方法
技术领域
本发明涉及云平台技术领域，更具体地说，它涉及一种国产信创平台、系统及应用方法。
背景技术
作为信创产业发展的重要环节，云平台技术也长年被国外技术所垄断，最为典型的就是云计算基础系统软件主要包括服务器操作系统、虚拟化软件和云资源管理软件等
云资源管理软件运行于服务器操作系统之上，通常用来管理多台服务器上的虚拟机或容器资源。基于硬件级虚拟化的代表性资源管理软件为Open Stack。Open Stack系统及其演变版本目前被广泛应用在各行各业，包括私有云、公共云、混合云。基于操作系统级虚拟化的代表性资源管理软件为Kubernetes。
Kubernetes是Google开源的一个容器编排引擎，它支持自动化部署、大规模可伸缩、应用容器化管理。信创云作为信创产业重要环节，涉及了信创产业中从底层硬件到上层应用软件的各层级产品，均要求实现自主可控，其技术难度大，要求水平高。在信创领域随着云平台的推广和使用，正在逐步替代传统架构的信息系统和以VMWare为代表的国外云平台产品，但这种替代一般是分步进行的，导致信息系统中存在大量不同厂商的产品需要管理。目前的混合云管理平台在分布式计算上存在节点间通信延迟不稳定的问题，影响分布式计算的执行效果。
发明内容
本发明提供一种国产信创平台、系统及应用方法，解决相关技术中混合云管理平台在分布式计算上存在节点间通信延迟不稳定的问题，影响分布式计算的执行效果的技术问题。
本发明提供了一种国产信创平台，包括：
节点管理单元，其用于管理云服务器节点；
节点信息获取模块，其用于获取节点的当前的子通信域信息，并生成当前的通信向量；
通信向量的第i个分量表示第i个节点的子通信域信息；
通信分配初始化模块，其基于当前的通信向量来随机化的生成N个预测通信向量，随机化的方法是随机选择M个当前的通信向量的分量来替换为随机生成的随机数；
通信分配执行模块，其用于将通信向量集合输入优化模型中，输出最终通信向量，通信向量集合中包括当前的通信向量和预测通信向量；
根据最终通信向量进行解码来获取节点对应需要分配的子通信域的编码，根据解码的结果来对节点的子通信域进行变更。
进一步地，通信向量的分量的值域是子通信域的编码集合。
进一步地，随机化的生成预测通信向量需要满足以下约束条件：
随机数的值域与通信向量的分量的值域相同；
随机数与替换的通信向量的分量的差值小于设定的第一阈值。
进一步地，优化模型的计算公式如下：
步骤101，初始化t＝1；
步骤102，计算：
A＝2a·r1-a
C＝2r2
a＝2-2t/Tmax
Tmax表示迭代终止局数，t≤Tmax，r1和r2为[0,1]区间上的随机数；
步骤103，更新通信向量：
当|A|＞1时；
xi(t+1)＝xrand(t)-A·D1
D1＝|C·xrand(t)-xi(t)|
xrand(t)表示第t次更新的随机的一个通信向量，xi(t+1)表示第t+1次更新的第i个通信向量，xrand表示随机的一个通信向量，xj表示第i个通信向量，D1表示xrand与xi之间的第一距离，||表示二阶的闵可夫斯基距离；
当|A|≤1时；
其中p为[0,1]区间上的随机数，b为螺旋方程的常量系数，取值为1，l为[-1,1]区间内的随机数；
D2＝|C·x*(t)-xi(t)|
D2表示x*与xi之间的第二距离，||表示二阶的闵可夫斯基距离；
当|A|＝0时进入下一步骤；
x*表示评分最高的一个通信向量；
步骤104，将最后一次更新的评分最高的一个通信向量作为最终通信向量，根据最终通信向量进行解码来获取节点对应需要分配的子通信域的编码，根据解码的结果来对节点的子通信域进行变更。
进一步地，评分的计算公式如下：
其中P为第c个子通信域的节点的总数量，tc,p,j表示第c个子通信域的第P个节点在预定的第j个问题执行时的计算时间，sc,p,j表示第c个子通信域的第P个节点在预定的第j个问题执行时的额外开销时间，G表示预定的问题的总数，R表示子通信域的总数。
进一步地，还包括：
异常检测模块，其用于检测发生异常的节点；
异常分析模块，其用于分析发生异常的节点的异常类型。
进一步地，异常分析模块分析发生异常的节点的异常类型的过程包括：
为节点生成节点特征；
节点特征的生成方式包括独热编码等方式，或者是基于节点所执行的计算任务的文本描述来编码生成的；
将节点特征输入分析模型中，分析模型的计算公式如下：
Y＝σ(W4C+b2)
其中Y表示输出向量，表示第k个并行通信域的第i个节点的编码特征，/>和分别表示第k个并行通信域的第i个和第j个节点的表征特征，/>W1、W2、W3、W4表示可训练的权重参数，/>表示第k个子通信域中与第i个节点存在通信关系的节点的集合；其中Q(k)和Q(h)分别表示发生异常的节点在第k个和第h个子通信域的编码特征，E表示发生异常的节点的表征特征，b1和b2表示第二偏置参数；
输出向量的一个分量对应表示一个发生异常的节点的网络异常原因类型，输出向量最大的分量表示的发生异常的节点的网络异常原因类型作为输出的结果。
进一步地，σ表示singmoid函数。
本发明提供一种国产信创平台的应用方法，应用前述的国产信创平台执行以下方法，包括以下步骤：
步骤201，获取节点的当前的子通信域信息，并生成当前的通信向量；
步骤202，基于当前的通信向量来随机化的生成N个预测通信向量，随机化的方法是随机选择M个当前的通信向量的分量来替换为随机生成的随机数；
步骤203，将通信向量集合输入优化模型中，通信向量集合中包括当前的通信向量和预测通信向量，输出最终通信向量；
步骤204，根据最终通信向量进行解码来获取节点对应需要分配的子通信域的编码，根据解码的结果来对节点的子通信域进行变更。
本发明提供一种国产信创系统，其包括一个以上的计算机实体，并包含能够执行程序的计算机系统，能够用于承载运行前述的国产信创平台。
本发明的有益效果在于：本发明能够完成国产信创云平台上的通信域分配任务，在国产信创云平台上构建了稳定的分布式计算的基础。另一方面能够自动识别异常的节点的难以分辨的异常类型，能够基于识别的结果及时反馈运维人员来进行针对性的处理，快速恢复云平台的计算性能。
附图说明
图1是本发明的国产信创平台的模块示意图；
图2是本发明的子通信域分配的方法的流程图。
具体实施方式
现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，可以在不脱离本说明书内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。另外，相对一些示例所描述的特征在其他例子中也可以进行组合。
本发明的至少一个实施例中提供一种国产信创平台，如图1所示，包括：
节点管理单元101，其用于管理云服务器节点；
节点管理单元的管理包括注册、注销、资源分配等。
节点信息获取模块102，其用于获取节点的当前的子通信域信息，并生成当前的通信向量；
通信向量的第i个分量表示第i个节点的子通信域信息；
将MPI(message passing interface)通信域划分为多个子通信域，子通信域用于同一子通信域内的节点的进程消息传递。
具体的编码规则如下：
通信向量的分量的值域是子通信域的编码集合，例如1000个子通信域按照从1开始的正整数规则顺序进行编号，则编码集合为1-1000的正整数集合，即为通信向量的分量的值域。
根据编号规则的变化，编码集合也随之变化；
通信分配初始化模块103，其基于当前的通信向量来随机化的生成N个预测通信向量，随机化的方法是随机选择M个当前的通信向量的分量来替换为随机生成的随机数；
随机化的生成预测通信向量需要满足以下约束条件：
随机数的值域与通信向量的分量的值域相同；
随机数与替换的通信向量的分量的差值小于设定的第一阈值；
第一阈值用于约束随机的范围，编码集合为1-1000的正整数集合的情况下，第一阈值的缺省值为100；
通信分配执行模块104，其用于将通信向量集合输入优化模型中，通信向量集合中包括当前的通信向量和预测通信向量；
优化模型的计算公式如下：
步骤101，初始化t＝1；
步骤102，计算：
A＝2a·r1-a
C＝2r2
a＝2-2t/Tmax
Tmax表示迭代终止局数，t≤Tmax，r1和r2为[0,1]区间上的随机数；
步骤103，更新通信向量：
当A|＞1时；
xi(t+1)＝xrand(t)-A·D1
D1＝|C·xrand(t)-xi(t)|
xrand(t)表示第t次更新的随机的一个通信向量，xi(t+1)表示第t+1次更新的第i个通信向量，xrand表示随机的一个通信向量，xi表示第i个通信向量，D1表示xrand与xi之间的第一距离，||表示二阶的闵可夫斯基距离；
当|A|≤1时；
其中p为[0,1]区间上的随机数，b为螺旋方程的常量系数，取值为1，l为[-1,1]区间内的随机数；
D2＝|C·x*(t)-xi(t)|
D2表示x*与xi之间的第二距离，||表示二阶的闵可夫斯基距离；
当|A|＝0时进入下一步骤；
x*表示评分最高的一个通信向量，评分的计算公式如下：
其中P为第c个子通信域的节点的总数量，tc,p,j表示第c个子通信域的第P个节点在预定的第j个问题执行时的计算时间，sc,p,j表示第c个子通信域的第P个节点在预定的第j个问题执行时的额外开销时间(包括通信、同步和空闲的等待时间等)，G表示预定的问题的总数，R表示子通信域的总数；
所述的问题是能够通过并行和串行算法在节点上执行计算的程序；
步骤104，将最后一次更新的评分最高的一个通信向量作为最终通信向量，根据最终通信向量进行解码来获取节点对应需要分配的子通信域的编码，根据解码的结果来对节点的子通信域进行变更。
在本发明的至少一个实施例中，提供一种国产信创平台，还包括：
异常检测模块，其用于检测发生异常的节点；
异常的节点是响应时间超时的节点，超过10ms可以被定义为超时。
异常分析模块，其为节点生成节点特征；
节点特征的生成方式包括独热编码等方式，或者是基于节点所执行的计算任务的文本描述来编码生成的；
将节点特征输入分析模型中，分析模型的计算公式如下：
Y＝σ(W4C+b2)
其中Y表示输出向量，表示第k个并行通信域的第i个节点的编码特征，/>和分别表示第k个并行通信域的第i个和第j个节点的表征特征，/>W1、W2、W3、W4表示可训练的权重参数，/>表示第k个子通信域中与第i个节点存在通信关系的节点的集合；其中Q(k)和Q(h)分别表示发生异常的节点在第k个和第h个子通信域的编码特征，E表示发生异常的节点的表征特征，b1和b2表示第二偏置参数；
σ表示singmoid函数。
输出向量的一个分量对应表示一个发生异常的节点的网络异常原因类型，输出向量最大的分量表示的发生异常的节点的网络异常原因类型作为输出的结果。
网络异常原因包括通信域分配错误和CPU使用率过高。
通信域分配错误的情况是节点对应的进程进行某一服务，该服务所组织的节点分配的子通信域中并不包含该节点；
CPU使用率过高的情况是节点使用虚拟网络服务，数据包数量过多导致运行虚拟网络服务的CPU使用率过高。
如图2所示，一种子通信域分配的方法，包括以下步骤：
步骤201，获取节点的当前的子通信域信息，并生成当前的通信向量；
步骤202，基于当前的通信向量来随机化的生成N个预测通信向量，随机化的方法是随机选择M个当前的通信向量的分量来替换为随机生成的随机数；
步骤203，将通信向量集合输入优化模型中，通信向量集合中包括当前的通信向量和预测通信向量，输出最终通信向量；
步骤204，根据最终通信向量进行解码来获取节点对应需要分配的子通信域的编码，根据解码的结果来对节点的子通信域进行变更；
本发明的至少一个实施例中提供一种国产信创系统，其包括一个以上的计算机实体，并包含能够执行程序的计算机系统，能够用于承载运行前述的国产信创平台。
上面对本实施例的实施例进行了描述，但是本实施例并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本实施例的启示下，还可做出很多形式，均属于本实施例的保护之内。

Claims (10)

1.一种国产信创平台，其特征在于，包括：
节点管理单元，其用于管理云服务器节点；
节点信息获取模块，其用于获取节点的当前的子通信域信息，并生成当前的通信向量；
通信向量的第i个分量表示第i个节点的子通信域信息；
通信分配初始化模块，其基于当前的通信向量来随机化的生成N个预测通信向量，随机化的方法是随机选择M个当前的通信向量的分量来替换为随机生成的随机数；
通信分配执行模块，其用于将通信向量集合输入优化模型中，输出最终通信向量，通信向量集合中包括当前的通信向量和预测通信向量；
根据最终通信向量进行解码来获取节点对应需要分配的子通信域的编码，根据解码的结果来对节点的子通信域进行变更。
2.根据权利要求1所述的一种国产信创平台，其特征在于，通信向量的分量的值域是子通信域的编码集合。
3.根据权利要求1所述的一种国产信创平台，其特征在于，随机化的生成预测通信向量需要满足以下约束条件：
随机数的值域与通信向量的分量的值域相同；
随机数与替换的通信向量的分量的差值小于设定的第一阈值。
4.根据权利要求1所述的一种国产信创平台，其特征在于，优化模型的计算公式如下：
步骤101，初始化t＝1；
步骤102，计算：
A＝2a·r1-a
C＝2r2
a＝2-2t/Tmax
Tmax表示迭代终止局数，t≤Tmax，r1和r2为[0，1]区间上的随机数；
步骤103，更新通信向量：
当|A|＞1时；
xi(t+1)＝xrand(t)-A·D1
D1＝|C·xrand(t)-xi(t)|
xrand(t)表示第t次更新的随机的一个通信向量，xi(t+1)表示第t+1次更新的第i个通信向量，xrand表示随机的一个通信向量，xi表示第i个通信向量，D1表示xrand与xi之间的第一距离，| |表示二阶的闵可夫斯基距离；
当|A|≤1时；
其中p为[0，1]区间上的随机数，b为螺旋方程的常量系数，取值为1，l为[-1，1]区间内的随机数；
D2＝|C·x*(t)-xi(t)|
D2表示x*与xi之间的第二距离，| |表示二阶的闵可夫斯基距离；
当|A|＝0时进入下一步骤；
x*表示评分最高的一个通信向量；
步骤104，将最后一次更新的评分最高的一个通信向量作为最终通信向量，根据最终通信向量进行解码来获取节点对应需要分配的子通信域的编码，根据解码的结果来对节点的子通信域进行变更。
5.根据权利要求4所述的一种国产信创平台，其特征在于，评分的计算公式如下：
其中P为第c个子通信域的节点的总数量，tc,p,j表示第c个子通信域的第P个节点在预定的第j个问题执行时的计算时间，sc,p,j表示第c个子通信域的第P个节点在预定的第j个问题执行时的额外开销时间，G表示预定的问题的总数，R表示子通信域的总数。
6.根据权利要求1所述的一种国产信创平台，其特征在于，还包括：
异常检测模块，其用于检测发生异常的节点；
异常分析模块，其用于分析发生异常的节点的异常类型。
7.根据权利要求6所述的一种国产信创平台，其特征在于，异常分析模块分析发生异常的节点的异常类型的过程包括：
为节点生成节点特征；
节点特征的生成方式包括独热编码等方式，或者是基于节点所执行的计算任务的文本描述来编码生成的；
将节点特征输入分析模型中，分析模型的计算公式如下：
Y＝σ(W4C+b2)
其中Y表示输出向量，表示第k个并行通信域的第i个节点的编码特征，/>和/>分别表示第k个并行通信域的第i个和第j个节点的表征特征，/>W1、W2、W3、W4表示可训练的权重参数，/>表示第k个子通信域中与第i个节点存在通信关系的节点的集合；其中Q(k)和Q(h)分别表示发生异常的节点在第k个和第h个子通信域的编码特征，E表示发生异常的节点的表征特征，b1和b2表示第二偏置参数；
输出向量的一个分量对应表示一个发生异常的节点的网络异常原因类型，输出向量最大的分量表示的发生异常的节点的网络异常原因类型作为输出的结果。
8.根据权利要求7所述的一种国产信创平台，其特征在于，σ表示singmoid函数。
9.一种国产信创平台的应用方法，其特征在于，应用如权利要求1-7任一所述的国产信创平台执行以下方法，包括以下步骤：
步骤201，获取节点的当前的子通信域信息，并生成当前的通信向量；
步骤202，基于当前的通信向量来随机化的生成N个预测通信向量，随机化的方法是随机选择M个当前的通信向量的分量来替换为随机生成的随机数；
步骤203，将通信向量集合输入优化模型中，通信向量集合中包括当前的通信向量和预测通信向量，输出最终通信向量；
步骤204，根据最终通信向量进行解码来获取节点对应需要分配的子通信域的编码，根据解码的结果来对节点的子通信域进行变更。
10.一种国产信创系统，其特征在于，其包括一个以上的计算机实体，并包含能够执行程序的计算机系统，能够用于承载运行如权利要求1-7任一所述的国产信创平台。
CN202410187200.6A 2024-02-20 2024-02-20 一种国产信创平台、系统及应用方法 Pending CN118018592A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410187200.6A CN118018592A (zh) 2024-02-20 2024-02-20 一种国产信创平台、系统及应用方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410187200.6A CN118018592A (zh) 2024-02-20 2024-02-20 一种国产信创平台、系统及应用方法

Publications (1)

Publication Number Publication Date
CN118018592A true CN118018592A (zh) 2024-05-10

Family

ID=90942819

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410187200.6A Pending CN118018592A (zh) 2024-02-20 2024-02-20 一种国产信创平台、系统及应用方法

Country Status (1)

Country Link
CN (1) CN118018592A (zh)

Similar Documents

Publication Publication Date Title
Kawaguchi et al. Ordered sgd: A new stochastic optimization framework for empirical risk minimization
US11915104B2 (en) Normalizing text attributes for machine learning models
US20230021373A1 (en) Utilizing automatic labelling, prioritizing, and root cause analysis machine learning models and dependency graphs to determine recommendations for software products
WO2019150343A1 (en) Resource needs prediction in virtualized systems: generic proactive and self-adaptive solution
CN111461345A (zh) 深度学习模型训练方法及装置
AU2022259730B2 (en) Utilizing machine learning models to determine customer care actions for telecommunications network providers
JPWO2014199920A1 (ja) 予測関数作成装置、予測関数作成方法、及びプログラム
CN113535522A (zh) 一种异常情况的检测方法、装置和设备
Han et al. Accurate differentially private deep learning on the edge
WO2022076050A1 (en) Computing system for determining quality of virtual machine telemetry data
CN112464042A (zh) 根据关系图卷积网络的任务标签生成方法及相关装置
CN112783508B (zh) 文件的编译方法、装置、设备以及存储介质
Morichetta et al. Demystifying deep learning in predictive monitoring for cloud-native SLOs
Chen et al. An adaptive short-term prediction algorithm for resource demands in cloud computing
US20230367774A1 (en) Pattern identification in structured event data
CN111783487A (zh) 一种读卡器设备的故障预警方法及装置
CN115934484B (zh) 基于扩散模型数据增强的异常检测方法、存储介质及设备
CN116089367A (zh) 动态分桶方法、装置、电子设备和介质
CN118018592A (zh) 一种国产信创平台、系统及应用方法
CN110909085A (zh) 数据处理方法、装置、设备及存储介质
CN113869455B (zh) 无监督聚类方法、装置、电子设备及介质
CN116401602A (zh) 事件检测方法、装置、设备及计算机可读介质
CN115794405A (zh) 一种基于SSA-XGboost算法的大数据处理框架的动态资源分配方法
CN112073517B (zh) 一种分布式数据传输优化方法、系统及相关设备
CN113704616A (zh) 信息推送方法、装置、电子设备及可读存储介质

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