-
公开(公告)号：CN111752678A
公开(公告)日：2020-10-09
申请号：CN202010546862.X
申请日：2020-06-16
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种面向边缘计算中分布式协同学习的低功耗容器放置方法，该方法主要包括以下三部分内容。第一，利用服务容器历史资源进行聚类，进而构建容器资源使用预测模型，实现待部署容器资源需求的预测。第二，在边缘服务器第一次接入边缘云计算平台时对其进行能效性和能效等比性的测试和标定，并通过采集模块对所有在线边缘服务器的实时负载、硬件资源以及网络通信等状态信息进行获取。第三，从能量等比性、网络传输开销和服务器负载均衡三个方面综合考虑当前可用服务器的所有放置可能，并分别计算出每台服务器在三个方面取得的排名，最后确定综合排名最高的服务器作为容器的最终放置位置。
-
公开(公告)号：CN111580934A
公开(公告)日：2020-08-25
申请号：CN202010401889.X
申请日：2020-05-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种云计算环境下多租户虚拟机性能一致的资源分配方法。本发明首先针对物理服务器多种性能特征制定不同的归一化衡量指标。然后利用集成基准测试软件包对物理服务器进行基准测试，自动化收集物理服务器不同硬件组件间的资源使用情况。之后根据用户虚拟机的负载特征预测其所需的资源量和性能表现，最后为不同物理服务器上的虚拟机分配不同的硬件资源。本发明能够衡量不同硬件配置的服务器之间的性能等价性，准确估测不同配置下用户虚拟机性能，同时利用虚拟机性能一致性资源分配算法保证不同物理机上用户虚拟机的性能一致性，并通过虚拟机服务等级协议保证算法实时保持云计算用户的服务质量。
-
公开(公告)号：CN109271015B
公开(公告)日：2020-07-24
申请号：CN201811177821.7
申请日：2018-10-10
Applicant: 杭州电子科技大学
IPC: G06F1/329 , G06F1/3287 , G06F1/3206 , G06F9/50
Abstract: 本发明公开了一种降低大规模分布式机器学习系统能耗的方法。本发明通过分类器对分布式机器学习系统的负载进行分类识别、状态预测，并通过减少分布式参数服务器间的通信加速任务运行来降低整个分布式机器学习系统的能耗。本发明的方法包含两部分：机器学习负载预测与类型识别方法、分布式机器学习节点间参数“懒同步”机制。本发明通过只将显著更新传递到远程数据中心来减少广域网通信的参数同步机制可以有效减少系统等待时长，加快机器学习收敛速率。对机器学习负载的预测和类型的判别有助于提高工作机的利用率，避免大量工作机开启后处于闲置状态。以上方法缩短了机器学习任务的执行时间，提高了工作机利用率，大大降低了系统能耗。
-
公开(公告)号：CN110580209A
公开(公告)日：2019-12-17
申请号：CN201910688296.3
申请日：2019-07-29
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于模型预测控制的云服务器弹性伸缩与性能优化方法。本发明包括对服务器功耗的控制和对虚拟机应用级性能的控制，其中集群级功率控制环中功率控制器通过动态电压和频率调整（DVFS）调整每个服务器的CPU频率，动态控制集群中所有服务器的总功耗。而性能控制环中性能控制器通过调整分配给它的CPU资源来动态控制虚拟机的应用程序性能。由于群集的总功耗需要保持低于共享电源的容量，并且不同服务器之间的集群级功率转换可以带来更好的系统性能。通过本发明提供的基于模型预测控制的云服务器弹性伸缩与性能优化方法，可以降低系统功耗，并且保证虚拟机上的应用程序性能满足一定的要求，提高系统服务质量。
-
公开(公告)号：CN110572274A
公开(公告)日：2019-12-13
申请号：CN201910687989.0
申请日：2019-07-29
Applicant: 杭州电子科技大学
IPC: H04L12/24 , H04L12/721 , H04L29/08
Abstract: 本发明涉及一种基于命名数据网络（NDN）的边缘计算节点部署与管理的优化方法。该发明主要包含四部分的内容：边缘计算节点NDN网络的建立、命名机制和数据包结构设计、边缘计算网络协议框架的设计、控制服务器的功能。本发明将异构边缘设备部署为统一NDN节点并建立边缘计算节点网络的方法。将元数据信息纳入NDN命名机制，构造层次化的数据名称。设计了一种优化的边缘计算网络协议框架，该框架可分为控制层和传输层，提出在网络中部署控制服务器的方法。控制服务器将承担节点编号分配和网络拓扑信息存储与维护的功能。利用本发明方法可以实现高速率低消耗的网络数据传输。
-
Patent Agency Ranking
公开(公告)号：CN109634779A
公开(公告)日：2019-04-16
申请号：CN201811378436.9
申请日：2018-11-19
Applicant: 杭州电子科技大学
IPC: G06F11/14
CPC classification number: G06F11/1453 , G06F11/1461
Abstract: 本发明公开了一种基于数据热度自学习的数据增量备份方法,将文件的访问率与阈值比较，访问率大于热阈值就是热数据，访问率小于冷阈值就是冷数据，介于冷热阈值之间的数据则将其进行预判，当某时间段热时，就将其迁移至热区域，否则将其放入冷区域。如果有新数据进行写操作，且原云存储系统不存在该数据，将该数据与原云存储系统中的数据进行关联度分析，找到与其相关度最高的数据，将新数据放入与旧数据相同类型的磁盘中。本发明很好地将数据文件进行合理的分类，通过合理有效的分类基本避免了在不合理分类的情况下可能出现的热文件在冷区域、冷文件在热区域中的存储资源浪费和文件读取时延增加的情况。
-
公开(公告)号：CN103200245A
公开(公告)日：2013-07-10
申请号：CN201310091291.5
申请日：2013-03-21
Applicant: 杭州电子科技大学
IPC: H04L29/08
Abstract: 本发明涉及一种基于DeviceMapper的分布式网络缓存方法，其特点为：在多个客户端并发访问共享的存储服务器时，客户端利用本地磁盘和局域网内其它客户端的磁盘作为存储服务器的缓存，当客户端的访问请求命中本地磁盘缓存时，将客户端的访问请求转发至本地磁盘处理；当客户端的访问请求命中其它客户端的磁盘缓存时，将客户端的访问请求转发至其它客户端的磁盘；当所有客户端的缓存都不命中时，将客户端的访问请求转发至存储服务器的磁盘，从而减少了存储服务器的负载和网络带宽的消耗，提高了客户端磁盘的利用率和请求的访问速度。本发明可以用于高并发的网络存储系。
-
公开(公告)号：CN102567077A
公开(公告)日：2012-07-11
申请号：CN201110420321.3
申请日：2011-12-15
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于博弈论的虚拟化资源分配方法。目前的虚拟机监控器软件和操作系统不区分具体虚拟机应用程序的资源使用特点，无法确保重要应用程序和客户机操作系统的服务质量。本发明包含两部分的内容：利用正交设计确定特定负载与不同类型虚拟资源依赖关系、基于非合作博弈标价模型的虚拟机资源分配的。通过本发明提供的博弈论的虚拟化资源管理方法，可以在系统高度竞争的情况下有效缓解系统资源的竞争程度，显著提高整个虚拟化系统的性能和服务质量。
-
公开(公告)号：CN102200962A
公开(公告)日：2011-09-28
申请号：CN201110051285.8
申请日：2011-07-25
Applicant: 杭州电子科技大学
IPC: G06F17/00
Abstract: 本发明涉及一种基于迭代空间条块的并行有限差分模版方法。传统的并行化迭代方法在迭代内和迭代间都需要同步操作以维护数据依赖关系。本发明首先通过对迭代空间进行时间轴方向划分成网格条块，实现对同一网格块进行递归式多次迭代步更新，从而在不改变串行模版迭代方法性质的同时，提高条块内数据局部性。然后通过对网格条块重排序，实现交错条块有限差分模版方法的并行化。本发明方法比传统的区域分解方法和红黑排序并行方法具有更好的数据局部性，并行效率和可扩展性。
-
公开(公告)号：CN102156665A
公开(公告)日：2011-08-17
申请号：CN201110092580.8
申请日：2011-04-13
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种虚拟化系统竞争资源差异化服务方法。目前的虚拟机监控器软件和操作系统不区分具体虚拟机应用程序的资源使用特点，无法确保重要应用程序和客户机操作系统的服务质量。本发明方法包含三部分的内容：虚拟化系统资源使用的马尔科夫模型、基于响应时间的多虚拟机系统的服务质量评价模型和基于上述两个模型的竞争资源差异化服务方法。通过本发明提供的虚拟化系统竞争资源差异化服务方法，可以在系统高度竞争的情况下有效缓解系统资源的竞争程度，显著提高整个虚拟化系统的性能和服务质量。
-
-
-
-
-
-
-
-
-
Search Results
118
records
(took 0.029 seconds)
