-
公开(公告)号：CN114466000A
公开(公告)日：2022-05-10
申请号：CN202111585038.6
申请日：2021-12-22
Applicant: 天翼云科技有限公司
IPC: H04L67/06 , H04L67/1097 , H04L67/146 , H04L67/60 , H04L9/40 , H04L12/66
Abstract: 本发明提供了一种CDN网关回源方法及装置，该方法包括：获取真实资源文件及其对应的回源需求；将真实资源文件进行存储，并记录其对应的存储位置；基于回源需求，设置真实资源文件的回源规则；建立存储位置与回源规则的映射关系；获取目标CDN网关发送的目标资源文件对应的回源请求；基于回源请求及映射关系，提取目标资源文件，并反馈至目标CDN网关。从而通过基于产品研发测试CDN网关所有实际的回源需求，设置回源规则，并通过存储资源文件的位置与回源规则的映射关系，实现CDN网关的回源，从而降低回源文件的时间成本和管理成本，并且不受真实源站的影响，提高了产品测试开发进度。
-
公开(公告)号：CN114466000B
公开(公告)日：2023-10-10
申请号：CN202111585038.6
申请日：2021-12-22
Applicant: 天翼云科技有限公司
IPC: H04L67/06 , H04L67/1097 , H04L67/146 , H04L67/60 , H04L9/40 , H04L12/66
Abstract: 本发明提供了一种CDN网关回源方法及装置，该方法包括：获取真实资源文件及其对应的回源需求；将真实资源文件进行存储，并记录其对应的存储位置；基于回源需求，设置真实资源文件的回源规则；建立存储位置与回源规则的映射关系；获取目标CDN网关发送的目标资源文件对应的回源请求；基于回源请求及映射关系，提取目标资源文件，并反馈至目标CDN网关。从而通过基于产品研发测试CDN网关所有实际的回源需求，设置回源规则，并通过存储资源文件的位置与回源规则的映射关系，实现CDN网关的回源，从而降低回源文件的时间成本和管理成本，并且不受真实源站的影响，提高了产品测试开发进度。
-
公开(公告)号：CN115883319B
公开(公告)日：2024-11-26
申请号：CN202211718354.0
申请日：2022-12-30
Applicant: 天翼云科技有限公司
IPC: H04L41/0604 , G06F11/00 , G06F11/34 , G06F11/30 , G06F9/455 , G06N3/045 , G06N3/0475 , G06N3/092 , G06N3/094 , H04L41/0631 , H04L41/0695 , H04L41/0823 , H04L41/0894 , H04L41/0896 , H04L41/342
Abstract: 本发明公开了一种提升k8s集群稳定性的配置方法、装置及其存储介质，涉及云平台优化技术领域，包括步骤：收集并上报k8s集群注入系统进行稳定性验证过程中发生的故障事件信息，并根据故障类型进行筛选记录；根据故障类型将目标故障投放至对应分类的故障模拟集群，运行各故障模拟集群进行故障模拟回放；根据模拟回放过程中累计得到的集群故障稳定性报告生成集群故障分布模型；根据集群故障分布模型生成稳定性保障推荐策略；下发稳定性保障推荐策略至相应故障模拟集群进行资源和配置的调整。本发明通过对故障事件的采集及上报，并通过分析集群故障分步模型进行稳定性保证推荐策略的更新，从而对集群进行资源与配置的快速自动化调整。
-
公开(公告)号：CN117834624A
公开(公告)日：2024-04-05
申请号：CN202311712706.6
申请日：2023-12-13
Applicant: 天翼云科技有限公司
Abstract: 本发明涉及算力分发调度的技术领域，公开了一种基于双重深度强化学习的算力分发网络在线调度方法，该方法包括以下步骤：S1：获取算力分发网络的状态信息；S2：对所述状态信息进行预处理；S3：根据预处理后的状态信息，通过双重深度强化学习模型制定算力调度策略；S4：根据所述算力调度策略进行任务分配与任务执行；S5：根据状态信息与任务执行情况进行算力分发网络的性能评估与优化。本发明提供了一种在线决策的调度策略生成方法，实现了算力资源的均衡分配，提高了算力分发网络的可靠性和精确性。
-
公开(公告)号：CN116225611A
公开(公告)日：2023-06-06
申请号：CN202211712855.8
申请日：2022-12-29
Applicant: 天翼云科技有限公司
Abstract: 本申请提供一种提升Kubernetes集群运行性能的方法、系统、设备及介质，本申请提出的方法可实现通过集群运行和应用运行数据上报后进行机器学习训练，得到的模型用于后续识别各种类型集群和应用的运行情况，以推荐更优的资源配置策略，并且结合ECK自动创建和调整Kubernetes集群配置的能力，通过生成的推荐配置策略下发到对应的Kubernetes集群进行调整，满足精准调整资源分配和容器及网络编排方式，使资源利用率最大合理化，可以让客户在ECK集群使用最低的成本享受运行性能更优的集群和应用运行体验。
-
Patent Agency Ranking
公开(公告)号：CN115952087A
公开(公告)日：2023-04-11
申请号：CN202211662780.7
申请日：2022-12-23
Applicant: 天翼云科技有限公司
IPC: G06F11/36
Abstract: 本发明提供了一种基于代码扫描的内存自动化测试方法及系统，本发明通过代码扫描获取实体类及调用该实体的handler类，组合生成自动化测试用例的规则；设计单元操作、并指定其操作次数生成一个内存测试用例，每操作一次单元操作，记录一次内存，通过多次操作获取内存的增长趋势图，如果内存持续线性上涨即为可能内存泄露问题，测试结果为异常，定位问题，如果是不上涨或者是先上涨后趋于平稳的现象则为正常；做到全程自动完成，去掉测试人员编写用例和执行用例环节，且利用分布式集群快速消费测试任务队列，解决了测试效率低，测试周期长，测试成本高的问题。
-
公开(公告)号：CN117806951A
公开(公告)日：2024-04-02
申请号：CN202311697256.8
申请日：2023-12-12
Applicant: 天翼云科技有限公司
Abstract: 本申请实施例属于人工智能的测试开发技术领域，涉及一种应用于测试用例分布式运行的智能调度方法、装置、计算机设备及存储介质。本申请通过打分策略对工作节点打分排序、通过分组策略对测试用例分组，最终结合Kuber netes集群节点选择器、节点亲和性等特性，实现智能化的测试用例分布式调度分发能力，平衡工作节点压力，提高资源利用率，降低用例整体执行时间。
-
公开(公告)号：CN116340123A
公开(公告)日：2023-06-27
申请号：CN202310263734.8
申请日：2023-03-12
Applicant: 天翼云科技有限公司
Abstract: 本发明公开了一种基于仿真拨测生成节点自动化调度策略的系统，涉及机器学习和仿真测试技术领域，包括：仿真测试模块，所述仿真测试模块用于页面测试、api测试以及端口探测；机器学习模块，所述机器学习模块用于拨测数据管理、算法模型管理以及建模策略管理；调度策略模块，所述调度策略模块用于策略配置管理以及调度策略下发。本发明提高了调度进准度和节点调度优化效果。
-
公开(公告)号：CN115883319A
公开(公告)日：2023-03-31
申请号：CN202211718354.0
申请日：2022-12-30
Applicant: 天翼云科技有限公司
IPC: H04L41/0604 , G06F11/00 , G06F11/34 , G06F11/30 , G06F9/455 , G06N3/045 , G06N3/0475 , G06N3/092 , G06N3/094 , H04L41/0631 , H04L41/0695 , H04L41/0823 , H04L41/0894 , H04L41/0896 , H04L41/342
Abstract: 本发明公开了一种提升k8s集群稳定性的配置方法、装置及其存储介质，涉及云平台优化技术领域，包括步骤：收集并上报k8s集群注入系统进行稳定性验证过程中发生的故障事件信息，并根据故障类型进行筛选记录；根据故障类型将目标故障投放至对应分类的故障模拟集群，运行各故障模拟集群进行故障模拟回放；根据模拟回放过程中累计得到的集群故障稳定性报告生成集群故障分布模型；根据集群故障分布模型生成稳定性保障推荐策略；下发稳定性保障推荐策略至相应故障模拟集群进行资源和配置的调整。本发明通过对故障事件的采集及上报，并通过分析集群故障分步模型进行稳定性保证推荐策略的更新，从而对集群进行资源与配置的快速自动化调整。
-
公开(公告)号：CN115757124A
公开(公告)日：2023-03-07
申请号：CN202211435580.8
申请日：2022-11-16
Applicant: 天翼云科技有限公司
Abstract: 本公开的基于神经网络的测试用例生成方法，通过收集历史项目文档作为原始数据；将原始数据进行关键字提取和测试用例标签化处理，得到构建测试用例预测模型的训练数据集；将训练数据集输入到基于神经网络的测试用例预测模型中，输出预测测试用例；人工干预修正所述预测测试用例，并将修正后的预测测试用例作为训练数据集反向输入所述测试用例预测模型，对所述测试用例预测模型微调。解决了研发测试过程中测试人员在测试用例设计阶段耗时长的问题，专注于更高层次的测试任务，提高业务研发测试比，缓解测试人力压力；且能够提升测试场景覆盖率，避免人为主观因素导致的漏测漏检，从而在研发测试阶段提供及时全面的质量保障。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.032 seconds)
