-
公开(公告)号：CN117193674B
公开(公告)日：2024-03-29
申请号：CN202311473960.5
申请日：2023-11-08
申请人： 浪潮软件科技有限公司
摘要： 本发明公开一种提升物联网设备海量数据存取效能的方法及装置,涉及物联网技术领域；构建物联网数据驱动器，所述物联网数据驱动器包括分布式消息队列引擎、主时序数据存储器、缓存数据存储器和索引数据存储器，根据物联网数据驱动器建立数据写入协议层和数据访问协议层；分布式消息队列引擎使采集数据有序的写入主时序数据存储器，避免了数据写入时的拥堵现象，通过索引数据存储器将设备采集数据分流，有效降低了主数据库的存储和读取的压力，对于使用频率比较高的数据使用缓存数据存储器存储，降低了主数据库的存储和读取压力，保证了物联网场景下海量数据存储效率及稳定性的大幅提升。
-
公开(公告)号：CN117193674A
公开(公告)日：2023-12-08
申请号：CN202311473960.5
申请日：2023-11-08
申请人： 浪潮软件科技有限公司
摘要： 本发明公开一种提升物联网设备海量数据存取效能的方法及装置,涉及物联网技术领域；构建物联网数据驱动器，所述物联网数据驱动器包括分布式消息队列引擎、主时序数据存储器、缓存数据存储器和索引数据存储器，根据物联网数据驱动器建立数据写入协议层和数据访问协议层；分布式消息队列引擎使采集数据有序的写入主时序数据存储器，避免了数据写入时的拥堵现象，通过索引数据存储器将设备采集数据分流，有效降低了主数据库的存储和读取的压力，对于使用频率比较高的数据使用缓存数据存储器存储，降低了主数据库的存储和读取压力，保证了物联网场景下海量数据存储效率及稳定性的大幅提升。
-
公开(公告)号：CN117997773A
公开(公告)日：2024-05-07
申请号：CN202410078400.8
申请日：2024-01-19
申请人： 浪潮软件科技有限公司
IPC分类号： H04L41/50 , H04L41/5054 , H04L41/5051 , H04L41/0894 , H04L67/51 , H04L67/30
摘要： 本发明公开了一种微服务插件化网关的实现方法及系统，属于微服务管理技术领域，基于docker容器化部署与配置文件及接口注册方式，提供服务自动注册插件，并指定插件化部署及检测微服务容器机制，对容器化微服务的接口进行统一处理；该方法的实现包括接口开放模块，通过检测微服务包内的各种信息来全自动的向系统的服务注册中心注册已有的接口，且自动生成接口的使用文档；接口代理模块，实现对微服务接口进行统一管理，将容器化的微服务内的接口代理出来；服务注册中心模块，实现微服务及微服务接口的统一管理；网关服务模块，实现其他服务或应用与微服务进行通信。本发明提供了更高效、灵活和易用的微服务管理方案。
-
公开(公告)号：CN117675861A
公开(公告)日：2024-03-08
申请号：CN202311618014.5
申请日：2023-11-30
申请人： 浪潮软件科技有限公司
摘要： 本发明提供一种基于水利rtu设备各类传感器数据的采集系统，属于水利监测设备领域，本发明包括MCU模块、数据采集模块、数据处理分析模块、数据发送单元模块、无线模块、报文数据生成模块、RTU数据发送模块、数据接收模块、信息发送模块、数据判断模块、Flink模块、读取模块、数据库。本发明基于Flink Source算子实现Netty接收到的TCP数据流式读取处理，实现对RTU传感器上传数据动态实时更新，进一步提升服务端对N多台RTU短时间上传的大批量数据进行快速、有效地处理的能力。
-
公开(公告)号：CN118626169A
公开(公告)日：2024-09-10
申请号：CN202410805747.8
申请日：2024-06-21
申请人： 浪潮软件科技有限公司
摘要： 本发明公开了基于类重定位的类冲突解决方法及系统，属于flink数据处理技术领域，本发明要解决的技术问题为如何避免路径冲突导致的类冲突，保证程序正常运行，采用的技术方案为：该方法是基于Maven‑Shade插件对有冲突的类进行指定路径的覆写，并处理相关引用类的调用路径，实现在flink平台下不同hdfs版本jar包的统一运行环境下正常执行；具体如下：确定冲突类文件；类重定位；修改相关类。
-
公开(公告)号：CN117473381A
公开(公告)日：2024-01-30
申请号：CN202311372660.8
申请日：2023-10-23
申请人： 浪潮软件科技有限公司
IPC分类号： G06F18/241 , G06F18/213 , G06F18/214
摘要： 本发明涉及轴承故障诊断领域，具体提供了一种基于对抗域适应的滚动轴承故障诊断方法及装置，包括以下步骤：S1、预训练阶段：使用源域数据训练特征提取器和分类器；S2、对抗适应阶段：对源域数据和目标域数据训练特征提取器和判别器；S3、测试阶段：目标域数据训练特征提取器和分类器，目标域上测试。与现有技术相比，本发明解决源域和目标域之间的共享特征挖掘不充分、分类器在训练过程中的泛化能力不足和少量数据难以训练出可靠的深度学习模型等问题。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.033 秒)
