公开(公告)号：CN114610274A

公开(公告)日：2022-06-10

申请号：CN202210194067.8

申请日：2022-03-01

Applicant: 北京计算机技术及应用研究所

Inventor： 苏晓许 ,  袁永旭 ,  邹琴 ,  吴江 ,  霍晓昕

IPC: G06F8/10

Abstract: 本发明涉及一种改进的基于层次分析法的需求优先级评估方法，属于软件工程领域。本发明针对软件系统建设相关方，通过专家判断法确定评估因素N项，建立层次结构模型；然后，基于确定的评估因素构造判断矩阵，利用和积法计算评估因素的权重系数，并进行一致性检验；最后，分别对软件系统的功能模块从F1、F2，……，FN这N个评估维度进行评分，并进行加权计算，得出功能模块的优先级序列。本发明提出的技术方案中首先利用专家判断法确定评估因素，这样使得评估因素更符合实际情况。以本发明中提出的方法，更科学、合理计算软件需求优先级，评估软件需求的开发顺序。

公开(公告)号：CN114490093A

公开(公告)日：2022-05-13

申请号：CN202210387066.5

申请日：2022-04-14

Applicant: 北京计算机技术及应用研究所

Inventor： 杨飞 ,  许健 ,  丁晓东 ,  吴江 ,  霍晓昕 ,  平笑柔 ,  陈娜 ,  苏醒

IPC: G06F9/50 ,  G06F9/455 ,  G06F11/30 ,  G06N3/00 ,  H04L67/10

Abstract: 本发明涉及一种面向多云管理场景的云资源最优分配方法，属于计算机领域。本发明建立了资源均衡分布的资源分配模型，通过粒子群优化算法求解资源分配最佳方案，能够充分发挥服务器集群资源的最大价值，使多种类型服务器资源均衡使用，避免了单台服务器负荷太重导致的服务器损坏和业务系统性能降低等问题。本发明能够有效提升在多云环境下，资源分配的合理性，以及多云整体性能。

公开(公告)号：CN114490093B

公开(公告)日：2022-07-12

申请号：CN202210387066.5

申请日：2022-04-14

Applicant: 北京计算机技术及应用研究所

Inventor： 杨飞 ,  许健 ,  丁晓东 ,  吴江 ,  霍晓昕 ,  平笑柔 ,  陈娜 ,  苏醒

IPC: G06F9/50 ,  G06F9/455 ,  G06F11/30 ,  G06N3/00 ,  H04L67/10

Abstract: 本发明涉及一种面向多云管理场景的云资源最优分配方法，属于计算机领域。本发明建立了资源均衡分布的资源分配模型，通过粒子群优化算法求解资源分配最佳方案，能够充分发挥服务器集群资源的最大价值，使多种类型服务器资源均衡使用，避免了单台服务器负荷太重导致的服务器损坏和业务系统性能降低等问题。本发明能够有效提升在多云环境下，资源分配的合理性，以及多云整体性能。

公开(公告)号：CN113806018B

公开(公告)日：2023-08-01

申请号：CN202111070586.5

申请日：2021-09-13

Applicant: 北京计算机技术及应用研究所

Inventor： 杨飞 ,  钟生海 ,  吴江 ,  丁晓东 ,  平笑柔 ,  苏醒

IPC: G06F9/455 ,  G06F9/50 ,  G06N3/04 ,  G06N3/084

Abstract: 本发明涉及一种基于神经网络和分布式缓存的Kubernetes集群资源混合调度方法，属于资源调度领域。本发明通过采集应用历史运行情况相关信息，训练BP神经网络，构建基于kubernetes的资源预测模型；对应用当前所需要使用的资源进行预测，并将相应预测结果输入到分布式缓存系统；资源调度算法从分布式缓存系统获取预测结果，针对不同种类的资源，资源动态调度算法会生成一系列资源借贷决策，并将决策响应到容器组的请求资源限制中。本发明使用预测模型预测未来一段时间内应用的负载情况，根据资源预测结果帮助Kubernetes集群在应用由于资源不足出现性能瓶颈之前预先触发资源的动态调度和实例的自动伸缩，从而减少服务的实际响应时间。

公开(公告)号：CN115982006A

公开(公告)日：2023-04-18

申请号：CN202211557852.1

申请日：2022-12-06

Applicant: 北京计算机技术及应用研究所

Inventor： 李国威 ,  邹琴 ,  吴江 ,  贾延宇 ,  李保平

IPC: G06F11/36

Abstract: 本发明涉及一种计算机设备的自动化测试方法，属于计算机软件领域。本发明的服务端接收客户端的网络请求并进行处理，通过网络请求向客户端发送测试项信息，客户端从服务端获取测试项信息，通过调用测试脚本进行自动化测试。通过服务器端和客户端的协同完成计算机设备的自动化测试。本发明提出的技术方案能够整合不同机型的生产测试项基于C/S架构，服务器端发送测试项信息，客户端接收测试项信息进行自动化测试并将测试信息发送到服务端，部署在生产环境中极大降低了人力成本，提高了生产设备的测试效率，提高生产质量。

公开(公告)号：CN113806018A

公开(公告)日：2021-12-17

申请号：CN202111070586.5

申请日：2021-09-13

Applicant: 北京计算机技术及应用研究所

Inventor： 杨飞 ,  钟生海 ,  吴江 ,  丁晓东 ,  平笑柔 ,  苏醒

IPC: G06F9/455 ,  G06F9/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于神经网络和分布式缓存的Kubernetes集群资源混合调度方法，属于资源调度领域。本发明通过采集应用历史运行情况相关信息，训练BP神经网络，构建基于kubernetes的资源预测模型；对应用当前所需要使用的资源进行预测，并将相应预测结果输入到分布式缓存系统；资源调度算法从分布式缓存系统获取预测结果，针对不同种类的资源，资源动态调度算法会生成一系列资源借贷决策，并将决策响应到容器组的请求资源限制中。本发明使用预测模型预测未来一段时间内应用的负载情况，根据资源预测结果帮助Kubernetes集群在应用由于资源不足出现性能瓶颈之前预先触发资源的动态调度和实例的自动伸缩，从而减少服务的实际响应时间。