-
公开(公告)号：CN106790485B
公开(公告)日：2020-07-10
申请号：CN201611147486.7
申请日：2016-12-13
Applicant: 上海交通大学
IPC: H04L29/08
Abstract: 本发明提供了一种混合云模式中的基于成本考虑的在线服务请求调度方法，包括步骤1：构建以平均花销成本最小化为目标，私有云资源有限，服务拒绝率为限制条件的最优化问题；步骤2：利用李雅普诺夫优化方法将步骤1中的最优化问题转化为单时槽中的优化问题；步骤3：采用最优衰减算法求解步骤2中单时槽中的优化问题的最优解，即得到当前时刻的服务请求的调度方法。本发明的方法能够针对未知的在线服务请求，使得整个时间区域内的平均租用公有云的花费成本达到最低，以服务请求拒绝率及私有云资源为限制条件的优化问题；然后利用李雅普诺夫优化技术将原问题转化为不含时均量的优化问题，从而实现花销成本和服务拒绝率之间的有效权衡。
-
公开(公告)号：CN110413927A
公开(公告)日：2019-11-05
申请号：CN201910672893.7
申请日：2019-07-24
Applicant: 上海交通大学
IPC: G06F16/958 , G06F16/951
Abstract: 本发明提供一种在发布订阅系统中基于匹配实时性的优化方法及系统，计算订阅与事件的匹配概率，根据匹配概率对订阅进行差异对待，形成订阅分组类别；基于订阅分组类别，建立数据结构的结构索引，根据订阅匹配概率变化，实时调整订阅的分组类别及其在结构索引中的位置，以提升匹配效率。将具有高匹配概率的订阅在匹配过程中先进行处理，以便更早地确定与事件相匹配的订阅，从而提升事件分发的实时性。根据订阅与事件匹配的概率，定义一个简洁的分类方案来对订阅进行分组；建立一种轻量级的订阅动态调节机制；提出一种有效的贪心算法来求解调整方案；保证订阅分类和结构分层方法(SCSL)的高效能，并优化效率，可配置以满足不同的应用需求。
-
公开(公告)号：CN110413391A
公开(公告)日：2019-11-05
申请号：CN201910672078.0
申请日：2019-07-24
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于容器集群的深度学习任务服务质量保证方法和系统。基于容器的运行平台接收任务，形成任务队列，预测各个任务的所需资源需求，根据所需资源需求对队列中的任务形成优先等级，依据优先等级对任务进行调度；解析任务的运行日志，监控集群资源利用率，基于运行日志和集群资源利用率，判定任务的资源扩展需求，根据资源扩展需求对任务的调度进行修正。本发明易用性高且资源利用率高，用户在提交深度学习任务时只需指定服务质量，无需指定复杂的资源配置，会通过任务调度和任务扩展的方式保证其服务质量；并且充分利用了深度学习任务的特点，用更少的资源保证任务的服务质量。
-
公开(公告)号：CN106603673A
公开(公告)日：2017-04-26
申请号：CN201611180700.9
申请日：2016-12-19
Applicant: 上海交通大学
CPC classification number: H04L67/32 , G06F11/0727 , G06F11/1076 , H04L67/06 , H04L67/108 , H04L67/1097
Abstract: 本发明提供了一种基于纠删码的细粒度云存储调度方法，基于真实的云计算平台，通过对云存储系统中大量存储节点的负载信息进行分析，确定影响数据下载时延的性能指标；基于负载信息设计一种新的云存储调度算法，通过利用存储节点的负载信息反向指导代理节点的线程调度来优化现有云存储系统调度方案；通过多种不同的纠删码对海量文件进行编码存储。本发明利用开源项目OpenStack搭建了一个真实的云计算平台，并根据真实的用户请求数据在云平台上进行部署和验证，本发明中提出的调度策略最高能减少15％的平均时延，同时还能降低数据下载时延的波动，提高数据获取的稳定性，提供更好的用户体验。
-
公开(公告)号：CN106293883A
公开(公告)日：2017-01-04
申请号：CN201610668665.9
申请日：2016-08-15
Applicant: 上海交通大学
IPC: G06F9/455
Abstract: 一种基于混合扩展方式的云端虚拟机的优化配置方法及其系统，包括：无迁移虚拟机配置模块、迁移判断模块、迁移虚拟机配置模块以及配置应用模块；无迁移虚拟机配置模块通过构造无迁移时的优化模型，得到优化后的虚拟机配置；然后迁移判断模块对优化前后的虚拟机配置进行偏差计算，判断是否需要迁移；如果不需要即通过配置应用模块直接应用优化后的虚拟机配置，否则迁移虚拟机配置模块向用户请求其对迁移开销和成本效率的偏好情况，构造李雅普诺夫单时槽优化模型，得到单时槽优化后的虚拟机配置并通过配置应用模块应用；本发明设计合理，成本效率和迁移开销间取得平衡，可达到最优的成本效率。
-
Patent Agency Ranking
公开(公告)号：CN102769668B
公开(公告)日：2015-01-14
申请号：CN201210225985.9
申请日：2012-07-02
Applicant: 上海交通大学
IPC: H04L29/08
Abstract: 本发明涉及一种基于近似匹配的发布/订阅负载均衡方法，首先，用户将订阅要求发送到边界代理结点，边界代理结点将其转发给它所连接的中间代理结点；之后，某个边界代理结点收到事件后，先确定事件是否满足本地用户的订阅条件，如果满足，由该边界代理结点将事件传送到所有满足条件的本地用户，然后检查事件是否满足远程用户的订阅条件，如果满足，通过邻居代理结点进行转发。最后，在负载过重的中间代理结点上采用近似匹配的方法，实现可控的负载均衡，把匹配任务从负载过重的中间代理结点转移到负载较轻的边界代理结点上。本发明有效解决了现有发布/订阅系统存在的容易出现负载不均衡的技术问题，具有处理效率高、性能稳定的优点。
-
公开(公告)号：CN102843420A
公开(公告)日：2012-12-26
申请号：CN201210226535.1
申请日：2012-07-02
Applicant: 上海交通大学
IPC: H04L29/08
Abstract: 一种基于模糊划分的社交网络数据分发系统，采用基于多层拓扑的覆盖网组织节点以节点代表网络中的用户，并且将用户节点模糊聚类到若干个簇内；订阅者根据其本地存储的好友列表及群组列表生成各种主题的订阅；多层拓扑将每个订阅主题发送到相应目标簇内的某个随机节点，并将订阅主题缓存于该节点；通过gossip将主题事件复制到目标簇内的每个节点，在事件传播复制的过程中，若某个节点缓存有该事件的订阅，并发现订阅与事件匹配，则立即将该事件转发给相应的订阅者；否则，继续深入直到最底层子网络；若直至最底层子网络仍未成功匹配，则间隔预设周期重复复制——匹配操作，直至匹配成功。本发明具有高效的鲁棒性和高效的数据分发的优点。
-
公开(公告)号：CN102833151A
公开(公告)日：2012-12-19
申请号：CN201210226518.8
申请日：2012-07-02
Applicant: 上海交通大学
IPC: H04L12/56
Abstract: 一种优先级路由算法，根据最小生成树算法将网络拓扑生成无环结构，设置若干调整节点；订阅者订阅消息，设定个性化优先级；订阅消息在网络中传输，每个节点存储一个订阅路由表，路由表每项都基于订阅者得出的优先级进行排序，接收到订阅消息，根据路由表进行匹配，并通过合并覆盖路由算法决定订阅消息是否更新到路由表；发布者发布事件到达代理节点，与订阅路由表进行匹配，若匹配成功，路由到感兴趣的订阅者；边界代理周期性统计订阅者消息信息平均值，并发送到调整节点；调整节点依据平均值、流量和订阅者权重进行调整，将不为0的调整值返回给边界代理；边界代理调节本地路由表优先级，并洪泛到网络中。本发明首具有高效、公平且冗余小的优点。
-
公开(公告)号：CN118013213A
公开(公告)日：2024-05-10
申请号：CN202410197960.5
申请日：2024-02-22
Applicant: 上海交通大学
IPC: G06F18/15 , G06F18/213 , G06N3/0455 , G06N3/048 , G06N3/08 , G06F123/02
Abstract: 本发明提供了一种偏注意力机制和重叠式重构的连续缺失修补方法及系统，包括：将输入的不完整序列分割为多个等长的时间片段；有效表征每个时间片段，得到多个表征结果；基于表征结果挖掘时间片段之间的关联关系。本发明创新性地提出了一种时间序列修补模型，该模型能有效表示不完整片段的特征并学习它们之间的关系，实现了对于不完整序列长期依赖关系的挖掘和对连续缺失数据的修补；本发明引入了一种偏注意力机制，该机制包含两个额外的$key$和$value$向量以及可学习的位置嵌入向量，用于稳定且有效地表征不完整片段；本发明采用一种重叠式重建方法，以有效学习准确修补序列所需的片段内部和片段间的依赖关系。
-
公开(公告)号：CN113722332B
公开(公告)日：2024-03-26
申请号：CN202111056560.5
申请日：2021-09-09
Applicant: 上海交通大学
IPC: G06F16/22 , G06F16/2458 , G06F16/903
Abstract: 本发明提供了一种基于数据结构提升匹配算法效率和鲁棒性的方法及系统，包括：利用预设的数据结构基于匹配算法对订阅进行索引；在所述预设的数据结构中，预设的数据结构包括两级索引层和一个存储层；所述第一级索引层是基于属性的映射，将具有相同属性的谓词映射到相同的属性单元中；所述第二级索引层是基于区间谓词宽度的映射，根据区间谓词宽度将谓词映射到不同的宽度单元中，使得具有相同宽度但中心不同的区间谓词能够映射到相同的宽度单元中；所述存储层是用于存储订阅；所述宽度单元按照均匀的方式划分。
-
-
-
-
-
-
-
-
-
Search Results
127
records
(took 0.057 seconds)
