-
公开(公告)号：CN112600936A
公开(公告)日：2021-04-02
申请号：CN202011592364.5
申请日：2020-12-29
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的云计算系统服务的量化和评估方法，包括：步骤1：获取服务注册信息；步骤2：服务集合解析；步骤3：建立服务因子集合；步骤4：服务因子的加权或约束处理；步骤5：重定义服务；步骤6：重定义集合的模型评估；步骤7：服务描述；步骤8：发布服务。本发明的云计算系统服务的量化和评估方法，通过评估检测的服务再进行服务描述和发布，实现了云平台正式提供服务前对这些服务进行统一描述、统一量化评估和统一发布，可用于组合型云服务的检测，以及服务目录可用性检测，便于平台运营方包装平台提供的各类云服务并上线运营。
-
公开(公告)号：CN112165435A
公开(公告)日：2021-01-01
申请号：CN202011052886.6
申请日：2020-09-29
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: H04L12/825 , H04L12/851 , H04L12/869 , H04L12/873 , H04L12/927 , G06F9/455
Abstract: 本发明公开了一种基于虚拟机网络服务质量的双向流量控制方法及系统，所述方法包括以下步骤：创建虚拟机，分别在出口方向和入口方向创建虚拟网络设备；分别为出口和入口方向的虚拟网络设备配置队列，并分别添加出口流量控制规则和入口流量控制规则；基于入口流量控制规则对来自其他设备的数据进行流量控制；基于出口流量控制规则对待发送至其他设备的数据进行流量控制。本发明通过为每个虚拟机创建一对虚拟网络设备，并分别设置入口和出口方向的流量控制规则，实现了对虚拟化网卡的双向流量控制。
-
公开(公告)号：CN111796912A
公开(公告)日：2020-10-20
申请号：CN202010658128.2
申请日：2020-07-09
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了申威平台存储输入输出设备虚拟化性能优化方法及系统，包括：客户机的模拟处理器QEMU为客户机和宿主机提供共享内存；客户机的模拟处理器QEMU与宿主机通信，告知宿主机共享内存的地址信息；宿主机接收到共享内存的地址信息后，计算出共享内存的地址信息在宿主机用户进程的地址，然后进行读写操作。
-
公开(公告)号：CN120046657A
公开(公告)日：2025-05-27
申请号：CN202510117062.9
申请日：2025-01-24
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06N3/045 , G01C13/00 , G06N3/0464 , G06N3/0455 , G06N3/096 , G06F18/15 , G06F18/25 , G06F18/213 , G06F18/214 , G06F30/27 , G06F111/10 , G06F30/28
Abstract: 本公开涉及海浪波高预测技术领域，提出了一种融合多源数据的海浪有效波高预测方法及系统，包括如下步骤：基于获取的浮标观测数据对获取的卫星观测数据进行矫正；将获取的再分析数据和矫正后的卫星观测数据，采用最优插值法进行初步融合；增加一层数据掩膜以标记卫星数据位于融合数据的位置；将标记处理后的初步融合数据输入VQ‑VAE模型，将融合数据压缩为离散潜在变量，输入GPT模型，生成海浪有效波高的预测结果。本公开结合人工智能、数据同化和微调技术，引入数据同化技术融合多源时空稀疏的海洋观测数据和模型模拟结果，并在训练过程中使用微调技术放大观测数据的调整作用，从而提高海浪预测的精度和时效性。
-
公开(公告)号：CN119938281A
公开(公告)日：2025-05-06
申请号：CN202510429446.4
申请日：2025-04-08
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及针对含依赖的分层步进变换循环的异构平台并行优化方法，属于电子信息技术领域。包括：1）CPU预处理外层数据依赖；在分层步进变换循环中，将外层依赖数据从整个分层步进变换循环中提取出来，在CPU端独立执行计算；2）分层循环调整为一层循环；3）进行提取后依赖数组的重映射。本发明将外层依赖数据从整个循环体中提取出来，在CPU中提前计算。从而避免对核函数的多次启停，造成时间浪费。本发明提出将分层步进循环改为一层循环的方法和步骤，同时修改了数据访问方式，减少了不确定数据的频繁传输，提高执行效率。
-
Patent Agency Ranking
公开(公告)号：CN114741161B
公开(公告)日：2025-05-02
申请号：CN202210487700.2
申请日：2022-05-06
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F9/455
Abstract: 本发明涉及一种基于混合集群的HPC作业集群感知方法，包括：A、获取传统虚拟化云集群环境和容器云集群环境作业运行日志记录信息；B、初构建、处理传统虚拟化云集群环境和容器云集群环境下的作业运行数据集；C、训练得到基于传统虚拟化云集群环境和容器云集群环境两种环境下的基于RFR随机森林回归算法的预测模型；D、根据用户提交的作业需求信息，预测模型给予运行时间、CPU使用率、内存使用率的预测；E、将作业运行结果信息对提交的作业进行集群感知模型的处理，最终形成HPC作业集群节点感知方法。本发明建立两种环境下的预测模型，并以预测结果为依据进行集群节点感知，达到了根据作业需求自动感知最佳集群节点的效果。
-
公开(公告)号：CN119903476A
公开(公告)日：2025-04-29
申请号：CN202411989902.2
申请日：2024-12-31
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F18/25 , G06F18/213 , G06N3/0442 , G06N3/08
Abstract: 本发明提出基于时序生成式模型的有效波高的时空预测方法及系统，对目标预测时间对应的目标区域的历史ERA5再分析数据进行编码降维，生成离散变量，有效地降低了数据的维度，同时保留了关键信息；将生成的离散变量和对应的目标区域的历史ERA5再分析数据共同输入至DALSTM模型中，能够综合利用离散变量和初始数据，实现对海浪特征的深入提取和融合，提高后续有效波高预测的准确性和效率。
-
公开(公告)号：CN119149240B
公开(公告)日：2025-04-08
申请号：CN202411594962.4
申请日：2024-11-11
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F9/50
Abstract: 本发明提出面向深度学习的细粒度、干扰感知的GPU调度方法及系统，涉及GPU资源调度技术领域。包括在离线阶段收集工作负载的资源需求信息；生成每个应用程序对应的在GPU上执行的CUDA内核任务；拦截每个应用程序CUDA内核任务的启动请求，并将启动请求对应的CUDA内核任务缓存在每个应用程序对应的任务队列中；对于高优先级应用程序，直接将对应任务队列中的CUDA内核任务提交给GPU调度；对于低优先级应用程序，根据干扰评分以及资源需求判断是否提交CUDA内核任务至GPU进行调度。本发明能够减少任务之间的资源冲突和干扰，实现GPU资源共享，提高GPU资源利用率。
-
公开(公告)号：CN118939736A
公开(公告)日：2024-11-12
申请号：CN202410944068.9
申请日：2024-07-15
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F16/28 , G06F16/215 , G06F16/2453 , G06F16/22 , G06F16/2455
Abstract: 本发明涉及基于查询和元数据异常检测的数据湖仓聚簇方法与系统，属于大数据计算技术领域。包括：数据采集与预处理；EC‑GKDE算法异常判定：对预处理操作后的数据集进行训练，得到所有查询任务的异常分数，进行初次判定；元数据信息异常判定：获取异常查询任务的关联表，获取Hive元数据服务中HDFS实际路径信息，并计算该HDFS实际路径下小文件所占比例，二次判定该异常查询任务的关联表是否为异常表；聚簇优化：提交聚簇任务，将小文件合并为大文件。本发明减少存储资源的开销，大大降低了查询任务需要消耗的时间；本发明可以控制聚簇操作执行的次数，减轻聚簇机制带来的并发更新不支持、增量查询不友好和集群资源浪费的问题。
-
公开(公告)号：CN118779197A
公开(公告)日：2024-10-15
申请号：CN202411237023.4
申请日：2024-09-05
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F11/34 , G06F11/30 , G06F9/50 , G06N3/006 , G06F18/23213 , G06F18/2415
Abstract: 本发明涉及一种基于BWO和聚类算法的作业资源消耗模式分析方法，属于大数据计算技术领域；包括：(1)作业运行与任务调度；(2)工作节点资源指标监控；(3)数据预处理和生成数据集；(4)运行基于白鲸优化算法和K‑prototypes算法的BWO/K‑prototypes算法；(5)BWO/K‑prototypes算法最优解应用；(6)聚类结果分析；(7)Flink作业的资源消耗模式分析结果获取与保存。本发明不仅可以提升Flink集群的执行效率，避免异常抛出；还可以减少资源占用，避免不必要的资源浪费。
-
-
-
-
-
-
-
-
-
Search Results
196
records
(took 0.064 seconds)
