一种云管资源监控指标分片采集的处理方法

    公开(公告)号:CN118132385A

    公开(公告)日:2024-06-04

    申请号:CN202410421683.1

    申请日:2024-04-09

    Abstract: 本发明属于计算机软件技术领域,具体涉及一种云管资源监控指标分片采集的处理方法,包括以下步骤:S1、云适配器服务实例将自己注册到微服务的注册中心;S2、云管理器监听微服务注册中心的云适配器节点的变化;若发现云适配器节点数量发生改变,触发执行云平台资源采集监控指标的分片流程;S3、云管理器刷新采集配置到prometheus,并下发监控指标分片到redis;S4、prometheus根据采集配置的频率,定时触发资源采集监控指标请求到精确节点进行拉取;S5、云适配器从redis获取所负责的云资源分片信息,请求云平台接口获取指定云资源监控指标,并直线返回prometheus。本发明可采集资源数据量巨大,采集资源不完整、采集进程阻塞、采集程序内存溢出等问题,具有较好的市场应用前景。

    一种无线网络的任务卸载方法

    公开(公告)号:CN118139111B

    公开(公告)日:2024-12-20

    申请号:CN202410280280.X

    申请日:2024-03-12

    Abstract: 本发明提供了一种无线网络的任务卸载方法,属于通信技术领域,该方法包括:构建计算STAR‑RIS辅助的无人机网络模型、通信模型以及能耗模型,并确定第一目标函数以及第一约束条件;对于任务卸载问题,利用KKT条件优化任务卸载,得到最优任务卸载决策向量;对于传输资源问题,利用连续凸近似法SCA对资源分配进行优化;进行交替求解,直至收敛,得到任务卸载与资源分配的最优解。本发明共同优化任务卸载和资源分配这两个子问题,以最小化系统的总能量消耗,采用配备了服务器的悬停无人机作为基站,共同优化STAR‑RIS的振幅、相移以及任务卸载比。在能量分割模式下的能量消耗被最小化。

    基于大规模分布式MIMO协助车联网边缘网络的空地计算卸载方法

    公开(公告)号:CN118632300A

    公开(公告)日:2024-09-10

    申请号:CN202410846483.0

    申请日:2024-06-27

    Abstract: 本发明公开了一种基于大规模分布式MIMO协助车联网边缘网络的空地计算卸载方法,涉及边缘计算和计算卸载领域。其特点是基于一个VEC系统,将车辆上的任务卸载到路边单元(RSU)或者空中的分布式卫星簇(SAP),共同完成任务,以提高计算总消耗。为了解决这个较困难的非凸优化问题,需要将问题解耦成子问题,通过优化每个子问题来找到最优的解。具体表现为:车辆既可卸载到SAP又可卸载到RSU的模型构建、使用二次变换和拉格朗日变换优化预编码向量、使用分类讨论优化子载波分配系数;重复迭代优化预编码向量、子载波分配系数直到目标函数值收敛。本发明能够有效的减小系统模型的总消耗,大幅度降低通信传输和计算任务的时延和能耗,具有较好的实用前景。

    基于推测价格机制的云边协同计算隐私增强方法及系统

    公开(公告)号:CN119668874A

    公开(公告)日:2025-03-21

    申请号:CN202411789953.0

    申请日:2024-12-06

    Abstract: 本发明公开了基于推测价格机制的云边协同计算隐私增强方法及系统,利用数据合成的隐私保护优势,根据计算资源的实际复杂供需,推测合理的价格收费以替代原始资源调度过程的多维度敏感信息,并辅助边缘服务器做效益最优的资源购买决策;资源的价格推测与购买决策通过一个双端的云边学习模型来实现,该模型基于两种状态‑动作‑奖励的MDP建模,采用基于Q‑Learning的强化学习方法进行训练更新,本发明同时为系统设计了一种基于假设检验的资源漂移检测方法,追溯资源供给的分布变化,以及时重启学习过程,完成策略更新,且本发明的适应与响应性表现优秀。

Patent Agency Ranking