一种基于深度学习的RMS可调度性判定方法及装置

    公开(公告)号:CN109766181A

    公开(公告)日:2019-05-17

    申请号:CN201811487528.0

    申请日:2018-12-06

    Abstract: 本发明提供一种基于深度学习的RMS可调度性判定方法及装置,该方法包括:首先,获取待执行任务集,接着,采用空间划分方法对待执行任务集进行划分,获取第一任务子集,根据第一任务子集的调度特征及预先训练好的可调度性判定模型,获取可调度性判定结果,可调度性判定结果用于表示第一任务子集能否在单核处理器上按照RMS算法被调度。本发明所提供的方法利用预先训练好的能够预测任务集能否在单核处理器上按照RMS算法被调度的可调度性判定模型,进行可调度性判定,提高了可调度性判定结果的准确度。另外,对待执行任务集对应的第一任务子集进行可调度性判定,还能够在完整的待执行任务集无法被调度时,提供决策依据。

    一种基于深度学习的EDF可调度性判定方法及装置

    公开(公告)号:CN109739638A

    公开(公告)日:2019-05-10

    申请号:CN201811486770.6

    申请日:2018-12-06

    Abstract: 本发明提供一种基于深度学习的EDF可调度性判定方法及装置,该方法包括:首先,获取待执行任务集,接着,采用空间划分方法对待执行任务集进行划分,获取第一任务子集,根据第一任务子集的调度特征及预先训练好的可调度性判定模型,获取可调度性判定结果,可调度性判定结果用于表示第一任务子集能否在单核处理器上按照EDF算法被调度。本发明所提供的方法利用预先训练好的能够预测任务集能否在单核处理器上按照EDF算法被调度的可调度性判定模型,进行可调度性判定,提高了可调度性判定结果的准确度。另外,对待执行任务集对应的第一任务子集进行可调度性判定,还能够在完整的待执行任务集无法被调度时,提供决策依据。

    一种敏捷分析场景的低代码社交数据计算平台和装置

    公开(公告)号:CN117406960A

    公开(公告)日:2024-01-16

    申请号:CN202311296667.6

    申请日:2023-10-09

    Abstract: 本发明公开了一种面向社交网络敏捷分析场景的低代码数据计算平台构建方法,包括5个主要模块:多源数据接入模块、数据预处理模块、社交关联图构建模块、数据分析模块、分析结果定制化输出模块。输出模块会定时收集相应的分析结果,构建出画像等具体的业务输出。本发明组件间高度解耦,有很好的扩展性,且各模块以低代码的形式为用户预先提供各类算子,变更灵活且开发效率高,能满足各类社交平台分析的下游业务;该方法利用微服务函数和流式计算等新兴技术,实现了对数据源的灵活接入和对数据特征的快速适应,从而提高了数据分析的效率和质量。

    一种基于时序调用图的无服务系统自适应扩缩容方法和装置

    公开(公告)号:CN117389721A

    公开(公告)日:2024-01-12

    申请号:CN202311296740.X

    申请日:2023-10-09

    Abstract: 本发明实现了一种基于时序调用图的无服务系统自适应扩缩容方法。首在函数测拦截网络请求;周期性地获取一定时间切片内的服务调用信息与机器性能指标,以函数实例为节点,调用请求为边,调用请求数量作为边属性构建时序调用图,这些指标信息拼接在一起,经过归一化后,作为节点属性向量而存在;获取指定切片数量的时序调用图后,依次输入STGCN,预测未来时刻各个函数实例的属性向量,并反向归一化成函数实例的各项机器性能指标;基于预测的各项机器性能指标,与预先设定的各项属性阈值进行比较,产生相应的扩缩容决策。解决在科学计算场景下,无服务计算平台扩缩容无法依据实时变化的计算负载情况进行精细地扩缩容导致的服务质量下降或资源浪费等问题。

Patent Agency Ranking