-
公开(公告)号:CN112346819A
公开(公告)日:2021-02-09
申请号:CN202011228780.7
申请日:2020-11-06
Applicant: 无锡江南计算技术研究所 , 中国科学院计算技术研究所
Abstract: 本发明公开一种面向容器应用的网络服务隔离方法,包括以下步骤:S1:创建线程池,其中每一个线程提供接收或发送数据包服务;S2:当一个新的TCP请求到达时,从线程池中取出一个线程,并将TCP请求任务交给该线程进行处理;S3:将线程与CPU核进行亲和性绑定,将线程绑定到发出TCP请求的容器运行所在的CPU上,使得Linux内核只在亲和CPU上调度,如果亲和的CPU个数为1,则不再进行调度;S4:该取出的线程应用自己的用户态网络协议栈,将socket、tcb资源由内核态提取到用户态,对自己的socket、tcb资源进行维护;S5:该线程处理完这个TCP请求之后,将其返还给线程池,继续等待下一次请求。本发明可以减少在创建线程和销毁线程上花费的时间和资源。
-
-
公开(公告)号:CN117235150A
公开(公告)日:2023-12-15
申请号:CN202311247544.3
申请日:2023-09-25
Applicant: 中国科学院计算技术研究所
IPC: G06F16/2458 , G06N20/20 , G06N3/096 , G06N3/0442
Abstract: 本发明提供了一种面向复杂场景的小样本时序数据外推分析方法和系统,包含:通过使用深度学习算法来自动地从数据中提取有用的特征,从而减少了人工特征选择的工作量,并提高了预测精度。通过将多个不同的模型进行组合,以提高预测结果的准确性和鲁棒性。利用已有的相关领域数据和知识,在相似或相近领域快速迁移模型,提高了模型训练的效率和精度。最后,对模型进行评估和优化,以满足实际应用的需求。本发明通过对模型的组合和迁移学习,提高了模型的预测准确性和鲁棒性,并且可以快速适应新领域或新场景的需求。
-
-
-