-
公开(公告)号：CN118012580A
公开(公告)日：2024-05-10
申请号：CN202211398671.9
申请日：2022-11-09
Applicant: 北京大学
Abstract: 本发明涉及一种基于强化学习和任务感知随机游走的深度学习任务调度方法和系统。该方法包括：生成任务序列；定序智能体接收任务序列中的任务状态作为输入，输出任务的调度优先级；定位智能体接收集群的状态作为输入，采用任务感知的随机游走算法为每个任务输出机器节点的放置优先级；所述定序智能体和所述定位智能体是采用强化学习算法训练得到的智能体，所述定序智能体和所述定位智能体之间进行信息共享和交互；根据定序智能体和定位智能体的输出决策对任务序列中的任务进行调度。本发明通过对两个智能体之间进行信息共享和交互，综合考虑了任务特点和集群的拓扑结构和状态信息，可以协助进行定序和定位决策。
-
公开(公告)号：CN116032925A
公开(公告)日：2023-04-28
申请号：CN202211742874.5
申请日：2022-12-30
Applicant: 蚂蚁区块链科技(上海)有限公司 , 北京大学
IPC: H04L67/10 , H04L9/40 , H04L67/141 , H04L67/52
Abstract: 本申请实施例提供一种区块链网络的组网方法、区块链网络和节点设备，区块链网络中包括由多个共识节点构成的共识子网络，以及分别对应不同的地理位置的至少一个区域子网络；区域子网络包括多个非共识节点；多个非共识节点包括从共识节点处接收共识数据的至少一中继节点；以及，从中继节点处接收中继节点转发的共识数据的至少一普通节点；方法包括：确定与网络设备所在的地理位置对应的目标区域子网络，并发起针对目标区域子网络的注册；响应于针对目标区域子网络的注册完成，确定网络设备是否满足成为中继节点的条件；如果是，作为中继节点与共识子网络中的共识节点建立网络连接；如果否，作为普通节点与目标区域子网络中的中继节点建立网络连接。
-
公开(公告)号：CN102195890B
公开(公告)日：2014-04-16
申请号：CN201110149707.5
申请日：2011-06-03
Applicant: 北京大学
IPC: H04L29/08
Abstract: 本发明提供了一种基于云计算的互联网应用调度方法，包括步骤：1)安装于应用服务器前端的调度器监控应用服务器的配置信息，各服务器上应用的需求，以及上一时刻和当前时刻的用户请求数；各应用所有实例的运行信息；2)当监测到应用发生变化，包括应用的负载下降、应用退出系统、应用加入系统、应用的负载上升，通过装箱算法对应用发生变化的服务器负载进行调整，并通过转发器改动每个应用的各实例间的负载分布，减少在新服务器上开启新的应用实例；3)调度器输出需要关闭的应用实例、需要新启动的应用实例，以及在哪个服务器上启动。本发明的方法根据用户应用的动态需求动态地为用户调整资源的使用数量，尽量避免启动新的应用实例，代价小。
-
公开(公告)号：CN102799486A
公开(公告)日：2012-11-28
申请号：CN201210205841.7
申请日：2012-06-18
Applicant: 北京大学
Abstract: 本发明涉及一种MapReduce系统中的数据采样和划分方法，其步骤包括：1）客户端向MapReduce系统中提交任务请求，所述MapReduce系统中的主控节点将Map任务划分成采样和普通任务，所述主控节点Master将采样任务优先下发到各个分节点Worker进行执行；2）根据各个分节点Worker上的Map采样任务筛选出样本集合，并将样本上传至主控节点Master进行合并；3）所述主控节点Master根据Map采样任务结果得到Reduce任务工作量，对Reduce任务划分键值区间，实现负载均衡，完成采样和划分。在存在数据倾斜的应用场景下，本发明可以较大幅度地提高整个MapReduce任务的执行效率，本发明的数据采样和划分算法对于原有MapReduce系统带来的额外开销较小，在数据分布比较均匀的应用场景下基本上不影响原系统的执行效率。
-
公开(公告)号：CN101719081A
公开(公告)日：2010-06-02
申请号：CN200910238364.2
申请日：2009-12-01
Applicant: 北京大学
Abstract: 本发明公开了一种虚拟机调度方法，属于计算机网络领域。本方法为：1)在每台物理服务器上运行一物理机监控器，用于定期搜集各虚拟机的负载并将其发送到虚拟机调度器，以及接收并执行虚拟机调度器发来的指令；2)虚拟机调度器定期判断出负载数据发生变化的虚拟机及其所在的物理服务器；3)虚拟机调度器采用装箱算法对负载数据发生变化的虚拟机进行调整，得到虚拟机与物理服务器的目标对应关系；4)虚拟机调度器比较虚拟机与物理服务器的当前对应关系和目标对应关系，生成一虚拟机调度计划；5)物理机监控器根据虚拟机调度计划对虚拟机进行调度。与现有技术相比，本发明具有负载均衡的效果，同时休眠处于空闲的物理服务器，进一步降低能耗。
-
Patent Agency Ranking
公开(公告)号：CN117808467A
公开(公告)日：2024-04-02
申请号：CN202410223733.5
申请日：2024-02-28
IPC: G06Q20/22 , G06Q20/38 , G06Q30/0601 , G06Q30/0645 , G06Q40/04 , H04L9/32 , H04L67/104
Abstract: 本公开实施例公开了一种基于区块链网络的跨分片交易方法和装置、设备和介质，其中，应用于区块链网络，方法包括：响应于检测到的交易事件为跨分片交易，且交易事件对应的各目标账户均不归属于第二分片，在多个第二分片中确定用于处理分片事件的目标第二分片；由每个目标账户归属的目标第一分片中的任一第一业务节点，将目标账户的账户信息迁移至目标第二分片；目标第二分片中的任一第二业务节点处理交易事件。
-
公开(公告)号：CN117041059A
公开(公告)日：2023-11-10
申请号：CN202310797645.1
申请日：2023-06-30
Applicant: 蚂蚁区块链科技(上海)有限公司 , 北京大学
IPC: H04L41/0896 , H04L41/12 , H04L9/00
Abstract: 本申请一个或多个实施例提供一种区块链网络拓扑调整方法、共识节点和区块链网络，所述方法应用于区块链网络中的任一目标节点，包括：获取待发送的目标区块；确定所述目标区块是否符合预设的第一触发条件；如果所述目标区块符合所述第一触发条件，在所述目标区块中添加与所述目标节点对应的带宽容量信息后转发所述目标区块；以及，基于所述目标区块包含的与所述目标区块的传输路径上的各个节点对应的带宽容量信息，从所述传输路径上确定出带宽容量大于所述目标节点的带宽容量的节点，并与所述节点建立连接，以对所述区块链网络的网络拓扑进行调整；其中，所述带宽容量信息由所述各个节点在转发所述目标区块时添加至所述目标区块。
-
公开(公告)号：CN116170464A
公开(公告)日：2023-05-26
申请号：CN202211737971.5
申请日：2022-12-30
Applicant: 蚂蚁区块链科技(上海)有限公司 , 北京大学
Abstract: 本说明书提出一种区块链网络中的共识数据分发方法，包括：从基于纠删码算法针对所述共识数据进行分割得到的指定数量的数据分片中，确定所述目标共识节点待分发的目标数据分片；将所述目标数据分片分别单播发送至所述区块链网络中的各个区域子网络中与该目标共识节点建立了网络连接的目标中继节点，以使所述目标中继节点继续将所述目标数据分片广播发送至其所属的区域子网络中与其建立了网络连接的其它的各个中继节点和普通节点，由所述其它的各个中继节点和所述普通节点，对接收到的与所述共识数据对应的数据分片进行数据恢复。
-
公开(公告)号：CN111966484A
公开(公告)日：2020-11-20
申请号：CN202010581407.3
申请日：2020-06-23
Applicant: 北京大学
Abstract: 本发明涉及一种基于深度强化学习的集群资源管理和任务调度方法及系统。该方法将需要运行的任务放置于待调度任务队列；通过资源调度管理智能体依次处理待调度任务队列中的任务，根据集群资源状况和任务的资源需求产生调度决策；所述资源调度管理智能体是根据在集群上运行的历史任务记录，使用深度强化学习的方法训练得到的神经网络；根据调度决策，将任务调度至集群中对应的机器上执行。本发明能够提高集群资源的利用率和系统吞吐率，并使得计算机集群资源分配可以在任务负载情况变化时自适应；本发明能够使得任务的响应时间更短，能够在相同负载的情况下减少集群机器数目，对于节省能源保护环境有重要的意义。
-
公开(公告)号：CN111694656A
公开(公告)日：2020-09-22
申请号：CN202010322543.0
申请日：2020-04-22
Applicant: 北京大学
Abstract: 本发明公开一种基于多智能体深度强化学习的集群资源调度方法及系统，涉及计算机软件技术领域，生成随机合成的作业序列或者基于云服务提供商公开数据的真实作业序列，从作业序列中提取作业，添加到等待作业队列中并计算预计执行时间，该等待作业队列设置成由多台机器组成的集群共享，每台机器含有待分配的计算资源；根据传统手工设计的启发式调度算法生成调度决策，并利用该调度决策训练、评估和优化基于多智能体深度强化学习的自适应调度算法，据以得到当前所有待调度作业整体的最终调度决策；对于待调度作业，根据最终调度决策指定的目标机器，在目标机器的可用计算资源中扣除作业使用的资源，到达作业预计完成时间后释放，完成调度。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.022 seconds)
