-
公开(公告)号：CN107436795B
公开(公告)日：2020-09-04
申请号：CN201710655626.X
申请日：2017-08-03
Applicant: 山东师范大学 , 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了一种保障虚拟机在线迁移服务质量的方法，在虚拟机在线迁移之前，首先判断源节点以及目标节点上各自的最后一级缓存资源LLC是否已经进行分区，若否则对源节点上的最后一级缓存资源LLC进行分区；对目标节点上的最后一级缓存资源LLC进行分区；源节点启动扫描进程和辅助迁移进程，目的节点启动接收进程；源节点再次启动扫描进程得到虚拟机新产生的脏页集合，如果新的脏页集合传输时间在设定范围时间内，则在源节点上将需要迁移的虚拟机挂起，将脏页集合以及虚拟机挂起后保存的进程上下文传输到目标节点；目标节点上的接收进程接收完数据后，从进程上下文恢复虚拟机的执行，至此虚拟机在线迁移成功。
-
公开(公告)号：CN107291539B
公开(公告)日：2019-11-01
申请号：CN201710462836.7
申请日：2017-06-19
Applicant: 山东师范大学 , 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了基于资源重要程度的集群程序调度方法，该调度方法针对每个程序将资源按照对程序的重要程序排序，在查找节点时按照资源重要程度序列查找资源，从而保证多种类型的程序的性能。本发明避免了盲目的基于处理器资源和内存资源进行调度的缺点，保证了磁盘密集型、网络密集型程序的性能；对每个程序都按照不同的资源顺序查找执行环境，能够最大化发挥数据中心中资源的效用。
-
公开(公告)号：CN107436795A
公开(公告)日：2017-12-05
申请号：CN201710655626.X
申请日：2017-08-03
Applicant: 山东师范大学 , 山东省计算中心(国家超级计算济南中心)
CPC classification number: G06F9/45558 , G06F9/4881 , G06F9/5077 , G06F2009/4557
Abstract: 本发明公开了一种保障虚拟机在线迁移服务质量的方法，在虚拟机在线迁移之前，首先判断源节点以及目标节点上各自的最后一级缓存资源LLC是否已经进行分区，若否则对源节点上的最后一级缓存资源LLC进行分区；对目标节点上的最后一级缓存资源LLC进行分区；源节点启动扫描进程和辅助迁移进程，目的节点启动接收进程；源节点再次启动扫描进程得到虚拟机新产生的脏页集合，如果新的脏页集合传输时间在设定范围时间内，则在源节点上将需要迁移的虚拟机挂起，将脏页集合以及虚拟机挂起后保存的进程上下文传输到目标节点；目标节点上的接收进程接收完数据后，从进程上下文恢复虚拟机的执行，至此虚拟机在线迁移成功。
-
公开(公告)号：CN107291539A
公开(公告)日：2017-10-24
申请号：CN201710462836.7
申请日：2017-06-19
Applicant: 山东师范大学 , 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了基于资源重要程度的集群程序调度方法，该调度方法针对每个程序将资源按照对程序的重要程序排序，在查找节点时按照资源重要程度序列查找资源，从而保证多种类型的程序的性能。本发明避免了盲目的基于处理器资源和内存资源进行调度的缺点，保证了磁盘密集型、网络密集型程序的性能；对每个程序都按照不同的资源顺序查找执行环境，能够最大化发挥数据中心中资源的效用。
-
公开(公告)号：CN112000465B
公开(公告)日：2023-02-03
申请号：CN202010705329.3
申请日：2020-07-21
Applicant: 山东师范大学
IPC: G06F9/50 , G06F12/0842 , G06F12/0811
Abstract: 本发明公开了一种数据中心环境下减少延迟敏感程序性能干扰的方法及系统，包括：获取每一个需要执行的程序对处理器和内存的资源占用率；获取每一个延迟敏感程序的LLC未命中率；将每个服务器节点上执行的延迟敏感程序，分别分配在该服务器的不同NUMA节点；基于获取的资源占有率，分别在每个NUMA节点上为延迟敏感程序和批处理程序分配CPU core；在每个NUMA节点上为延迟敏感程序和批处理程序动态划分LLC区域，保证延迟敏感程序LLC未命中率在设定的范围内。本发明在保证延迟敏感程序性能的同时，可以最大化的提升系统的资源利用率和吞吐量。
-
Patent Agency Ranking
公开(公告)号：CN111399998B
公开(公告)日：2022-11-15
申请号：CN202010120054.7
申请日：2020-02-26
Applicant: 山东师范大学
Abstract: 本发明公开了用近似计算保证多个延迟敏感程序性能的方法及系统，获取待运行的若干个延迟敏感程序；对每个延迟敏感程序，判断其是否为可近似计算的延迟敏感程序；如果否，则获取不可近似计算的延迟敏感程序对应的所需占用的数据中心运行资源；进而，计算可近似计算的延迟敏感程序对应的数据中心提供的运行资源，就获取可近似计算的延迟敏感程序的输出精度范围、源代码和数据中心提供的运行资源；基于可近似计算的延迟敏感程序的输出精度范围和数据中心提供的运行资源，对可近似计算的延迟敏感程序进行近似处理；将可近似和不可近似计算的所有延迟敏感程序，在数据中心共同运行。本发明实现了提高程序性能的同时，使精度损失尽可能小。
-
公开(公告)号：CN110633714B
公开(公告)日：2022-04-15
申请号：CN201910912744.3
申请日：2019-09-25
Applicant: 山东师范大学
Abstract: 本公开公开了基于近似计算的VGG图像特征提取加速方法及系统，获取待加速的基于VGG网络的图像特征提取程序，从待加速的基于VGG网络的图像特征提取程序中识别目标循环程序；对目标循环程序执行穿孔得到初始近似程序，用初始近似程序替换待加速的基于VGG网络的图像特征提取程序中的目标循环程序，即得到加速的基于VGG网络的图像特征提取程序；获取待特征提取的图像，将待特征提取的图像输入到加速的基于VGG网络的图像特征提取程序中，进行特征提取，在特征提取的过程中对初始近似程序执行输出注入；最后得到提取后的特征；所述输出注入即利用与当前迭代输入最相似的历史迭代输入对应的迭代输出值作为当前迭代的输出值。
-
公开(公告)号：CN114237864A
公开(公告)日：2022-03-25
申请号：CN202111282625.8
申请日：2021-11-01
Applicant: 山东师范大学
Abstract: 本发明公开了一种人工智能模型的快速训练系统及方法，每个边缘计算终端上均设有至少一个图形处理器；每个本地计算终端上设有n个图形处理器GPU；其中，所述本地计算终端的每个图形处理器上，均部署一个待训练的人工智能模型；本地计算终端的不同图形处理器分别处理不同模态的人工智能模型；本地计算终端的每个图形处理器，在对自身部署的人工智能模型进行训练的过程中，除了卷积操作以外的其他操作，均由本地计算终端的图形处理器来完成；对于卷积操作的处理过程为：每次遇到卷积操作，就将卷积操作传输给对应的边缘计算终端，由边缘计算终端的图形处理器GPU完成卷积操作，并将卷积操作得到的结果回传给本地计算终端对应的图形处理器上。
-
公开(公告)号：CN113990510A
公开(公告)日：2022-01-28
申请号：CN202111273816.8
申请日：2021-10-29
Applicant: 山东师范大学 , 中国中医科学院中医临床基础医学研究所
Abstract: 本发明公开了基于机器学习的急性脑梗死中药方剂治疗效果预测系统，包括：获取模块，获取待预测的急性脑梗死中药方剂；模型生成模块，将待预测的急性脑梗死中药方剂中的每一种中药作为一个节点，为当前方剂中包含的所有中药两两之间建立无向边，生成复杂网络模型；贴近度计算模块，基于复杂网络模型，计算每个节点的相对贴近度；特征选择模块，对待预测的急性脑梗死中药方剂中所有节点的相对贴近度按照降序进行排序，选择排序靠前的若干种相对贴近度作为当前中药方剂样本的特征；预测模块，基于当前中药方剂样本的特征和训练后的机器学习模型，得到中药方剂的治疗效果预测结果。通过训练后的随机森林模型，实现对急性脑梗死疾病的药物疗效预测。
-
公开(公告)号：CN110633714A
公开(公告)日：2019-12-31
申请号：CN201910912744.3
申请日：2019-09-25
Applicant: 山东师范大学
Abstract: 本公开公开了基于近似计算的VGG图像特征提取加速方法及系统，获取待加速的基于VGG网络的图像特征提取程序，从待加速的基于VGG网络的图像特征提取程序中识别目标循环程序；对目标循环程序执行穿孔得到初始近似程序，用初始近似程序替换待加速的基于VGG网络的图像特征提取程序中的目标循环程序，即得到加速的基于VGG网络的图像特征提取程序；获取待特征提取的图像，将待特征提取的图像输入到加速的基于VGG网络的图像特征提取程序中，进行特征提取，在特征提取的过程中对初始近似程序执行输出注入；最后得到提取后的特征；所述输出注入即利用与当前迭代输入最相似的历史迭代输入对应的迭代输出值作为当前迭代的输出值。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.052 seconds)
