一种算力网络的健康度感知与预测系统

    公开(公告)号:CN118631682B

    公开(公告)日:2025-05-13

    申请号:CN202410879389.5

    申请日:2024-07-02

    Abstract: 本发明提供了一种算力网络的健康度感知与预测系统。该系统包括:计算资源层:包含数据中心网络与各种计算设备,部署算力网络的服务节点,获取计算设备的健康度参数信息,并发送到集中控制层;网络资源层:用于部署网络服务节点,进行数据包的路由和转发,接收并执行控制层下发的资源配置策略与计算任务,将网络设备的健康度参数信息发送到集中控制层;集中控制层:用于根据当前计算设备和网络设备的健康度参数信号感知当前计算设备和网络设备的健康度状态,预测下一周期的序列信号的健康度,对计算资源和网络资源进行统一分配。本发明将网络能力与计算能力进行统筹考虑,结合具有概率分析的健康度矩阵,能够实时提供最优的算力网络执行路径。

    能耗和算力双维度确定性优化调度方法、装置及数据中心

    公开(公告)号:CN120011044A

    公开(公告)日:2025-05-16

    申请号:CN202411964831.0

    申请日:2024-12-30

    Abstract: 本发明涉及算力调度技术领域,公开了一种能耗和算力双维度确定性优化调度方法、装置及数据中心,该方法包括:获取数据中心中各服务器的算力资源信息以及目标任务的资源需求;将算力资源信息以及资源需求进行统一数学描述,得到数据中心中各服务器的算力信息和目标任务的算力需求;根据算力信息和算力需求,对不同时刻各服务器为目标任务提供的算力进行优化,以使数据中心执行目标任务消耗的总能量最小,得到调度策略。本发明对不同时刻下各服务器提供的不同类型的算力进行优化,从而实现了对服务器中异构资源的调度,也使得根据优化得到的调度策略执行目标任务时的耗能最小。

    一种算力网络的健康度感知与预测系统

    公开(公告)号:CN118631682A

    公开(公告)日:2024-09-10

    申请号:CN202410879389.5

    申请日:2024-07-02

    Abstract: 本发明提供了一种算力网络的健康度感知与预测系统。该系统包括:计算资源层:包含数据中心网络与各种计算设备,部署算力网络的服务节点,获取计算设备的健康度参数信息,并发送到集中控制层;网络资源层:用于部署网络服务节点,进行数据包的路由和转发,接收并执行控制层下发的资源配置策略与计算任务,将网络设备的健康度参数信息发送到集中控制层;集中控制层:用于根据当前计算设备和网络设备的健康度参数信号感知当前计算设备和网络设备的健康度状态,预测下一周期的序列信号的健康度,对计算资源和网络资源进行统一分配。本发明将网络能力与计算能力进行统筹考虑,结合具有概率分析的健康度矩阵,能够实时提供最优的算力网络执行路径。

    一种面向融合网络的任务感知与智能调度方法

    公开(公告)号:CN119212105A

    公开(公告)日:2024-12-27

    申请号:CN202411230386.5

    申请日:2024-09-03

    Abstract: 本申请公开了一种面向融合网络的任务感知与智能调度方法,涉及通信网络技术领域,该方法应用于一种融合网络,方法包括:构建融合网络架构;从当前待处理任务的算力标识中提取当前待处理任务的用户设备节点为源节点;基于融合网络架构,利用路径搜索算法确定以源节点为起点,以每个算力中心节点为目的节点时对应的路径;根据当前待处理任务的算力标识,从所有算力中心节点对应的路径中选取最优路径;基于最优路径前往最优目的节点处理任务,本申请在最优路径选择时考虑传输时延和服务时延,能够提高面向融合网络的任务感知与智能调度的合理性。

    一种基于能源感知的智算融合网络功能卸载方法

    公开(公告)号:CN119011392A

    公开(公告)日:2024-11-22

    申请号:CN202411022566.4

    申请日:2024-07-29

    Abstract: 本发明提供了一种基于能源感知的智算融合网络功能卸载方法。该方法包括:智算融合网络中的服务器利用DQN算法生成SFC部署策略;通过控制面与决策面之间的交互将SFC部署策略转化为转发路径,将转发路径与决策面的决策进行关联保存;当执行本次决策时,获取本次决策对应的转发路径,根据转发路径实现本次决策的SFC数据包转发,通过被动INT探测收集每个节点的网络状态信息,输出实际网络状态信息矩阵;每一次的SFC部署策略完成后,根据网络状态信息矩阵中的参数计算每次SFC部署的能耗,通过服务器节点状态转换机制对服务器的状态进行更新。本发明可以动态调整服务功能链的部署方式和流量路径,实现对网络资源的智能管理和优化,提高服务器利用率和能源效率。

    面向深度学习模型参数同步的智算融合网络多路传输方法

    公开(公告)号:CN118972313A

    公开(公告)日:2024-11-15

    申请号:CN202410885351.9

    申请日:2024-07-03

    Abstract: 本发明提供了一种面向深度学习模型参数同步的智算融合网络多路传输方法。该方法包括:智算融合网络中的计算节点周期性向网络中发送INT探测报文,通过INT探测报文收集网络状态信息;控制器通过读取INT探测数据包收集到的信息以及RAR架构分布式深度学习任务的部署信息,判断当前任务的传输路径是否发生了拥塞,当检测到出现拥塞时,调用蚁群算法选择最优的路径组合;利用最优的路径组合替换掉原传输路径中对应的拥塞链路,生成任务主机间的多路传输路径集,向其中涉及的所有交换机节点中添加新的转发规则。本发明将多路传输机制加入到智算融合网络的知识空间,能够调用该机制有效加快该类型任务的模型参数同步速度,更好的满足用户服务需求。

    通算融合的分布式资源协同调度方法、装置、设备及介质

    公开(公告)号:CN116866353A

    公开(公告)日:2023-10-10

    申请号:CN202310851893.X

    申请日:2023-07-12

    Abstract: 本发明提供了一种通算融合的分布式资源协同调度方法、装置、设备及介质,包括:获取与通算融合的网络场景对应的分布式计算卸载通信模型与分布式计算卸载计算模型;基于所述分布式计算卸载通信模型与分布式计算卸载计算模型确定分布式算力负载均衡模型;根据所述分布式算力负载均衡模型将算力协同调度过程建模为马尔可夫决策过程;利用预设的分布式算力调度算法对所述马尔可夫决策过程进行求解,获得卸载服务策略;其中,所述预设的分布式算力调度算法为基于MADDPG的分布式算力调度算法。本发明能够在保证用户体验的条件下,维持网络中的节点负载均衡,有一定的有效性和可拓展性。

Patent Agency Ranking