-
公开(公告)号：CN114826892B
公开(公告)日：2024-07-02
申请号：CN202210460861.2
申请日：2022-04-28
Applicant: 济南浪潮数据技术有限公司
IPC: H04L41/0668 , H04L43/10 , H04L67/1095
Abstract: 本申请公开了一种集群节点控制方法、装置、设备及介质，涉及consul集群技术领域，该方法应用于由奇数个服务端节点构建的consul集群，包括：当consul集群中的目标服务端节点获取到服务更新信息，则基于服务更新信息对目标服务端节点本地存储的服务信息进行更新，以生成更新后信息；服务更新信息包括服务注册信息与心跳检查信息；利用预设的信息同步方法将目标服务端节点中的更新后信息同步至consul集群中的其他服务端节点；当监测到consul集群中的任一服务端节点故障时，则从consul集群中确定出故障节点的接替节点，并控制接替节点使用更新后信息代替故障节点以提供服务。本发明可以在提升consul集群在中小规模微服务架构中的易用性与可行性的同时，减少部署的复杂性。
-
公开(公告)号：CN118151970A
公开(公告)日：2024-06-07
申请号：CN202410311654.X
申请日：2024-03-18
Applicant: 济南浪潮数据技术有限公司
Abstract: 本发明涉及计算机领域，具体涉及服务升级方法、装置、电子设备及存储介质。获取至少一个待升级服务，并获取各待升级服务对应的最新代码；基于最新代码，生成各目标Docker镜像文件；根据目标Docker镜像文件，更新对应的待升级chart包，得到更新chart包，并将更新chart包上传至测试镜像仓库；校验更新chart包是否上传至测试镜像仓库；获取各更新chart包对应的第一优先级；根据第一优先级，对各更新chart包进行升级操作，以完成对待升级服务的升级。节省了人力，可以处理多个helm chart包的先后顺序，不需要运维人员进行逐个核对服务是否正常，且保证对待升级服务进行升级部署的准确性。
-
公开(公告)号：CN115208764A
公开(公告)日：2022-10-18
申请号：CN202210890256.9
申请日：2022-07-27
Applicant: 济南浪潮数据技术有限公司
IPC: H04L41/0893 , H04L67/60 , H04L41/0273
Abstract: 本申请公开了一种基于资源池的请求响应方法、装置及其介质，涉及软件开发技术领域，用于响应客户端发送的请求，针对目前在进行请求响应时兼容性较差，不能很好地响应多领域请求的问题，提供了一种基于资源池的请求响应方法，由于绝大部分技术领域的服务资源按照功能通常都可以分为用于被消耗以支持服务完成的消耗类资源，以及用于消耗资源以实现服务功能的执行类资源。所以通过描述文件对其进行定义，将其以资源池的思想抽象成基于统一规范的资源模型，使得多种不同技术领域的资源之间可以基于统一规范调用，进而在进行请求响应时可以调用更广泛的资源，提供对更多样的服务，响应更多种的请求，极大地增强了泛用性。
-
公开(公告)号：CN115220563A
公开(公告)日：2022-10-21
申请号：CN202210763832.3
申请日：2022-06-30
Applicant: 济南浪潮数据技术有限公司
IPC: G06F1/3234 , G06F11/22 , G06F11/34
Abstract: 本申请公开了一种服务器运行管理方法、系统、装置、服务器及存储介质，涉及服务器领域，该服务器运行管理方法包括：确定多个预设功耗值；将各个预设功耗值分别设置为服务器的功耗封顶值，并在每一预设功耗值下对服务器进行压力测试，得到服务器的最大功耗值和性能值；基于所有最大功耗值和所有性能值计算最佳能效比；将根据最佳能效比得到的最优功耗值设置为服务器的功耗封顶值。本申请能够保证服务器在高负载业务时能效转换比最佳，避免造成资源浪费，从而促进绿色数据中心建设。
-
公开(公告)号：CN114968581A
公开(公告)日：2022-08-30
申请号：CN202210587030.1
申请日：2022-05-27
Applicant: 济南浪潮数据技术有限公司
IPC: G06F9/50
Abstract: 本发明公开了一种Kubernetes集群的pod调度方法及相关组件，涉及调度技术领域，确定集群中各物理主机包括资源的实际利用率，kube‑scheduler可根据实际利用率确定可部署该pod的目标主机，以实现pod部署。具体的，基于实际利用率按照预设评分标准确定各物理主机的综合评分，并确定综合评分最高的物理主机为可部署该pod的目标主机。可见，本申请综合考虑了各物理主机资源的实际利用率，相较于现有技术中随机调度且在pod已部署后再进行二次调度的方式，在kube‑scheduler首次调度时即保证了调度的最优性及合理性，实现了pod均衡调度，保证了应用服务的稳定性及资源的最大化利用。
-
Patent Agency Ranking
公开(公告)号：CN115208764B
公开(公告)日：2024-08-16
申请号：CN202210890256.9
申请日：2022-07-27
Applicant: 济南浪潮数据技术有限公司
IPC: H04L41/0893 , H04L67/60 , H04L41/0273
Abstract: 本申请公开了一种基于资源池的请求响应方法、装置及其介质，涉及软件开发技术领域，用于响应客户端发送的请求，针对目前在进行请求响应时兼容性较差，不能很好地响应多领域请求的问题，提供了一种基于资源池的请求响应方法，由于绝大部分技术领域的服务资源按照功能通常都可以分为用于被消耗以支持服务完成的消耗类资源，以及用于消耗资源以实现服务功能的执行类资源。所以通过描述文件对其进行定义，将其以资源池的思想抽象成基于统一规范的资源模型，使得多种不同技术领域的资源之间可以基于统一规范调用，进而在进行请求响应时可以调用更广泛的资源，提供对更多样的服务，响应更多种的请求，极大地增强了泛用性。
-
公开(公告)号：CN117076399A
公开(公告)日：2023-11-17
申请号：CN202311013842.6
申请日：2023-08-11
Applicant: 济南浪潮数据技术有限公司
IPC: G06F16/16 , G06F16/172
Abstract: 本发明涉及一种服务器数据模拟方法、系统、装置及存储介质。本发明将服务器拆分成不同的组件，为每个组件配置描述组件用的字段以形成服务器数据模型；不同厂商的真实服务器的数据按照所述服务器数据模型中定义的格式和第一元数据文件中定义的字段内容发送给数据后台，数据后台解析接收到的数据并按照设定的行协议进行存储；数据后台利用不同场景中统一的服务器数据进行AI模型训练，基于AI模型的推理能力得到假数据源，对于AI模型生成的假数据，数据后台按照所述行协议进行存储；消费者根据需求的属性映射或约束，通过JSON模板和第二元数据文件描述想要的假数据；按照JSON模板和第二元数据文件所定义的格式将假数据发送给消费者。
-
公开(公告)号：CN116521371A
公开(公告)日：2023-08-01
申请号：CN202310495531.1
申请日：2023-04-27
Applicant: 济南浪潮数据技术有限公司
Abstract: 本发明提供一种自适应负载均衡的方法、系统、设备和存储介质，方法包括：监控每个实例的每个操作的执行响应时间，并根据每个实例的每个操作的执行响应时间进行自适应权重强化学习；响应于自适应权重强化学习次数小于第一次数，采用轮询的方式进行服务实例的调度；以及响应于自适应权重强化学习次数大于或等于第一次数，采用学习到的权重进行服务实例的调度。本发明通过自适应学习实例的分配权重，选择最适合的实例，发挥平台的最大性能。
-
公开(公告)号：CN115794125A
公开(公告)日：2023-03-14
申请号：CN202210761706.4
申请日：2022-07-01
Applicant: 济南浪潮数据技术有限公司
Abstract: 本申请涉及计算机技术领域，公开了一种服务部署方法，包括：接收部署请求，确定部署请求对应的服务；解析部署请求，确定服务对应的项目和分支的提交信息；根据项目和分支确定目标预设配置文件，若提交信息与目标预设配置文件中的部署关键词匹配，通过目标预设配置文件登录至对应的目标服务器，并在目标服务器部署所述服务。通过预先设置预设配置文件，确定部署请求对应的服务中的项目和分支从而确定目标预设配置文件，根据目标预设配置文件登录至对应的目标服务器，再根据目标预设配置文件对目标服务器进行服务部署，整个过程中，提交部署请求后就无需手动操作，省去手动登录和手动运行的重复过程，节省部署人员的时间，提升服务部署的效率。
-
公开(公告)号：CN118211070A
公开(公告)日：2024-06-18
申请号：CN202410379526.9
申请日：2024-03-29
Applicant: 济南浪潮数据技术有限公司
IPC: G06F18/214 , G06F18/25 , G06F18/2411 , G06N3/088 , G06N3/09
Abstract: 本申请提供一种异常数据检测方法、系统、设备及介质，包括基于多个无监督算法模型对初始样本进行异常检测以对每一初始样本生成多个第一异常检测结果；根据第一预设规则对第一异常检测结果进行处理以生成每一初始样本的第一决策结果；基于已训练成功的有监督算法模型对具有第一决策结果的初始样本进行异常检测以生成第二决策结果；根据每一初始样本的第一决策结果、第二决策结果以及预设决策规则，生成目标决策结果；筛选初始样本以更新目标训练样本库；基于目标训练样本库对训练有监督算法模型，并利用训练成功的有监督算法模型对未标注样本进行异常检测。融合有监督算法和无监督算法筛选样本并更新训练样本库，提升有监督算法模型的准确度。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.032 seconds)
