-
公开(公告)号：CN117768362A
公开(公告)日：2024-03-26
申请号：CN202311739848.1
申请日：2023-12-18
Applicant: 浙江大学
IPC: H04L43/0852 , H04L43/12 , H04L43/08 , H04L41/06
Abstract: 本发明公开了一种基于eBPF的网络诊断与预警方法、装置和介质，该方法包括：采集模块通过获取内核态的qdisc eBPF事件数据，获取qdisc队列状态信息、qdisc处理数据包时延和qdisc发送数据包时延数据，并对其进行处理；将处理完成的eBPF事件数据推送到代理模块的推送器组件，并将qdisc队列状态信息、处理数据包时延和发送数据包时延数据对应的指标数据发送至接收器组件；聚合器模块将接收器组件接收到的指标数据写入时序数据库中做持久化存储；通过展示模块拉取指标数据并进行展示。本发明能够实时监控qdisc队列的状态，有利于提升分析的准确性和处理速度，有助于提升网络的稳定性和可靠性。
-
公开(公告)号：CN117032901A
公开(公告)日：2023-11-10
申请号：CN202311195119.4
申请日：2023-09-16
Applicant: 浙江大学
IPC: G06F9/455
Abstract: 本发明公开了一种基于节点负载感知的集群工作负载调度方法，通过采集集群节点资源历史使用情况数据，得到集群节点资源使用量，并计算集群节点过去一段时间资源最大使用量。进行工作负载调度时，将工作负载的资源申请量与集群每个节点过去一段时间的资源最大使用量相加，并除以集群资源总量，得到集群节点的预调度资源使用率，最后根据集群节点预调度资源使用率，计算每个节点的分数，并且选择分数最高的节点进行调度。本发明实现了均衡集群各节点资源真实利用率，降低了高负载和低负载节点出现的概率，提升了集群节点可靠性，并且达到了提升集群整体资源利用率的目的。
-
公开(公告)号：CN111124619B
公开(公告)日：2023-07-21
申请号：CN201911358582.X
申请日：2019-12-25
Applicant: 浙江大学 , 中移在线服务有限公司
IPC: G06F9/455
Abstract: 本发明公开了一种面向二次调度的容器调度方法，该方法实时监控容器云平台上每个容器、节点和服务的实例，实时获取它们的实例运行状态、资源数据与亲和性特征，批量监听增加或减少容器的调度请求，基于贪心、模拟退火和遗传算法，采用资源均衡、亲和满足、服务容灾等策略，给出增加或减少容器操作要在哪个节点上进行的结果。本发明针对当前容器云平台默认调度器不支持删除容器操作、不支持批量调度、短期多个调度请求效果不佳的问题，引入了针对删除容器操作的资源均衡、服务容灾策略，以及面向容器云平台的批量调度优化算法，以满足二次调度系统的调度需求，改善平台的调度效果。
-
公开(公告)号：CN119314083A
公开(公告)日：2025-01-14
申请号：CN202411423207.X
申请日：2024-10-12
Applicant: 浙江大学
Abstract: 本发明公开了一种基于状态空间模型的人员跟踪方法和装置，该方法包括：获取监控视频流数据；结合状态空间模型构建目标检测模型，并对其进行训练；逐帧传入训练好的目标检测模型中，对画面内存在的人员进行检测，获得目标检测结果，其中的类别概率为其置信度；利用卡尔曼滤波器预测跟踪目标的下一帧跟踪结果；基于外观损失和EIoU损失对高置信度检测结果和所有跟踪结果进行匈牙利算法匹配；基于EIoU损失对低置信度检测结果和未成功匹配的跟踪结果进行匈牙利算法匹配；移除一定时间内均未成功匹配的跟踪目标轨迹；连续出现且未成功匹配的高置信度检测结果，为其创建跟踪轨迹并纳入跟踪目标的集合内。本发明能够提高多目标跟踪的鲁棒性。
-
公开(公告)号：CN118467098A
公开(公告)日：2024-08-09
申请号：CN202410521795.4
申请日：2024-04-28
Applicant: 浙江大学
Abstract: 本发明公开了一种基于周期性数据预测的集群动态伸缩方法和系统，该方法包括：采集应用的时序负载数据；基于transformer模型获取时序预测模型，将应用的时序负载数据作为输入，使用时序预测模型对时序负载数据进行长周期时序预测；基于时序预测模型预测的时序负载数据，采用基于极值点的扩缩容策略确定扩缩容区间、需要扩缩容的Pod副本数和伸缩间隔时间，并执行对应的扩缩容操作；基于预测的时序负载数据和真实时序负载数据之间的偏差，定期微调时序预测模型；使用Cgroups控制组机制动态调整Pod副本的CPU、内存以及磁盘空间的资源限额。本发明能够灵活的执行扩缩容操作，有效避免了资源的浪费，节省了成本。
-
Patent Agency Ranking
-
公开(公告)号：CN117194034A
公开(公告)日：2023-12-08
申请号：CN202311215604.3
申请日：2023-09-20
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度强化学习的大规模容器集群自治系统及方法，该系统包括数据采集代理模块、资源分配计算模块、硬件映射器、API服务器和调度器，其中，数据采集代理模块用于采集CPU利用率、缓存空间等指标数据；API服务器将容器信息发送到调度器；调度器根据容器信息、节点资源信息与服务质量将容器部署到合适的节点；资源分配计算模块用于计算资源分配方案，并提供容器所在节点的服务质量评价结果，之后根据新的服务质量更新深度强化学习网络的网络参数；硬件映射器根据资源分配方案修改容器的硬件配置信息。本发明具有不基于先验信息即可部署、从调度层级保障容器集群的高服务质量的优点，有利于提高集群的资源利用率。
-
公开(公告)号：CN117118854A
公开(公告)日：2023-11-24
申请号：CN202310696935.7
申请日：2023-06-13
Applicant: 浙江大学
IPC: H04L41/147 , H04L41/16 , H04L67/568 , G06F18/241 , G06F18/15 , G06N3/0442 , G06N3/048 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种基于概率增强模型的流行度预测方法、装置和介质，该预测方法首先收集内容的历史流行度数据，并对数据进行预处理，根据预处理后的数据构建时间序列数据集；然后基于深度学习构建概率增强模型，并使用时间序列数据集对概率增强模型进行训练，以获取训练好的概率增强模型；最后将连续的长度为N的流行度时序数据进行一阶差分及标准化处理后输入到训练好的概率增强模型中，以获取最终预测输出序列，并根据最终预测输出序列获取预测的流行度序列。本发明根据内容历史流行度特征预测相应内容未来的流行度，通过对分布末尾的极值和正常值分别进行模型的训练和预测，减小极值对模型训练带来的负面影响，提升流行度的预测效果。
-
公开(公告)号：CN117093417A
公开(公告)日：2023-11-21
申请号：CN202311079213.3
申请日：2023-08-25
Applicant: 浙江大学
Abstract: 本发明公开了一种基于预拷贝热迁移方式的进程内存数据迭代恢复方法，该方法在迁移的源主机和目的主机之间，通过多轮迭代的方式恢复内存，使得在前后两轮迭代过程中，内存数据传输过程与内存数据恢复过程并行进行；其中每轮迭代中，源主机向目的主机传输进程树信息和内存数据，目的主机收到之后进行解析，再使用进程内存迭代缓存算法对解析后的进程树信息和内存数据进行缓存，最后一轮迭代后恢复进程内存空间，通过利用缓存的进程内存数据快速恢复进程内存空间。本发明实现了迭代恢复进程内存数据的能力，可以提高进程在目的主机的内存恢复效率，有效减少进程在热迁移过程中的下线时间，具有一定的通用性。
-
公开(公告)号：CN117056021A
公开(公告)日：2023-11-14
申请号：CN202311024887.3
申请日：2023-08-15
Applicant: 浙江大学
IPC: G06F9/455 , G06N3/0442 , G06N3/0455 , G06N3/0499 , G06N3/08 , G06Q10/04 , H04L67/10
Abstract: 本发明公开了一种基于长时间序列预测的动态区间弹性扩缩容方法和系统，该方法包括：采集容器云平台中所部署应用的负载时序数据并将其存储到时序数据库中；使用基于Transformer架构的Informer时序预测模型与Bi‑LSTM时序预测模型的组合时序预测模型对负载时序数据进行长周期时序预测；通过预测负载动态确定扩缩容区间；生成并执行容器云平台应用副本扩缩容策略，在应用负载实际增长之前提前进行扩容并分配充足的资源，保障容器云平台中应用的服务质量。本发明可以有效降低扩容操作的次数，避免频繁扩缩容导致的窗口抖动问题，保障容器云集群稳定性；有效满足应用的资源需求，避免快速缩容后导致的应用服务质量不稳定。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.022 seconds)
