块存储组件故障检测方法、装置、计算机设备、可读存储介质和程序产品

    公开(公告)号:CN119673258A

    公开(公告)日:2025-03-21

    申请号:CN202411768379.0

    申请日:2024-12-04

    Abstract: 本申请涉及一种块存储组件故障检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品,应用于大数据技术领域,方法包括:获取块存储组件的实时运行数据,以及,获取所述块存储组件的历史运行数据;根据所述实时运行数据与所述历史运行数据,对所述实时运行数据的运行状况进行识别,得到所述实时运行数据的运行状况类型;若所述运行状况类型表征所述块存储组件存在故障,则根据所述实时运行数据的语义信息,从所述实时运行数据中筛选所述块存储组件对应的服务指令和针对所述服务指令的执行数据;根据所述服务指令和所述执行数据,对所述块存储组件的故障类型进行检测,得到组件故障类型。采用本方法能够提高块存储组件的故障检测效率。

    一种大量云硬盘集体突发流量检测处理方法及系统

    公开(公告)号:CN117439927A

    公开(公告)日:2024-01-23

    申请号:CN202311622577.1

    申请日:2023-11-30

    Abstract: 本发明适用于云存储技术领域,尤其涉及一种大量云硬盘集体突发流量检测处理方法及系统,所述方法包括:数据采集,获取各个硬盘的IOPS时间序列数据;进行筛选,得到待分析硬盘数据;对待分析硬盘数据进行频域分析,得到频域数据;进行周期性分析,判定待分析硬盘数据是否包含突发流量,构建历史数据集;构建Prophet模型并对其进行训练,获取待分析IOPS数据,通过Prophet模型判定待分析IOPS数据中是否存在突发流量,若存在,则对对应的云硬盘进行调整。本发明能够对突发流量事件做出快速响应,大大增强了云硬盘集群在各种工作负载下的稳定性,尤其是在高IO请求情境下,通过本发明,云硬盘集群能够在面对突发IO请求时,仍然维持高效的性能,满足用户需求。

    深度强化学习决策的优化方法、装置、计算机设备及介质

    公开(公告)号:CN119808877A

    公开(公告)日:2025-04-11

    申请号:CN202411677640.6

    申请日:2024-11-21

    Abstract: 本发明涉及深度强化学习技术领域,公开了深度强化学习决策的优化方法、装置、计算机设备及介质,方法包括:检测候选网络集群是否处于策略评价状态;若处于策略评价状态,则获取策略评价节点输出的各个训练节点对应的评估结果;根据评估结果对候选网络集群中的训练节点进行优化,直至候选网络集群满足预设终止条件,得到目标动作决策网络;在目标动作决策网络中确定目标行动节点,将目标行动节点对应的动作策略作为目标动作策略。本发明解决了深度强化学习决策优化方案训练效率低、易出现局部最优和经验遗忘,且多节点方案智能体相关性利用不足、单节点方案不适用多节点训练的问题。

    一种流量控制方法及装置、电子设备、存储介质

    公开(公告)号:CN119728564A

    公开(公告)日:2025-03-28

    申请号:CN202411696571.3

    申请日:2024-11-25

    Abstract: 本发明实施例提供了一种流量控制方法及装置、电子设备、存储介质,应用于客户端且客户端设置有本地令牌桶,通过建立客户端与设置有全局令牌桶的服务端之间的数据连接;随后在本地令牌桶的令牌消耗完毕的情况下,根据数据连接从服务端中获取全局令牌桶的第一剩余令牌数量信息,并根据第一剩余令牌数量信息确定第一令牌获取目标数量;进而根据第一令牌获取目标数量与数据连接在全局令牌桶中获取令牌的方式。实现了通过全局令牌桶和本地令牌桶相结合的方式减少令牌同步时所需通信的次数,并通过在全局令牌桶的数据结构中引入剩余令牌数量信息进而实现令牌动态分配的方式,进一步降低了令牌同步的延迟,提升了整体服务的性能表现。

    一种基于深度学习的自适应心跳检测方法及系统

    公开(公告)号:CN117834495A

    公开(公告)日:2024-04-05

    申请号:CN202311732893.4

    申请日:2023-12-15

    Abstract: 本发明涉及一种基于深度学习的自适应心跳检测方法及系统,属于云计算技术领域,该方法包括:采集点对点单向心跳时延日志和系统性能指标数据;将心跳传输时延、日志采集时间和系统性能指标数据组成多变量时序序列集合;对多个向量表征进行融合,得到各个元祖的最终向量表征;根据最终向量表征,对基于Transformer的深度学习模型进行训练;采集实时点对点单向心跳时延日志和系统性能指标数据,通过训练完成的基于Transformer的深度学习模型,输出点对点单向心跳时延预测结果;根据点对点单向心跳时延预测结果,确定心跳超时时间;比较当前心跳时延与心跳超时时间之间的偏差是否超过阈值;若是,产生心跳超时事件。

    一种基于智能网卡的DDoS攻击检测方法及系统

    公开(公告)号:CN117675388A

    公开(公告)日:2024-03-08

    申请号:CN202311706678.7

    申请日:2023-12-13

    Abstract: 本发明涉及网络技术与安全技术领域,具体公开了一种基于智能网卡的DDoS攻击检测方法及系统,其包括:软硬协同流量测量模块,用于编排智能网卡的硬件对网络流量的测量;DDoS攻击检测模块,用于根据流量测量结果判断DDoS攻击流量;其中,软硬件协同模块的输入与输出与网络链路相连,而DDoS攻击检测模块的输入与输出则与软硬件协同模块相通;所述软硬协同流量测量模块包括包处理单元、规则单元和异步事件单元;本发明通过将Sketch测量算法卸载到智能网卡的硬件加速引擎,提升了处理能力,并降低了对CPU计算资源的占用;通过将通用智能网卡与NFV技术相结合的方式,提高了系统的通用性与可维护性。

Patent Agency Ranking