Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 上海走起网络科技有限公司蒲志航获国家专利权

上海走起网络科技有限公司蒲志航获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉上海走起网络科技有限公司申请的专利分布式网络加速节点的能效感知与负载分配方法与系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120675992B

龙图腾网通过国家知识产权局官网在2025-12-02发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202511151129.7,技术领域涉及:H04L67/1008;该发明授权分布式网络加速节点的能效感知与负载分配方法与系统是由蒲志航;王兆其;段利收设计研发完成,并于2025-08-18向国家知识产权局提交的专利申请。

分布式网络加速节点的能效感知与负载分配方法与系统在说明书摘要公布了:本申请提供的一种分布式网络加速节点的能效感知与负载分配方法与系统,涉及通信技术领域。将每个业务服务器的服务器性能画像特征,输入到能效预估模型中,确定每个业务服务器在不同的负载下的第N预估能效,将每个业务服务器在不同的负载下的第N预估能效、第N总业务访问量、以及每个业务服务器的第N已有负载,输入到业务访问量分配模型中,以使业务访问量分配模型向每个业务服务器分配业务子访问量。根据多个业务服务器分别的第N实际能效,确定多个业务服务器的第N平均实际能效;若第N平均能效小于第N‑1平均能效,且第N平均能效与第N‑1平均能效的差值大于设定差值阈值时,采用强化学习模型更新业务访问量分配模型的网络参数。

本发明授权分布式网络加速节点的能效感知与负载分配方法与系统在权利要求书中公布了:1.一种分布式网络加速节点的能效感知与负载分配方法,其特征在于,应用于分布式网络加速节点,所述分布式网络加速节点分别与下属的多个业务服务器通信连接,所述方法包括: 步骤1:在第N时间片,获取所述多个业务服务器中的每个所述业务服务器的服务器类型、每个所述业务服务器在所述第N时间片所处的环境数据以及每个业务服务器的硬件健康程度,其中,N为大于或等于2的整数; 步骤2:对于每个所述业务服务器,根据所述业务服务器的服务器类型、所述业务服务器在所述第N时间片所处的环境数据以及所述业务服务器的硬件健康程度,构建服务器性能画像特征; 步骤3:将每个所述业务服务器的服务器性能画像特征,输入到预训练的能效预估模型中,确定每个所述业务服务器在不同的负载下的第N预估能效,其中,所述能效预估模型是将多个第一训练样本输入到第一神经网络中训练得到的,每个所述第一训练样本包括历史服务器性能画像特征及对应的历史第N预估能效; 步骤4:获取终端设备集合的第N总业务访问量以及每个所述业务服务器的第N已有负载; 步骤5:将每个所述业务服务器在不同的负载下的第N预估能效、所述第N总业务访问量、以及每个所述业务服务器的第N已有负载,输入到预训练的业务访问量分配模型中,以使所述业务访问量分配模型根据预配置的网络参数向每个所述业务服务器分配业务子访问量,其中,所述业务访问量分配模型是将多个第二训练样本输入到第二神经网络中训练得到的,每个所述第二训练样本包括每个历史业务服务器在不同的负载下的历史第N预估能效、历史终端设备集合的历史第N总业务访问量、以及每个所述历史业务服务器的历史第N已有负载; 步骤6:检测每个所述业务服务器的第N实际能效,并根据多个所述业务服务器分别的第N实际能效,确定多个所述业务服务器的第N平均实际能效; 步骤7:若多个所述业务服务器的第N平均能效小于多个所述业务服务器的第N-1平均能效,且所述第N平均能效与所述第N-1平均能效的差值大于设定差值阈值的情况下,则根据所述第N平均能效,采用强化学习模型更新所述业务访问量分配模型的网络参数; 步骤8:对N的取值加1,返回执行步骤1,直到所述第N平均能效与所述第N-1平均能效的差值小于或等于设定差值阈值; 步骤9:循环执行步骤1-步骤5,直到所述分布式网络加速节点下电。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人上海走起网络科技有限公司,其通讯地址为:201111 上海市闵行区元江路5500号第1幢E3130室;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。