基于人脑模拟的分布式云计算系统及方法技术方案

本发明专利技术属于云计算技术领域，具体涉及基于人脑模拟的分布式云计算系统及方法。所述系统包括：分布式计算云集群，所述云节点集群中包括多个云节点；每个云节点具备不同的计算特性；根据计算特性的不同，所述云节点至少包括以下三类：图像计算云节点、数字计算云节点和存储计算云节点；所述云节点均包括：一个汇集节点和若干个分布式计算节点。其通过模拟人脑的任务分类和神经信息传递的过程，实现了高效的分布式计算，提升了分布式计算的效率；同时，在进行计算任务的分类和分配过程中，根据资源占用率和计算任务类型进行分配，分配准确率高。高。高。

【技术实现步骤摘要】
基于人脑模拟的分布式云计算系统及方法


[0001]本专利技术属于云计算
，具体涉及基于人脑模拟的分布式云计算系统及方法。

技术介绍

[0002]在计算机科学中，分布式计算(英语：Distributed computing)，又译为分散式运算。这个研究领域，主要研究分布式系统(Distributed system)如何进行计算。分布式系统是一组电脑，透过网络相互连接传递消息与通信后并协调它们的行为而形成的系统。组件之间彼此进行交互以实现一个共同的目标。把需要进行大量计算的工程数据分割成小块，由多台计算机分别计算，再上传运算结果后，将结果统一合并得出数据结论的科学。分布式系统的例子来自有所不同的面向服务的架构，大型多人在线游戏，对等网络应用。
[0003]目前常见的分布式计算项目通常使用世界各地上千万志愿者计算机的闲置计算能力，通过互联网进行数据传输(志愿计算)。如分析计算蛋白质的内部结构和相关药物的Folding@home项目，该项目结构庞大，需要惊人的计算量，由一台电脑计算是不可能完成的。虽然现在有了计算能力超强的超级计算机，但这些设备造价高昂，而一些科研机构的经费却又十分有限，借助分布式计算可以花费较小的成本来达到目标。
[0004]现有技术中，专利号为CN201310345015.7A的专利有助于分布式计算系统的服务提供和协调的方法和系统，提供了一种分布式节点服务管理系统，利用分布式计算系统的多个已有处理器节点支持分布式计算系统的主要数据处理功能。该分布式节点服务管理系统代表分布式计算系统的处理器节点协调和管理服务功能。根据特定应用，可以实现其它特征和方面。其主要针对处理的分布式计算，但针对云计算的分布式计算，依然没有相应的解决方案。
[0005]专利号为CN201280061203.0A的专利公开了一种数据任务的分布式计算方法和分散存储模块；通过下述操作开始：分散存储(DS)处理模块选择用于执行任务的分布式存储和任务(DST)执行单元集合，并确定数据的分散存储差错编码参数。所述方法以下述操作继续：DS处理模块根据参数来对数据进行分散存储差错编码以产生多个编码数据块，并将所述多个编码数据块成组为多个编码数据块成组；所述方法以下述操作继续：DS处理模块将任务分区为部分任务的集合，将所述多个编码数据块成组中的至少一些输出至DST执行单元集合，以及将部分任务的集合输出至DST执行单元集合以对多个编码数据块成组中的至少一些执行部分任务的集合。强调的是分布式计算的存储，同时，没有结合计算任务的具体情况进行资源分配，依然没有解决分布式计算的效率问题。

技术实现思路

[0006]有鉴于此，本专利技术的主要目的在于提供基于人脑模拟的分布式云计算系统及方法，其通过模拟人脑的任务分类和神经信息传递的过程，实现了高效的分布式计算，提升了分布式计算的效率；同时，在进行计算任务的分类和分配过程中，根据资源占用率和计算任
务类型进行分配，分配准确率高。
[0007]为达到上述目的，本专利技术的技术方案是这样实现的：
[0008]基于人脑模拟的分布式云计算系统，所述系统包括：包括：分布式计算云集群，所述云节点集群中包括多个云节点；每个云节点具备不同的计算特性；根据计算特性的不同，所述云节点至少包括以下三类：图像计算云节点、数字计算云节点和存储计算云节点；所述云节点均包括：一个汇集节点和若干个分布式计算节点；所述汇集节点，配置用于将接收到的计算任务基于当前每个分布式计算节点的资源占用情况，分配到分布式计算节点；所述分布式计算节点配置用于，对接收到的计算任务进行计算，得到计算结果后，将计算结果返回至汇集节点；所述系统还包括：中转节点，配置用于对接收到的计算任务进行分析，判断计算任务的类型，将计算任务基于分布式计算云集群中的每个云节点的资源占用状况以及每个云节点的位置信息，进行路径规划后，发送至对应的云节点；同时，实时采集每个云节点的汇集节点的计算结果，将计算结果进行汇合后，发送至该计算请求的发送方，完成该次计算。
[0009]进一步的，所述中转节点包括：任务分析节点，配置用于对接收到的计算任务进行分析，判断计算任务的类型；寻路节点，配置用于将计算任务基于分布式计算云集群中的每个云节点的资源占用状况以及每个云节点的位置信息，进行路径规划后，发送至对应的云节点。
[0010]进一步的，所述寻路节点，将计算任务基于分布式计算云集群中的每个云节点的资源占用状况以及每个云节点的位置信息，进行路径规划后，发送至对应的云节点的方法执行以下步骤：随机在分布式计算云集群选取N个云节点；在选取的N个节点中，确定一个中心节点，其坐标为(0,0)；定义传输最小链，传输最小链包括：传输最小链根节点和传输最小链中子节点；所述传输最小链中子节点可以连接的其他节点；考虑每个云节点的资源占用率L
mn
、传输距离P
mn
、信道安全B
mn
和k值更新路径规划的算法公式，其中，k值为邻居节点数量：m和n表示节点；按照建立好的路径进行数据传输，传输最小链中子节点将其收集到的数据传送给父节点，父节点对其收集到的数据以及子节点发送到的数据进行聚合操作，然后将聚合得到的数据传送给自己父节点直至中心节点；运行设定的时间周期后，进行树的自适应维护更新，继续进行数据的传送。
[0011]进一步的，所述考虑每个云节点的资源占用率L
mn
、传输距离P
mn
、信道安全B
mn
和k值更新路径规划的算法公式，其中，k值为邻居节点数量：m和n表示节点的方法执行以下步骤：将原始的路径规划公式：将原始的路径规划公式：中的η
mn
使用新的算子进行更新，更新后的公式为：其中：t表示为时刻，τ
mn
表示每个云节点的资源占用率的修正系数，取值范围为：0.1～0.3，η
mn
表示m节
点和节点n之间的隔离算子，α与β分别表示每个云节点的资源占用率与隔离算子的权重，即在路径选择过程中所起的因素，RS和BA表示将L
mn
、P
mn
和B
mn
量化到同一量纲上的参数。
[0012]进一步的，所述中转节点还包括容错节点，所述容错节点被配置为：将在预定时间内总是响应慢或没有响应的云节点从分布式计算云集群中移除；以及对被移除的云节点进行检测，在检测结果表明云节点可用的情况下，将云节点移回分布式计算云集群。
[0013]基于人脑模拟的分布式云计算方法，所述方法执行以下步骤：
[0014]步骤1：中转节点接收计算请求，对接收到的计算任务进行分析，判断计算任务的类型，将计算任务基于分布式计算云集群中的每个云节点的资源占用状况以及每个云节点的位置信息，进行路径规划后，发送至对应的云节点；
[0015]步骤2：分布式计算云集群中的汇集节点，将接收到的计算任务基于当前每个分布式计算节点的资源占用情况，分配到分布式计算节点；
[0016]步骤3本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人脑模拟的分布式云计算系统，其特征在于，所述系统包括：包括：分布式计算云集群，所述云节点集群中包括多个云节点；每个云节点具备不同的计算特性；根据计算特性的不同，所述云节点至少包括以下三类：图像计算云节点、数字计算云节点和存储计算云节点；所述云节点均包括：一个汇集节点和若干个分布式计算节点；所述汇集节点，配置用于将接收到的计算任务基于当前每个分布式计算节点的资源占用情况，分配到分布式计算节点；所述分布式计算节点配置用于，对接收到的计算任务进行计算，得到计算结果后，将计算结果返回至汇集节点；所述系统还包括：中转节点，配置用于对接收到的计算任务进行分析，判断计算任务的类型，将计算任务基于分布式计算云集群中的每个云节点的资源占用状况以及每个云节点的位置信息，进行路径规划后，发送至对应的云节点；同时，实时采集每个云节点的汇集节点的计算结果，将计算结果进行汇合后，发送至该计算请求的发送方，完成该次计算。2.如权利要求1所述的系统，其特征在于，所述中转节点包括：任务分析节点，配置用于对接收到的计算任务进行分析，判断计算任务的类型；寻路节点，配置用于将计算任务基于分布式计算云集群中的每个云节点的资源占用状况以及每个云节点的位置信息，进行路径规划后，发送至对应的云节点。3.如权利要求2所述的系统，其特征在于，所述寻路节点，将计算任务基于分布式计算云集群中的每个云节点的资源占用状况以及每个云节点的位置信息，进行路径规划后，发送至对应的云节点的方法执行以下步骤：随机在分布式计算云集群选取N个云节点；在选取的N个节点中，确定一个中心节点，其坐标为(0,0)；定义传输最小链，传输最小链包括：传输最小链根节点和传输最小链中子节点；所述传输最小链中子节点可以连接的其他节点；考虑每个云节点的资源占用率L
mn
、传输距离P
mn
、信道安全B
mn
和k值更新路径规划的算法公式，其中，k值为邻居节点数量：m和n表示节点；按照建立好的路径进行数据传输，传输最小链中子节点将其收集到的数据传送给父节点，父节点对其收集到的数据以及子节点发送到的数据进行聚合操作，然后将聚合得到的数据传送给自己父节点直至中心节点；运行设定的时间周期后，进行树的自适应维护更新，继续进行数据的传送。4.如权利要求3所述的系统，其特征在于，所述考虑每个云节点的资源占用率L
mn
、传输距离P
mn
、信道安全B
mn
和k值更新路径规划的算法公式，其中，k值为邻居节点数量：m和n表示节点的方法执行以下步骤：将原始的路径规划公式：中的η
mn
使用新的算子进行更新，更新后的公式为：其中：t表示为时刻，τ
mn
表示每个云节点的资源占用率的修正系数，取值范围为：0.1～0.3，η
mn
表示m节点和节点n之间的隔离算子，α与β分别表示每个云节点的资源占用率与隔离算子的权重，
即在路径选择过程中所起的因素，RS和BA表示将L
mn
、P
mn
和B
mn
量化到同一量纲上的参数。5.如权利要求4所述的系统，其特征在于，所述中转节点还包括容错节点，所述容错节点被配置为：将在预定时间内总是响应慢或没有响应的云节点从分布式计算云集群中移除；以及对被移除的云节点...

【专利技术属性】
技术研发人员：桑洪升，
申请(专利权)人：乐陵欧曼电子科技有限公司，
类型：发明
国别省市：