【技术实现步骤摘要】
本专利技术属于多模态算力网络领域，涉及多模态算网一体化服务能力表征方法领域。
技术介绍
1、
2、多模态算网系统资源具有多维异质的特性，如何统一表征多维异质网络资源对业务的服务能力是获取端到端业务服务质量保障机理的前提。为了表征多维异质网络资源对业务的服务能力，需要分析多维异质资源在服务能力表征方面的理论关系，进而构建融合多维异质资源的网络服务能力统一表征范式。在此背景下，旨在表征多维异质网络资源对业务服务能力的多模态算网一体化服务能力表征方法应用而生。
3、目前，针对多模态算网一体化服务能力表征方法的研究尚处于初级阶段。liu y,wang d,song b等在“green heterogeneous computing powers allocation usingreinforcement learning in sdn-iov”【in ieee transactions on greencommunications and networking,pp.983-995,2023】中设计了基于软件定义网络的异构算力车联网架构，通过车路协同、路路协同的混合网络架构实现算力与网络的深度融合，为保证对不同计算任务的进行合理算力分配，设计了一种智能异构算力分配方案以降低算力车联网的能耗。sunw,li z,wangq等在“fedtar:task and resource-aware federatedlearning for wireless computing power networks”【in ieee
4、(1)算力网络需求描述不准确
5、不同种类的业务应用对于多模态算力网络资源的类型和需求往往差异较大，已有方案仅能通过经验数据来描述其业务需求。然而，即便是同类别业务，其所处场景不同，需求也随之不同，并且对于不断涌现的新兴业务，其需求可能会更加多样化，已有方案难以通过经验数据来准确描述每一个业务的算力网络需求。
6、(2)度量指标集差异
7、衡量计算、网络、存储资源的业务指标难以统一，已有的方案仅能够假设出度量过程中可能用到的业务指标情况，但对于不同类型的算力服务节点资源，其所包含的度量指标可能会有所差异甚至差异较大，因此难以直接比较不同服务节点的资源情况。
8、(3)算力评估体系综合性低
9、现有方案不能对多模态算力网络不同样本的算力进行定级，不能解决不同量纲变量难以直接比较的困难，对多模态算力网络服务能力的评估结果综合性以及有效性都较低。
10、为了解决此问题，本专利技术提出了一种多模态算网一体化服务能力表征方法。该方法首先构建了包含通算算力、智算算力、存储能力以及网络能力等构成的多模态算网一体化服务能力评价指标体系，解决了算网服务能力统一度量困难的问题。
11、然后，该方法构建了云边端动态资源池化模型。具体地，将业务需求以及终端移动性进行了建模，并将云边端空闲资源进行了动态池化，通过搜集空闲资源并映射为虚拟资源，提高了云边端空闲资源的利用率。基于此云边端动态资源池化模型，精准构建了算力、存储能力、网络能力等计算模型，为多模态算网一体化服务能力表征打下坚实基础。
12、最后，该方法构建了多模态算网一体化服务能力表征模型。具体地，通过云边端动态资源池化模型获得算力、存储能力、网络能力等样本数据，利用样本数据将各服务能力指标进行等级划分以及服务能力定级，利用双向投影法计算得到样本的相对贴近度，根据相对贴近度的值进行大小排序，并据相对贴近度的值对每个资源池进行星级评定。
13、该方法解决了不同量纲变量难以直接比较的困难，提高了评估结果的综合性和有效性。
技术实现思路
1、本专利技术的目的一是提出一种多模态算网一体化服务能力指标体系构建方法，解决多模态算网服务能力统一度量困难的问题。
2、本专利技术的目的二是提出一种多模态算网中云边端动态资源池化方法，将业务需求以及终端移动性进行建模，并将云边端空闲资源进行动态池化，通过搜集空闲资源并映射为虚拟资源，提高云边端空闲资源的利用率以及获得算力、存储能力、网络能力等精确计算模型。
3、本专利技术的目的三是提出一种多模态算网一体化服务能力评估方法，利用新的双向投影法计算得到样本的相对贴近度，进而对不同样本的算力进行定级，解决了不同量纲变量难以直接比较的困难，提高了评估结果的综合性和有效性。
4、为达到上述目的一，本专利技术提供如下方案：
5、一种多模态算网一体化服务能力指标体系构建方法，通过对通算算力、智算算力，存储能力以及网络能力等四个指标对多模态算网一体化服务能力进行评估。该方法的具体步包括以下步骤：
6、步骤1、通算算力指标定义；
7、具体来说，通算算力主要指由cpu的通用计算能力，本次使用平均单机架“每秒浮点运算次数”来评估数据中心的通算算力，单位采用tflops(fp32，单精度浮点算力)。
8、步骤2、智算算力指标定义；
9、具体来说，智算算力主要指由gpu、ai芯片为代表的智能计算能力，本专利技术实施例使用平均单机架“每秒浮点运算次数”来评估计算节点的智算算力，单位采用tflops(fp32，单精度浮点算力)。
10、步骤3、存储能力指标定义；
11、具体来说，存储能力主要由存储容量、存储性能、存储安全3方面共同决定，本专利技术采用每秒读写次数(input/output operations per second，iops)来衡量存储的性能，即每秒的读写次数。
12、步骤4、网络能力指标定义；
13、具体来说，网络能力有很多衡量指标，本专利技术实施例主要采用频谱效率来衡量网络的性能，单位为bit/s/hz(比特每秒每赫兹)。
14、为达到上述目的二，本专利技术提供如下方案：
15、本专利技术提出一种多模态算网中云边端动态资源池化建模方法。该方法将业务需求以及终端移动性进行了建模，并将云边端空闲资源进行了动态池化，通过搜集空闲资源并映射为虚拟资源，提高了云边端空闲资源的利用率。基于此云边端动态资源池化模型，精准构建了算力、存储能力、网络能力等计算模型，为多模态算网一体化服务能力表征打下坚实基础。具体步骤如下：
16、步骤1、构建多模态算网内动态资源池架构；
17、具体来说，如图1所示，多模态算网内动态资源池架构为4层架构，本文档来自技高网...
【技术保护点】
1.一种多模态算网一体化服务能力表证方法，不仅可以完成对多模态算网中通算算力、智算算力、存储能力、网络能力等一体化服务能力指标进行度量，还可以完成对多模态算网中云边端空闲资源进行池化与建模，并得到各资源池算力、存储能力、网络能力的精精确计算模型，还能可以各资源池的一体化服务能力进行等级划分与定级。
2.根据权利要求1所述的一种多模态算网一体化服务能力表证方法引入一种多模态算网一体化服务能力指标体系构建方法，对多模态算网中通算算力、智算算力、存储能力、网络能力等多维度指标进行统一度量，其特征是，具体步骤如下：
3.根据权利要求1所述的一种多模态算网一体化服务能力表证方法引入一种多模态算网中云边端动态资源池化与建模方法，将业务需求以及终端移动性进行建模，并将云边端空闲资源进行动态池化，通过搜集空闲资源并映射为虚拟资源，提高云边端空闲资源的利用率以及获得算力、存储能力、网络能力等精确计算模型，其特征是，具体步骤如下：
4.根据权利要求1所述的一种多模态算网一体化服务能力表证方法引入一种多模态算网一体化服务能力评估方法，利用新的双向投影法计算得到样本的
5.根据权利要求2所述的一种多模态算网一体化服务能力指标体系构建方法，其特征是，能通过通算算力、智算算力，存储能力以及网络能力等四个指标对多模态算网一体化服务能力进行评估，其中网络能力值是频谱效率。
6.根据权利要求3所述一种多模态算网中云边端动态资源池化方法，其特征是，将业务需求以及终端移动性进行建模，并将云边端空闲资源进行动态池化，通过搜集空闲资源并映射为虚拟资源，提高云边端空闲资源的利用率以及获得算力、存储能力、网络能力等精确计算模型。
7.根据权利要求4所述一种多模态算网一体化服务能力评估方法，其特征是，利用TOPSIS综合评价法得到正负理想方案，并利用双向投影法计算得到样本的相对贴近度，能对不同样本的算力进行定级，解决了不同量纲变量难以直接比较的困难，提高了评估结果的综合性和有效性。
...【技术特征摘要】
1.一种多模态算网一体化服务能力表证方法，不仅可以完成对多模态算网中通算算力、智算算力、存储能力、网络能力等一体化服务能力指标进行度量，还可以完成对多模态算网中云边端空闲资源进行池化与建模，并得到各资源池算力、存储能力、网络能力的精精确计算模型，还能可以各资源池的一体化服务能力进行等级划分与定级。
2.根据权利要求1所述的一种多模态算网一体化服务能力表证方法引入一种多模态算网一体化服务能力指标体系构建方法，对多模态算网中通算算力、智算算力、存储能力、网络能力等多维度指标进行统一度量，其特征是，具体步骤如下：
3.根据权利要求1所述的一种多模态算网一体化服务能力表证方法引入一种多模态算网中云边端动态资源池化与建模方法，将业务需求以及终端移动性进行建模，并将云边端空闲资源进行动态池化，通过搜集空闲资源并映射为虚拟资源，提高云边端空闲资源的利用率以及获得算力、存储能力、网络能力等精确计算模型，其特征是，具体步骤如下：
4.根据权利要求1所述的一种多模态算网一体化服务能力表证方法引入一种多模态算...
【专利技术属性】
技术研发人员：周继华，赵涛，郭子文，刘香渝，周书凯，李彦行，吴坚，黄华，
申请(专利权)人：航天新通科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。