基于云计算和医疗大数据的任务处理优化系统的制作方法

文档序号:22323796发布日期:2020-09-23 02:12阅读:来源:国知局

技术特征:

1.一种基于云计算和医疗大数据的任务处理优化系统,所述任务处理优化系统包括多个任务接收终端、任务属性分析引擎、任务分发组件;

其特征在于:

所述多个任务接收终端接收多个包含医疗数据流的并发数据处理任务,并将所述并发数据处理任务以数据流为单位存储到任务接收队列中,每个单位的数据流包含时间上连续的数据处理任务;

所述任务属性分析引擎,从所述任务接收队列中以数据流为单位获取单位数据流处理任务,并分析得到所述数单位数据流处理任务的属性,所述属性包括所述单位数据流处理任务的数据量大小、处理时限以及失效时限;

所述任务处理优化系统还包括多个边缘计算终端以及通过局域网连接至所述多个边缘计算终端的多个雾计算处理设备;

所述任务分发组件基于所述任务属性分析引擎分析得到的所述数据处理任务的属性,将所述并发数据处理任务分发给所述多个边缘计算终端以及通过局域网连接至所述多个边缘计算终端的多个雾计算处理设备;

其中,所述任务接收队列设置任务队列接受上限值;

当所述并发数据处理任务的数据流单位超过所述上限值时,所述任务接收终端接收所述并发数据处理任务之后,直接将其转发给远端云数据处理系统。

2.如权利要求1所述的一种基于云计算和医疗大数据的任务处理优化系统,其特征在于:

所述多个任务接收终端接收多个包含医疗数据流的并发数据处理任务,并将所述并发数据处理任务以数据流为单位存储到任务接收队列中,具体包括:

对于在时间段[ta,tz]内接收的第i个并发数据处理任务ai,将所述时间段[ta,tz]划分为n个相邻的子时间段tn;其中,对于n>1的子时间段每一个子时间段,tn的时间结束点与tn+1的时间开始点之差大于预定时间长度值;

将所述发数据处理任务ai按照所述每个子时间段tn为单位进行切分,得到n个单位数据流处理任务ai1,ai2,…,ain;

将所述n个单位数据流处理任务ai1,ai2,…,ain存储到所述任务接收队列中。

3.如权利要求2所述的一种基于云计算和医疗大数据的任务处理优化系统,其特征在于:

所述任务分发组件基于所述任务属性分析引擎分析得到的所述数据处理任务的属性,将所述并发数据处理任务分发给所述多个边缘计算终端以及通过局域网连接至所述多个边缘计算终端的多个雾计算处理设备,具体包括如下步骤:

s1:获取当前处于空闲状态的雾计算处理设备的数量nfog;

s2:从所述任务接收队列中读取h个单位数据流处理任务,分发给所述nfog个处于空闲状态的雾计算处理设备;

其中,

上式中,ctin为第n个单位数据流处理任务ain的处理时限;ltin为第n个单位数据流处理任务ain的失效时限;dain为第n个单位数据流处理任务ain的数据量大小;表示向下取整;

s3:计算接收所述单位数据流处理任务的每一个当前雾计算处理设备的回报值;

s4:判断所述回报值是否满足预定条件,如果是,则继续从所述任务接收队列中读取一个单位数据流处理任务分发给所述当前雾计算设备;返回步骤s3;

如果否,则返回步骤s1。

4.如权利要求2所述的一种基于云计算和医疗大数据的任务处理优化系统,其特征在于:

所述s3计算接收所述单位数据流处理任务的每一个当前雾计算处理设备的回报值,具体包括:

所述回报值hd按照如下方式计算:

其中,tj为上一次该雾计算处理设备对于第i个单位数据流处理任务aij的处理时间;dj为获取第j个单位数据流处理任务aij的传输时延;lj为第j个单位数据流处理任务aij的大小,j=1,2,……,n。

5.如权利要求4所述的一种基于云计算和医疗大数据的任务处理优化系统,其特征在于:

判断所述回报值是否满足预定条件,如果是,则继续从所述任务接收队列中读取一个单位数据流处理任务分发给所述当前雾计算设备,具体包括:

将单位数据流处理任务aik发送给当前雾计算处理设备,获取当前雾计算处理设备读取该单位数据流处理任务aik的时延dk以及处理时间tk;

如果tk+dk<hd,则所述回报值满足预定条件;k=1,2,……,n。

6.如权利要求4所述的一种基于云计算和医疗大数据的任务处理优化系统,其特征在于:

所述任务分发组件基于所述任务属性分析引擎分析得到的所述数据处理任务的属性,将所述并发数据处理任务分发给所述多个边缘计算终端以及通过局域网连接至所述多个边缘计算终端的多个雾计算处理设备,进一步包括:

获取每一个雾计算处理设备在多个不同时间段接收的单位数据流处理任务的多个不同所述回报值hd;

基于所述多个不同所述回报值hd的分布属性,计算启动的边缘计算终端的个数。

7.如权利要求6所述的一种基于云计算和医疗大数据的任务处理优化系统,其特征在于:

基于所述多个不同所述回报值hd的分布属性,计算启动的边缘计算终端的个数,具体包括:

将所述多个不同所述回报值hd按照大小降序排序,得到降序排列后的回报值序列h1-hm;

设定分布阈值mthreshold,按照如下标准对所述回报值序列进行分组:

每一个分组中的所有回报值两两之间的差值绝对值大小小于所述分布阈值mthreshold;

将得到的分组的组数作为启动的边缘计算终端的个数。

8.如权利要求6或7所述的一种基于云计算和医疗大数据的任务处理优化系统,其特征在于:

启动所述边缘计算终端后,从所述任务接收队列中读取g个单位数据流处理任务,分发给所述边缘计算终端;

其中,ne为任务接收队列设置的任务队列接受上限值,de为启动的所述边缘计算终端的个数。

9.如权利要求6或7所述的一种基于云计算和医疗大数据的任务处理优化系统,其特征在于:

所述雾计算处理设备为将数据、数据处理和应用程序集中在网络边缘的设备。

10.如权利要求6或7所述的一种基于云计算和医疗大数据的任务处理优化系统,其特征在于:

所述边缘计算设备为将数据、数据处理和应用程序集中在多个任务接收终端边缘的设备。


技术总结
本发明提出一种基于云计算和医疗大数据的任务处理优化系统,所述任务处理优化系统包括多个任务接收终端、任务属性分析引擎、任务分发组件。多个任务接收终端接收多个包含医疗数据流的并发数据处理任务,并将所述并发数据处理任务以数据流为单位存储到任务接收队列中;所述任务分发组件基于所述任务属性分析引擎分析得到的所述数据处理任务的属性,将所述并发数据处理任务分发给所述多个边缘计算终端以及通过局域网连接至所述多个边缘计算终端的多个雾计算处理设备。本发明充分利用医疗大数据的数据流时间属性,对包含医疗数据流的并发数据处理任务进行雾计算、边缘计算和云计算的分发处理,保证了数据处理的实时性。

技术研发人员:孔德贵
受保护的技术使用者:孔德贵
技术研发日:2020.06.17
技术公布日:2020.09.22
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1