基于近数据计算原则的多卫星数据中心工作流调度算法
阅读：647发布：2024-02-21
专利汇可以提供基于近数据计算原则的多卫星数据中心工作流调度算法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于近数据计算原则的多卫星 数据中心 工作流调度 算法 ，包括步骤1：构建工作流执行综合时间最小化的近数据计算模型；步骤2：基于计算资源处理能 力 与关键数据资源传输代价的虚拟工作流动态构建方法；步骤3：基于超图理论的按组划分任务方式PGH对步骤2中的虚拟工作流调度进行优化；步骤4：对预先设置的多卫星数据中心计算近数据计算模型之间的算法进行自动迁移。本发明的有益效果为：可实现最大程度地降低工作流总执行时间，从而大大提高多卫星数据中心的工作流调度效率，能够快速构建基于多卫星数据中心架构的一站式遥感数据产品服务模式，并为应对多用户的复杂需求提供技术 支撑 。，下面是基于近数据计算原则的多卫星数据中心工作流调度算法专利的具体信息内容。
1.一种基于近数据计算原则的多卫星数据中心工作流调度算法，其特征在于，包括以下步骤：
步骤1：将预先配置的工作流执行综合时间简化为工作流所需数据的传输时间和输入数据拷贝到计算资源后的实际处理时间，以时间成本为约束条件，计算所述工作流执行综合时间的最小值；
步骤2：根据得到待调度的数据资源与计算资源信息，在预先配置的既定调度原则的指导下，选择相匹配的资源进行组合，得到虚拟工作流；
步骤3：基于超图理论的按组划分任务方式PGH对步骤2中的虚拟工作流调度进行优化，优化的方法包括将具有相同输入数据的工作流划分为相同的任务组，在同一任务组内重复利用已经拷贝过的输入数据；
步骤4：对预先设置的多卫星数据中心近数据计算模型之间的算法进行自动迁移，包括算法运行环境的解析与封装方法分析以及算法的跨计算模型自动编译，其中近数据计算模型也称为计算平台。
2.根据权利要求1所述的基于近数据计算原则的多卫星数据中心工作流调度算法，其特征在于，在步骤4中，所述算法运行环境的解析与封装方法分析包括：
步骤4-1-1：查询预先配置的算法库中关于该算法资源的信息，确定算法资源是否具备源代码和源代码的路径，同时对该路径下的源代码与动态链接库文件进行检查；
步骤4-1-2：对算法可执行文件运行用户的环境变量进行解析，提取出算法运行时动态链接库所需的环境变量名称，并保存为xml文件格式；
步骤4-1-3：对算法运行所依赖的动态链接库进行封装，并使动态链接库的封装与预先配置的算法源代码的压缩方法一致。
3.根据权利要求1所述的基于近数据计算原则的多卫星数据中心工作流调度算法，其特征在于，在步骤4中，所述算法的跨计算模型自动编译包括：
步骤4-2-1：利用预先配置在系统平台中与源代码与动态链接库的压缩文件格式相匹配的解压缩命令对源代码与动态链接库进行解压缩，并且将动态链接库解压缩后的路径保存在预先配置的临时文件中；
步骤4-2-2：算法资源迁移到目标数据中心后，同时还要将迁移过来的动态链接库文件所对应的路径添加到环境变量中，将步骤4-2-1中所记录的动态链接库文件路径更新到当前用户的环境变量中，并判断配置文件中是否已存在同名环境变量，在不存在同名环境变量的情况下，新建环境变量并对其赋值；
步骤4-2-3：对预先配置的自动编译脚本进行调用，通过预先设置的ssh协议调用目标数据中心的预先配置的算法编译Make File文件，驱动算法资源编译过程自动执行；
步骤4-2-4：编译成功后的算法资源生成相匹配的可执行文件，通过预先配置的数据库操作接口增加目标数据中心算法库中的新算法记录。
4.根据权利要求3所述的基于近数据计算原则的多卫星数据中心工作流调度算法，其特征在于，在步骤4-2-2中，在存在同名环境变量的情况下，对该环境变量进行追加。
基于近数据计算原则的多卫星数据中心工作流调度算法
技术领域
[0001] 本发明涉及一种面向多卫星数据中心工作流调度算法，具体来说，涉及一种基于近数据计算原则的多卫星数据中心工作流调度算法。
背景技术
[0002] 随着对地观测领域内多种传感器的发展，海量多源遥感数据获取能力的提高，专业化的数据获取与多源数据的综合应用呈现出精细化分工与协同式综合处理需求并存的发展局面。一方面，各类遥感数据获取与管理方式更为专业化，由此形成了多个不同类型卫星、不同区域或国家的数据中心；另一方面，遥感领域的大型综合性应用又需要得到不同卫星、不同区域或国家数据中心的数据支持，面临着需要同时面对不同类型传感器数据的处理、不同数据中心之间数据类型与覆盖区域的互补、综合性信息处理等现实问题。
[0003] 这一系列现实状况、需求与发展趋势，一方面催生了各数据中心联合提供数据共享的动力与技术解决方案，另一方面，各中心联合起来，共同为用户提供综合性的信息处理与一站式信息服务，成为未来的发展趋势之一。为此，构建多卫星数据中心协同处理与一站式信息服务模式，依托于国内外已有的气象、陆地、海洋等卫星数据中心，研究在多卫星数据中心架构下处理多源遥感数据产品所需的若干关键技术，建立一个可以统一、协同调度多卫星数据中心资源的多源遥感数据协同处理平台成为当下遥感领域的一个迫切问题。
发明内容
[0004] 本发明的目的是提供一种基于近数据计算原则的多卫星数据中心工作流调度算法，通过建立近数据计算的目标约束模型，确定最小化的工作流执行综合时间确定近数据计算的具体实现方式。通过超图理论的按组划分任务方式将多卫星数据中心计算平台的工作流调度方法进行优化，能够使相同分组内的计算任务其输入数据的传输时间最短。同时，在输入数据量较大的情况下，利用多卫星数据中心计算平台之间的算法自动迁移方法替代大规模的数据迁移。如此可避免长时间的海量数据传输过程中会遇到的网络中断、存储空间消耗过大等问题，从而提高多卫星数据中心的工作流调度效率和协同处理能力，有效的克服了现有技术中的上述不足。
[0005] 本发明的目的是通过以下技术方案来实现：
[0006] 一种基于近数据计算原则的多卫星数据中心工作流调度算法，包括以下步骤：
[0007] 步骤1：将预先配置的工作流执行综合时间简化为工作流所需数据的传输时间和输入数据拷贝到计算资源后的实际处理时间，以时间成本为约束条件，计算所述工作流执行综合时间的最小值；
[0008] 步骤2：根据得到待调度的数据资源与计算资源信息，在预先配置的既定调度原则的指导下，选择相匹配的资源进行组合，得到虚拟工作流；
[0009] 步骤3：基于超图理论的按组划分任务方式PGH对步骤2中的虚拟工作流调度进行优化；
[0010] 步骤4：对预先设置的多卫星数据中心计算近数据计算模型之间的算法进行自动迁移，包括算法运行环境的解析与封装方法分析以及算法的跨计算模型自动编译。
[0011] 进一步的，在步骤3中，优化的方法包括将具有相同输入数据的工作流划分为相同的任务组，在同一任务组内重复利用已经拷贝过的输入数据。
[0012] 进一步的，在步骤4中，所述算法运行环境的解析与封装方法分析包括：
[0013] 步骤4-1-1：查询预先配置的算法库中关于该算法资源的信息，确定算法资源是否具备源代码和源代码的路径，同时对该路径下的源代码与动态链接库文件进行检查；
[0014] 步骤4-1-2：对算法可执行文件运行用户的环境变量进行解析，提取出算法运行时动态链接库所需的环境变量名称，并保存为 xml 文件格式；
[0015] 步骤4-1-3：对算法运行所依赖的动态链接库进行封装，并使动态链接库的封装与预先配置的算法源代码的压缩方法一致。
[0016] 进一步的，在步骤4中，所述算法的跨计算模型自动编译包括：
[0017] 步骤4-2-1：利用预先配置在系统平台中与源代码与动态链接库的压缩文件格式相匹配的解压缩命令对源代码与动态链接库进行解压缩，并且将动态链接库解压缩后的路径保存在预先配置的临时文件中；
[0018] 步骤4-2-2：算法资源迁移到目标数据中心后，同时还要将迁移过来的动态链接库文件所对应的路径添加到环境变量中，将步骤4-2-1中所记录的动态链接库文件路径添更新到当前用户的环境变量中，并判断配置文件中是否已存在同名环境变量，在不存在同名环境变量的情况下，新建环境变量并对其赋值；
[0019] 步骤4-2-3：对预先配置的自动编译脚本进行调用，通过预先设置的ssh协议调用目标数据中心的预先配置的算法编译Make File文件，驱动算法资源编译过程自动执行；
[0021] 进一步的，在步骤4-2-2中，在存在同名环境变量的情况下，对该环境变量进行追加。
[0022] 本发明的有益效果为：在多卫星数据中心工作流进行调度中，近数据计算原则实现计算向数据靠近的目的，最大程度地降低工作流总执行时间，从而大大提高多卫星数据中心的工作流调度效率，另外，针对海量遥感数据的多中心协同处理过程中涉及的大规模数据迁移问题，多卫星数据中心环境下近数据工作流调度算法能够以算法迁移代替大规模数据迁移，可避免长时间的海量数据传输过程中会遇到的网络中断、存储空间消耗过大等问题，能够快速构建基于多卫星数据中心架构的一站式遥感数据产品服务模式，并为应对多用户的复杂需求提供技术支撑，有利于市场的推广与应用。附图说明
[0023] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0024] 图1是根据本发明实施例所述的一种基于近数据计算原则的多卫星数据中心工作流调度算法的示意图；
[0025] 图2是根据本发明实施例所述的基于计算资源处理能力与关键数据资源传输代价的虚拟工作流动态构建示意图；
[0026] 图3是本发明实施例所述的基于超图理论的按组划分任务方式的示意图；
[0027] 图4是本发明实施例所述的多卫星数据中心计算平台之间的算法自动迁移的流程图。
具体实施方式
[0028] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
[0029] 如图1-4所示，根据本发明实施例所述的一种基于近数据计算原则的多卫星数据中心工作流调度算法，包括以下步骤：
[0030] 步骤1：构建工作流执行综合时间最小化的近数据计算模型，将所述工作流执行综合时间简化为工作流所需数据的传输时间与输入数据拷贝到计算资源后的实际处理时间两部分，以时间成本为约束条件计算所述工作流执行综合时间的最小值，即为最小化的近数据计算模型；
[0031] 步骤2：基于计算资源处理能力与关键数据资源传输代价的虚拟工作流动态构建方法，在构建虚拟工作流之前，根据得到待调度的数据资源与计算资源信息，在预先配置的既定调度原则的指导下，选择相匹配的资源进行组合，得到虚拟工作流；
[0032] 步骤3：基于超图理论的按组划分任务方式PGH对步骤2中的虚拟工作流调度进行优化；
[0033] 优化的方法包括将具有相同输入数据的工作流划分为相同的任务组，在同一任务组内重复利用已经拷贝过的输入数据。
[0034] 步骤4：对预先设置的多卫星数据中心计算近数据计算模型之间的算法进行自动迁移，包括算法运行环境的解析与封装方法分析以及算法的跨计算模型自动编译。
[0035] 其中，在步骤4中，所述算法运行环境的解析与封装方法分析包括：
[0036] 步骤4-1-1：算法资源完备性检查，查询预先配置的算法库中关于该算法资源的信息，确定算法资源是否具备源代码和源代码的路径，同时对该路径下的源代码与动态链接库文件进行检查；
[0037] 步骤4-1-2：算法资源环境变量解析，对算法可执行文件运行用户的环境变量进行解析，提取出算法运行时动态链接库所需的环境变量名称，并保存为 xml 文件格式；
[0038] 步骤4-1-3：对算法运行所依赖的动态链接库进行封装，对动态链接库的封装与预先配置的算法源代码的压缩方法一致。
[0039] 其中，在步骤4中，所述算法的跨计算模型自动编译包括：
[0040] 步骤4-2-1：源代码与动态链接库文件的解压缩，利用预先配置在系统平台中与源代码与动态链接库的压缩文件格式相匹配的解压缩命令对源代码与动态链接库进行解压缩，并且将动态链接库解压缩后的路径保存在预先配置的临时文件中；
[0041] 步骤4-2-2：环境变量更新，算法资源迁移到目标数据中心后，同时还要将迁移过来的动态链接库文件所对应的路径添加到环境变量中，将步骤4-2-1中所记录的动态链接库文件路径添更新到当前用户的环境变量中，并判断配置文件中是否已存在同名环境变量，
[0042] 在不存在同名环境变量的情况下，新建环境变量并对其赋值；
[0043] 在存在同名环境变量的情况下，对该环境变量进行追加。
[0044] 步骤4-2-3：对预先配置的自动编译脚本进行调用，通过预先设置的ssh协议调用目标数据中心的预先配置的算法编译MakeFile文件，驱动算法资源编译过程自动执行；
[0045] 步骤4-2-4：算法资源注册，编译成功后的算法资源生成相匹配的可执行文件，通过预先配置的数据库操作接口增加目标数据中心算法库中的新算法记录。
[0046] 对于工作流执行综合时间最小化的近数据计算模型，近数据计算模型重点考虑工作流输入数据源的选择、卫星数据中心计算资源节点的选择两个主要因素，工作流总执行时间规定为工作流所需数据的传输时间、输入数据拷贝到计算资源后的实际处理时间两部分，为了使工作流总执行时间最小化，近数据模型规定实现过程的约束条件为数据资源传输时间最短和计算资源处理时间最短。
[0047] 其中，对于基于计算资源处理能力与关键数据资源传输代价的虚拟工作流动态构建方法，多卫星数据中心平台下进行资源分配、调度的模拟过程需构建虚拟工作流，虚拟工作流的构建是以计算资源的计算能力与数据资源传输代价为主要考虑要素的。近数据计算原则将数据传输代价作为调度的首要因子，再对比计算资源之间差别，从而动态构建虚拟工作流。
[0048] 其中，在多卫星数据中心架构下，多源遥感数据产品的生产过程中会涉及到多个卫星数据中心的协同处理时，共享输入数据的重复拷贝的时间将会大幅增加工作流调度过程中的时间成本。由此，本发明方法可以利用PGH，将包任务模型引入到多卫星数据中心架构下的多源遥感数据产品生产过程中，对共享输入数据的多个工作流的调度方法进行了优化。
[0049] 对于基于PGH( 超图理论的按组划分任务方式)的多卫星数据中心计算平台的工作流调度优化方法，多源遥感数据产品的生产过程中涉及到的多个卫星数据中心的协同处理时，每个数据中心在提供多个数据供其他计算资源重复使用，数据拷贝的时间将会大幅增加工作流调度的时间成本。对多共享输入文件利用PGH的划分方式，将具有相同输入数据的工作流划分为相同的任务组，在同一任务组内重复利用已经拷贝过的输入数据。
[0050] 另外，在多卫星数据中心计算平台之间输入数据量较大的情况下，基于近数据计算的算法自动迁移方法代替大规模数据迁移。由此，本发明方法可以在多卫星数据中心协同处理过程中能够避免长时间的海量数据传输过程中会遇到的网络中断、存储空间消耗过大等问题。
[0051] 对于多卫星数据中心计算平台之间的算法自动迁移方法，近数据计算另一种方法可由算法资源自动迁移实现，即算法资源的分布式迁移代替多卫星数据中心之间的大规模数据迁移。首先，在算法所在原数据中心上进行的算法运行环境解析与封装方法分析。然后在算法需要迁移到的数据中心上进行自动编译，将算法信息注册到目标数据中心的计算平台上。
[0052] 具体应用时，1）工作流执行综合时间最小化的近数据计算模型：工作流的总执行时间简化为工作流所需数据的传输时间、输入数据拷贝到计算资源后的实际处理时间两部分；其中，近数据计算模型也称为计算平台。
[0053]
[0054] 其中， 是工作流 WF 在执行时需要传输数据资源到计算资源的数据传输时间； 是完成数据传输后，在计算资源 上执行工作流所消耗的时间。
[0055] 以时间成本为约束条件的近数据计算模型就是求的 最小值，
[0056] 即
[0057]
[0058] 其中，数据资源 到计算资源 的传输时间需要考虑两者之间的网络带宽，如果二者位于同一个数据中心，则可忽略该部分传输时间。而通常情况下，的计算需要考虑二者之间的网络情况，即通过 来计算数据传输时间。
[0059] 其中， 是的计算需要借助于计算资源的属性集合，即
[0060]
[0061] 其中(Node-name是计算资源的名称，CPU-speed是计算资源的 CPU 主频，CPU-usage是计算资源的 CPU当前时刻利用率，Memory-size是计算资源的内存大小，Memory-usage是计算资源的当前时刻利用率，Disk-capacity是计算资源的可用存储空间。
[0062] 该集合中的各项影响因子可根据实际需求分别赋予不同的权重值。与计算资源相关的性能数据会按照较小的时间间隔进行更新，而且还需要计算每一个数据资源与计算资源之间进行传输的时间成本和可用网络带宽，然后给出每个数据节点可用的计算资源列表，并按照在两者之间传输单位数据所消耗的时间成本进行排序。
[0063] 2）基于计算资源处理能力与关键数据资源传输代价的虚拟工作流动态构建方法：
[0064] 在本文所采用的基于计算资源处理能力与关键数据资源传输代价的虚拟工作流动态构建方法如图2所示，它是以计算资源的计算能力和数据资源传输代价作为虚拟工作流选取资源的评价因子，由于调度的基本前提是近数据计算，故将数据传输代价作为调度的首要因子，先判断数据量的大小，然后再对比计算资源之间差别。在图中，对比两个数据源 Data.a 和 Data.b的数据传输代价，其评价公式如下所示：
[0065]
[0066] 其中， 是工作流的输入数据， 、 分别是数据所在位置和数据量两个指标的权重因子。
[0067] 虚拟工作流的构建以计算资源的计算能力与数据资源传输代价为主要考虑要素的，其中，计算资源能力主要是指在确定待处理数据资源的类型与数据规模后，以数据资源为中心判断数据所在中心的算法资源是否与该数据源匹配，在二者相互匹配的前提下，再对可能会出现的数据资源传输情况进行传输代价的计算。
[0068] 3）基于PGH的多卫星数据中心计算平台的工作流调度优化方法
[0069] 本文采用的基于超图理论的按组划分任务方式的如图3所示，在计算资源与数据资源之间的网络带宽已知的情况下，工作流的预期执行时间(EET)是随着输入文件的数据量线性增加的，实际上，由于EET的计算方法非常复杂，但本文中为了简化时间成本的计算过程，EET的计算仅考虑从数据中心向计算单元拷贝数据的时间和每个处理任务的执行时间这两部分时间成本。
[0070]
[0071] 式中， 是输入文件 的大小， 是传输文件 时每一个 byte 所付出的代价， 是文件 fj 中每一个byte 的处理代价。
[0072] 其中， 可通过下式计算：
[0073]
[0074] 是处理工作流 在其所在组内第一个被执行的概率， 是 在其执行的计算单元上同时具备所需的输入文件 的概率，BW 是数据资源所在数据中心与计算单元所在数据中心之间的网络带宽。
[0075] 根据上式的规定，具有相同输入数据的处理流程将被分为一组，以使 EET( )达到最小化，前述包任务模型可分为 P1、P2、P3 三个任务组，
[0076] 4）多卫星数据中心计算平台之间的算法自动迁移方法：
[0077] 本文采用的多卫星数据中心计算平台之间的算法自动迁移方法如图4所示，主要包括算法运行环境的解析与封装方法分析和算法的跨计算平台自动编译两个步骤。
[0078] 其中，算法运行环境的解析与封装方法分析的步骤包括：
[0079] 1、算法资源完备性检查：首先查询算法库中关于该算法资源的信息，确定算法资源是否具备源代码、源代码的路径，同时对该路径下的源代码与动态链接库文件进行检查。
[0080] 2、算法资源环境变量解析：算法资源在运行时对环境变量也是有要求的，本文通过对算法可执行文件运行用户的环境变量进行解析，提取出算法运行时动态链接库所需的环境变量名称，并保存为 xml 文件格式。
[0081] 3、算法运行所依赖的动态链接库的封装，动态链接库的封装与算法源代码的压缩方法一致，都是借助于 Linux 系统平台的文件压缩工具，封装成后缀为*.tar.gz的压缩文件，在保证文件传输安全性的基础上，减小数据传输量。
[0082] 经过环境变量解析与保存、算法源代码的压缩与封装、算法所依赖动态链接库的压缩与封装后，算法迁移在数据中心本地的准备工作就已完成，阶段的输出文件包括，用于存储环境变量的xml文件、封装了算法源代码和动态链接库文件的两个 tar包压缩文件。
[0083] 此外，算法的跨计算平台自动编译的方法步骤包括：
[0084] 1、源代码与动态链接库文件的解压缩；源代码与动态链接库的压缩文件格式为.tar.gz，对其解压缩可直接调用的Linux 系统平台的解压缩命令；而动态链接库解压缩后的路径还需要暂时保存在临时文件中，因为解压缩后动态链接库所在的路径与算法在原数据中心上的路径不可能完全一致，所以需要暂存所有解压的动态链接库路径，以便于更新环境变量。
[0085] 2、环境变量更新：算法资源迁移到目标数据中心后，同时还要将迁移过来的动态链接库文件所对应的路径添加到环境变量中，即可将上步中所记录的动态链接库文件路径添更新到当前用户的环境变量中，如果配置文件中已有同名环境变量，则追加该值，如果不存在环境变量，则可新建并对其赋值。
[0086] 3、自动编译脚本的调用：自动编译脚本的执行是通过 ssh 协议调用目标数据中心的算法编译Make File文件，驱动算法资源编译过程的自动执行。
[0087] 4、算法资源注册：编译成功后的算法资源会生成可执行文件，为了记录该算法的名称、路径、参数等信息，可通过数据库操作接口增加目标数据中心算法库中的新算法记录。
[0088] 按照以上介绍，设计完成了一种基于近数据计算原则的多卫星数据中心工作流调度算法，主要任务是在多卫星数据中心架构的工作流调度中实现计算向数据靠近的目的，从而将工作流的总运行时间降到最小。本方法利用近数据计算原则，在多卫星数据中心架构的工作流调度中，实现计算向数据靠近的目的，最大程度地降低工作流总执行时间。
[0089] 综上所述，借助于本发明的上述技术方案，本方案提出了一种基于近数据计算原则的多卫星数据中心工作流调度算法，将工作流执行综合时间最小化的近数据计算模型作为成本约束模型，并利用基于计算资源处理能力与关键数据资源传输代价方法的动态构建虚拟工作流，以便在多卫星数据中心平台下进行资源分配与调度；在工作流调度方法的优化上，采用了超图理论的按组划分任务方式PGH将共享数据重复利用，降低各数据中心之间的数据迁移量。此外，在算法资源的分布式迁移代替多卫星数据中心之间的大规模数据迁移实现近数据计算上，采用了算法运行环境的解析与封装方法分析和算法的跨计算平台自动编译方法可以完成面向多集群环境的算法自动迁移。
[0090] 因此，本发明在实际的多卫星数据中心工作流调度中，能够高效地调度各卫星数据中心的多源遥感数据集与计算资源，能够根据多源遥感数据产品处理流程的特点以及结合海量数据分布式存储现状与传输消耗，进行高效的处理流程调度，从而促进卫星数据中心的协同处理；另外，针对海量遥感数据的多中心协同处理过程中涉及的大规模数据迁移问题，多卫星数据中心环境下近数据工作流调度算法能够以算法迁移代替大规模数据迁移，可避免长时间的海量数据传输过程中会遇到的网络中断、存储空间消耗过大等问题，能够快速构建基于多卫星数据中心架构的一站式遥感数据产品服务模式，并为应对多用户的复杂需求提供技术支撑，有利于市场的推广与应用。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 带宽压缩中的预测方法 | 2020-05-08 | 213 |
| 一种基于反演滑模控制的AGV路径跟踪方法 | 2020-05-11 | 0 |
| 一种无线体域网能耗和时延加权最小的安全路由选择方法 | 2020-05-08 | 982 |
| 一种基于区块链和竞拍博弈的网络资源安全共享方法 | 2020-05-08 | 582 |
| 储能式充电桩参与电网需求侧响应联合运行优化模型与求解算法 | 2020-05-08 | 238 |
| 一种电采暖设备接入的配电网供电能力优化方法和装置 | 2020-05-08 | 494 |
| 一种基于部件特征的航空发动机多故障并发诊断方法 | 2020-05-08 | 324 |
| 雨雪天气条件下的运动目标检测方法 | 2020-05-08 | 195 |
| 面向慢性病康复的精准运动大数据智能预测、分析及优化系统 | 2020-05-08 | 200 |
| 一种基于分布式编码的随机梯度下降优化方法 | 2020-05-11 | 565 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈