一种利用分布式技术进行人工智能算力资源调用系统的制作方法

本发明涉及算力资源调用，更具体地涉及一种利用分布式技术进行人工智能算力资源调用系统。

背景技术：

1、算力资源调用，就是基于算网大脑，进行全网算力资源的智能编排、弹性调度。更具体来说，是完成算力运营及算力服务编排，完成对算力资源和网络资源的管理，包括对算力资源的感知、度量和oam管理等；实现对终端用户的算网运营，以及对算力路由层和网络资源层的管理。算力资源被感知和标识之后，为了进行管理，还有一个算力资源管理的逻辑过程(也有被单独称为：算力管理层)。主要包括算力注册、算力oam(性能监控、故障管理)、算力运营(计费管理、服务合约等)。

2、目前算力资源调用系统，通常是将采用集中式技术计算或者分布式技术计算，集中式技术计算是通过将算力资源集中在某个计算机节点上，通过某个计算机节点进行计算，此种计算的效率较慢，而分布式技术计算是将算力资源分布在不同的计算机节点上，通过多个计算机节点进行计算，可提高计算效率，但通过多个计算机节点进行计算时，如出现某个计算机节点在运算时的效率过慢，导致后续迟迟无法对多个计算机节点计算出的数据进行整合，就会耽误整个算力资源的计算效率，有待提升。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明提供了一种利用分布式技术进行人工智能算力资源调用系统，以解决上述背景技术中存在的问题。

2、本发明提供如下技术方案：一种利用分布式技术进行人工智能算力资源调用系统，包括算力资源调用系统，所述算力资源调用系统包括有计算需求分配模块、通信模块、计算机节点和数据整合模块，所述通信模块和计算机节点的数量均为多个，多个所述计算机节点分别通过多个通信模块与计算需求分配模块信号连接，多个所述计算机节点分别设有数据传输模块和计算效率传输模块，所述数据传输模块和计算效率传输模块分别与计算需求分配模块信号连接。

3、进一步的，所述计算需求分配模块包括有计算资源管理储存模块、计算资源分析模块和计算资源分解模块。

4、进一步的，所述数据整合模块包括有计算处理模块、计算数据合并模块和数据储存模块。

5、进一步的，所述计算资源管理储存模块和计算资源分析模块可以对需要计算任务的数据进行分析管理。

6、进一步的，所述计算资源分解模块可以将复杂的计算任务划分为多个相互独立的子任务，将这些子任务分别分布到多个的计算节点上进行执行计算。

7、进一步的，所述计算处理模块和计算数据合并模块可以对多个计算机节点计算处的数据进行合并整理，进而获得最终结果。

8、进一步的，所述数据储存模块可以对计算出的数据进行储存，方便后续对计算出的数据进行查找。

9、进一步的，通过多个所述计算机节点对相互独立的子任务进行计算，提高计算的效率。

10、进一步的，通过计算效率传输模块分别进行计算多个计算机节点计算数据的效率，并将计算效率传输给计算需求分配模块，通过数据传输模块可以将运算速度过慢计算机节点的计算任务重新发送给计算需求分配模块，计算需求分配模块再将计算任务重新发送给空闲的计算机节点，使得多个计算机节点同时做相同计算任务，先计算结束的计算机节将计算出的数据传输给数据整合模块，通过数据整合模块多个计算机节计算出的数据进行集中整合。本发明的技术效果和优点：

11、1.本发明通过采用计算需求分配模块、通信模块、计算机节点和数据整合模块的配合，便于将复杂的计算任务划分为多个相互独立的子任务，并通过多个的计算节点上进行执行计算，通过计算效率传输模块和数据传输模块的配合，可以将运算速度过慢计算机节点的计算任务重新发送给计算需求分配模块，并重新发送给空闲的计算机节点，使得多个计算机节点同时做相同计算任务，计算结束的计算机节点将计算出的数据传输给数据整合模块，进而提高计算效率，避免了某个计算机节点在运算时的效率过慢，导致后续迟迟无法对多个计算机节点计算出的数据进行整合，耽误整个算力资源的计算效率的情况发生。

12、2.本发明通过计算需求分配模块的计算资源管理储存模块和计算资源分析模块可以对需要计算任务的数据进行分析管理，并通过计算资源分解模块可以将复杂的计算任务划分为多个相互独立的子任务，将这些子任务分别分布到多个的计算节点上执行计算，方便后续通过多个计算节点分别进行执行计算任务，可提高计算效率。

13、3.本发明通过数据整合模块的计算处理模块和计算数据合并模块的配合，可以对多个计算机节点计算出的数据进行合并整理，进而获得最终结果，并通过数据储存模块可以对计算出的数据进行储存，方便后续对计算出的数据进行查找。

技术特征：

1.一种利用分布式技术进行人工智能算力资源调用系统，包括算力资源调用系统，其特征在于，所述算力资源调用系统包括有计算需求分配模块、通信模块、计算机节点和数据整合模块，所述通信模块和计算机节点的数量均为多个，多个所述计算机节点分别通过多个通信模块与计算需求分配模块信号连接，多个所述计算机节点分别设有数据传输模块和计算效率传输模块，所述数据传输模块和计算效率传输模块分别与计算需求分配模块信号连接。

2.根据权利要求1所述的一种利用分布式技术进行人工智能算力资源调用系统，其特征在于：所述计算需求分配模块包括有计算资源管理储存模块、计算资源分析模块和计算资源分解模块。

3.根据权利要求1所述的一种利用分布式技术进行人工智能算力资源调用系统，其特征在于：所述数据整合模块包括有计算处理模块、计算数据合并模块和数据储存模块。

4.根据权利要求2所述的一种利用分布式技术进行人工智能算力资源调用系统，其特征在于：所述计算资源管理储存模块和计算资源分析模块可以对需要计算任务的数据进行分析管理。

5.根据权利要求2所述的一种利用分布式技术进行人工智能算力资源调用系统，其特征在于：所述计算资源分解模块可以将复杂的计算任务划分为多个相互独立的子任务，将这些子任务分别分布到多个的计算节点上进行执行计算。

6.根据权利要求3所述的一种利用分布式技术进行人工智能算力资源调用系统，其特征在于：所述计算处理模块和计算数据合并模块可以对多个计算机节点计算出的数据进行合并整理，进而获得最终结果。

7.根据权利要求3所述的一种利用分布式技术进行人工智能算力资源调用系统，其特征在于：所述数据储存模块可以对计算出的数据进行储存，方便后续对计算出的数据进行查找。

8.根据权利要求1所述的一种利用分布式技术进行人工智能算力资源调用系统，其特征在于：通过多个所述计算机节点对相互独立的子任务进行计算，提高计算的效率。

9.根据权利要求1所述的一种利用分布式技术进行人工智能算力资源调用系统，其特征在于：通过计算效率传输模块分别进行计算多个计算机节点计算数据的效率，并将计算效率传输给计算需求分配模块，通过数据传输模块可以将运算速度过慢计算机节点的计算任务重新发送给计算需求分配模块，计算需求分配模块再将计算任务重新发送给空闲的计算机节点，使得多个计算机节点同时做相同计算任务，计算结束的计算机节点将计算出的数据传输给数据整合模块，通过数据整合模块多个计算机节计算出的数据进行集中整合。

技术总结
本发明涉及算力资源调用技术领域，且公开了一种利用分布式技术进行人工智能算力资源调用系统，包括算力资源调用系统，所述算力资源调用系统包括有计算需求分配模块、通信模块、计算机节点和数据整合模块。本发明通过采用计算需求分配模块、通信模块、计算机节点和数据整合模块的配合，便于将复杂的计算任务划分为多个相互独立的子任务，并通过多个的计算节点上进行执行计算，通过计算效率传输模块和数据传输模块的配合，可以将运算速度过慢计算机节点的计算任务重新发送给计算需求分配模块，并重新发送给空闲的计算机节点，使得多个计算机节点同时做相同计算任务，计算结束的计算机节点将计算出的数据传输给数据整合模块，进而提高计算效率。

技术研发人员：张志勋,王洋
受保护的技术使用者：四川易倍网络技术有限公司
技术研发日：
技术公布日：2024/1/16