[发明专利]一种基于Kubeflow节点的负载均衡监测平台在审

专利信息
申请号: 202210537597.8 申请日: 2022-05-18
公开(公告)号: CN114996083A 公开(公告)日: 2022-09-02
发明(设计)人: 马卓 申请(专利权)人: 广东工业大学
主分类号: G06F11/30 分类号: G06F11/30;G06F11/34;G06F9/50;G06F1/20;G06N20/00;G01K13/00
代理公司: 六安市新图匠心专利代理事务所(普通合伙) 34139 代理人: 王霞
地址: 510006 广东省*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 kubeflow 节点 负载 均衡 监测 平台
【说明书】:

发明涉及云学习领域,尤其是涉及一种基于Kubeflow节点的负载均衡监测平台,包括Kubeflow负载均衡监测平台和学习设备,所述Kubeflow负载均衡监测平台包括中央处理器、检测模块、监测模块、控制单元和显示设备,检测模块、监测模块、控制单元和显示设备均与中央处理器连接;学习设备包括处理器、信息处理单元、检测模块、提示模块和执行器,信息处理单元、检测模块、提示模块和执行器与处理器连接。本发明通过Kubeflow负载均衡监测平台中检测模块和监测模块,对学习设备中进行负载检测,过高时及时暂停学习,防止学习设备损坏;通过控制单元和学习编译器对学习设备进行编辑,不断调整,提高均衡负载的效率。

技术领域

本发明涉及云学习技术领域,尤其涉及一种基于Kubeflow节点的负载均衡监测平台。

背景技术

Kubeflow有效地连接起了Kubernetes和各个机器学习框架,提供了机器学习在Kubernetes云平台上实现端到端的解决方案,部分基于Kubeflow的学习平台对其他设备的学习,常常由于其他设备学习出现较大负荷和负载,导致温度上升进而使得设备烧毁。

发明内容

本发明的目的是为了解决现有技术中存在的缺点,而提出的一种基于Kubeflow节点的负载均衡监测平台。

为了实现上述目的,本发明采用了如下技术方案:

一种基于Kubeflow节点的负载均衡监测平台,包括Kubeflow负载均衡监测平台和学习设备,所述Kubeflow负载均衡监测平台包括中央处理器、检测模块、监测模块、控制单元和显示设备,检测模块、监测模块、控制单元和显示设备均与中央处理器连接;

学习设备包括处理器、信息处理单元、检测模块、提示模块和执行器,信息处理单元、检测模块、提示模块和执行器与处理器连接。

优选地,所述检测模块中包含温度检测设备和预警设备;监测设备中包含负载监测设备和提醒设备;学习设备中的检测模块检测学习设备的温度和负载情况。

优选地,所述Kubeflow负载均衡监测平台与学习设备通过连接器进行连接,且中央处处理器与学习编译器连接,学习编译器通过连接器与学习设备连通。

优选地,所述控制单元通过中央处理器对学习编译器编辑学习内容,中央处理器将编辑过程、温度和学习设备中各区域负载情况显示在显示设备中,当学习设备中各区域负载没有分配时,负载导致温度过高,检测模块进行预警,通过控制单元进行便于,重新修正学习方向。

优选地,所述学习设备执行器启动散热器对学习设备进行散热,学习设备中负载情况进而温度情况通过连接器显示在Kubeflow负载均衡监测平台中的显示设备中。

本发明的有益效果为:

1、通过Kubeflow负载均衡监测平台中检测模块和监测模块,对学习设备中进行负载检测,过高时及时暂停学习,防止学习设备损坏;

2、通过控制单元和学习编译器对学习设备进行编辑,不断调整,提高均衡负载的效率。

附图说明

图1为本发明提出的一种基于Kubeflow节点的负载均衡监测平台的结构示意图。

具体实施方式

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。

实施例1:

参照图1所示,一种基于Kubeflow节点的负载均衡监测平台,包括Kubeflow负载均衡监测平台和学习设备,其特征在于,所述Kubeflow负载均衡监测平台包括中央处理器、检测模块、监测模块、控制单元和显示设备,检测模块、监测模块、控制单元和显示设备均与中央处理器连接;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东工业大学,未经广东工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210537597.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top