基于云计算的钟表管理系统的制作方法

本发明涉及时间数据处理，尤其涉及基于云计算的钟表管理系统。

背景技术：

1、时间数据处理技术领域涉及收集、存储、分析和解释时间相关的数据。这些数据通常以时间戳的形式存在，表明某一事件的发生时间或持续期。该领域使用各种算法和技术来管理和优化时间序列数据，包括但不限于信号处理、模式识别、统计分析和机器学习。时间数据处理的应用非常广泛，如金融市场分析、气象预测、健康监测系统及工业生产过程控制等。

2、其中，钟表管理系统是指用于维护和监控钟表设备或时间显示系统的技术和程序集合。这种系统通常被用于确保多个钟表显示一致的准确时间，尤其在广泛的设施或网络中非常关键。钟表管理系统的主要用途包括时间同步、故障检测、性能监控及维护日志管理，确保时间数据的准确性和可靠性，从而支持其他依赖精确时间的系统和操作。

3、传统的时间数据处理技术主要靠预设规则和固定算法进行数据管理，处理动态变化数据时常常显得力不从心。这些技术在实时数据监测和快速响应方面通常表现不足，面对数据流量的急剧变化时，缺乏足够的灵活性来即时调整，导致数据处理的延迟或不精确。在数据分片管理和资源配置上，固定的处理模式限制了系统的扩展性和效率，特别是在需要快速处理大量数据的应用场景中，如金融分析或实时监控系统，不足以满足高效和精准的业务需求。这些不足可能导致业务流程中断和潜在的经济损失，突显出在复杂和动态的数据处理环境中对现有技术的改进需求。

技术实现思路

1、本发明的目的是解决现有技术中存在的缺点，而提出的基于云计算的钟表管理系统。

2、为了实现上述目的，本发明采用了如下技术方案：基于云计算的钟表管理系统包括：

3、实时数据监控模块实时接收时间同步数据流，记录数据流的每秒字节大小和传输速率，与预设的性能阈值对比，判断是否超出常规范围，生成流量监测结果；

4、动态分片调整模块基于所述流量监测结果，测量当前的云资源使用率，记录多个节点的负载情况，对数据分片的数量进行重新计算，调整每个分片的大小以应对负载变化，生成分片调整结果；

5、时间敏感性评估模块搜集每个数据分片的到达时间，分析与时区转换的关联数据，应用评分规则对每个分片的紧迫性进行评定，确认数据的处理优先级，根据所述分片调整结果对资源进行再分配，生成敏感性评分结果；

6、资源优化配置模块根据所述敏感性评分结果，预测未来资源需求和变化趋势，调整资源分配策略，匹配预测结果，优化系统性能和响应时间，生成资源配置优化结果。

7、作为本发明的进一步方案，所述流量监测结果的获取步骤具体为：

8、实时接收时间同步数据流，同时记录每秒的数据流量和传输速率，采用公式：

9、

10、计算每秒钟内加权数据的字节大小，同时采用公式：

11、

12、计算每秒的加权传输速率，生成每秒字节大小和传输速率结果；

13、其中，t代表时间秒数，si代表每个数据包的字节大小，n代表在秒t内接收的数据包数量，wi,z是数据包i的权重系数，kz是一个常数系数，b(t)是每秒的字节大小，r(t)是每秒的传输速率；

14、将所述每秒字节大小和传输速率结果与预设的性能阈值进行对比，采用公式：

15、

16、和

17、

18、计算所述每秒字节大小和传输速率结果与调整后的性能阈值的比例，获取超出常规范围的判断结果；

19、其中，xb(t)、xr(t)分别是每秒数据流量和传输速率结果与调整后阈值的比例，tb,z、tr,z分别代表数据流量和传输速率的性能阈值，∈z、δz是用于调整阈值的小量；

20、基于所述每秒数据流量和传输速率结果与调整后阈值的比例，若任一超过1，则判断为超出常规范围，采用公式：

21、

22、计算超出常规范围的最大百分比，生成流量监测结果d(t)。

23、作为本发明的进一步方案，所述分片调整结果的获取步骤具体为：

24、利用所述流量监测结果d(t)，采用公式：

25、

26、计算当前的云资源使用率，得到云资源使用率结果；

27、其中，fx为转换系数，kx为时间调整参数，t0为时间偏移量，u(t)为云资源使用率；

28、根据所述云资源使用率结果记录多个节点的实时负载情况，采用公式：

29、

30、计算全部节点的平均负载，得到节点负载情况结果；

31、其中，ui(t)为第i个节点的云资源使用率，n为节点数量，l(t)为平均节点负载，αx为负载平滑参数，βx为时间调整速率，γx为时间偏移；

32、针对所述节点负载情况结果，重新计算数据分片的数量和每个分片的大小，采用公式：

33、

34、生成分片调整结果；

35、其中，cx为总数据量，gx为负载调整因子，hx为基础调整量，δx为增量调整系数，s(t)为调整后的分片大小。

36、作为本发明的进一步方案，所述数据的处理优先级的获取步骤具体为：

37、搜集多数据分片的到达时间和关联时区信息，采用公式：

38、tadj,i＝torg,i+δtzone,i×r

39、计算调整后的到达时间，生成调整后到达时间列表；

40、其中，torg,i代表原始到达时间，δtzone,i代表时区调整量，r为调整比率，tadj,i代表调整后到达时间；

41、根据所述调整后到达时间列表，采用公式：

42、si＝wtime·tadj,i+wdata·di+v·log(ni)

43、评估每个分片的紧迫性，计算每个分片的紧迫性评分，生成紧迫性评分列表；

44、其中，di代表数据分片的关联属性，ni代表分片的数量，wtime、wdata、v为权重参数，si代表紧迫性评分；

45、利用所述紧迫性评分列表，采用公式：

46、

47、确定每个分片的处理优先级，计算处理优先级，生成处理优先级列表；

48、其中，si代表紧迫性评分，∈是规避除零错误的小量，pi代表处理优先级。

49、作为本发明的进一步方案，所述敏感性评分结果的获取步骤具体为：

50、利用所述处理优先级列表，结合分片内容特征，进行初步敏感性评估，采用公式：

51、

52、计算初步敏感性评分，生成初步敏感性评分；

53、其中，mv代表处理优先级的权重参数，nv代表内容特征的权重参数，ov代表法规要求的权重参数，pv为调整参数，qv为法规要求的调节参数，ci为内容特征，li为法规要求级别，ri为初步敏感性评分；

54、对所述初步敏感性评分进行迭代调整，参照外部环境因素和内部需求，采用公式：

55、

56、计算调整后的敏感性评分，生成调整后的敏感性评分列表；

57、其中，kv为环境影响的调节参数，θv为环境影响的阈值参数，λv为调整参数，μv为调节参数，xi代表外部因素评估值；

58、基于所述调整后的敏感性评分列表，结合资源分配策略，确定每个数据分片的敏感性评分，采用公式：

59、

60、计算生成敏感性评分结果；

61、其中，αv为资源分配的调节因子，βv为敏感性评分调整因子，stotal为系统总资源，fi为敏感性评分结果。

62、作为本发明的进一步方案，所述资源配置优化结果的获取步骤具体为：

63、基于所述敏感性评分结果，应用复合模型预测未来资源需求，采用公式：

64、

65、生成预测的总资源需求；

66、其中，cv代表缩放系数，dv代表资源需求的非线性响应指数，lv、mv为调节对数响应的敏感度，ev代表基础资源需求偏移，dpred为预测的总资源需求；

67、结合所述预测的总资源需求结果和当前资源状态，调整资源分配策略，采用公式：

68、

69、生成调整后的资源分配策略；

70、其中，gv代表调整系数，hv为当前资源状态的指数反应，nv为调节当前资源状态的偏移量，iv为调节参数，dcur为当前资源状态，sadj为调整后的资源分配策略；

71、应用所述调整后的资源分配策略，优化系统性能和响应时间，采用公式：

72、

73、生成资源配置优化结果；

74、其中，jv代表性能优化系数，tresp表示当前系统响应时间，kv为响应时间的调节参数，ropt为资源配置优化结果。

75、与现有技术相比，本发明的优点和积极效果在于：

76、本发明中，通过基于云计算的钟表管理系统，实时监测数据流与预设性能阈值的比对有效预警可能的性能瓶颈或数据传输异常。动态调整数据分片的策略根据实际云资源的使用率来优化资源分配，实现了对系统负载变化的快速响应，提升了资源利用效率。通过评估数据分片的紧迫性并进行优先处理，系统显著提高了对时间敏感数据的处理速度和精确性，减少了数据处理时延。资源优化配置通过预测未来资源需求和变化趋势来调整资源分配，极大地增强了系统的响应速度和整体性能。