本发明属于信号级仿真,具体涉及一种基于云+端架构的信号级仿真模型云化方法。
背景技术:
1、随着各种电磁设备的投入使用,雷达系统已面临着十分复杂的电磁环境。为提高在复杂电磁环境下的适应能力,最有效的方式是通过进行实际试验对雷达系统进行评估,切实摸清雷达系统抗干扰能力边界底数。受试验成本约束、边界条件难以构建、客观环境影响等限制,外场试验难以开展雷达系统抗干扰性能“摸边探底”工作。全数字仿真具有灵活性高、遍历性好等优势,逐渐成为仿真试验的有效手段。
2、根据仿真模型对信号处理过程建模的细致度,可将作为雷达系统仿真方法分类的基本依据,并由此将雷达系统仿真方法分为两大类:功能级仿真方法和信号级仿真方法。随着电磁环境的愈发复杂,功能级仿真方法已不能满足仿真试验的要求,然而信号级仿真模型涉及各种复杂波形信号的生成与采样、时域卷积、频域滤波、快速傅里叶变换、数字滤波器设计等,通常都只能实现非实时仿真。在信号级仿真系统中,为了提高仿真运算速度,一方面要对模型算法进行优化设计,另一方面是引入高性能并行计算技术加快模型求解速度,从而提高仿真试验效率。
3、基于"云+端"架构的仿真模型云化方法即是一种高性能并行计算技术,针对仿真试验在高度分布、互操作、高实时、可扩展的需求,解决传统的单体模式仿真平台遇到的瓶颈问题。传统的单体模式仿真平台存在诸多难以解决的问题:①由于缺乏故障隔离机制,所有仿真模型都在同一个进程中运行,一旦某个仿真模型出现代码错误,就会造成整个仿真系统崩溃,系统的稳定性和可靠性较差;②由于缺乏链路监控能力,当系统出现故障或者崩溃时,试验人员不清楚试验进度,开发运维人员难以准确找到发生故障的程序,系统透明度差;③信号级仿真中,不同仿真模型对资源的需求差异大,当仿真任务增加时,只能以应用整体资源需求为单位为所有模块增加物理资源,对各个模块的生命周期管理差,导致资源浪费。因此,目前传统的单体模式仿真平台存在系统稳定性差、透明度低以及资源浪费的问题。
技术实现思路
1、本发明的目的是提供一种基于云+端架构的信号级仿真模型云化方法,以解决目前传统的单体模式仿真平台存在系统稳定性差、透明度低以及资源浪费的问题。
2、为实现上述目的,本发明采用如下技术方案:
3、一方面,本说明书提供一种基于云+端架构的信号级仿真模型云化方法,包括:
4、步骤102,基于仿真模型,获得仿真服务容器;
5、步骤104,基于上述仿真模型,获得参数配置表并基于上述参数配置表启动上述仿真服务容器;
6、步骤106,基于gpu管理模块,对上述仿真模型的gpu进行虚拟化处理和资源调度管理。
7、另一方面,本说明书提供一种基于云+端架构的信号级仿真模型云化装置,包括:
8、模型容器化模块,用于基于仿真模型,获得仿真服务容器;
9、模型参数化模块,用于基于上述仿真模型,获得参数配置表并基于上述参数配置表启动上述仿真服务容器;
10、gpu虚拟化模块,用于基于gpu管理模块,对上述仿真模型的gpu进行虚拟化处理和资源调度管理。
11、基于上述技术方案,本说明书能够获得如下技术效果:
12、本方法通过对仿真模型参数化改造,然后将仿真模型进行容器化,将仿真模型之间隔离,通过不同的启动参数,实现不同的需求,针对实际使用场景的不同,将gpu虚拟化,通过编排调度将需大量交互数据的仿真模型容器调度至同一物理gpu上,避免跨gpu传输数据带来的通信延迟,提高仿真加速比和硬件资源的利用效率,支撑模型并行和大样本仿真试验的开展,以解决目前传统的单体模式仿真平台存在系统稳定性差、透明度低以及资源浪费的问题。
1.一种基于云+端架构的信号级仿真模型云化方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,在基于gpu管理模块,对所述仿真模型的gpu进行虚拟化处理和资源调度管理之后还包括基于gpu设备和容器集群管理系统,对所述云化仿真模型进行调度和部署管理。
3.根据权利要求2所述的方法,其特征在于,在基于gpu管理模块,对所述仿真模型的gpu进行虚拟化处理和资源调度管理之后还包括对所述仿真模型配置若干治理接口,所述治理接口用于对仿真服务的服务分组、流量以及数据进行治理和监控。
4.根据权利要求3所述的方法,其特征在于,在基于gpu管理模块,对所述仿真模型的gpu进行虚拟化处理和资源调度管理之后还包括对所述仿真模型之间的的通信链路进行监控。
5.根据权利要求4所述的方法,其特征在于,所述对所述仿真模型之间的的通信链路进行监控的方式为对所述仿真模型之间的的通信方式进行改造,包括dds改造、http通信协议改造、rpc改造以及消息队列改造。
6.根据权利要求1所述的方法,其特征在于,所述基于仿真模型,获得仿真服务容器的步骤包括:
7.根据权利要求6所述的方法,其特征在于,在所述基于所述仿真模型,获得参数配置表并基于所述参数配置表启动所述仿真服务容器的步骤之前还包括:
8.根据权利要求1所述的方法,其特征在于,所述基于gpu管理模块,对所述仿真模型的gpu进行虚拟化处理和资源调度管理的步骤包括:
9.根据权利要求2所述的方法,其特征在于,所述基于gpu设备和容器集群管理系统,对所述仿真服务容器进行调度和部署管理的步骤包括:
10.根据权利要求6所述的方法,其特征在于,所述若干治理接口包括: