[发明专利]平台即服务云端服务器及其机器学习数据处理方法

说明书

一种PaaS云端服务器及其机器学习数据处理方法。PaaS云端服务器接收机器学习应用程序资源要求，并据以判断可用的逻辑电路对象。PaaS云端服务器建立数据压缩储存服务对象，并配对数据压缩储存服务对象与逻辑电路对象。PaaS云端服务器将数据压缩储存服务对象接合机器学习应用程序，并自机器学习应用程序接收机器学习数据。PaaS云端服务器根据数据压缩储存服务服务对象与逻辑电路对象的配对，将机器学习数据输入至逻辑电路对象对应的FPGA电路的部分逻辑电路，俾部分逻辑电路压缩并储存机器学习数据。PaaS云端服务器将压缩及储存的相关数据传送至机器学习应用程序。

【技术领域】

本发明是关于一种平台即服务云端服务器及其机器学习数据处理方法；更具体而言，本发明是关于一种可共享场域可程序化门阵列电路的平台即服务云端服务器及其机器学习数据处理方法。

【背景技术】

云端运算是目前网络服务主要的发展技术之一，其是利用网络链接的伺服端及硬件，完成客户端所需要的各种数据运算或软件服务，甚至可提供客户端软件开发的平台。而通过此种方式，客户端可大幅地降低硬件成本，同时有效地提升生产效益。其中，又以机器学习(Machine Learning)相关的应用为主要发展。

具体而言，目前常见应用于机器学习的云端运算系统，主要有亚马逊(AmazonInc.)公司的弹性计算云(Elastic Compute Cloud,EC2)以及Google公司的Tensorflow云端系统。其中，亚马逊公司的EC2主要是用多个丛集的图形处理单元(Graphic ProcessingUnit,GPU)或中央处理单元处理机器学习数据，Google公司的Tensorflow云端系统主要是以自制的Tensorflow处理单元为主处理机器学习数据。

更者，目前企业所提供的机器学习云端运算系统，主要是以底层的基础架构即服务(Infrastructure as a Service,IaaS)为系统架构，并针对不同客户端提供独立的处理单元硬件，如此，客户端便可根据其对于数据种类的需求打造属于自己的机器学习应用环境，以达机器学习数据处理优化。

惟基于IaaS系统的机器学习云端运算系统，其数据处理效能与硬件数量呈正比，因此，若需要较好的效能，则相对地所需的硬件成本亦相对大幅提升。另一方面，部分硬件(例如GPU)数量的提升，亦会导致耗电量激增，据此，已知基于IaaS系统的机器学习云端运算系统，容易有高成本高耗能的问题。

据此，如何将机器学习云端运算环境建立于另一种系统架构上，并使得企业的硬件成本得以降低，同时能源的过度消耗，乃业界须共同努力的目标。

【发明内容】

本发明的主要目的是提供一种用于平台即服务(Platform as a service,PaaS)云端服务器的机器学习(Machine Learning,ML)数据处理方法。PaaS云端服务器执行一数据压缩储存(Data Compression and Storing,DCS)对象(Object)管理模块以及一DCS虚拟机。DCS虚拟机控制一第一场域可程序化门阵列(Field-Programmable Gate Array,FPGA)电路。

具体而言，ML数据处理方法包含：PaaS云端服务器通过DCS虚拟机，接收用户的ML应用程序资源要求；PaaS云端服务器根据ML应用程序资源要求，通过DCS虚拟机判断第一DCS逻辑电路对象是可用，其中，第一DCS逻辑电路对象对应于第一FPGA电路的第一部分逻辑电路；PaaS云端服务器通过DCS对象管理模块建立第一DCS服务对象，并配对第一DCS服务对象与第一DCS逻辑电路对象；PaaS云端服务器通过DCS对象管理模块，将第一DCS服务对象接合用户的ML应用程序。