1.一种云计算式上传数据分析平台，其特征在于，所述平台包括：

节点存储机构，设置在执行短视频存储和管理的服务器内，包括多个云计算节点，所述多个云计算节点物理上隔绝且协同实现对连接到所述服务器的各个客户端的短视频数据的存储；

目标测定机构，设置在执行短视频上传操作的客户端内，用于测定从所述客户端到其连接的每一个云计算节点的当前网络上传速度，并对多个云计算节点分别对应的各个当前网络上传速度进行分析以获得实时上传速度；

长度检测设备，设置在所述客户端内，用于检测当前即将上传的短视频的视频长度，基于当前即将上传的短视频的视频帧数确定当前即将上传的短视频的视频长度；

运算测量设备，设置在所述客户端内，用于测量所述客户端的CPU芯片的每秒运算次数以作为参考运算次数输出；

智能分析设备，分别与所述目标测定机构、所述长度检测设备以及所述运算测量设备连接，用于基于实时上传速度、当前即将上传的短视频的视频长度以及参考运算次数智能分析出当前即将上传的短视频上传到所述节点存储机构的上传时长；

模型建立设备，设置在所述客户端内，与所述智能分析设备连接，用于基于历史上传的各短视频的历史数据实现对所述深度神经网络模型的各次训练动作，并将完成各次训练动作后的深度神经网络模型发送给所述智能分析设备使用；

其中，基于历史上传的各短视频的历史数据实现对所述深度神经网络模型的各次训练动作，并将完成各次训练动作后的深度神经网络模型发送给所述智能分析设备使用包括：将历史上传的每一短视频上传前的实时上传速度、所述短视频的视频长度以及所述短视频所在客户端的CPU芯片作为深度神经网络模型的多个输入，将所述短视频上传耗费的时长作为所述深度神经网络模型的输出，以执行对所述深度神经网络模型的每次训练动作；

其中，基于实时上传速度、当前即将上传的短视频的视频长度以及参考运算次数智能分析出当前即将上传的短视频上传到所述节点存储机构的上传时长包括：将实时上传速度、当前即将上传的短视频的视频长度以及参考运算次数作为深度神经网络模型的多个输入并执行所述深度神经网络模型以获得所述深度神经网络模型的输出即当前即将上传的短视频上传到所述节点存储机构的上传时长；

其中，所述深度神经网络模型包括多个隐层，所述多个隐层的总数与所述多个云计算节点的总数成正比。

2.如权利要求1所述的云计算式上传数据分析平台，其特征在于：

检测当前即将上传的短视频的视频长度，基于当前即将上传的短视频的视频帧数确定当前即将上传的短视频的视频长度包括：在构成短视频的每一帧画面的解析度等于设定解析度时，直接将当前即将上传的短视频的视频帧数作为当前即将上传的短视频的视频长度。

3.如权利要求2所述的云计算式上传数据分析平台，其特征在于：

检测当前即将上传的短视频的视频长度，基于当前即将上传的短视频的视频帧数确定当前即将上传的短视频的视频长度还包括：在构成短视频的每一帧画面的解析度大于设定解析度时，获取每一帧画面的解析度除以设定解析度获得的倍数，将所述倍数乘以当前即将上传的短视频的视频帧数作为当前即将上传的短视频的视频长度。

4.如权利要求3所述的云计算式上传数据分析平台，其特征在于：

检测当前即将上传的短视频的视频长度，基于当前即将上传的短视频的视频帧数确定当前即将上传的短视频的视频长度还包括：在构成短视频的每一帧画面的解析度小于设定解析度时，获取设定解析度获得除以每一帧画面的解析度获得的倍数，将当前即将上传的短视频的视频帧数除以所述倍数作为当前即将上传的短视频的视频长度。

5.如权利要求1所述的云计算式上传数据分析平台，其特征在于：

对多个云计算节点分别对应的各个当前网络上传速度进行分析以获得实时上传速度包括：对多个云计算节点分别对应的各个当前网络上传速度进行从大小的顺序排序以获得速度序列，将序号最小的当前网络上传速度作为实时上传速度。

6.如权利要求5所述的云计算式上传数据分析平台，其特征在于：

所述多个云计算节点物理上隔绝且协同实现对连接到所述服务器的各个客户端的短视频数据的存储包括：所述多个云计算节点分别对应的多个存储容量相等。

7.如权利要求1所述的云计算式上传数据分析平台，其特征在于：

所述智能分析设备内置存储单元、同步单元以及执行单元，所述存储单元用于存储所述深度神经网络模型的各项模型参数，所述执行单元用于执行所述深度神经网络模型，所述同步单元分别与所述存储单元和所述执行单元连接，用于实现所述存储单元和所述执行单元二者之间的同步控制。

8.一种云计算式上传数据分析方法，所述方法包括提供一种如权利要求1‑7任一所述的云计算式上传数据分析平台，用于基于实时上传速度、当前即将上传的短视频的视频长度以及客户端处理器参考运算次数智能分析出当前即将上传的短视频上传到云计算服务器端需要耗费上传时长。