[發明專利]基于大數據和深度學習神經網絡的云計算調度方法及系統

有效

• 申請號: 201711083292.X
• 申請日: 2017-11-07
• 公開（公告）號: CN108037993B
• 公開（公告）日: 2020-08-04
• 發明（設計）人: 朱定局
• 申請（專利權）人: 大國創新智能科技（東莞）有限公司
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06N3/08
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 唐致明

1.基于大數據和深度學習神經網絡的云計算調度方法，其特征在于：包括以下步驟：

獲取需調度的云任務類型T、需調度的T類型云任務的數量M以及擬調度到的云資源候選類型；

從過去能力大數據庫中檢索出所有從類型T的云任務調度到候選類型的云資源上的所有過去調度記錄，所述過去能力大數據庫存儲有過去每次調度中不同類型的云任務調度到不同類型的云資源上時云任務的類型、T類型云任務的數量、云資源候選類型及候選類型云資源的占用數量；

根據檢索出的所有過去調度記錄，采用深度學習神經網絡預測調度數量M的T類型云任務到候選類型的云資源時會占用候選類型云資源的數量；

根據預測的結果完成云計算調度；

所述根據預測的結果完成云計算調度這一步驟，具體包括：

將預測的調度數量M的T類型的云任務到具有剩余云資源的每一候選類型云資源時會占用該每一候選類型云資源的數量作為調度數量M的T類型云任務到該每一候選類型云資源時會占用該每一候選類型云資源的數量，并輸出給云計算調度系統；

云計算調度系統根據預測的結果從所有候選類型云資源中選擇一個類型云資源進行調度；

所述云計算調度系統根據預測的結果從所有候選類型云資源中選擇一個類型云資源進行調度這一步驟，具體包括：

獲取每一候選類型云資源的剩余資源量和單位成本；

判斷T類型云任務是否可以拆分并調度到不同云資源，若是，則執行下一步驟，反之，則從所有候選類型云資源中選擇一個剩余資源量大于或等于預測占用數量且總成本最低的一個類型云資源進行調度，其中，預測占用數量等于預測的數量M的T類型云任務占用候選類型云資源的數量，總成本＝預測占用數量×單位成本；

令剩余數量M’的初始值為M，從所有尚未被調度的候選類型云資源中選擇有剩余資源量且單位成本最低的候選類型云資源，如果選擇的候選類型的剩余預測占用量小于等于剩余資源量，則將數量M’的T類型云任務全部調度給該候選類型云資源；如果選擇的候選類型的剩余預測占用量大于剩余資源量，則從數量M’的T類型云任務中拆分出M’×(剩余資源量/剩余預測占用數量)數量的T類型云任務調度給該候選類型云資源，并將M’更新為M’×(1-剩余資源量/剩余預測占用數量)，然后重新在尚未被調度的候選類型云資源中進行候選類型云資源選擇，直至剩余資源量大于剩余預測占用數量，其中，剩余預測占用數量＝預測占用數量×(M’/M)，預測占用數量等于預測的數量M的T類型云任務占用候選類型云資源的數量。

2.根據權利要求1所述的基于大數據和深度學習神經網絡的云計算調度方法，其特征在于：所述從過去能力大數據庫中檢索出所有從類型T的云任務調度到候選類型的云資源上的所有過去調度記錄這一步驟，具體包括以下步驟：

A、判斷從T類型的云任務調度到候選類型中任一類型的云資源上的所有過去調度記錄的個數是否等于0，若是，則執行步驟B，反之，則執行步驟C；

B、向用戶發送關于T類型的云任務是否能在候選類型中執行的詢問信息，并根據用戶返回的反饋結果執行相應的操作：如果用戶返回肯定的反饋，則繼續執行步驟C；如果用戶返回否定的反饋，則表明該候選類型的云資源的預測占用量為無窮大，此時結束對該候選類型的云資源的預測操作；

C、判斷從T類型的云任務調度到候選類型的云資源上的所有過去調度記錄的個數是否小于第一預設閾值，若是，則從過去能力大數據庫中檢索出從與T類型匹配度符合第二預設條件的類型的云任務調度到與候選類型匹配度符合第三預設條件的類型的云資源上的所有過去調度記錄作為檢索出的所有過去調度記錄；反之，則從過去能力大數據庫中檢索出所有從類型T的云任務調度到候選類型的云資源上的所有過去調度記錄作為檢索出的所有過去調度記錄。