[發明專利]一種面向地理大數據的云計算資源調度方法及系統

有效

• 申請號: 202011050739.5
• 申請日: 2020-09-29
• 公開（公告）號: CN112035264B
• 公開（公告）日: 2021-08-06
• 發明（設計）人: 劉靜靜;陳曦;劉敏;蔣捷;李志強;劉小平;李慶利;方濤;霍宏
• 申請（專利權）人: 華東師范大學
• 主分類號: G06F9/50
• 分類號: G06F9/50
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 崔玥

1.一種面向地理大數據的云計算資源調度方法，其特征在于，所述調度方法包括如下步驟：

離線的獲取地理大數據的云計算調度觸發事件及每個觸發事件對應的一個或多個資源調度模板，建立云計算資源調度規則庫；

對地理大數據的云計算過程進行監測，確定當前觸發事件；

根據云計算資源調度規則庫確定當前觸發事件的一個或多個資源調度模板；

根據當前觸發事件的一個或多個資源調度模板和當前負載流量數據信息生成一個或多個資源調度動作；

獲取當前觸發事件發生時及發生前的J-1個歷史時刻的負載流量數據組成負載流量矩陣序列；

將所述負載流量矩陣序列輸入ConvLSTM負載流量預測模型，對每個資源調度動作進行預測，獲得每個資源調度動作的負載流量預測值；

選取負載流量預測值最小的資源調度動作作為最優調度方案，進行云資源調度；

所述將所述負載流量矩陣序列輸入ConvLSTM負載流量預測模型，對每個資源調度動作進行預測，獲得每個資源調度動作的負載流量預測值，之前還包括：

疊加多個ConvLSTM層形成編碼預測結構，作為負載流量的端到端的訓練模型；

獲取歷史的云計算負載流量數據，形成訓練樣本集；

基于所述訓練樣本集采用多核均方差損失函數對訓練模型進行優化，得到ConvLSTM負載流量預測模型；

所述多核均方差損失函數為：

其中，L_t為多核均方差損失函數，X_t為訓練樣本集中的歷史的云計算負載流量數據組成的實際負載流量矩陣序列，表示ConvLSTM負載流量預測模型的預測結果組成的時空計算負載序列，μ₁和μ₂分別表示徑向基函數核的兩個中心，和分別表示兩個尺度參數。

2.根據權利要求1所述的面向地理大數據的云計算資源調度方法，其特征在于，所述選取負載流量預測值最小的資源調度動作作為最優調度方案，進行云資源調度，具體包括：

將預測得到的每個資源調度動作的負載流量預測值，當前觸發事件發生時及發生前的J-2個歷史時刻的負載流量數據組成下一個時間段的流量轉移矩陣，作為預測結果；

根據各個調度動作的目標對象,調度約束條件與地區負載預測結果的一致情況，調度動作的對象與流量轉移矩陣中的重點地區盡可能重疊，調度的約束條件盡可能滿足各個地區下一階段的流量轉移情況，選取與預測結果最符合的資源調度動作作為最優調度方案，進行云資源調度。

3.根據權利要求1所述的面向地理大數據的云計算資源調度方法，其特征在于，所述離線的獲取地理大數據的云計算調度觸發事件及每個觸發事件對應的一個或多個資源調度模板，建立云計算資源調度規則庫，具體包括：

確定云計算關鍵性能指標數據，建立云計算關鍵性能指標數據庫；

從云環境中獲得地理大數據的云計算動態資源調度目標；

根據云計算關鍵性能指標數據庫和云計算動態資源調度目標離線抽取云計算的所有的觸發事件；

從云環境中獲得地理大數據的云計算相關分部信息和所有的資源調度數據指令；所述云計算相關分部信息包括物理機的資源信息，虛擬機的運行狀態信息和虛擬機部署的組件的運行狀態信息；

根據云計算相關分布信息獲得每個資源調度數據指令的云計算資源調度模板，建立云計算資源調度模板集；

根據所述資源調度模板集和每個觸發事件對應的資源調度數據指令確定每個觸發事件對應的一個或多個云計算資源調度模板，形成云計算資源調度規則。

4.根據權利要求1所述的面向地理大數據的云計算資源調度方法，其特征在于，所述ConvLSTM負載流量預測模型包括編碼網絡和預測網絡。