Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜江苏卓易信息科技股份有限公司;南京百敖软件有限公司;江苏大学谢乾获国家专利权

恭喜江苏卓易信息科技股份有限公司;南京百敖软件有限公司;江苏大学谢乾获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜江苏卓易信息科技股份有限公司;南京百敖软件有限公司;江苏大学申请的专利基于互联云服务的智能资源调度与负载均衡方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119088546B

龙图腾网通过国家知识产权局官网在2025-03-11发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411081439.1,技术领域涉及:G06F9/50;该发明授权基于互联云服务的智能资源调度与负载均衡方法是由谢乾;汪涛;谢智;杨华坤;王雷;陈向益;宋香梅;强豪设计研发完成,并于2024-08-07向国家知识产权局提交的专利申请。

基于互联云服务的智能资源调度与负载均衡方法在说明书摘要公布了:本发明属于互联云服务技术领域,本发明公开了基于互联云服务的智能资源调度与负载均衡方法;方法包括:采集第一最大请求数和第二最大请求数;采集未来单位时间内的时间区间;采集单位时间内云服务器的CPU使用率、内存使用率、磁盘使用率、网络延迟时间和云服务访问量;对时间区间进行分析处理,得到日期属性标签和时间段数值;将访问预测数据输入至预先训练的访问预测模型中,得到预测的云服务访问量;引入未来时间的多种影响因素,采用机器学习模型预测云服务访问量,并结合虚拟机和容器的混合部署与动态调度,避免过度配置和资源闲置,从而优化资源使用,降低了云服务供应商的运营成本,提高了云服务的效益和可用性。

本发明授权基于互联云服务的智能资源调度与负载均衡方法在权利要求书中公布了:1.基于互联云服务的智能资源调度与负载均衡方法,其特征在于,包括:采集第一最大请求数和第二最大请求数,所述第一最大请求数为单个容器在CPU资源和内存资源不过载的前提下,每秒处理的最大请求数量,所述第二最大请求数为单个虚拟机在CPU资源和内存资源不过载的前提下,每秒处理的最大请求数量;采集未来单位时间内的时间区间;采集单位时间内云服务器的CPU使用率、内存使用率、磁盘使用率、网络延迟时间和云服务访问量;对时间区间进行分析处理,得到日期属性标签和时间段数值;所述日期属性标签的获取方法包括:S101:判断时间区间的起始点日期与终止点日期是否一致;若不一致,则执行S102;若一致,则执行S103;S102:若起始点日期为工作日,终止点日期为非工作日,则将日期属性标签标记为;若起始点日期为非工作日,终止点日期为工作日,则将日期属性标签标记为;S103:若起始点日期和终止点日期均为工作日,则将日期属性标签标记为;若起始点日期和终止点日期均为非工作日,则将日期属性标签标记为;所述时间段数值的获取方法包括:S111:预构时间段数值表;所述时间段数值表包括时间段,以及时间段对应的时间段数值,所述时间段不包括年月日;S112:将时间区间去除年月日,得到未来单位时间的时间段;所述时间段数值表中的时间段长度大于或等于未来单位时间的时间段长度;S113:若未来单位时间的时间段在时间段数值表中的时间段之内,则未来单位时间的时间段数值为时间段数值表中对应的时间段数值;S114:若所述未来单位时间的时间段与时间段数值表中的任一时间段不匹配,即所述未来单位时间的时间段不完全包含于时间段数值表中的任一时间段内,则计算未来单位时间的时间段在时间段数值表中的各时间段占比,取占比最大的时间段对应的时间段数值作为未来单位时间的时间段数值;对CPU使用率、内存使用率、磁盘使用率、网络延迟时间和云服务访问量分别进行预处理,得到CPU使用率均值、内存使用率均值、磁盘使用率均值、网络延迟均值和访问量均值;将访问预测数据输入至预先训练的访问预测模型中,得到预测的云服务访问量;所述访问预测数据包括CPU使用率均值、内存使用率均值、磁盘使用率均值、网络延迟均值、访问量均值、日期属性标签和时间段数值;所述访问预测模型的训练方法包括:预先收集访问预测数据集,所述访问预测数据集包括访问预测数据以及访问预测数据对应的云服务访问量;将所述访问预测数据集划分为训练集与测试集,构建分类器,将训练集中的访问预测数据作为访问预测模型的输入,将训练集中的云服务访问量作为访问预测模型的输出,以最小化所有预测的云服务访问量的预测准确度之和作为训练目标;直至预测准确度之和达到收敛时停止训练;所述访问预测模型为梯度提升树模型或长短期记忆网络模型;根据预测的云服务访问量,结合第一最大请求数和第二最大请求数,分别计算得到虚拟机需求数量和容器需求数量,根据虚拟机需求数量和容器需求数量对云服务的虚拟机和容器进行资源调度与分配。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人江苏卓易信息科技股份有限公司;南京百敖软件有限公司;江苏大学,其通讯地址为:214205 江苏省无锡市宜兴市兴业路298号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。