申请/专利权人:天翼云科技有限公司
申请日:2024-04-26
公开(公告)日:2024-06-14
公开(公告)号:CN118193225A
主分类号:G06F9/50
分类号:G06F9/50;G06F9/48;G06F9/455;G06F18/2337;G06N3/126
优先权:
专利状态码:在审-公开
法律状态:2024.06.14#公开
摘要:本发明涉及一种基于机器学习的云计算任务自适应调度方法,属于云计算资源管理领域,该方法包括S1,进行虚拟机资源建模;S2,通过GA‑FCM算法对虚拟机资源分类,将虚拟机资源分成计算资源、存储资源和网络资源,利用结合遗传算法改进的FCM算法完成聚类;S3,构建任务特征;S4,计算特征向量以及三类资源的聚类中心的皮尔逊相关系数;S5,进行任务调度分配;S6,进行监控,对云计算任务进行调整。本发明可以从计算、存储和网络三方面来考虑执行任务的虚拟机资源:执行任务的虚拟机资源在执行任务前和执行任务后,其计算、存储、网络三类资源的使用率均需要处于非告警状态,同时还需要满足执行任务的时间负载最小,减少任务执行时间开销。
主权项:1.一种基于机器学习的云计算任务自适应调度方法,其特征在于,包括:S1,进行虚拟机资源建模,基于计算节点组件宿主机集群,通过虚拟化处理得到多个虚拟机资源;S2,通过GA-FCM算法对虚拟机资源分类,将虚拟机资源分成计算资源、存储资源和网络资源,利用结合遗传算法改进的FCM算法完成聚类;S3,为各个独立的云计算任务构建特征;S4,计算各个云计算任务的特征向量以及三类资源的聚类中心的皮尔逊相关系数;S5,对独立的云计算任务进行调度分配;S6,对虚拟机资源和宿主机资源进行监控,根据资源使用率对云计算任务进行调整。
全文数据:
权利要求:
百度查询: 天翼云科技有限公司 基于机器学习的云计算任务自适应调度方法
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。