龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：派欧云计算(上海)有限公司
申请日：2024-03-25
公开（公告）日：2024-06-25
公开（公告）号：CN118250183A
主分类号：H04L41/147
分类号：H04L41/147;H04L41/142;H04L43/0876;H04L67/10
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明涉及计算机技术领域，尤其涉及一种基于多租户边缘云的云边协同负载预测方法，步骤S1，采集并基于原始数据进行特征数据集的构建，步骤S2，在集中式云环境中形成封装粗粒度工作负载图，并基于粗粒度工作负载图构建粗粒度时空预测模型，输出服务器级未来工作负载模式，预测未来工作负载指导本地服务编排；步骤S3，执行粗细粒度信息转换支持和动态服务器排名算法，实现服务器级和容器级预测信息交换；步骤S4，输出容器级的预测信息指导请求分派。本发明通过深化双粒度负载预测，优化云边协作机制提高数据处理效率，减轻云与边缘之间的通信负担，确保高效运作和低延迟响应，自适应时空图增强对比学习方法，增强了模型对时空变化的适应性。
主权项：1.一种基于多租户边缘云的云边协同负载预测方法，其特征在于，包括以下步骤：步骤S1，数据准备阶段，采集各边缘站点的原始数据，并基于所述原始数据进行特征数据集的构建；步骤S2，基于步骤S1中的所述特征数据集，在集中式云环境中形成封装各边缘服务器站点间显式和隐式关系的粗粒度工作负载图，并基于所述粗粒度工作负载图构建粗粒度时空预测模型，输出用于服务编排的服务器级未来工作负载模式，预测未来工作负载并指导本地服务编排；其中，形成所述粗粒度工作负载图过程包括构建物理图和构建自适应图；步骤S3，在边缘端利用步骤S2中生成的所述服务器级未来工作负载模式，执行粗细粒度信息转换支持和动态服务器排名算法，实现服务器级预测信息和容器级预测信息之间的有效交换；步骤S4，基于每个所述边缘服务器站点的细粒度时空预测模型和所述分解层输出容器级的预测信息指导请求分派。
全文数据：
权利要求：
百度查询： 派欧云计算(上海)有限公司 一种基于多租户边缘云的云边协同负载预测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号