[发明专利]基于大数据和深度学习神经网络的云计算调度方法及系统

说明书

本发明公开了一种基于大数据和深度学习神经网络的云计算调度方法及系统，方法包括：获取需调度的云任务类型T、需调度的T类型云任务的数量M以及拟调度到的云资源候选类型；从过去能力大数据库中检索出所有从类型T的云任务调度到候选类型的云资源上的所有过去调度记录；根据检索出的所有过去调度记录，采用深度学习神经网络预测调度数量M的T类型云任务到候选类型的云资源时会占用候选类型云资源的数量；根据预测的结果完成云计算调度。本发明基于过去能力大数据和深度学习神经网络，通过过去不同类型的云任务调度到不同云资源上时对云资源的占用情况这一客观事实来进行预测，更加准确，调度效率更高。本发明可广泛应用于云计算领域。

技术领域

本发明涉及云计算领域，尤其是一种基于大数据和深度学习神经网络的云计算调度方法及系统。

背景技术

当前，云计算技术可谓是计算机服务领域最热门的话题之一。大到行业的领袖企业，如IBM、Google，小到一些私人企业，甚至一些乐于追求新技术的技术人员，都在部署或研究云计算，希望通过云计算来巩固或提升自己在行业的地位。云计算环境中采用虚拟化技术，将服务器整体虚拟化为一个数据资源池，由于数据资源种类多、规模大，因此云计算数据资源调度成为云计算研究的热点之一。

进行云计算调度时，最重要的是在调度之前预测一个云任务调度到某类云资源上去会占用多少云资源，以作为调度的依据。现有的云计算调度基本上都采用了预估式，通过预估某个云计算任务占用的云资源量(包括计算、内存、外存、网络等资源)和剩余云资源量进行调度。现有技术的这种预估方式一般是根据任务类型对占用的云资源量进行粗略估计的，但这种粗略估计并未结合过去对云资源的实际占用情况进行预测，往往是不准确的，导致基于此的调度也不一定能最大程度地利用云资源，调度效率不高。

发明内容

为解决上述技术问题，本发明的目的在于：提供一种准确和调度效率高的基于大数据和深度学习神经网络的云计算调度方法及系统。

本发明所采取的第一技术方案是：

基于大数据和深度学习神经网络的云计算调度方法，包括以下步骤：

获取需调度的云任务类型T、需调度的T类型云任务的数量M以及拟调度到的云资源候选类型；

从过去能力大数据库中检索出所有从类型T的云任务调度到候选类型的云资源上的所有过去调度记录，所述过去能力大数据库存储有过去每次调度中不同类型的云任务调度到不同类型的云资源上时云任务的类型、T类型云任务的数量、云资源候选类型及候选类型云资源的占用数量；

根据检索出的所有过去调度记录，采用深度学习神经网络预测调度数量M的T类型云任务到候选类型的云资源时会占用候选类型云资源的数量；

根据预测的结果完成云计算调度。

进一步，所述从过去能力大数据库中检索出所有从类型T的云任务调度到候选类型的云资源上的所有过去调度记录这一步骤，具体包括以下步骤：

A、判断从T类型的云任务调度到候选类型中任一类型的云资源上的所有过去调度记录的个数是否等于0，若是，则执行步骤B，反之，则执行步骤C；

B、向用户发送关于T类型的云任务是否能在候选类型中执行的询问信息，并根据用户返回的反馈结果执行相应的操作：如果用户返回肯定的反馈，则继续执行步骤C；如果用户返回否定的反馈，则表明该候选类型的云资源的预测占用量为无穷大，此时结束对该候选类型的云资源的预测操作；