[发明专利]设备因子图可编程合成机制

说明书

一种部署云应用的计算机实现方法包括：一个或多个处理器访问第一因子图，其中，所述第一因子表示所述云应用的第一组件，所述第一因子图包括第一组节点；访问第二因子图，其中，所述第二因子图表示所述云应用的第二组件，所述第二因子图包括第二组节点；确定第三组节点，所述第三组节点存在于所述第一组节点和所述第二组节点中；将所述第一因子图和所述第二因子图结合成第三因子图，其中，所述结合包括将所述第一因子图和所述第二因子图中的所述第三组节点归一化；基于所述第三因子图，选择一个或多个计算资源；将所述云应用中的至少一部分部署到所选择的计算资源。

相关申请案交叉申请

本申请要求于2017年5月16日递交的发明名称为“因子图可编程合成机制”的第15/596,787号美国专利申请案的在先申请优先权，该在先申请的内容以引入的方式并入本文。

技术领域

本发明涉及机器学习，并且在一个特定实施例中，涉及统计机器学习和概率推理中的因子图可编程合成机制。

背景技术

离散因子图是有向无环二分图，表示联合概率分布的因子分解。所述离散因子图的节点是具有离散值(例如布尔值、范畴、区间或整数)的随机变量。所述离散因子图的边缘表示所述连接随机变量之间的因果关系。所述离散因子图的因子定义具有矩阵的随机变量的条件概率分布。

用于应用的现实因子图可能有从不同源收集信息的数百个节点。对于与所述不同源的每个源对应的每组节点，可以为这些节点创建子图，但是很难将所述单独的子图组合成相干和无冲突的因子图。

发明内容

现描述各种示例从而以简化的形式引入概念的选择，这些概念将在以下具体实施方式中进行进一步的描述。本发明内容的目的不在于识别权利要求书保护的主题的关键或必要特征，也不在于限制权利要求书保护的主题的范围。

根据本发明的一方面，一种部署云应用的计算机实现方法包括：一个或多个处理器访问第一因子图，其中，所述第一因子表示所述云应用的第一组件，所述第一因子图包括第一组节点；所述一个或多个处理器访问第二因子图，其中，所述第二因子图表示所述云应用的第二组件，所述第二因子图包括第二组节点；所述一个或多个处理器确定第三组节点，其中，所述第三组节点存在于所述第一组节点和所述第二组节点中；所述一个或多个处理器将所述第一因子图和所述第二因子图结合成第三因子图，其中，所述结合包括将所述第一因子图和所述第二因子图中的所述第三组节点归一化；基于所述第三因子图，所述一个或多个处理器选择一个或多个计算资源；所述一个或多个处理器将所述云应用中的至少一部分部署到所选择的计算资源。

可选地，在上述任一方面中，所述选择所述一个或多个计算资源包括选择多个数据中心的数据中心。

可选地，在上述任一方面中，所述选择一个或多个计算资源包括选择数据中心的一个或多个服务器。

可选地，在上述任一方面中，所述部署响应确定分配给所述云应用的资源与所述云应用的需求不匹配。

可选地，在上述任一方面中，所述云应用运行在多个数据中心的第一数据中心中；所述选择所述一个或多个计算资源包括模拟将所述云应用部署到所述多个数据中心中的一个或多个数据中心；所述将所述云应用的至少所述一部分部署到所选择的计算资源包括将所述云应用的至少所述一部分部署到所述多个数据中心的第二数据中心。

可选地，在上述任一方面中，所述第二因子图还包括一组因子；所述第三组节点不包括与所述一组因子中的多于一个因子相关联的节点。

可选地，在上述任一方面中，所述方法还包括：对于所述第三组节点中的每个节点对：确定所述节点对的第一节点是否是所述节点对的第二节点的所述第二因子图中的祖先节点；确定所述节点对的所述第二节点是否是所述节点对的第一节点的所述第二因子图中的祖先节点；如果所述第一节点和所述第二节点分别是所述第二因子图中另一节点的祖先节点，则从所述第三组节点中删除所述第一节点和所述第二节点。