[发明专利]应用机器学习算法来计算健康分数以进行工作负载调度的系统和方法

权利要求书

1.一种方法，包括：

收集计算环境中的端口元素的第一时间统计数据；

收集所述计算环境中的交换机元素的第二时间统计数据；

总地收集所述计算环境的第三时间统计数据；

计算网络特征与包括所述端口元素和所述交换机元素的网络元素之间的空间相关性；并且

经由机器学习技术来计算所述端口元素的端口动态权重和所述交换机元素的交换机动态权重。

2.如权利要求1所述的方法，其中，收集第一时间统计数据还包括：收集历史度量和当前度量以生成第一时间统计数据。

3.如权利要求1或2所述的方法，其中，收集第二时间统计数据还包括：收集历史度量和当前度量以生成第二时间统计数据。

4.如任何前述权利要求所述的方法，其中，收集第三时间统计数据还包括：收集历史度量和当前度量以生成第三时间统计数据。

5.如任何前述权利要求所述的方法，还包括：

为所述端口元素或所述交换机元素之一计算健康分数。

6.如权利要求5所述的方法，其中，为所述端口元素和所述交换机元素之一计算所述健康分数还包括如下使用方程来计算所述健康分数：

其中

H是相应网络元素“f”在时间“t”处的健康；

W是针对每个网络元素使用神经网络模型进行校准的权重；

P是每个相应结构元素在时间“t”处的规范化数值；

表示其他属性对相应网络元素的空间依赖性；

“R”是针对对所述相应网络元素的空间依赖性使用强化学习计算出的并被相乘以适应其他属性的依赖性的奖励；

其中“P”是每个属性的规范化布尔值并且在所述方程中被相乘。

7.如任何前述权利要求所述的方法，还包括：

至少部分地基于所述端口元素的端口动态权重和所述交换机元素的交换机动态权重来调度工作负载以消耗所述计算环境内的计算资源。

8.一种系统，包括：

至少一个处理器；以及

计算机可读存储设备，其存储指令，所述指令当被所述至少一个处理器执行时使所述至少一个处理器执行包括以下各项的操作：

收集计算环境中的端口元素的第一时间统计数据；

收集所述计算环境中的交换机元素的第二时间统计数据；

总地收集所述计算环境的第三时间统计数据；

计算网络特征与包括所述端口元素和所述交换机元素的网络元素之间的空间相关性；并且

经由机器学习技术来计算所述端口元素的端口动态权重和所述交换机元素的交换机动态权重。

9.如权利要求8所述的系统，其中，收集第一时间统计数据还包括：收集历史度量和当前度量以生成第一时间统计数据。

10.如权利要求8或9所述的系统，其中，收集第二时间统计数据还包括：收集历史度量和当前度量以生成第二时间统计数据。

11.如权利要求8至10中任一项所述的系统，其中，收集第三时间统计数据还包括：收集历史度量和当前度量以生成第三时间统计数据。

12.如权利要求8至11中任一项所述的系统，其中，所述计算机可读存储设备存储另外的指令，所述另外的指令当被所述至少一个处理器执行时使所述至少一个处理器执行另外的操作，所述另外的操作包括：

为所述端口元素或所述交换机元素之一计算健康分数。