[发明专利]异构资源调度方法和系统在审
申请号: | 201911237780.0 | 申请日: | 2019-12-06 |
公开(公告)号: | CN112925634A | 公开(公告)日: | 2021-06-08 |
发明(设计)人: | 王旭亮;刘增义;雷波;胡雅婕 | 申请(专利权)人: | 中国电信股份有限公司 |
主分类号: | G06F9/50 | 分类号: | G06F9/50 |
代理公司: | 中国贸促会专利商标事务所有限公司 11038 | 代理人: | 刘剑波 |
地址: | 100033 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 资源 调度 方法 系统 | ||
1.一种异构资源调度方法,包括:
响应于移动边缘计算平台上的每个边缘应用发送的资源请求,解析所述边缘应用的加速需求文件,以便对所述边缘应用的所需异构资源进行预分配;
利用深度学习网络提取各边缘应用的关键特征;
使用分类器对各边缘应用的关键特征和所需异构资源进行匹配,以得到各边缘应用所需各类异构资源的配比;
根据各边缘应用所需各类异构资源的配比确定实时应用资源分配策略;
通过对各边缘应用的资源利用情况进行回归预测,以得到预定时间范围内的总体异构资源分配策略;
根据所述实时应用资源分配策略和所述总体异构资源分配策略对异构资源进行统一分配调度。
2.根据权利要求1所述的方法,其中,解析所述边缘应用的加速需求文件包括:
通过需求文件库调用所述边缘应用的加速需求文件;
利用需求解析器对所述加速需求文件进行解析,以得到所述边缘应用所需异构资源的预分配策略;
根据所述预分配策略对所述边缘应用的所需异构资源进行预分配。
3.根据权利要求1所述的方法,其中,通过对各边缘应用的资源利用情况进行回归预测包括:
利用梯度提升决策树GBDT回归预测器对各边缘应用的资源利用情况进行回归预测,以得到各边缘应用的资源需求在预定时间范围内的分布情况;
根据所得到的分布情况确定预定时间范围内的异构资源总体分配策略。
4.根据权利要求1所述的方法,其中,
所述深度学习网络为卷积神经网络CNN特征提取网络;
所述分类器为Softmax分类器。
5.一种异构资源调度系统,包括:
预分配模块,被配置为响应于移动边缘计算平台上的每个边缘应用发送的资源请求,解析所述边缘应用的加速需求文件,以便对所述边缘应用的所需异构资源进行预分配;
实时分配模块,被配置为利用深度学习网络提取各边缘应用的关键特征,使用分类器对各边缘应用的关键特征和所需异构资源进行匹配,以得到各边缘应用所需各类异构资源的配比,根据各边缘应用所需各类异构资源的配比确定实时应用资源分配策略;
总体分配模块,被配置为通过对各边缘应用的资源利用情况进行回归预测,以得到预定时间范围内的总体异构资源分配策略;
异构资源调度模块,被配置为根据所述实时应用资源分配策略和所述总体异构资源分配策略对异构资源进行统一分配调度。
6.根据权利要求5所述的系统,其中,
预分配模块被配置为通过需求文件库调用所述边缘应用的加速需求文件,利用需求解析器对所述加速需求文件进行解析,以得到所述边缘应用所需异构资源的预分配策略,根据所述预分配策略对所述边缘应用的所需异构资源进行预分配。
7.根据权利要求5所述的系统,其中,
总体分配模块被配置为利用梯度提升决策树GBDT回归预测器对各边缘应用的资源利用情况进行回归预测,以得到各边缘应用的资源需求在预定时间范围内的分布情况,根据所得到的分布情况确定预定时间范围内的异构资源总体分配策略。
8.根据权利要求1所述的系统,其中,
所述深度学习网络为卷积神经网络CNN特征提取网络;
所述分类器为Softmax分类器。
9.一种异构资源调度系统,包括:
存储器,被配置为存储指令;
处理器,耦合到存储器,处理器被配置为基于存储器存储的指令执行实现如权利要求1-4中任一项所述的方法。
10.一种计算机可读存储介质,其中,计算机可读存储介质存储有计算机指令,指令被处理器执行时实现如权利要求1-4中任一项所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国电信股份有限公司,未经中国电信股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911237780.0/1.html,转载请声明来源钻瓜专利网。