[发明专利]一种基于深度学习的云物联负载均衡方法、装置及设备

权利要求书

1.一种基于深度学习的云物联负载均衡方法，其特征在于，所述方法包括：

云物联应用在云数据中心发出资源申请指令，通过预先训练的云数据中心全局负载均衡模型确定出资源申请方案，其中，所述资源申请方案包括资源情况、弹性伸缩要求与网络连接情况中的一项或多项；

通过预先训练的云数据中心全局负载均衡模型确定出资源申请方案之前，还包括：

云数据中心收集云数据中心和雾计算节点的历史数据，其中，历史数据包括业务应用访问情况和资源利用情况；

将云数据中心和雾计算节点的历史数据输入至云数据中心全局负载均衡模型中，对云数据中心全局负载均衡模型进行训练；

云数据中心收集云数据中心与雾计算节点的资源情况，并基于云数据中心与雾计算节点的资源情况优化云数据中心全局负载均衡模型；

所述云物联应用根据所述资源申请方案在云数据中心与雾计算节点分配网络，以构建出云物联应用对应的业务网络；所述云物联应用根据对应的业务网络选取负载均衡服务，以便所述云数据中心将预先确定的云物联负载均衡模型分发至对应的云数据中心和雾计算节点，并对所述云物联应用提供负载均衡服务；

所述云物联应用根据对应的业务网络选取负载均衡服务，以便所述云数据中心将预先确定的云物联负载均衡模型分发至对应的云数据中心和雾计算节点，具体包括：

所述云物联应用根据对应的业务网络选取负载均衡服务，以便所述云数据中心根据预先训练的通用云物联负载均衡模型与所述云物联应用的实际资源情况，确定出符合所述云物联应用的云物联负载均衡模型；

将所述符合所述云物联应用的云物联负载均衡模型分发至对应的云数据中心和雾计算节点；

所述云物联应用通过所述负载均衡服务确定出符合预设要求的雾计算节点或云数据中心的资源，实现云物联负载均衡。

2.根据权利要求1所述的方法，其特征在于，所述云物联应用在云数据中心发出资源申请指令，通过预先训练的云数据中心全局负载均衡模型确定出资源申请方案，具体包括：

所述云物联应用在所述云数据中心发出资源申请指令，根据所述云物联应用的资源需求与所述云数据中心全局负载均衡模型，确定出资源申请方案。

3.根据权利要求1所述的方法，其特征在于，所述将所述符合所述云物联应用的云物联负载均衡模型分发至对应的云数据中心和雾计算节点，具体包括：

所述云数据中心根据对应的云数据中心与雾计算节点的资源情况，确定出多个负载均衡服务节点，并将所述符合所述云物联应用的云物联负载均衡模型分发至对应的负载均衡服务节点。

4.根据权利要求3所述的方法，其特征在于，所述云物联应用通过所述负载均衡服务确定出符合预设要求的雾计算节点或云数据中心的资源之前，所述方法还包括：

所述云数据中心通过所述符合所述云物联应用的云物联负载均衡模型，确定出预测性负载均衡策略，并将所述预测性负载均衡策略下发至对应的负载均衡服务节点，以便所述负载均衡服务节点根据所述负载均衡服务节点更新所述云物联负载均衡模型。

5.根据权利要求3所述的方法，其特征在于，所述对所述云物联应用提供负载均衡服务，具体包括：

所述云数据中心的负载均衡服务节点基于本地业务情况，并结合对应的云物联负载均衡模型，对所述云物联应用提供负载均衡服务。

6.根据权利要求3所述的方法，其特征在于，所述将所述符合所述云物联应用的云物联负载均衡模型分发至对应的负载均衡服务节点之前，所述方法还包括：

将所述符合所述云物联应用的云物联负载均衡模型进行应用分析，以对负载均衡服务节点资源分配进行优化。

7.根据权利要求1所述的方法，其特征在于，所述通过预先训练的云数据中心全局负载均衡模型确定出资源申请方案之前，所述方法还包括：

所述云数据中心收集云数据中心与雾计算节点的资源情况，并基于所述云数据中心与雾计算节点的资源情况训练云数据中心全局负载均衡模型；

所述云数据中心收集云数据中心与雾计算节点的资源情况，并基于所述云数据中心与雾计算节点的资源情况优化所述云数据中心全局负载均衡模型。