[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

说明书

本说明书实施例公开了一种基于深度学习的云物联负载均衡方法、装置及设备，方法包括：云物联应用在云数据中心发出资源申请指令，通过预先训练的云中心全局负载均衡模型确定出资源申请方案；云物联应用根据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；云物联应用根据对应的业务网络选取负载均衡服务，以便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中心和雾计算节点，并对云物联应用提供负载均衡服务；云物联应用通过负载均衡服务确定出符合预设要求的雾计算节点或云中心的资源，实现云物联负载均衡。通过云中心全局负载均衡模型，合理的分配资源，减轻云数据中心的压力。

技术领域

本说明书涉及物联网领域，尤其涉及一种基于深度学习的云物联负载均衡方法、装置及设备。

背景技术

近年来，云计算、物联网、雾计算技术不断融合发展，与现今比较成熟的云计算相比，雾计算将云和端之间的管道形成资源平台，在靠近用户的网络边缘侧构建业务平台，提供统一的存储、计算、网络等资源，并将部分关键业务应用下沉到接入网络边缘，减轻云端的压力。另一方面，随着万物互联时代的到来，海量的设备需要连接到云端，将会产生海量的数据，而智能设备与云端的交互也将更加频繁，特别是物联网设备端需要保持长连接，完成与云端的实时交互。

针对物联网应用，需要提供更加合理的均衡服务，减轻云数据中心的压力。

发明内容

本说明书一个或多个实施例提供了一种基于深度学习的云物联负载均衡方法、装置及设备，用于解决如下技术问题：针对物联网应用，需要提供更加合理的均衡服务，减轻云数据中心的压力。

本说明书一个或多个实施例采用下述技术方案：

本说明书一个或多个实施例提供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，通过预先训练的云中心全局负载均衡模型确定出资源申请方案；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中心的资源，实现云物联负载均衡。

进一步地，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。

进一步地，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，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云数据中心和雾计算节点。

进一步地，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。

进一步地，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。