[发明专利]一种基于资源碎片时空特征感知的函数填充模型及其方法

权利要求书

1.一种基于资源碎片时空特征感知的函数填充模型，所述填充模型应用在含有虚拟机的公有云的系统，其特征在于：所述填充模型包括未分配资源时空预测器、分而未用资源时空预测器、周期性分类器、资源相空间，以及调度单元；其中：

所述未分配资源时空预测器用于分析节点的虚拟机创建时间间隔预测下个未分配资源的波动时间点获得未来时间内未分配的资源量；

所述分而未用资源时空预测器用于预测周期性虚拟机服务在未来时间内的分而未用资源量并每秒采集非周期性虚拟机的非周期性分而未用资源量；

所述周期性分类器用于将节点上的虚拟机资源划分周期性，并根据其划分结果影响分而未用资源时空预测器的预测范围；

所述相空间用于记录未来一段时间内的未分配资源量、周期性分而未用资源量，以及当前时间的非周期性分而未用资源量；

所述调度单元根据未分配的资源量、分而未用资源和函数请求资源量输出最优匹配资源调度方案。

2.根据权利要求1所述的一种基于资源碎片时空特征感知的函数填充模型，其特征在于：所述调度单元包括函数刻画器和函数调度器；其中：

所述函数刻画器通过对函数进行刻画得到其执行时间内任意时刻的所需资源量，将刻画好的函数发给函数调度器调度；

所述函数调度器通过分析全局各个节点的相空间资源稳定性，选稳定性最优且再函数执行时间内资源供给充足的节点部署函数服务。

3.一种基于资源碎片时空特征感知的函数填充方法，其特征在于，包括如下步骤：

所述未分配资源预测器根据虚拟机时间间隔在离散稳定期和局部密集期预测节点上未来一段时间内未分配的资源量并周期发送给相空间；

所述分而未用资源预测器通过深度神经学习模型预测完周期性分而未用资源之后采集当前时刻可用的非周期资源大小并统一发送给相空间；

所述调度单元根据函数调度请求按照“未分配”资源状态、“分而未用”资源状态和函数请求资源量向所述相空间发送最优调度方案。

4.根据权利要求3所述的一种基于资源碎片时空特征感知的函数填充方法，其特征在于，所述未分配资源预测器将在未来一段时间内的未分配的资源量周期性的发送给相空间过程：

所述未分配资源时空预测器将节点上所有虚拟机局部密集的创建轨迹输入进行初始化；

所述未分配资源时空预测器通过分析当前节点上虚拟机创建时间间隔，判断当前时间处在离散稳定期或局部密集期，当所述未分配资源时空预测器处于局部密集期则提取平均间隔时间最接近的密集创建轨迹，计算该轨迹的最短创建时间、最长创建时间、平均资源量，把最短创建时间到最长创建时间设置为下次未分配资源波动的时间范围，把平均资源量置为下次未分配资源的减少量；

所述未分配资源时空预测器在预测的虚拟机创建时间附近，把对应的资源量从未分配资源转为非周期性分而未用资源，超过预测时间后没有新的真实虚拟机创建，把对应的周期性分而未用资源再转回未分配资源。

5.根据权要求3所述的一种基于资源碎片时空特征感知的函数填充方法，其特征在于，所述分而未用资源预测器预测分而未用资源发送相空间过程：

所述分而未用资源时空预测器，仅预测经过周期性分类器划分出的周期性资源，通过深度神经学习模型预测未来每个时间刻度里周期性资源的大小，并计算预测值与虚拟机执行时消耗值的方差，方差大于阈值时会把对应的周期性资源转为非周期资源。

6.根据权要求3所述的一种基于资源碎片时空特征感知的函数填充方法，其特征在于，

所述调度单元根据函数调度请求按照“未分配”资源状态、“分而未用”资源状态和函数请求资源量向所述相空间发送最优调度方案过程：

所述函数刻画器对每个新到达的函数执行后获得函数使用资源量和执行时间，调度二维所需资源标签的函数请求；

所述函数调度器用对所需资源标签的函数请求按照执行时间大于1s的函数调度在稳定性最优、且未分配资源加周期性分而未用资源大于函数执行时间里所需资源的节点相空间内；

把执行时间小于1s的函数调度在资源量满足的非周期性分而未用资源里。