[发明专利]基于折损率预测的边缘云资源动态调度方法及装置

权利要求书

1.一种基于折损率预测的边缘云资源动态调度方法，其特征在于，包括以下步骤：

步骤1：获取边缘云的特征数据并进行预处理以获取节点邻接矩阵、节点特征和任务特征,其中，所述特征数据包括：各节点的基础特征、统计特征、监控特征以及各个业务的元数据特征、统计特征；

步骤2：基于所述节点邻接矩阵通过预先构建的DCRNN模型进行处理以获取各节点图嵌入；

步骤3：基于所述各节点图嵌入、节点特征、任务特征通过预先构建的HM-RNN模型进行自动分层以获取各节点日周月层级表示；

步骤4：基于所述各节点日周月层级表示进行编解码以获取各节点日周月95带宽流量预测和各节点日周月折损率预测；

步骤5：基于所述各节点日周月层级表示、各节点日周月95带宽流量预测和各节点日周月折损率预测通过预设算法做出调度决策。

2.根据权利要求1所述的基于折损率预测的边缘云资源动态调度方法，其特征在于，所述步骤1进一步包括：

对获取的所述特征数据进行清洗以清洗掉部分异常数据；

对所述特征数据中的类别型特征采用分类算法，对数值型特征采用数值类特征处理方法进行处理以获取所述节点邻接矩阵、节点特征和任务特征。

3.根据权利要求1所述的基于折损率预测的边缘云资源动态调度方法，其特征在于，所述步骤2进一步包括：

对所述DCRNN模型中的K值进行调整以实现每个节点接收相邻节点信息能力的调整。

4.根据权利要求1所述的基于折损率预测的边缘云资源动态调度方法，其特征在于，所述步骤3进一步包括：

拼接从所述步骤2获取的图嵌入、从步骤1获取的所述节点基础特征、节点统计特征、节点监控特征、业务元数据特征、业务统计特征以获取拼接特征；

对自然日的RNN的输出上做星期天的mask后作为自然周层级的输入，对自然周的RNN的输出上月末的mask作为自然月的输入以获取从自然日、周、月三个粒度上输出节点表示；

基于输出的日、周、月三个粒度上输出节点表示通过HM-RNN模型获取一一对应的RNN输出；

基于经过所述HM-RNN模型输出的日周月层级表示获取对节点流量上的预测，其中，预测时使用t-1的特征预测t时刻的流量。

5.根据权利要求1所述的基于折损率预测的边缘云资源动态调度方法，其特征在于，所述步骤4进一步包括：

聚合各个业务下的各个节点，按照需求区域划分，需求区域由业务名、省份、运营商唯一确定，将统一需求区域的节点划分为一个子集，子集内节点按ip地址排序构成节点序列[x1,x2,...,xn]，每个节点的日RNN层级表示序列为每个节点的周RNN层级表示序列为每个节点的月RNN层级表示序列为

获取所述日RNN层级表示、周RNN层级表示、月RNN层级表示基于预先构建的transformer模型进行节点日周月折损率预测。

6.根据权利要求1所述的基于折损率预测的边缘云资源动态调度方法，其特征在于，所述步骤5进一步包括：

获取所述各节点日周月层级表示、各节点日周月95带宽流量预测和各节点日周月折损率预测基于beam search算法通过搜索最优批次调度序列选取累计毛利提升最大的序列；

根据选取的所述累计毛利提升最大的序列调度任务；

在选取的调度序列不满足业务上的规则的情况下，重新选择次优批次调度序列。

7.根据权利要求6所述的基于折损率预测的边缘云资源动态调度方法，其特征在于，在所述步骤5之后还包括：

更新HM-RNN模型，获得新的节点的日周月层级表示；

更新DCRNN模型，获得新的图嵌入。