【技术实现步骤摘要】
基于深度学习预测的分布计算系统及其运行方法
本专利技术涉及数据处理技术,特别涉及基于深度学习预测的分布计算系统及其运行方法。
技术介绍
现有很多集群管理系统,比如HadoopYARN、ApacheMesos、AmazonEC2,虽然都有着强大的功能,并针对不同的计算需求提供了各种类型的工作模式,但其终究使用内部固定策略调度计算资源,对于突然高负荷的计算请求会产生很高的延迟。另外,类似YARN和Mesos,并不能动态的扩展计算节点,更多地着重于均衡单节点中的计算核心。本专利技术的专利技术人发现,随着大数据计算和分布式计算的发展,合理的调度计算资源和计算节点成为提高计算体系效率的关键。
技术实现思路
本专利技术的目的在于提供一种基于深度学习预测的分布计算系统及其运行方法,可以对计算节点进行动态管理,提前对各计算节点进行调度、分配计算资源。为解决上述技术问题,本专利技术的实施方式公开了一种基于深度学习预测的分布计算系统,该分布计算系统包括调度节点、多个计算节点和数据集群;数据集群用于定时从每个计算节点获取运行状态和任务处理速率,运行状态包括计算节点的内存占用率和处理器占用率;调度节点包括:负载预测节点,用于从数据集群获取每个计算节点的运行状态和任务处理速率,将每个计算节点的运行状态和任务处理速率输入到LSTM(LongShortTermMemory,长短期记忆)网络得到每个计算节点的负载参数并判断所有计算节点的平均负载参数是否大于第一负载阈值或小于第二负载阈值,每个计算节点的负载参数表示预定时间后的负载;以及用户节点,用于当负载预测节点确定所有计算节点的平均负载参数 ...
【技术保护点】
1.一种基于深度学习预测的分布计算系统,其特征在于,所述分布计算系统包括调度节点、多个计算节点和数据集群;所述数据集群用于定时从每个计算节点获取运行状态和任务处理速率,所述运行状态包括所述计算节点的内存占用率和处理器占用率;所述调度节点包括:负载预测节点,用于从所述数据集群获取每个计算节点的运行状态和任务处理速率,将每个计算节点的运行状态和任务处理速率输入到长短期记忆LSTM网络得到每个计算节点的负载参数并判断所有计算节点的平均负载参数是否大于第一负载阈值或小于第二负载阈值,每个计算节点的负载参数表示预定时间后的负载;以及用户节点,用于当所述负载预测节点确定所有计算节点的平均负载参数大于第一负载阈值时,创建新的计算节点,并当所述负载预测节点确定所有计算节点的平均负载参数小于第二负载阈值时,关闭部分计算节点。
【技术特征摘要】
1.一种基于深度学习预测的分布计算系统,其特征在于,所述分布计算系统包括调度节点、多个计算节点和数据集群;所述数据集群用于定时从每个计算节点获取运行状态和任务处理速率,所述运行状态包括所述计算节点的内存占用率和处理器占用率;所述调度节点包括:负载预测节点,用于从所述数据集群获取每个计算节点的运行状态和任务处理速率,将每个计算节点的运行状态和任务处理速率输入到长短期记忆LSTM网络得到每个计算节点的负载参数并判断所有计算节点的平均负载参数是否大于第一负载阈值或小于第二负载阈值,每个计算节点的负载参数表示预定时间后的负载;以及用户节点,用于当所述负载预测节点确定所有计算节点的平均负载参数大于第一负载阈值时,创建新的计算节点,并当所述负载预测节点确定所有计算节点的平均负载参数小于第二负载阈值时,关闭部分计算节点。2.根据权利要求1所述的分布计算系统,其特征在于,所述用户节点用于当所述负载预测节点确定所有计算节点的平均负载参数大于第一负载阈值时,根据所有计算节点的负载增幅来创建相应数量的计算节点,并当所述负载预测节点确定所有计算节点的平均负载参数小于第二负载阈值时,根据所有计算节点的负载降幅来关闭相应数量的计算节点。3.根据权利要求1所述的分布计算系统,其特征在于,所述调度节点还包括分发节点,所述分发节点用于通过定向发送或以消息发布/订阅的方式向所述计算节点分发任务,所述分发节点还用于将所述负载预测节点所得到的各计算节点的负载参数按从大到小的顺序进行排序,并在排序后判断相邻负载参数的差值是否大于预定阈值,若有相邻负载参数的差值大于所述预定阈值,则所述分发节点对各计算节点的任务分发进行调整以使得相邻负载参数的差值不大于所述预定阈值。4.根据权利要求1所述的分布计算系统,其特征在于,所述数据集群还用于定时从每个计算节点获取原始数据处理速率、队列中的原始数据数量和队列中的任务数量;所述负载预测节点用于从所述数据集群获取预定量的训练数据,并对预定量的训练数据进行训练得到所述LSTM网络,所述训练数据包括各计算节点的运行状态、任务处理速率、原始数据处理速率、队列中的任务数量和队列中的原始数据数量。5.根据权利要求4所述的分布计算系统,其特征在于,所述负载预测节点用于在上一次训练后继续从所述数据集群获取预定量的训练数据,并对上一次训练后获取的预定量的训练数据进行训练以更新所述LSTM网络。6.一种基于深度学习预测的分布计算系统的运行方法,其特征在于,所述分布计算系统包括调度节点、多个计算节点和数据集...
【专利技术属性】
技术研发人员:钱力,王剑,
申请(专利权)人:华耀中国科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。