【技术实现步骤摘要】
边缘节点的可用性预测方法、设备、存储介质以及系统
[0001]本申请实施例涉及计算机
，并且更具体地，涉及边缘节点的可用性预测方法、设备、存储介质以及系统。
技术介绍
[0002]随着互联网技术的不断发展，计算机需要承载的处理任务越来越多也愈加复杂，因此通过多个计算机协同完成处理任务的边缘计算系统应运而生。
[0003]目前，边缘计算系统中，管理节点通常基于以下两种方式向边缘节点分配待处理的子任务：方式一、管理节点可以将待处理的任务平均分配给每个边缘节点；方式二、确定每个边缘节点的处理能力，再根据各边缘节点的处理能力为各边缘节点分配相应的子任务。
[0004]然而，方式一的任务切分方式不考虑每个边缘节点的处理能力，使得能力较差的边缘节点的处理效率较低，将会影响整体数据处理的效率；方式二的任务切分方式对管理节点提出了更高的存储和计算能力要求，增加了管理节点的成本。
技术实现思路
[0005]本申请实施例提供了一种边缘节点的可用性预测方法、设备、存储介质以及系统，一方面提高了整体数据处理效率...
【技术保护点】
【技术特征摘要】
1.一种边缘节点的可用性预测方法，其特征在于，包括：所述边缘节点根据询问样本从预先建立的样本集中确定第一样本集，所述询问样本用于表征所述边缘节点在第一时刻的资源使用情况，所述第一样本集包括与所述询问样本相似的多个采样样本，所述采样样本用于表征所述边缘节点在第二时刻的资源使用情况，所述第一时刻晚于所述第二时刻；所述边缘节点通过n个子预测模型，基于所述询问样本对所述边缘节点的可用性进行预测，得到n个特征维度的初始预测结果，所述子预测模型为基于所述第一样本集训练得到的，n为大于1的整数；所述边缘节点对所述n个特征维度的初始预测结果进行加权处理，得到所述边缘节点的可用性预测结果。2.根据权利要求1所述的方法，其特征在于，所述边缘节点通过n个子预测模型，基于所述询问样本对所述边缘节点的可用性进行预测，得到n个特征维度的初始预测结果，包括：所述边缘节点对所述询问样本进行特征分组，得到所述询问样本的n个特征，所述n个特征与所述n个子预测模型一一对应；所述边缘节点将所述询问样本的n个特征分别输入所述n个子预测模型，得到所述询问样本的n个特征维度的初始预测结果。3.根据权利要求2所述的方法，其特征在于，所述边缘节点对所述询问样本进行特征分组，得到所述询问样本的n个特征，包括：所述边缘节点通过独立成分分析ICA算法，对所述询问样本进行特征分组，得到所述询问样本的n个特征。4.根据权利要求1至3任一项所述的方法，其特征在于，所述询问样本包括所述边缘节点在第一时刻前的N个采样周期采集的自身的资源使用信息，所述资源使用信息包括中央处理器CPU使用率和/或内存占用率，所述第一时刻为所述边缘节点对管理节点发送的任务请求的响应时刻。5.根据权利要求1至3任一项所述的方法，其特征在于，所述采样样本包括：所述边缘节点在第二时刻前的N个采样周期采集的自身的资源使用信息，以及所述边缘节点在所述第二时刻之后的一次数据处理过程中采集的资源使用信息的均值，所述资源使用信息包括CPU使用率和/或内存占用率，所述第二时刻为所述边缘节点对管理节点发送的历史任务请求的响应时刻，所述数据处理过程为执行所述历史任务请求所请求的任务的过程。6.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：所述边缘节点从所述第一样本集确定p个采样样本组成训练样本子集，p为正整数；所述边缘节点根据所述训练样本子集对所述n个子预测模型进行训练。7.根据权利要求6所述的方法，其特征在于，所述边缘节点根据所述训练样本子集对所述n个子预测模型进行训练，包括：针对所述训练样本子集的p个采样样本中的每个采样样本，所述边缘节点对所述采样样本进行特征分组，得到所述采样样本的n个特征，所述n个特征与所述n个子预测模型一一对应；所述边缘节点将所述采样样本的n个特征分别输入所述n个子预测模型，对所述n个子预测模型进行训练。
8.根据权利要求6所述的方法，其特征在于，所述方法还包括：所述边缘节点从所述第一样本集确定q个采样样本组成评价样本子集，q为正整数；所述边缘节点根据所述评价样本子集对所述n个子预测模型分别进行评价；所述边缘节点根据所述子预测模型对应的评价结果，确定所述子预测模型是否训练完成。9.根据权利要求8所述的方法，其...
【专利技术属性】
技术研发人员：魏红领，杨凯，
申请(专利权)人：中国建设银行股份有限公司，
类型：发明
国别省市：
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。