一种智能资源编排模型的训练方法技术

本申请适用于计算机技术领域，提供了一种智能资源编排模型的训练方法，包括：控制设备获取全局资源编排模型的第一加密信息，并将第一加密信息发送至联邦学习联盟中的各个计算集群；接收由各个计算集群返回的更新后的本地资源编排模型的第二加密信息；根据所有第二加密信息对全局资源编排模型进行更新，得到新的全局资源编排模型。上述方法，采用联邦学习的方法对分散的计算集群进行独立计算，将计算结果汇总到控制设备，得到全局资源编排模型，全局资源编排模型能够准确且快速的确定资源编排策略，使边缘计算集群的能力得到充分发挥，最小化任务的平均完成时间，最大化完成任务的数量，提高了资源利用率和计算效率。提高了资源利用率和计算效率。提高了资源利用率和计算效率。

【技术实现步骤摘要】
一种智能资源编排模型的训练方法


[0001]本申请属于计算机
，尤其涉及一种智能资源编排模型的训练方法。

技术介绍

[0002]随着5G与智慧化应用的快速发展，网络中的设备数与数据量迅速增加，传统中心化云计算难以满足快速发展的新应用的需要。为了能够提供低延迟、高质量的计算服务，将网络边缘的计算能力整合起来，现有技术中会将网络边缘的计算能力整合起来，根据不同的计算集群的性能、参数等来合理分配不同的资源，确定出合理的资源编排策略。
[0003]但是，传统网络资源管理在进行资源编排时，主要基于手工、最优化算法或者启发式方法，复杂性高且自适应能力差，很难满足边缘计算用户的海量、动态与差异化的需求。一些基于人工智能的资源编排虽然能够获得更好的效果，但需要全局资源信息，这对于分散、自组织的边缘计算集群常常难以实现。

技术实现思路

[0004]本申请实施例提供了一种智能资源编排模型的训练方法，可以解决传统网络资源管理在进行资源编排时，主要基于手工、最优化算法或者启发式方法，复杂性高且自适应能力差，很难满足边缘计算用户的海量、动态与差异化的需求的问题。
[0005]第一方面，本申请实施例提供了一种智能资源编排模型的训练方法，应用于控制设备，所述方法包括：
[0006]获取全局资源编排模型的第一加密信息，并将所述第一加密信息发送至联邦学习联盟中的各个计算集群，所述第一加密信息用于更新各个所述计算集群的本地资源编排模型；
[0007]接收由各个所述计算集群返回的更新后的本地资源编排模型的第二加密信息；
[0008]根据所有所述第二加密信息对所述全局资源编排模型进行更新，得到新的全局资源编排模型。
[0009]进一步地，所述根据所有所述第二加密信息对所述全局资源编排模型进行更新，得到新的全局资源编排模型，包括：
[0010]根据预设解密规则对所述第二加密信息进行解密，得到各所述计算集群对应的更新信息；
[0011]根据所有所述更新信息对所述全局资源编排模型进行训练，得到新的全局资源编排模型。
[0012]进一步地，初始的全局资源编排模型的训练方法包括：
[0013]获取第一样本训练集；所述第一样本训练集中包括历史任务信息及其对应的资源编排策略标签；
[0014]根据所述第一样本训练集对原始资源编排模型进行训练，得到初始的全局资源编排模型。
[0015]进一步地，所述样本训练集中还包括预设特殊情况任务信息及其对应的资源编排策略标签。
[0016]进一步地，在所述根据所有所述第二加密信息对所述全局资源编排模型进行更新，得到新的全局资源编排模型之后，还包括：
[0017]若接收到由所述计算集群发送的模型信息获取请求，将所述新的全局资源编排模型和/或所述新的全局资源编排模型对应的第三加密信息发送至所述计算集群。
[0018]第二方面，本申请实施例提供了一种智能资源编排模型的训练方法，应用于计算集群，所述方法包括：
[0019]获取控制设备发送的第一加密信息；
[0020]根据所述第一加密信息对本地资源编排模型进行更新，得到更新后的本地资源编排模型；
[0021]将所述更新后的本地资源编排模型的第二加密信息发送至所述控制器，所述第二加密信息用于更新所述控制器的全局资源编排模型。
[0022]进一步地，初始的本地资源编排模型的训练方法包括：
[0023]获取原始资源编排模型和第二样本训练集；
[0024]根据所述第二样本训练集对所述初始智能资源编排模型进行训练，得到初始的本地资源编排模型。
[0025]进一步地，所述根据所述第一加密信息对本地资源编排模型进行更新，得到更新后的本地资源编排模型，包括：
[0026]根据梯度提升树算法和所述第一加密信息进行迭代计算，构建所述本地资源编排模型对应的回归树；
[0027]当所述回归树满足预设条件时，获取当前智能资源编排模型作为更新后的本地资源编排模型。
[0028]第三方面，本申请实施例提供了一种资源编排策略的确定方法，包括：
[0029]获取待分配任务的任务信息；
[0030]将所述任务信息输入至预设的目标智能资源编排模型中进行处理，得到所述任务信息对应的资源编排策略；其中，所述目标智能资源编排模型由上述第一方面所述的智能资源编排模型的训练方法得到。
[0031]第四方面，本申请实施例提供了一种控制设备，包括：
[0032]第一处理单元，用于获取全局资源编排模型的第一加密信息，并将所述第一加密信息发送至联邦学习联盟中的各个计算集群，所述第一加密信息用于更新各个所述计算集群的本地资源编排模型；
[0033]接收单元，用于接收由各个所述计算集群返回的更新后的本地资源编排模型的第二加密信息；
[0034]第二处理单元，用于根据所有所述第二加密信息对所述全局资源编排模型进行更新，得到新的全局资源编排模型。
[0035]进一步地，所述第二处理单元，具体用于：
[0036]根据预设解密规则对所述第二加密信息进行解密，得到各所述计算集群对应的更新信息；
[0037]根据所有所述更新信息对所述全局资源编排模型进行训练，得到新的全局资源编排模型。
[0038]进一步地，所述控制设备，还包括：
[0039]获取单元，用于获取第一样本训练集；所述样本训练集中包括历史任务信息及其对应的资源编排策略标签；
[0040]第三处理单元，用于根据所述第一样本训练集对原始资源编排模型进行训练，得到初始的全局资源编排模型。
[0041]进一步地，所述样本训练集中还包括预设特殊情况任务信息及其对应的资源编排策略标签。
[0042]进一步地，所述控制设备，还包括：
[0043]第四处理单元，用于若接收到由所述计算集群发送的模型信息获取请求，将所述新的全局资源编排模型和/或所述新的全局资源编排模型对应的第三加密信息发送至所述计算集群。
[0044]第五方面，本申请实施例提供了一种计算集群，包括：
[0045]第一获取单元，用于获取控制设备发送的第一加密信息；
[0046]更新单元，用于根据所述第一加密信息对本地资源编排模型进行更新，得到更新后的本地资源编排模型；
[0047]发送单元，用于将所述更新后的本地资源编排模型的第二加密信息发送至所述控制器，所述第二加密信息用于更新所述控制器的全局资源编排模型。
[0048]进一步地，所述计算集群，还包括：
[0049]第二获取单元，用于获取原始资源编排模型和第二样本训练集；
[0050]训练单元，用于根据所述第二样本训练集对所述初始智能资源编排模型进行训练，得到初始的本地资源编排模型。
[0051]进一步地，所述更新单元，具体用于：
[0052]根据梯度提升树算法和所述第一加密信息进行迭代计算，构建所述本地资源编排模型对应的回归树本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能资源编排模型的训练方法，其特征在于，应用于控制设备，所述方法包括：获取全局资源编排模型的第一加密信息，并将所述第一加密信息发送至联邦学习联盟中的各个计算集群，所述第一加密信息用于更新各个所述计算集群的本地资源编排模型；接收由各个所述计算集群返回的更新后的本地资源编排模型的第二加密信息；根据所有所述第二加密信息对所述全局资源编排模型进行更新，得到新的全局资源编排模型。2.如权利要求1所述的智能资源编排模型的训练方法，其特征在于，所述根据所有所述第二加密信息对所述全局资源编排模型进行更新，得到新的全局资源编排模型，包括：根据预设解密规则对所述第二加密信息进行解密，得到各所述计算集群对应的更新信息；根据所有所述更新信息对所述全局资源编排模型进行训练，得到新的全局资源编排模型。3.如权利要求1所述的智能资源编排模型的训练方法，其特征在于，初始的全局资源编排模型的训练方法包括：获取第一样本训练集；所述第一样本训练集中包括历史任务信息及其对应的资源编排策略标签；根据所述第一样本训练集对原始资源编排模型进行训练，得到初始的全局资源编排模型。4.如权利要求3所述的智能资源编排模型的训练方法，其特征在于，所述样本训练集中还包括预设特殊情况任务信息及其对应的资源编排策略标签。5.如权利要求1所述的智能资源编排模型的训练方法，其特征在于，在所述根据所有所述第二加密信息对所述全局资源编排模型进行更新，得到新的全局资源编排模型之后，还包括：若接收到由所述计算集群发送的模型信息获取请求，将所述新的全局资源编排模型和/或所述新的全局资源编...

【专利技术属性】
技术研发人员：明中行，杨术，萧伟，李忠鹏，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：