全流程自动化资源调度系统及方法技术方案

本发明专利技术公开了全流程自动化资源调度系统；包括计算机

【技术实现步骤摘要】
全流程自动化资源调度系统及方法


[0001]本专利技术属于资源调配
，具体涉及全流程自动化资源调度系统及方法
。

技术介绍

[0002]随着移动设备的更新换代，物联网快速发展，地理上分散分布的终端设备向计算平台提出了低时延
、
高带宽
、
数据私密性等需求，在云计算基础上提出边缘计算和集群的概念，通过将数据推到互联网边缘和集群来提升系统整体的可用性和可拓展性，通过将计算和存储设备配置在互联网边缘和集群来减少互联网数据传输量，从而降低时延
、
节省带宽及相关费用，然而市面上各种的资源分配仍存在各种各样的问题
。
[0003]如授权公告号为
CN113138841A
所公开的一种资源调度方法以及资源调度系统，其虽然实现了对应用输入输出操作的精准预测，如此，在执行相同或相似作业时，基于预测结果进行资源调度，可以避免不必要的资源占用，提高资源利用率和应用执行效率，但是并未解决现有对资源进行分配的计算，以及如何实现对分配和资源查询等的问题，为此我们提出全流程自动化资源调度系统及方法
。

技术实现思路

[0004]本专利技术的目的在于提供全流程自动化资源调度系统及方法，以解决上述
技术介绍
中提出的问题
。
[0005]为实现上述目的，本专利技术提供如下技术方案：全流程自动化资源调度系统，包括计算机
CPU
，所述计算机
CPU
上电性连接有数据处理模块，所述数据处理模块上电性连接有网络通讯模块，所述网络通讯模块上通讯连接有集群节点，所述网络通讯模块上还通讯连接有边缘云计算，所述集群节点采用的是各个分布的计算机，通过分布的计算机实现对各个集群点的数据信息进行获取，以及实现对各个工作指令进行分配，实现计算处理，所述边缘云计算用于实现对较为复杂的工作指令或者是在所述集群节点工作繁忙的时候，进行辅助操作指令，有效的实现对资源分配计算处理，所述网络通讯模块用于实现对各个所述集群节点和计算机
CPU
进行通讯连接，所述数据处理模块用于实现对传输的数据信息进行计算处理，提高数据信息进行的精准度和安全性；
[0006]所述计算机
CPU
上电性连接节点资源模块，所述计算机
CPU
上电性连接信息封装模块，所述信息封装模块上电性连接有模型分析模块，所述模型分析模块上电性连接有自动调配模块
、
手动调配模块和处理信息模块，所述计算机
CPU
上电性连接有工作指令模块，所述工作指令模块上电性连接有工作调配模块，所述计算机
CPU
上电性连接有节点资源模块；所述信息封装模块用于实现对各个所述集群节点的数据信息进行集中，所述模型分析模块用于实现对数据信息进行计算分析处理，提高数据信息的整合和优选处理级别，所述自动调配模块用于实现按照优先处理级别进行自动化调配处理，所述手动调配模块用于实现对人机交互处理调控，所述处理信息模块用于实现对处理后的数据信息进行存储，便于后续进行查询，所述工作指令模块用于实现对所述各个所述集群节点的工作需求进行收集，便
于根据各个所述集群节点的需求程度进行分配调控处理，所述工作调配模块用于实现对所述工作指令模块的指令进行分配给各个所述集群节点或者是所述边缘云计算，所述节点资源模块用于实现对各个所述集群节点的资源信息进行获取，根据各个所述集群节点的资源信息进行有效的调配资源的利用，便于实现对数据信息进行计算处理
。
[0007]优选的，所述数据处理模块中包括有用于实现对数据信息进行进行接收的获取单元，包括有用于实现对数据信息进行模数转换的转换单元，包括有用于实现对数据信息进行放大处理的增益单元，包括有用于实现对数据信息进行滤除杂波的滤波单元
。
[0008]优选的，所述滤波单元采用的是一阶低通滤波器，所述一阶低通滤波器的算法公式为：
[0009]Y(n)
＝
α
X(n)+(1
‑
α
)Y(n
‑
1)
，
[0010]式中：
α
＝滤波系数；
X(n)
＝本次采样值；
Y(n
‑
1)
＝上次滤波输出值；
Y(n)
＝本次滤波输出值，一阶低通滤波法采用本次采样值与上次滤波输出值进行加权，得到有效滤波值，使得输出对输入有反馈作用
。
[0011]优选的，所述模型分析模块采用的是
BP
神经网络，所述
BP
神经网络实现对数据信息的需求程度进行计算处理，所述
BP
神经网络的算法如下：
[0012]设输入的神经元为
X1
，
X2
，
...Xj
，输入常为对系统模型关键影响的自变量，
W1、W2、
…
、Wj
为连接权值调节各个输入量的占重比，选取最便捷的线性加权求和可得
neti
神经元净输入，公式如下：
[0013][0014]θ
i
表示该神经元的阈值，将
Net
in
与
θ
j
进行比较，然后通过激活函数处理以产生神经元的输出，
[0015]y
j
＝
f(Net
in
‑
θ
j
)
，
[0016]简化，设第一个输入永远值为
θ
，权值为
‑1，则得到公式：
[0017][0018]其中
W0＝
‑1，
X0＝
θ
j
，其中
f
为选择的激活函数
。
[0019]优选的，所述模型分析模块中还包括有贝叶斯定理，用于计算计算在所述自动调配模块进行自动分配数据信息计算处理优选级的概率，每个数据信息的概率给出
x
的值；
[0020][0021]P(cx)
是给定预测变量
x
，
c
数据信息的概率；
[0022]P(xc)
是给定预测变量
c
时，
x
数据信息的概率；
[0023]P0是数据信息的概率；
[0024]P(x)
为预测计算的概率；
[0025]即通过数据信息的优先级的概率，去得出计算数据信息的概率
。
[0026]优选的，所述节点资源模块包括有集群管理和资源查询，所述集群管理用于实现对所述集群节点中资源的管理和调度，所述工作调配模块实现对所述工作指令模块获取的
是工作指令进行分配，完成对工作指令进行选择分配处理
。
[0027]优选的，所述工作调配模块包括有优化问题...

【技术保护点】

【技术特征摘要】
1.
全流程自动化资源调度系统，包括计算机
CPU
，其特征在于：所述计算机
CPU
上电性连接有数据处理模块，所述数据处理模块上电性连接有网络通讯模块，所述网络通讯模块上通讯连接有集群节点，所述网络通讯模块上还通讯连接有边缘云计算，所述集群节点采用的是各个分布的计算机，通过分布的计算机实现对各个集群点的数据信息进行获取，以及实现对各个工作指令进行分配，实现计算处理，所述边缘云计算用于实现对较为复杂的工作指令或者是在所述集群节点工作繁忙的时候，进行辅助操作指令，有效的实现对资源分配计算处理，所述网络通讯模块用于实现对各个所述集群节点和计算机
CPU
进行通讯连接，所述数据处理模块用于实现对传输的数据信息进行计算处理，提高数据信息进行的精准度和安全性；所述计算机
CPU
上电性连接节点资源模块，所述计算机
CPU
上电性连接信息封装模块，所述信息封装模块上电性连接有模型分析模块，所述模型分析模块上电性连接有自动调配模块
、
手动调配模块和处理信息模块，所述计算机
CPU
上电性连接有工作指令模块，所述工作指令模块上电性连接有工作调配模块，所述计算机
CPU
上电性连接有节点资源模块；所述信息封装模块用于实现对各个所述集群节点的数据信息进行集中，所述模型分析模块用于实现对数据信息进行计算分析处理，提高数据信息的整合和优选处理级别，所述自动调配模块用于实现按照优先处理级别进行自动化调配处理，所述手动调配模块用于实现对人机交互处理调控，所述处理信息模块用于实现对处理后的数据信息进行存储，便于后续进行查询，所述工作指令模块用于实现对所述各个所述集群节点的工作需求进行收集，便于根据各个所述集群节点的需求程度进行分配调控处理，所述工作调配模块用于实现对所述工作指令模块的指令进行分配给各个所述集群节点或者是所述边缘云计算，所述节点资源模块用于实现对各个所述集群节点的资源信息进行获取，根据各个所述集群节点的资源信息进行有效的调配资源的利用，便于实现对数据信息进行计算处理
。2.
根据权利要求1所述的全流程自动化资源调度系统，其特征在于：所述数据处理模块中包括有用于实现对数据信息进行进行接收的获取单元，包括有用于实现对数据信息进行模数转换的转换单元，包括有用于实现对数据信息进行放大处理的增益单元，包括有用于实现对数据信息进行滤除杂波的滤波单元
。3.
根据权利要求2所述的全流程自动化资源调度系统，其特征在于：所述滤波单元采用的是一阶低通滤波器，所述一阶低通滤波器的算法公式为：
Y(n)
＝
α
X(n)+(1
‑
α
)Y(n
‑
1)
，式中：
α
＝滤波系数；
X(n)
＝本次采样值；
Y(n
‑
1)
＝上次滤波输出值；
Y(n)
＝本次滤波输出值，一阶低通滤波法采用本次采样值与上次滤波输出值进行加权，得到有效滤波值，使得输出对输入有反馈作用
。4.
根据权利要求1所述的全流程自动化资源调度系统，其特征在于：所述模型分析模块采用的是
BP
神经网络，所述
BP
神经网络实现对数据信息的需求程度进行计算处理，所述
BP
神经网络的算法如下：设输入的神经元为
X1
，
X2
，
...Xj
，输入常为对系统模型关键影响的自变量，
W1、W2、
…
、Wj
为连接权值调节各个输入量的占重比，选取最便捷的线性加权求和可得
neti
神经元净输入，公式如下：
θ
i
表示该神经元的阈值，将
Net
in
与
θ
j
进行比较，然后通过激活函数处理以产生神经元的输出，
y
j
＝
f(Net
in
‑
θ
j
)
，简化，设第一个输入永远值为
θ
，权值为
‑1，则得到公式：其中
W0＝
‑1，
X0＝
θ
j
，其中
f
为选择的激活函数
。5.
根据权利要求1所述的全流程自动化资源调度系统，其特征在于：所述模型分析模块中还包括有贝叶斯定理，用于计算计算在所述自动调配模块进行自动分配数据信息计算处理优选级的概率，每个数据信息的概率给出
x
的值；
P(c|x)
是给定预测变量
x
，
c
数据信息的概率；
P(x|c)
是给定预测变量
c
时，
x
数据信息的概率；
P0是数据信息的概率；
P(x)
为预测计算的概率；即通过数据信息的优先级的概率，去得出计算数据信息的概率

【专利技术属性】
技术研发人员：王玲，陈淑君，
申请(专利权)人：南京信易达计算技术有限公司，
类型：发明
国别省市：