【技术实现步骤摘要】
本申请涉及云计算，具体而言，涉及一种云计算平台的资源配置方法及系统。
技术介绍
1、随着云计算技术的快速发展，数据中心越来越依赖高效、智能的资源调度系统来优化计算资源的分配。在传统的资源调度方法中，任务通常根据静态规则或简单的负载均衡策略进行分配。这些方法可能考虑了服务器的当前负载和任务类型，但往往忽视了更复杂的使用模式和历史性能数据。此外，它们也未能充分利用现代机器学习技术来预测和适应变化的需求。
2、目前，许多调度系统采用固定的策略来处理各种计算任务，例如基于先到先服务(fcfs)、短作业优先(sjf)或优先级队列等。这些传统的调度策略在面对高动态和多样化的云计算环境时，可能无法达到最佳的资源利用率。例如，某个调度策略可能对于处理i/o密集型任务非常有效，但却不适合处理cpu密集型任务。因此，一种能够综合多个因素并做出智能决策的调度方法是必需的。
3、此外，现有的调度解决方案可能导致资源被分配到并不最适合的任务上，从而降低了调度系统的整体效率和性能。
技术实现思路
1、为了至少克服现有技术中的上述不足，本申请的目的在于提供一种云计算平台的资源配置方法及系统，可以综合考虑待处理计算资源的性能特征、历史调度数据和任务需求，通过机器学习技术生成反映复杂需求的全局画像矢量，并利用调度置信度来动态匹配资源与任务。这样的方法将提供更为精确和灵活的调度策略，以适应云计算环境中的各种挑战。通过引入一套高级的调度算法，结合全局画像矢量和调度置信度的概念，实现对待处理计算资
2、第一方面，本申请提供一种云计算平台的资源配置方法，应用于云平台系统，所述方法包括：
3、基于各计算资源对应的先验云计算调度数据生成第一云计算调度关系图谱，并依据所述第一云计算调度关系图谱提取所述各计算资源中待处理计算资源对应的云计算路径矢量；
4、针对所述待处理计算资源的需求端在不同云计算评估标签的画像矢量进行集成，生成所述需求端的全局画像矢量，以及提取所述待处理计算资源的计算资源画像矢量；
5、依据所述云计算路径矢量、全局画像矢量和所述计算资源画像矢量，分别获得所述待处理计算资源针对每个调度标签组的调度置信度；所述调度标签组是依据各调度标签的特征向量以及先验云计算调度数据中的至少一种进行划分获得的；
6、依据获得的各调度置信度，分别向相应的调度标签组对应的各调度标签匹配所述待处理计算资源。
7、在第一方面的一种可能的实施方式中，所述依据所述云计算路径矢量、全局画像矢量和所述计算资源画像矢量，分别获得所述待处理计算资源针对每个调度标签组的调度置信度，包括：
8、将所述云计算路径矢量、全局画像矢量和所述计算资源画像矢量，加载到完成知识学习的计算资源调度网络；
9、依据所述计算资源调度网络，确定所述待处理计算资源针对每个调度标签组的热力图属性值；所述热力图属性值用于描述目标热力图的一种热力值表征信息；
10、依据所述热力图属性值以及设定权重系数确定所述调度置信度，所述设定权重系数服从模板热力值表征信息的目标热力图；所述目标热力图为高斯分布；所述热力图属性值为均值和标准差。
11、在第一方面的一种可能的实施方式中，所述计算资源调度网络的训练步骤，包括：
12、依据样例学习数据序列对初始化的计算资源调度网络进行轮询参数更新，生成完成知识学习的计算资源调度网络；所述样例学习数据序列中的每个样例学习数据包括：一个范例计算资源和相应的训练标注数据，所述训练标注数据包括：
13、依据所述范例计算资源对应的先验云计算调度数据确定的，针对每个调度标签组的先验调度置信度；其中，每轮参数更新执行以下步骤：
14、从所述样例学习数据序列中确定样例学习数据，并将所述样例学习数据中范例计算资源对应的云计算路径矢量、计算资源画像矢量和相应需求端的全局画像矢量加载到初始化的计算资源调度网络，生成所述范例计算资源针对每个调度标签组的训练调度置信度；
15、依据各训练调度置信度与相应先验调度置信度之间的损失函数值，对所述初始化的计算资源调度网络进行优化。
16、在第一方面的一种可能的实施方式中，所述范例计算资源针对每个调度标签组的先验调度置信度的确定步骤，包括：
17、针对每个调度标签组，依据所述调度标签组针对所述范例计算资源的先验云计算调度数据，确定所述范例计算资源对应的各类调度响应可能性；每类调度响应可能性用于反映将所述范例计算资源分配到所述调度标签组后，所述调度标签组对应的各调度标签执行相应的目标云计算调度数据的可能性；
18、将所述各类调度响应可能性进行权重融合计算，生成所述调度标签组对应的先验调度置信度。
19、在第一方面的一种可能的实施方式中，依据各调度标签的先验云计算调度数据划分调度标签组的步骤，包括：
20、基于各范例计算资源对应的先验云计算调度数据生成第二云计算调度关系图谱，所述第二云计算调度关系图谱中的成员用于反映范例计算资源，存在成员链路的两个成员用于反映被同一调度标签持续执行的范例计算资源；
21、从所述第二云计算调度关系图谱中，随机确定一个成员作为基础成员；
22、依据所述第二云计算调度关系图谱中各个成员链路的链路参数，从所述基础成员开始遍历，生成目标遍历路径的成员集合；其中，每个成员链路的链路参数用于反映所述成员链路对应的第一连接调度标签与第二连接调度标签的数量比值，所述第一连接调度标签为：执行所述成员链路对应两个范例计算资源的调度标签，所述第二连接调度标签包括：执行各候选成员链路对应的两个范例计算资源的调度标签，每条候选成员链路都涵盖所述成员链路中的目标成员；
23、依据完成知识学习的计算资源表示网络，生成所述成员集合对应的各范例计算资源各自的计算资源执行矢量；
24、依据各计算资源执行矢量，对所述各范例计算资源进行分组；
25、依据分组结果，将设定进程段内执行同一类范例计算资源的调度标签作为一个调度标签组。
26、在第一方面的一种可能的实施方式中，所述第一云计算调度关系图谱中的成员用于反映待处理计算资源，存在成员链路的两个成员用于反映被同一调度标签持续执行的计算资源；所述基于各计算资源对应的先验云计算调度数据生成第一云计算调度关系图谱，还包括：
27、针对所述第一云计算调度关系图谱中的各个成员链路，如果所述成员链路对应的两个计算资源未被同一调度标签执行指定云计算调度数据，则将所述成员链路作为目标成员链路；
28、从各目标成员链路中确定其中至少一条进行进行移除，生成更新后的第一云计算调度关系图谱。
29、在第一方面的一种可能的实施方式中，所述针对所述待处理计算资源的需求端在不同云计算评估标签的画像矢量进行集成，生本文档来自技高网...
【技术保护点】
1.一种云计算平台的资源配置方法，其特征在于，应用于云平台系统，所述方法包括：
2.根据权利要求1所述的云计算平台的资源配置方法，其特征在于，所述依据所述云计算路径矢量、全局画像矢量和所述计算资源画像矢量，分别获得所述待处理计算资源针对每个调度标签组的调度置信度，包括：
3.根据权利要求2所述的云计算平台的资源配置方法，其特征在于，所述计算资源调度网络的训练步骤，包括：
4.根据权利要求3所述的云计算平台的资源配置方法，其特征在于，所述范例计算资源针对每个调度标签组的先验调度置信度的确定步骤，包括：
5.根据权利要求1-4中任意一项所述的云计算平台的资源配置方法，其特征在于，依据各调度标签的先验云计算调度数据划分调度标签组的步骤，包括：
6.根据权利要求1-4中任意一项所述的云计算平台的资源配置方法，其特征在于，所述第一云计算调度关系图谱中的成员用于反映待处理计算资源，存在成员链路的两个成员用于反映被同一调度标签持续执行的计算资源；所述基于各计算资源对应的先验云计算调度数据生成第一云计算调度关系图谱，还包括：
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。