基于梯度提升决策树的多任务计划进度预测系统技术方案

本发明专利技术涉及计算机技术领域，本发明专利技术公开了基于梯度提升决策树的多任务计划进度预测系统，包括数据获取模块，用于收集历史任务进度样本数据以及历史节点确定样本数据；模型训练模块，用于训练出第一GBDT模型；以及训练出第二GBDT模型；第一模型求解模块，用于根据实时任务进度特征数据和第一GBDT模型，获得每个任务的任务计划进度；第二模型求解模块，用于基于实时任务调度特征数据和第二GBDT模型，获得初匹配云计算节点集合；方案生成模块，用于根据任务计划进度和初匹配云计算节点集合进行分析，获取任务调度方案；根据任务调度方案将任务分别分发至每个对应的云计算节点进行计算处理。

【技术实现步骤摘要】

本专利技术涉及计算机，更具体地说，本专利技术涉及基于梯度提升决策树的多任务计划进度预测系统。

技术介绍

1、近年来，云计算崭露头角，是一项新兴技术，其核心理念是分布式计算，即将传统的单机节点计算模式转变为多台云服务器协同计算，通过多台云服务器针对多个任务进行并行处理，这不仅增强了系统的可扩展性，还有助于降低计算机硬件成本；随着近年的快速发展，云计算已经演化成为一项成熟的计算服务，为处理大规模数据提供了高效且经济实惠的解决方案；然而，在云计算环境中，大量的任务（例如数据处理、机器学习训练、图像处理等）需要在多个云服务器上并行执行；每个任务的处理进度可能会受到服务器资源、网络延迟、任务类型和服务器负载等多个因素的影响；因此，任务进度的精确预测对于有效的任务调度、资源分配和性能优化至关重要。

2、目前，缺乏针对多任务计划进度进行预测系统及方法，现有的系统及方法大多根据多个任务直接进行云服务器调度设计，例如授权公告号为cn111371856b的中国专利公开了一种云计算任务调度方法、装置、云计算系统及服务器；上述方法以及现有技术虽能减少业务等待时间，但缺本文档来自技高网...

【技术保护点】

1.基于梯度提升决策树的多任务计划进度预测系统，其特征在于，所述系统包括：

2.根据权利要求1所述的基于梯度提升决策树的多任务计划进度预测系统，其特征在于，所述历史任务进度样本数据包括自变量数据和因变量数据，所述自变量数据包括任务相关数据、服务器相关数据以及其他相关数据；所述任务相关数据包括M个任务的任务标识、每个任务的任务数据量、每个任务的数据类型，所述数据类型包括整型、浮点型、字符型和布尔型；所述服务器相关数据包括每个任务由系统分配的云计算节点的节点标识、N个云计算节点的硬件规格、每个云计算节点的性能指标、每个云计算节点的当前任务量以及每个云计算节点的当前可用计算资源；所...

【技术特征摘要】

1.基于梯度提升决策树的多任务计划进度预测系统，其特征在于，所述系统包括：

2.根据权利要求1所述的基于梯度提升决策树的多任务计划进度预测系统，其特征在于，所述历史任务进度样本数据包括自变量数据和因变量数据，所述自变量数据包括任务相关数据、服务器相关数据以及其他相关数据；所述任务相关数据包括m个任务的任务标识、每个任务的任务数据量、每个任务的数据类型，所述数据类型包括整型、浮点型、字符型和布尔型；所述服务器相关数据包括每个任务由系统分配的云计算节点的节点标识、n个云计算节点的硬件规格、每个云计算节点的性能指标、每个云计算节点的当前任务量以及每个云计算节点的当前可用计算资源；所述硬件规格包括cpu型号、核数和内存容量；所述性能指标包括处理器速度、内存带宽和硬盘i/o速度；所述其他相关数据包括网络延迟、网络带宽和网络传输速度；所述因变量数据包括每个云计算节点的任务计划进度，m、n为大于零的正整数。

3.根据权利要求2所述的基于梯度提升决策树的多任务计划进度预测系统，其特征在于，所述每个云计算节点的任务计划进度的获取逻辑如下：

4.根据权利要求3所述的基于梯度提升决策树的多任务计划进度预测系统，其特征在于，所述历史节点确定样本数据包括每个云计算节点的任务计划进度；所述历史节点确定样本数据分为带正标签的节点样本数据集和带负标签的节点样本数据集每秒消耗的资源。

5.根据权利要求4所述的基于梯度提升决策树的多任务计划进度预测系统，其特征在于，所述正标签和负标签的确定逻辑为：

6.根据权利要求5所述的基于梯度提升决...

【专利技术属性】
技术研发人员：高硕，肖龙斌，姜阳，史艳超，程丹丹，王文博，李新新，苏琳，黄寅，
申请(专利权)人：中国电子科技集团公司第十五研究所，
类型：发明
国别省市：