【技术实现步骤摘要】
本专利技术涉及数据处理，具体涉及基于机器学习的节点负载匹配方法及系统。
技术介绍
1、目前，在集群节点上进行请求处理时，由于节点负载不均衡的限制，导致一些节点在处理请求时响应不及时，间接导致请求可能需要花费更长的时间才能得到处理结果。
2、同时，由于节点负载差异，导致集群节点在请求执行过程中的运行稳定性较差，可能间接导致在节点处理请求的过程中出现故障或错误，导致请求无法顺利执行。
3、综上所述，现有技术基于集群节点进行请求处理过程中，受制于节点负载不均衡，存在集群节点进行请求处理的响应不及时且集群节点在请求执行过程的运行稳定性较差的技术问题。
技术实现思路
1、本申请提供了基于机器学习的节点负载匹配方法及系统，用于针对解决现有技术基于集群节点进行请求处理过程中，受制于节点负载不均衡，存在集群节点进行请求处理的响应不及时且集群节点在请求执行过程的运行稳定性较差的技术问题。
2、鉴于上述问题，本申请提供了基于机器学习的节点负载匹配方法及系统。
3、本申请的第一个方面，提供了基于机器学习的节点负载匹配方法，所述方法包括：获取集群节点拓扑网络；建立所述集群节点拓扑网络的服务目标，并对所述服务目标的历史请求进行采集，输出历史请求样本集；通过对所述历史请求样本集进行聚类算子识别，获取聚类散度，其中，所述聚类散度用于表示所述历史请求样本集中请求类型的离散程度；当所述聚类散度大于等于预设聚类散度，标识所述历史请求样本集在所述集群节点拓扑网络中各个节点
4、本申请的第二个方面，提供了基于机器学习的节点负载匹配系统，所述系统包括：拓扑网络交互单元，用于获取集群节点拓扑网络；服务目标建立单元，用于建立所述集群节点拓扑网络的服务目标，并对所述服务目标的历史请求进行采集，输出历史请求样本集；聚类散度识别单元，用于通过对所述历史请求样本集进行聚类算子识别，获取聚类散度，其中，所述聚类散度用于表示所述历史请求样本集中请求类型的离散程度；路径样本标识单元，用于当所述聚类散度大于等于预设聚类散度，标识所述历史请求样本集在所述集群节点拓扑网络中各个节点输入输出的路径样本集；冗余识别执行单元，用于按照所述路径样本集进行路径负载冗余识别，标识路径负载冗余度大于预设路径负载冗余度的预设请求类型；请求匹配执行单元，用于根据所述预设请求类型配置动态调度器，根据所述动态调度器将实时请求与所述预设请求类型进行匹配，若匹配成功将所述实时请求的路径进行节点跳转。
5、本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
6、本申请实施例提供的方法通过获取集群节点拓扑网络；建立所述集群节点拓扑网络的服务目标，并对所述服务目标的历史请求进行采集，输出历史请求样本集；通过对所述历史请求样本集进行聚类算子识别，获取聚类散度，其中，所述聚类散度用于表示所述历史请求样本集中请求类型的离散程度；当所述聚类散度大于等于预设聚类散度，标识所述历史请求样本集在所述集群节点拓扑网络中各个节点输入输出的路径样本集；按照所述路径样本集进行路径负载冗余识别，标识路径负载冗余度大于预设路径负载冗余度的预设请求类型；根据所述预设请求类型配置动态调度器，根据所述动态调度器将实时请求与所述预设请求类型进行匹配，若匹配成功将所述实时请求的路径进行节点跳转。达到了提高集群节点进行请求执行过程的节点负载均衡性，提高集群节点进行请求执行的执行效率以及集群节点对应计算机系统运行稳定性的技术效果。
本文档来自技高网...【技术保护点】
1.基于机器学习的节点负载匹配方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，对所述集群节点拓扑网络进行节点层划分，确定包括中心节点、边缘节点以及客户端节点；
3.如权利要求2所述的方法，其特征在于，所述按照所述路径样本集进行路径负载冗余识别，包括：
4.如权利要求3所述的方法，其特征在于，若匹配边缘节点的数量大于等于2，将匹配边缘节点对应的负载指标进行加权，输出路径负载冗余度；
5.如权利要求1所述的方法，其特征在于，当所述聚类散度小于所述预设聚类散度，对所述集群节点拓扑网络中的各个节点进行实时负载计算，获取各个节点的实时负载指标；
6.如权利要求3所述的方法，其特征在于，所述方法还包括：
7.基于机器学习的节点负载匹配系统，其特征在于，用于实施权利要求1至6中任意一项所述方法的步骤，包括：
【技术特征摘要】
1.基于机器学习的节点负载匹配方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，对所述集群节点拓扑网络进行节点层划分，确定包括中心节点、边缘节点以及客户端节点；
3.如权利要求2所述的方法，其特征在于，所述按照所述路径样本集进行路径负载冗余识别，包括：
4.如权利要求3所述的方法，其特征在于，若匹配边缘节点的数量大于等于2，将匹配边缘节点...
【专利技术属性】
技术研发人员：孙涵，刘壮，周峥，梁逸爽，王明清，秦莉兰，
申请(专利权)人：无锡九方科技有限公司，
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。