【技术实现步骤摘要】
本专利技术涉及数据处理领域，具体而言，涉及一种基于人工智能的多线协同调度方法及设备。
技术介绍
1、ai中台中，需要采用多线协同，通过动态资源分配优化计算任务执行效率与资源利用率；现有的调度方法中，通常采用静态资源池划分策略或基于单一决策模型（如仅依赖资源负载指标或任务优先级）进行任务分配，且在调度过程中将资源预测与任务分配作为独立环节处理；但在现有方法中，资源预测模型无法实时捕捉动态资源占用的波动特征（如突发任务引发的负载峰值），导致预测结果滞后于实际资源状态，任务分配模型因缺乏前置资源容量评估而可能将高优先级任务分配至即将满载的节点，引发任务执行中断或资源争抢冲突；同时，传统方法中资源预测与任务分配环节割裂，无法形成闭环反馈，使得调度策略无法根据实时任务执行数据进行动态优化，导致资源闲置率升高与任务截止时间违约风险加剧。
技术实现思路
1、本专利技术提供了一种基于人工智能的多线协同调度方法及设备。
2、第一方面，本专利技术实施例提供了一种基于人工智能的多线协同调度方法，所述...
【技术保护点】
1.一种基于人工智能的多线协同调度方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述资源需求类型和执行约束条件，通过所述当前遍历层级节点关联的资源预测模型或任务分配模型，生成与所述当前遍历层级节点对应的资源分配指令，包括：
3.根据权利要求2所述的方法，其特征在于，所述从所述资源调度拓扑图的历史资源数据集中提取与所述资源需求类型匹配的动态占用特征集，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述动态占用特征集对所述资源预测模型进行实时输入适配，生成所述目标资源节点的预测资源占用率
【技术特征摘要】
1.一种基于人工智能的多线协同调度方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述资源需求类型和执行约束条件，通过所述当前遍历层级节点关联的资源预测模型或任务分配模型，生成与所述当前遍历层级节点对应的资源分配指令，包括：
3.根据权利要求2所述的方法，其特征在于，所述从所述资源调度拓扑图的历史资源数据集中提取与所述资源需求类型匹配的动态占用特征集，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述动态占用特征集对所述资源预测模型进行实时输入适配，生成所述目标资源节点的预测...
【专利技术属性】
技术研发人员：孙焕钦，余博，陈正池，卢春静，付光亮，
申请(专利权)人：贵州道坦坦科技股份有限公司，
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。