CN118193225B 基于机器学习的云计算任务自适应调度方法 （天翼云科技有限公司）_第1页
CN118193225B 基于机器学习的云计算任务自适应调度方法 （天翼云科技有限公司）_第2页
CN118193225B 基于机器学习的云计算任务自适应调度方法 （天翼云科技有限公司）_第3页
CN118193225B 基于机器学习的云计算任务自适应调度方法 （天翼云科技有限公司）_第4页
CN118193225B 基于机器学习的云计算任务自适应调度方法 （天翼云科技有限公司）_第5页
已阅读5页，还剩20页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于机器学习的云计算任务自适应调度方法本发明涉及一种基于机器学习的云计算任行任务的时间负载最小，减少任务执行时间开22.根据权利要求1所述的一种基于机器学习的云计算任务自适应调度方法，其特征在3.根据权利要求2所述的一种基于机器学习的云计算任务自适应调度方法，其特征在4.根据权利要求3所述的一种基于机器学习的云计算任务自适应调度方法，其特征在其中，ser_n为第num台计算服务器的CPU颗数；ser_cor为第num台num_j表示第num台计算服务器上的第j个虚拟机资源的vcpu5.根据权利要求3所述的一种基于机器学习的云计算任务自适应调度方法，其特征在6.根据权利要求1所述的一种基于机器学习的云计算任务自适应调度方法，其特征在37.根据权利要求6所述的一种基于机器学习的云计算任务自适应调度方法，其特征在8.根据权利要求1所述的一种基于机器学习的云计算任务自适应调度方法，其特征在9.根据权利要求8所述的一种基于机器学习的云计算任务自适应调度方法，其特征在4[0010]S4，计算各个云计算任务的特征向量以及三类资源的聚类中心的皮尔逊相关系5j6以根据需求偏好选择合适类型的云资源，提高资源利用率的同时减少资源调度的时间开[0033]图1为本发明实施例提供的基于机器学习的云计算任务自适应调度方法的第一流[0034]图2为本发明实施例提供的基于机器学习的云计算任务自适应调度方法的第二流[0035]图3为本发明实施例提供的基于机器学习的云计算任务自适应调度方法的架构7示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限理解上述术语在本发明中的具体含义。[0046]S4，计算各个云计算任务的特征向量以及三类资源的聚类中心的皮尔逊相关系8num台计算服务器上的第j个虚拟机资源的计算述虚拟机资源的存储能力。IOPS可以视为是每秒的读写次数。虚拟机资源挂载的云盘的盘的IOPS记为stor_cdj，第j个虚拟机资源的存储性能同时还受当前虚拟机资源挂载的云w1],w2],[cal3,storc3,bwc3].将三类聚类中心编码成实数编码遗传基因串x＝[calc1,storc1,9[0075]按照概率randβ从种群P(t-1)中选择个体进行交配。随机选择两个父代个体xj(i1)、通过GA算法搜索到的三类虚拟资源的最优迭代阈值ε。cC:,C:,C"?分别作为FCM聚类算法的三类初始聚类中心W,W,W",进行迭第j个资源划分到该聚类中。据ECSl的资源配置情况，记第l台云主机ECSl处理任务Mi需要的时间为4.X,由于每个虚拟[0115]依次对knp台云主机承载任务Mi时间负载进行计算，得到时间负载矩阵lod=

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论