(10)申請(qǐng)公布號(hào)CN120256114A(71)申請(qǐng)人蘇州元腦智能科技有限公司地址215124江蘇省蘇州市吳中經(jīng)濟(jì)開(kāi)發(fā)區(qū)郭巷街道官浦路1號(hào)9幢(72)發(fā)明人劉程程(74)專(zhuān)利代理機(jī)構(gòu)北京法勝知識(shí)產(chǎn)權(quán)代理有限公司11922專(zhuān)利代理師韓麗娜(54)發(fā)明名稱(chēng)服務(wù)器的資源調(diào)度方法和電子設(shè)備本申請(qǐng)公開(kāi)了一種服務(wù)器的資源調(diào)度方法和電子設(shè)備，涉及網(wǎng)絡(luò)優(yōu)化技術(shù)領(lǐng)域，在特征提取階段引入基于歷史負(fù)載數(shù)據(jù)的時(shí)間特征和基于相鄰服務(wù)器的負(fù)載相關(guān)性的空間特征，全面地捕捉服務(wù)器負(fù)載的動(dòng)態(tài)變化規(guī)律及集群環(huán)境的協(xié)同影響，提升預(yù)測(cè)模型的輸入信息豐富性和上下文感知能力。通過(guò)負(fù)載預(yù)測(cè)模型對(duì)目標(biāo)時(shí)刻負(fù)載數(shù)據(jù)的預(yù)測(cè)，結(jié)合任務(wù)類(lèi)型權(quán)重對(duì)服務(wù)器負(fù)載狀態(tài)加權(quán)計(jì)算，量化評(píng)估不同任務(wù)類(lèi)型對(duì)服務(wù)器資源的實(shí)際占用需求，基于負(fù)載狀態(tài)與分配優(yōu)先級(jí)的反比關(guān)系動(dòng)態(tài)調(diào)整任務(wù)分配策略。本申請(qǐng)能夠解決無(wú)法根據(jù)任務(wù)負(fù)載的波動(dòng)和資源消耗的變化，在短時(shí)間內(nèi)對(duì)負(fù)載均衡策略做出優(yōu)化的問(wèn)2對(duì)服務(wù)器的監(jiān)控?cái)?shù)據(jù)進(jìn)行特征提取，得到時(shí)間特征及空間特征；其中，所述時(shí)間特征包括歷史負(fù)載數(shù)據(jù)的統(tǒng)計(jì)特征，所述空間特征包括所述服務(wù)器的相鄰服務(wù)器的負(fù)載相關(guān)性特將所述時(shí)間特征及所述空間特征輸入負(fù)載預(yù)測(cè)模型進(jìn)行服務(wù)器負(fù)載預(yù)測(cè)，得到所述服務(wù)器目標(biāo)時(shí)刻的負(fù)載預(yù)測(cè)結(jié)果；基于所述負(fù)載預(yù)測(cè)結(jié)果以及所述服務(wù)器任務(wù)類(lèi)型動(dòng)態(tài)調(diào)整任務(wù)的資源分配和調(diào)度策2.根據(jù)權(quán)利要求1所述的服務(wù)器的資源調(diào)度方法，其特征在于，所述對(duì)服務(wù)器的監(jiān)控?cái)?shù)據(jù)進(jìn)行特征提取，得到時(shí)間特征及空間特征包括：在預(yù)設(shè)數(shù)據(jù)庫(kù)中獲取預(yù)設(shè)數(shù)量的時(shí)間步對(duì)應(yīng)的所述監(jiān)控?cái)?shù)據(jù)；其中，所述監(jiān)控?cái)?shù)據(jù)包括所述服務(wù)器的負(fù)載數(shù)據(jù)及所述相鄰服務(wù)器的網(wǎng)絡(luò)流量數(shù)據(jù)；在各個(gè)所述時(shí)間步的監(jiān)控?cái)?shù)據(jù)中提取所述歷史負(fù)載數(shù)據(jù)的統(tǒng)計(jì)特征，及提取所述相鄰服務(wù)器的網(wǎng)絡(luò)流量及負(fù)載依賴(lài)，得到各個(gè)所述時(shí)間步的時(shí)間特征及空間特征；所述將所述時(shí)間特征及所述空間特征輸入負(fù)載預(yù)測(cè)模型進(jìn)行服務(wù)器負(fù)載預(yù)測(cè)，得到所述服務(wù)器目標(biāo)時(shí)刻的負(fù)載預(yù)測(cè)結(jié)果包括：將所述預(yù)設(shè)數(shù)量的時(shí)間步輸入所述負(fù)載預(yù)測(cè)模型。3.根據(jù)權(quán)利要求1所述的服務(wù)器的資源調(diào)度方法，其特征在于，在基于所述負(fù)載預(yù)測(cè)結(jié)果以及所述服務(wù)器任務(wù)類(lèi)型動(dòng)態(tài)調(diào)整任務(wù)的資源分配和調(diào)度策略之前，所述方法還包括：基于所述負(fù)載預(yù)測(cè)結(jié)果及所述服務(wù)器的任務(wù)類(lèi)型的權(quán)重，通過(guò)加權(quán)求和計(jì)算所述服務(wù)器的負(fù)載狀態(tài)；所述基于所述負(fù)載預(yù)測(cè)結(jié)果以及所述服務(wù)器任務(wù)類(lèi)型動(dòng)態(tài)調(diào)整任務(wù)的資源分配和調(diào)度策略包括：根據(jù)所述負(fù)載狀態(tài)，動(dòng)態(tài)調(diào)整任務(wù)的資源分配和調(diào)度策略；其中，所述負(fù)載狀態(tài)與所述服務(wù)器的分配優(yōu)先級(jí)成反比。4.根據(jù)權(quán)利要求3所述的服務(wù)器的資源調(diào)度方法，其特征在于，所述基于所述預(yù)測(cè)負(fù)載數(shù)據(jù)及所述服務(wù)器的任務(wù)類(lèi)型的權(quán)重，通過(guò)加權(quán)求和計(jì)算所述服務(wù)器的負(fù)載狀態(tài)包括：對(duì)所述預(yù)測(cè)負(fù)載數(shù)據(jù)進(jìn)行歸一化處理，消除量綱差異；基于歸一化處理后的所述預(yù)測(cè)負(fù)載數(shù)據(jù)及所述任務(wù)類(lèi)型的權(quán)重，加權(quán)求和計(jì)算所述服務(wù)器的綜合負(fù)載評(píng)分；基于預(yù)設(shè)閾值及所述綜合負(fù)載評(píng)分，確定所述服務(wù)器的負(fù)載狀態(tài)。5.根據(jù)權(quán)利要求4所述的服務(wù)器的資源調(diào)度方法，其特征在于，所述根據(jù)所述負(fù)載狀態(tài)，動(dòng)態(tài)調(diào)整任務(wù)的資源分配和調(diào)度策略還包括：基于待分配任務(wù)的任務(wù)類(lèi)型及所述待分配任務(wù)的優(yōu)先級(jí)，將所述待分配任務(wù)分配至處理任務(wù)類(lèi)型相同，且負(fù)載狀態(tài)為低負(fù)載的服務(wù)器；其中，所述待分配任務(wù)的優(yōu)先級(jí)越高，分配的服務(wù)器的綜合負(fù)載評(píng)分越低；和/或基于所述待分配任務(wù)的服務(wù)器性能需求，將所述待分配任務(wù)分配至滿足所述服務(wù)器性能需求，且負(fù)載狀態(tài)為所述低負(fù)載的服務(wù)器；其中，所述服務(wù)器性能需求包括算力需求及存3基于服務(wù)器的分配優(yōu)先級(jí)，將所述待分配任務(wù)按照所述分配優(yōu)先級(jí)進(jìn)行分配；其中，所述分配優(yōu)先級(jí)為根據(jù)服務(wù)器剩余容量及所述綜合負(fù)載評(píng)分計(jì)算得到的。6.根據(jù)權(quán)利要求3所述的服務(wù)器的資源調(diào)度方法，其特征在于，在基于所述預(yù)測(cè)負(fù)載數(shù)據(jù)及所述服務(wù)器的任務(wù)類(lèi)型的權(quán)重，通過(guò)加權(quán)求和計(jì)算所述服務(wù)器的負(fù)載狀態(tài)之后，所述方法還包括：在確定所述服務(wù)器的負(fù)載狀態(tài)為高負(fù)載時(shí)，在所述服務(wù)器中，確定遷移成本低于預(yù)設(shè)遷移成本閾值的待處理任務(wù)；其中，所述遷移成本為根據(jù)任務(wù)資源占用及遷移時(shí)間計(jì)算得將所述待處理任務(wù)遷移至負(fù)載狀態(tài)為所述低負(fù)載的相鄰服務(wù)器中。7.根據(jù)權(quán)利要求1所述的服務(wù)器的資源調(diào)度方法，其特征在于，在將所述時(shí)間特征及所述空間特征輸入負(fù)載預(yù)測(cè)模型進(jìn)行服務(wù)器負(fù)載預(yù)測(cè)，得到所述服務(wù)器目標(biāo)時(shí)刻的負(fù)載預(yù)測(cè)獲取所述目標(biāo)時(shí)刻的真實(shí)負(fù)載數(shù)據(jù)，基于均方誤差計(jì)算所述預(yù)測(cè)負(fù)載數(shù)據(jù)與所述真實(shí)負(fù)載數(shù)據(jù)之間的誤差；基于所述誤差計(jì)算所述負(fù)載預(yù)測(cè)模型中每個(gè)參數(shù)的梯度信息；基于所述梯度信息，更新所述負(fù)載預(yù)測(cè)模型中的所述參數(shù)。8.根據(jù)權(quán)利要求7所述的服務(wù)器的資源調(diào)度方法，其特征在于，在獲取所述目標(biāo)時(shí)刻的真實(shí)負(fù)載數(shù)據(jù)，基于均方誤差計(jì)算所述預(yù)測(cè)負(fù)載數(shù)據(jù)與所述真實(shí)負(fù)載數(shù)據(jù)之間的誤差之在所述預(yù)測(cè)負(fù)載數(shù)據(jù)與所述真實(shí)負(fù)載數(shù)據(jù)之間的誤差大于預(yù)設(shè)誤差閾值時(shí)，基于所述真實(shí)負(fù)載數(shù)據(jù)重新執(zhí)行所述待分配任務(wù)的分配。9.根據(jù)權(quán)利要求1-8中任一項(xiàng)所述的服務(wù)器的資源調(diào)度方法，其特征在于，負(fù)載預(yù)測(cè)模型的輸入維度與隱藏層維度維度相同。處理器，用于執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至9任一項(xiàng)所述服務(wù)器的資源調(diào)度方法的步驟。4服務(wù)器的資源調(diào)度方法和電子設(shè)備技術(shù)領(lǐng)域[0001]本申請(qǐng)涉及網(wǎng)絡(luò)優(yōu)化技術(shù)領(lǐng)域，尤其涉及服務(wù)器的資源調(diào)度方法和電子設(shè)備。背景技術(shù)[0002]隨著云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)等技術(shù)的快速發(fā)展，數(shù)據(jù)中心的規(guī)模急劇擴(kuò)大，服務(wù)器的計(jì)算能力和資源的使用需求也隨之增大。[0003]目前，服務(wù)器的資源調(diào)度主要依賴(lài)靜態(tài)的負(fù)載均衡策略，該種調(diào)度方法雖然能夠在一定程度上實(shí)現(xiàn)對(duì)服務(wù)器負(fù)載的調(diào)整，但隨著任務(wù)負(fù)載的波動(dòng)和資源消耗的變化，該種方法無(wú)法在短時(shí)間內(nèi)對(duì)負(fù)載均衡策略做出優(yōu)化的調(diào)整，導(dǎo)致出現(xiàn)服務(wù)器過(guò)度負(fù)載或服務(wù)器資源浪費(fèi)的情況。發(fā)明內(nèi)容[0004]本申請(qǐng)?zhí)峁┝艘环N服務(wù)器的資源調(diào)度方法和電子設(shè)備，以至少解決相關(guān)技術(shù)中無(wú)法在短時(shí)間內(nèi)對(duì)負(fù)載均衡策略做出優(yōu)化的調(diào)整，導(dǎo)致出現(xiàn)服務(wù)器過(guò)度負(fù)載或服務(wù)器資源浪費(fèi)的情況的問(wèn)題。[0006]對(duì)服務(wù)器的監(jiān)控?cái)?shù)據(jù)進(jìn)行特征提取，得到時(shí)間特征及空間特征；其中，時(shí)間特征包括歷史負(fù)載數(shù)據(jù)的統(tǒng)計(jì)特征，空間特征包括服務(wù)器的相鄰服務(wù)器的負(fù)載相關(guān)性特征；[0007]將時(shí)間特征及空間特征輸入負(fù)載預(yù)測(cè)模型進(jìn)行服務(wù)器負(fù)載預(yù)測(cè)，得到服務(wù)器目標(biāo)時(shí)刻的負(fù)載預(yù)測(cè)結(jié)果；[0008]基于負(fù)載預(yù)測(cè)結(jié)果以及服務(wù)器任務(wù)類(lèi)型動(dòng)態(tài)調(diào)整任務(wù)的資源分配和調(diào)度策略。[0009]本申請(qǐng)還提供了一種服務(wù)器的資源調(diào)度裝置，[0010]特征提取單元，用于對(duì)服務(wù)器的監(jiān)控?cái)?shù)據(jù)進(jìn)行特征提取，得到時(shí)間特征及空間特征；其中，時(shí)間特征包括歷史負(fù)載數(shù)據(jù)的統(tǒng)計(jì)特征，空間特征包括服務(wù)器的相鄰服務(wù)器的負(fù)載相關(guān)性特征；[0011]預(yù)測(cè)單元，用于將時(shí)間特征及空間特征輸入負(fù)載預(yù)測(cè)模型進(jìn)行服務(wù)器負(fù)載預(yù)測(cè)，得到服務(wù)器目標(biāo)時(shí)刻的負(fù)載預(yù)測(cè)結(jié)果；[0012]調(diào)整單元，用于基于負(fù)載預(yù)測(cè)結(jié)果以及服務(wù)器任務(wù)類(lèi)型動(dòng)態(tài)調(diào)整任務(wù)的資源分配和調(diào)度策略。執(zhí)行計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述任一種服務(wù)器的資源調(diào)度方法的步驟。[0014]本申請(qǐng)還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序，其中，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述任一種服務(wù)器的資源調(diào)度方法的步驟。[0015]本申請(qǐng)還提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述任一種服務(wù)器的資源調(diào)度方法的步驟。[0016]通過(guò)本申請(qǐng)，由于在特征提取階段同時(shí)引入了基于歷史負(fù)載數(shù)據(jù)的時(shí)間特征和基5于相鄰服務(wù)器的負(fù)載相關(guān)性的空間特征，能夠更全面地捕捉服務(wù)器負(fù)載的動(dòng)態(tài)變化規(guī)律及集群環(huán)境的協(xié)同影響，提升預(yù)測(cè)模型的輸入信息豐富性和上下文感知能力。通過(guò)負(fù)載預(yù)測(cè)模型對(duì)目標(biāo)時(shí)刻負(fù)載數(shù)據(jù)的預(yù)測(cè)，結(jié)合任務(wù)類(lèi)型權(quán)重對(duì)服務(wù)器負(fù)載狀態(tài)進(jìn)行加權(quán)計(jì)算，量化評(píng)估不同任務(wù)類(lèi)型對(duì)服務(wù)器資源的實(shí)際占用需求，進(jìn)而基于負(fù)載狀態(tài)與分配優(yōu)先級(jí)的反比關(guān)系動(dòng)態(tài)調(diào)整任務(wù)分配策略。因此，本申請(qǐng)能夠解決無(wú)法根據(jù)任務(wù)負(fù)載的波動(dòng)和資源消耗的變化，在短時(shí)間內(nèi)對(duì)負(fù)載均衡策略做出優(yōu)化的問(wèn)題，實(shí)現(xiàn)服務(wù)器集群資源的精細(xì)化調(diào)度和任務(wù)分配效率的協(xié)同優(yōu)化。附圖說(shuō)明[0017]為了更清楚地說(shuō)明本申請(qǐng)實(shí)施例，下面將對(duì)實(shí)施例中所需要使用的附圖做簡(jiǎn)單的介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本申請(qǐng)的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。[0018]圖1為本申請(qǐng)實(shí)施例所提供的一種服務(wù)器的資源調(diào)度方法的流程示意圖；[0019]圖2為本申請(qǐng)實(shí)施例所提供的一種服務(wù)器的資源調(diào)度方法示意圖；[0020]圖3為本申請(qǐng)實(shí)施例所提供的一種服務(wù)器的資源調(diào)度方法的流程示意圖；[0021]圖4為本申請(qǐng)實(shí)施例提供的一種服務(wù)器的資源調(diào)度裝置的結(jié)構(gòu)示意圖；[0022]圖5為本申請(qǐng)實(shí)施例提供的一種服務(wù)器的資源調(diào)度裝置的結(jié)構(gòu)示意圖。具體實(shí)施方式[0023]以下結(jié)合附圖對(duì)本公開(kāi)的示范性實(shí)施例做出說(shuō)明，其中包括本公開(kāi)實(shí)施例的各種細(xì)節(jié)以助于理解，應(yīng)當(dāng)將它們認(rèn)為僅僅是示范性的。因此，本領(lǐng)域普通技術(shù)人員應(yīng)當(dāng)認(rèn)識(shí)到，可以對(duì)這里描述的實(shí)施例做出各種改變和修改，而不會(huì)背離本公開(kāi)的范圍和精神。同樣，為了清楚和簡(jiǎn)明，以下的描述中省略了對(duì)公知功能和結(jié)構(gòu)的描述。[0024]下面參考附圖描述本公開(kāi)實(shí)施例的服務(wù)器的資源調(diào)度方法和電子設(shè)備。[0025]圖1為本申請(qǐng)實(shí)施例所提供的一種服務(wù)器的資源調(diào)度方法的流程示意圖。[0027]步驟101,對(duì)服務(wù)器的監(jiān)控?cái)?shù)據(jù)進(jìn)行特征提取，得到時(shí)間特征及空間特征；其中，所述時(shí)間特征包括歷史負(fù)載數(shù)據(jù)的統(tǒng)計(jì)特征，所述空間特征包括所述服務(wù)器的相鄰服務(wù)器的負(fù)載相關(guān)性特征。[0028]在服務(wù)器資源管理與任務(wù)調(diào)度中，特征提取旨在捕捉服務(wù)器負(fù)載的動(dòng)態(tài)變化規(guī)期性等，用于反映服務(wù)器負(fù)載隨時(shí)間的變化規(guī)律，例如平均負(fù)載水平、波動(dòng)程度、極值范圍以及長(zhǎng)期變化趨勢(shì)和周期性模式。空間特征則通過(guò)分析服務(wù)器與其相鄰服務(wù)器之間的負(fù)載相關(guān)性來(lái)提取，包括負(fù)載相關(guān)性系數(shù)、相鄰服務(wù)器的負(fù)載分布以及集群整體負(fù)載均衡狀態(tài)等，用于反映服務(wù)器在集群環(huán)境中的協(xié)同效應(yīng)和負(fù)載分布情況。[0029]通過(guò)結(jié)合時(shí)間特征和空間特征，能夠全面捕捉服務(wù)器負(fù)載的時(shí)空動(dòng)態(tài)變化，為負(fù)載預(yù)測(cè)和任務(wù)分配提供更精準(zhǔn)的數(shù)據(jù)支持。[0030]步驟102,將所述時(shí)間特征及所述空間特征輸入負(fù)載預(yù)測(cè)模型進(jìn)行服務(wù)器負(fù)載預(yù)測(cè)，得到所述服務(wù)器目標(biāo)時(shí)刻的負(fù)載預(yù)測(cè)結(jié)果。6[0031]時(shí)間特征(如歷史負(fù)載數(shù)據(jù)的均值、方差、趨勢(shì)和周期性)提供了服務(wù)器負(fù)載隨時(shí)間變化的規(guī)律性信息，幫助模型理解負(fù)載的歷史行為；空間特征(如相鄰服務(wù)器的負(fù)載相關(guān)性系數(shù)和集群負(fù)載分布)反映了服務(wù)器在集群環(huán)境中的協(xié)同效應(yīng)和負(fù)載分布情況，增強(qiáng)了模型對(duì)集群動(dòng)態(tài)的感知能力。通過(guò)將這兩類(lèi)特征共同輸入負(fù)載預(yù)測(cè)模型，負(fù)載預(yù)測(cè)模型能夠綜合考慮時(shí)間維度的變化規(guī)律和空間維度的環(huán)境影響，從而更準(zhǔn)確地預(yù)測(cè)目標(biāo)時(shí)刻的服務(wù)器負(fù)載狀態(tài)。[0032]在一些實(shí)施例中，負(fù)載預(yù)測(cè)模型可為長(zhǎng)短期記憶網(wǎng)絡(luò)(LongShort-TermMemory,LSTM),LSTM模型不僅處理時(shí)間維度的信息，還通過(guò)時(shí)空特征融合處理空間信息。[0033]負(fù)載預(yù)測(cè)模型的預(yù)測(cè)結(jié)果為后續(xù)的任務(wù)分配和資源調(diào)度提供了重要依據(jù)，助于實(shí)現(xiàn)服務(wù)器資源的精細(xì)化管理和高效利用。[0034]步驟103,基于所述負(fù)載預(yù)測(cè)結(jié)果以及所述服務(wù)器任務(wù)類(lèi)型動(dòng)態(tài)調(diào)整任務(wù)的資源分配和調(diào)度策略。[0035]在一些實(shí)施例中，根據(jù)負(fù)載預(yù)測(cè)結(jié)果，識(shí)別出當(dāng)前和未來(lái)一段時(shí)間內(nèi)負(fù)載較低的服務(wù)器，并結(jié)合任務(wù)類(lèi)型(如計(jì)算密集型、存儲(chǔ)密集型或網(wǎng)絡(luò)密集型)的需求特性，將任務(wù)分配到最適合的服務(wù)器上。例如，計(jì)算密集型任務(wù)優(yōu)先分配到CPU資源充足的服務(wù)器，而存儲(chǔ)密集型任務(wù)則分配到存儲(chǔ)資源豐富的服務(wù)器。[0036]通過(guò)引入任務(wù)類(lèi)型的權(quán)重系數(shù)，對(duì)不同任務(wù)類(lèi)型對(duì)服務(wù)器資源的占用情況進(jìn)行量化評(píng)估，確保高優(yōu)先級(jí)任務(wù)能夠優(yōu)先獲得資源支持，同時(shí)避免低優(yōu)先級(jí)任務(wù)占用過(guò)多資源。在一些實(shí)施例中，動(dòng)態(tài)監(jiān)控服務(wù)器負(fù)載的變化情況，實(shí)時(shí)調(diào)整任務(wù)分配策略，例如在某一服務(wù)器負(fù)載突然增加時(shí)，將部分任務(wù)遷移到負(fù)載較低的服務(wù)器，或在集群整體負(fù)載較低時(shí)，充分利用空閑資源執(zhí)行低優(yōu)先級(jí)任務(wù)。通過(guò)這種動(dòng)態(tài)調(diào)整機(jī)制，能夠有效避免服務(wù)器過(guò)載或資源浪費(fèi)，提升資源利用率和任務(wù)執(zhí)行效率，從而實(shí)現(xiàn)服務(wù)器集群的智能化調(diào)度和優(yōu)化管[0037]在一些實(shí)施例中，在執(zhí)行步驟101之前，在一個(gè)數(shù)據(jù)中心的各個(gè)服務(wù)器節(jié)點(diǎn)上，部署傳感器和監(jiān)控工具，實(shí)時(shí)收集服務(wù)器的資源使用情況。請(qǐng)參閱圖2,圖2為本申請(qǐng)實(shí)施例所提供的一種服務(wù)器的資源調(diào)度方法示意圖，如圖2所示，啟動(dòng)數(shù)據(jù)收集模塊，定期采集實(shí)時(shí)等；請(qǐng)參閱表1,表1為本申請(qǐng)實(shí)施例所提供的一種服務(wù)器資源使用數(shù)據(jù)表；記錄時(shí)間當(dāng)前時(shí)刻CPU的使用率當(dāng)前時(shí)刻內(nèi)存的使用率當(dāng)前時(shí)刻硬盤(pán)使用情況網(wǎng)絡(luò)接收帶寬使用情況網(wǎng)絡(luò)發(fā)送帶寬使用情況[0041]任務(wù)執(zhí)行狀態(tài)數(shù)據(jù)：包括任務(wù)類(lèi)型、優(yōu)先級(jí)、執(zhí)行時(shí)長(zhǎng)、狀態(tài)(如運(yùn)行中、已完成等);請(qǐng)參閱表2,表2為本申請(qǐng)實(shí)施例所提供的一種任務(wù)信息表：7任務(wù)類(lèi)型(如計(jì)算任務(wù)、存儲(chǔ)任務(wù)等)任務(wù)優(yōu)先級(jí)任務(wù)開(kāi)始時(shí)間任務(wù)結(jié)束時(shí)間成”、“失敗”)[0044]歷史負(fù)載數(shù)據(jù)：為L(zhǎng)STM模型提供訓(xùn)練數(shù)據(jù)，用于負(fù)載預(yù)測(cè)；請(qǐng)參閱表3,表3為本申請(qǐng)實(shí)施例所提供的一種歷史負(fù)載數(shù)據(jù)表：[0046]server_id服務(wù)器唯一標(biāo)識(shí)符timestamp記錄時(shí)間cpu_usageCPU使用率memory_usage內(nèi)存使用率disk_usage磁盤(pán)使用率network_in網(wǎng)絡(luò)接收帶寬使用情況network_out網(wǎng)絡(luò)發(fā)送帶寬使用情況[0047]空間負(fù)載數(shù)據(jù)：存儲(chǔ)不同服務(wù)器之間的負(fù)載關(guān)系，用于建?？臻g特征請(qǐng)參閱表4,表4為本申請(qǐng)實(shí)施例所提供的一種空間負(fù)載表：[0048]表4當(dāng)前服務(wù)器的標(biāo)識(shí)符記錄時(shí)間當(dāng)前時(shí)間點(diǎn)相鄰服務(wù)器之間的網(wǎng)絡(luò)[0050]在一些實(shí)施例中，步驟101對(duì)服務(wù)器的監(jiān)控?cái)?shù)據(jù)進(jìn)行特征提取還包括：[0051]在預(yù)設(shè)數(shù)據(jù)庫(kù)中獲取預(yù)設(shè)數(shù)量的時(shí)間步對(duì)應(yīng)的所述監(jiān)控?cái)?shù)據(jù)；其中，所述監(jiān)控?cái)?shù)據(jù)包括所述服務(wù)器的負(fù)載數(shù)據(jù)及所述相鄰服務(wù)器的網(wǎng)絡(luò)流量數(shù)據(jù)；[0052]請(qǐng)繼續(xù)參閱圖2,啟動(dòng)負(fù)載預(yù)測(cè)模塊，提取歷史數(shù)據(jù)及多維輸入?yún)?shù)，這些數(shù)據(jù)用于捕捉服務(wù)器在時(shí)間維度上的負(fù)載變化規(guī)律以及在空間維度上與相鄰服務(wù)器的協(xié)同效應(yīng)。具體來(lái)說(shuō)，服務(wù)器的負(fù)載數(shù)據(jù)反映了其資源使用情況(如CPU、內(nèi)存、磁盤(pán)和網(wǎng)絡(luò)的使用率),而相鄰服務(wù)器的網(wǎng)絡(luò)流量數(shù)據(jù)則提供了集群環(huán)境中服務(wù)器之間的通信負(fù)載和依賴(lài)關(guān)系。通過(guò)獲取這些數(shù)據(jù)，能夠?yàn)楹罄m(xù)的特征提取和負(fù)載預(yù)測(cè)提供全面的輸入信息，從而更準(zhǔn)確地分析服務(wù)器負(fù)載的時(shí)空動(dòng)態(tài)變化，為資源調(diào)度和任務(wù)分配奠定數(shù)據(jù)基礎(chǔ)。[0053]時(shí)間步是指在時(shí)間序列分析或預(yù)測(cè)中，將連續(xù)的時(shí)間劃分為離散的時(shí)間單元或間8隔。每個(gè)時(shí)間步代表一個(gè)特定的時(shí)間點(diǎn)或時(shí)間段，用于捕捉數(shù)據(jù)隨時(shí)間的變化規(guī)律。在時(shí)間序列數(shù)據(jù)中，時(shí)間步是將連續(xù)時(shí)間離散化的基本單位。[0054]例如，如果以1小時(shí)為一個(gè)時(shí)間步，那么時(shí)間序列數(shù)據(jù)可以表示為每小時(shí)的數(shù)據(jù)點(diǎn)(如每小時(shí)的服務(wù)器的負(fù)載數(shù)據(jù));在本申請(qǐng)實(shí)施例中，提取過(guò)去5分鐘的數(shù)據(jù)，并以1分鐘為一個(gè)時(shí)間步，得到5個(gè)時(shí)間步。需要說(shuō)明的是，該種敘述方式體時(shí)間步數(shù)量的具體限制。[0055]在各個(gè)所述時(shí)間步的監(jiān)控?cái)?shù)據(jù)中提取所述歷史負(fù)載數(shù)據(jù)的統(tǒng)計(jì)特征，及提取所述相鄰服務(wù)器的網(wǎng)絡(luò)流量及負(fù)載依賴(lài)，得到各個(gè)所述時(shí)間步的時(shí)間特征及空間特征；[0056]在各個(gè)時(shí)間步的監(jiān)控?cái)?shù)據(jù)中，提取歷史負(fù)載數(shù)據(jù)的統(tǒng)計(jì)特征(如CPU、內(nèi)存、網(wǎng)絡(luò)帶寬等數(shù)據(jù)),以捕捉服務(wù)器負(fù)載隨時(shí)間的變化規(guī)律，同時(shí)提取相鄰服務(wù)器的網(wǎng)絡(luò)流量數(shù)據(jù)及其負(fù)載依賴(lài)關(guān)系，以反映服務(wù)器在集群環(huán)境中的協(xié)同效應(yīng)和空間關(guān)聯(lián)性。[0057]這種結(jié)合時(shí)間維度和空間維度的特征提取方法，能夠全面反映服務(wù)器負(fù)載的時(shí)空動(dòng)態(tài)特性，為后續(xù)的負(fù)載預(yù)測(cè)和資源調(diào)度提供更加精準(zhǔn)和可靠的數(shù)據(jù)支持。[0058]所述將所述時(shí)間特征及所述空間特征輸入負(fù)載預(yù)測(cè)模型進(jìn)行服務(wù)器負(fù)載預(yù)測(cè)，得到所述服務(wù)器目標(biāo)時(shí)刻的負(fù)載預(yù)測(cè)結(jié)果包括：[0059]將所述預(yù)設(shè)數(shù)量的時(shí)間步輸入所述負(fù)載預(yù)測(cè)模型。[0060]請(qǐng)繼續(xù)參閱圖2,將日去到的多維輸入?yún)?shù)輸入LSTM模型，每個(gè)時(shí)間步包含提取的時(shí)間特征和空間特征，將時(shí)間特征和空間特征結(jié)合形成輸入序列，假設(shè)模型的輸入是過(guò)去5個(gè)時(shí)間步(示例為5個(gè)，可為多個(gè))的負(fù)載數(shù)據(jù)以及相鄰服務(wù)器的網(wǎng)絡(luò)流量數(shù)據(jù)。每個(gè)時(shí)間步[0061]X=[CPU,Memory,NetworkSend,NetworkErcv,的網(wǎng)絡(luò)數(shù)據(jù)量；NetworkRecv服務(wù)器接收的網(wǎng)絡(luò)數(shù)據(jù)量；NetworkTraffict-1在時(shí)間步t-1時(shí)相鄰服務(wù)器的網(wǎng)絡(luò)流量數(shù)據(jù)；NetworkTraffic.]為在時(shí)間步t時(shí)相鄰服務(wù)器的網(wǎng)絡(luò)流量數(shù)初始化權(quán)重矩陣及偏置項(xiàng)等模型參數(shù)，進(jìn)行多門(mén)運(yùn)算，輸出下一時(shí)刻的預(yù)測(cè)結(jié)果，根據(jù)LSTM的公式計(jì)算遺忘門(mén)、輸入門(mén)、輸出門(mén)和候選細(xì)胞狀態(tài)及結(jié)合時(shí)間特征和空間特征更新細(xì)胞狀態(tài)Ct。[0066]其中，h-1為上一時(shí)刻的隱層狀態(tài)示完全忘記，1表示完全保留。遺忘門(mén)的輸出，決定當(dāng)前時(shí)刻哪些信息會(huì)被丟棄(即，從細(xì)胞狀態(tài)中忘記哪些信息)。[0069]其中W、b為輸入門(mén)的權(quán)重和偏置項(xiàng)。輸入門(mén)的輸出，決定哪些新信息將被添加到細(xì)胞狀態(tài)中。9[0070]候選細(xì)胞狀態(tài)?:1)之間，確保數(shù)據(jù)不超過(guò)這一范圍。候選細(xì)胞狀態(tài)，表示將要加入當(dāng)前細(xì)胞狀態(tài)的“新信[0073]細(xì)胞狀態(tài)C:含重要的信息來(lái)進(jìn)行長(zhǎng)期存儲(chǔ)。[0076]輸出門(mén)o:哪些信息將影響最終的輸出(即隱層狀態(tài))。[0079]隱層狀態(tài)h:[0081]計(jì)算得到最終的隱層狀態(tài)h,通過(guò)ypred=W,h+b,得到最終的預(yù)測(cè)輸出，包含當(dāng)前時(shí)刻所有信息的匯總。[0082]其中，ypre即負(fù)載預(yù)測(cè)模型的預(yù)測(cè)結(jié)果；W,是輸出層的權(quán)重矩陣，b,是輸出層的偏置向量。[0083]在一些實(shí)施例中，負(fù)載預(yù)測(cè)模型的輸入維度與隱藏層維度維度相同，由于時(shí)間步中包含6個(gè)特征，因此將負(fù)載預(yù)測(cè)模型的輸入維度設(shè)定為6,隱藏層維度也設(shè)定為6。[0084]通過(guò)將這些時(shí)間步數(shù)據(jù)輸入負(fù)載預(yù)測(cè)模型，模型能夠綜合分析時(shí)間序列的負(fù)載變化趨勢(shì)和空間維度的集群動(dòng)態(tài)，從而更準(zhǔn)確地預(yù)測(cè)目標(biāo)時(shí)刻的服務(wù)器負(fù)載狀態(tài)。[0085]圖3為本申請(qǐng)實(shí)施例所提供的一種服務(wù)器的資源調(diào)度方法的流程示意圖，請(qǐng)參閱圖3,包括：[0086]步驟201,基于所述負(fù)載預(yù)測(cè)結(jié)果及所述服務(wù)器的任務(wù)類(lèi)型的權(quán)重，通過(guò)加權(quán)求和計(jì)算所述服務(wù)器的負(fù)載狀態(tài)；[0087]目標(biāo)時(shí)刻的負(fù)載預(yù)測(cè)值服務(wù)器在目標(biāo)時(shí)刻的預(yù)期負(fù)載水平。在一些實(shí)施例中，時(shí)間步為1分鐘，則目標(biāo)時(shí)刻則為1分鐘后的服務(wù)器預(yù)期負(fù)載水平；需要說(shuō)明的是，目標(biāo)時(shí)刻隨時(shí)間步的不同而不同，該種敘述方式并非為對(duì)目標(biāo)時(shí)刻的具體限定，本申請(qǐng)實(shí)施例對(duì)此不進(jìn)行限定。[0088]根據(jù)任務(wù)類(lèi)型(如計(jì)算密集型、存儲(chǔ)密集型、網(wǎng)絡(luò)密集型)對(duì)服務(wù)器資源的需求特性，為每種任務(wù)類(lèi)型分配相應(yīng)的權(quán)重。例如：計(jì)算密集型任務(wù)的CPU權(quán)重較高務(wù)的內(nèi)存和磁盤(pán)權(quán)重較高；網(wǎng)絡(luò)密集型任務(wù)的網(wǎng)絡(luò)帶寬權(quán)重較高。[0089]對(duì)每種任務(wù)類(lèi)型的負(fù)載預(yù)測(cè)值乘以其對(duì)應(yīng)的權(quán)重，得到加權(quán)負(fù)載值，并將所有任務(wù)類(lèi)型的加權(quán)負(fù)載值相加，得到服務(wù)器的綜合負(fù)載狀態(tài)。[0090]在一些實(shí)施例中，所述基于所述預(yù)測(cè)負(fù)載數(shù)據(jù)及所述服務(wù)器的任務(wù)類(lèi)型的權(quán)重，通過(guò)加權(quán)求和計(jì)算所述服務(wù)器的負(fù)載狀態(tài)包括：變量名描述服務(wù)器i在時(shí)間t的第j項(xiàng)資源使用率(如CPU、內(nèi)存等)LSTM預(yù)測(cè)的服務(wù)器i在時(shí)間t+1的第j項(xiàng)資源使用率服務(wù)器i的綜合負(fù)載評(píng)分(歸一化后)高負(fù)載和低負(fù)載的閾值(如0.7和0.3)服務(wù)器i的任務(wù)容量(剩余可分配任務(wù)數(shù))任務(wù)k的遷移成本(與任務(wù)大小、資源占用相關(guān))[0099]其中Rj表示所有服務(wù)器第j項(xiàng)資源的預(yù)測(cè)值，min(R,j)為最小資源預(yù)測(cè)值，[0.1,0.1,0.3,0.2,0.2,0.1]需要說(shuō)明的是該種敘述方式僅為一示例性敘述，并分為對(duì)具11[0105]在實(shí)際應(yīng)用中，可根據(jù)實(shí)際需求確定高負(fù)載閾值及低負(fù)載閾值，本申請(qǐng)實(shí)施例對(duì)此不進(jìn)行限定。[0106]步驟202,根據(jù)所述負(fù)載狀態(tài)，動(dòng)態(tài)調(diào)整任務(wù)的資源分配和調(diào)度策略；其中，所述負(fù)載狀態(tài)與所述服務(wù)器的分配優(yōu)先級(jí)成反比。[0107]請(qǐng)繼續(xù)參閱圖2,判斷任務(wù)類(lèi)型是否為計(jì)算任務(wù)，在任務(wù)類(lèi)型為計(jì)算任務(wù)時(shí)，根據(jù)計(jì)算密集型任務(wù)權(quán)重計(jì)算負(fù)載，在任務(wù)類(lèi)型不是計(jì)算任務(wù)時(shí)，按存儲(chǔ)密集型任務(wù)權(quán)重計(jì)算[0108]基于待分配任務(wù)的任務(wù)類(lèi)型及所述待分配任務(wù)的優(yōu)先級(jí)，將所述待分配任務(wù)分配至處理任務(wù)類(lèi)型相同，且負(fù)載狀態(tài)為低負(fù)載的服務(wù)器；其中，所述待分配任務(wù)的優(yōu)先級(jí)越[0109]基于所述待分配任務(wù)的服務(wù)器性能需求，將所述待分配任務(wù)分配至滿足所述服務(wù)器性能需求，且負(fù)載狀態(tài)為所述低負(fù)載的服務(wù)器；其中，所述服務(wù)器性能需求包括算力需求[0110]基于服務(wù)器的分配優(yōu)先級(jí)，將所述待分配任務(wù)按照所述分配優(yōu)先級(jí)進(jìn)行分配；其中，所述分配優(yōu)先級(jí)為根據(jù)服務(wù)器剩余容量及所述綜合負(fù)載評(píng)分計(jì)算得到的。[0111]根據(jù)任務(wù)的類(lèi)型(計(jì)算密集型、存儲(chǔ)密集型等)和任務(wù)的優(yōu)先級(jí)，結(jié)合負(fù)載預(yù)測(cè)結(jié)果，選擇負(fù)載較低的服務(wù)器進(jìn)行任務(wù)分配。[0112]對(duì)于計(jì)算密集型任務(wù)，優(yōu)先選擇計(jì)算能力較強(qiáng)且負(fù)載較低的服務(wù)器；對(duì)于存儲(chǔ)密集型任務(wù)，優(yōu)先選擇存儲(chǔ)資源充足的服務(wù)器。[0113]系統(tǒng)通過(guò)調(diào)度算法，確保各臺(tái)服務(wù)器的負(fù)載盡可能均衡，從而避免出現(xiàn)某臺(tái)服務(wù)器過(guò)載的情況。[0114]綜合任務(wù)類(lèi)型和服務(wù)器剩余容量，計(jì)算分配優(yōu)先級(jí)：[0116]其中α,β為權(quán)重系數(shù)(如α=0.7,β=0.3),需滿足a+β=1。任務(wù)分配給優(yōu)先級(jí)P?,最高的服務(wù)器[0117]在一些實(shí)施例中，在基于所述預(yù)測(cè)負(fù)載數(shù)據(jù)及所述服務(wù)器的任務(wù)類(lèi)型的權(quán)重，通過(guò)加權(quán)求和計(jì)算所述服務(wù)器的負(fù)載狀態(tài)之后，所述還包括：[0118]在確定所述服務(wù)器的負(fù)載狀態(tài)為高負(fù)載時(shí)，在所述服務(wù)器中，確定遷移成本低于預(yù)設(shè)遷移成本閾值的待處理任務(wù)；其中，所述遷移成本為根據(jù)任務(wù)資源占用及遷移時(shí)間計(jì)算得到的；[0119]請(qǐng)繼續(xù)參閱圖2,啟動(dòng)實(shí)時(shí)監(jiān)控模塊，在服務(wù)器負(fù)載超過(guò)預(yù)設(shè)閾值時(shí)，獲取滿足條件的低負(fù)載服務(wù)器，執(zhí)行任務(wù)遷移保證負(fù)載均衡；在確定服務(wù)器的負(fù)載狀態(tài)為高負(fù)載時(shí)，即服務(wù)器的負(fù)載超過(guò)了預(yù)設(shè)的閾值，系統(tǒng)將自動(dòng)將部分任務(wù)遷移到負(fù)載較低的服務(wù)器。從該服務(wù)器中篩選出遷移成本低于預(yù)設(shè)遷移成本閾值的待處理任務(wù)，具體方法為：首先，根據(jù)任務(wù)資源占用(如CPU、內(nèi)存、存儲(chǔ)等)和遷移時(shí)間(如數(shù)據(jù)傳輸時(shí)間、任務(wù)重啟時(shí)間)計(jì)算每個(gè)[0121]將計(jì)算得到的遷移成本與預(yù)設(shè)遷移成本閾值進(jìn)行比較，篩選出遷移成本低于閾值的任務(wù)作為待遷移任務(wù)。確保遷移任務(wù)的選擇在資源開(kāi)銷(xiāo)和時(shí)間成本上均處于可接受范圍[0123]從相鄰服務(wù)器中選擇當(dāng)前負(fù)載狀態(tài)為低負(fù)載且資源充足的服務(wù)器作為目標(biāo)服務(wù)目標(biāo)時(shí)刻的真實(shí)負(fù)載數(shù)據(jù)后，基于均方誤差(MSE)計(jì)算預(yù)測(cè)負(fù)載數(shù)據(jù)與真實(shí)負(fù)載數(shù)據(jù)之間用鏈?zhǔn)椒▌t將梯度信息從輸出層傳遞到輸入層[0135]請(qǐng)繼續(xù)參閱圖2,評(píng)估當(dāng)前性能并反饋對(duì)模型進(jìn)行優(yōu)化調(diào)整。系統(tǒng)運(yùn)行過(guò)程中，動(dòng)態(tài)調(diào)整是確保資源高效利用的關(guān)鍵。以下是動(dòng)態(tài)調(diào)整的過(guò)程：[0136]實(shí)時(shí)監(jiān)控：系統(tǒng)實(shí)時(shí)監(jiān)控每臺(tái)服務(wù)器的資源使用情況，特別是負(fù)載高峰時(shí)段的負(fù)[0137]實(shí)時(shí)反饋：如果預(yù)測(cè)負(fù)載與實(shí)際負(fù)載之間存在較大差異，系統(tǒng)會(huì)觸發(fā)反饋機(jī)制，實(shí)時(shí)調(diào)整資源分配策略；例如，如果某臺(tái)服務(wù)器的負(fù)載預(yù)測(cè)為較低，而實(shí)際負(fù)載突然增加，系統(tǒng)可以及時(shí)調(diào)整任務(wù)分配策略，將更多任務(wù)遷移到其他負(fù)載較低的服務(wù)器。[0139]在任務(wù)執(zhí)行過(guò)程中，系統(tǒng)根據(jù)實(shí)時(shí)監(jiān)控的負(fù)載數(shù)據(jù)，動(dòng)態(tài)調(diào)整任務(wù)的調(diào)度。例如，如果某臺(tái)服務(wù)器即將達(dá)到負(fù)載上限，系統(tǒng)會(huì)提前將任務(wù)遷移到其他服務(wù)器，以避免過(guò)載。[0140]系統(tǒng)優(yōu)化包括對(duì)負(fù)載預(yù)測(cè)精度、任務(wù)調(diào)度效率、能效等方面的持續(xù)優(yōu)化。具體過(guò)程[0141]性能評(píng)估：通過(guò)定期評(píng)估任務(wù)執(zhí)行的時(shí)間、資源利用率、能效等指標(biāo)，監(jiān)控系統(tǒng)性務(wù)執(zhí)行過(guò)程中能量的消耗，確保能效優(yōu)化。[0142]預(yù)測(cè)精度反饋：將實(shí)時(shí)負(fù)載數(shù)據(jù)與LSTM模型預(yù)測(cè)結(jié)果進(jìn)行對(duì)比，評(píng)估模型的預(yù)測(cè)優(yōu)先級(jí)策略等，以進(jìn)一步提高資源利用率和任務(wù)執(zhí)行效率。[0144]模型優(yōu)化：通過(guò)周期性地使用新的歷史數(shù)據(jù)重新訓(xùn)練LSTM模型，以提高負(fù)載預(yù)測(cè)的準(zhǔn)確性；調(diào)整模型輸入特征(如引入新的時(shí)空特征或增強(qiáng)現(xiàn)有特征)來(lái)提升預(yù)測(cè)性能。[0145]與上述的服務(wù)器的資源調(diào)度方法相對(duì)應(yīng)，本發(fā)明還提出一種服務(wù)器的資源調(diào)度裝置。由于本發(fā)明的裝置實(shí)施例與上述的方法實(shí)施例相對(duì)應(yīng)，對(duì)于裝置實(shí)施例中未披露的細(xì)節(jié)可參照上述的方法實(shí)施例，本發(fā)明中不再進(jìn)行贅述。[0146]圖4為本申請(qǐng)實(shí)施例提供的一種服務(wù)器的資源調(diào)度裝置的結(jié)構(gòu)示意圖，如圖4所[0147]特征提取單元31,用于對(duì)服務(wù)器的監(jiān)控?cái)?shù)據(jù)進(jìn)行特征提取，得到時(shí)間特征及空間特征；其中，所述時(shí)間特征包括歷史負(fù)載數(shù)據(jù)的統(tǒng)計(jì)特征，所述空間特征包括所述服務(wù)器的相鄰服務(wù)器的負(fù)載相關(guān)性特征；[0148]預(yù)測(cè)單元32,用于將所述時(shí)間特征及所述空間特征輸入負(fù)載預(yù)測(cè)模型進(jìn)行服務(wù)器負(fù)載預(yù)測(cè)，得到所述服務(wù)器目標(biāo)時(shí)刻的負(fù)載預(yù)測(cè)結(jié)果；[0149]調(diào)整單元33,用于基于所述負(fù)載預(yù)測(cè)結(jié)果以及所述服務(wù)器任務(wù)類(lèi)型動(dòng)態(tài)調(diào)整任務(wù)的資源分配和調(diào)度策略。[0150]進(jìn)一步地，在本公開(kāi)實(shí)施例一種可能的實(shí)現(xiàn)方式中，如圖5所示，所述特征提取單元31還用于：[0151]在預(yù)設(shè)數(shù)據(jù)庫(kù)中獲取預(yù)設(shè)數(shù)量的時(shí)間步對(duì)應(yīng)的所述監(jiān)控?cái)?shù)據(jù)；其中，所述監(jiān)控?cái)?shù)據(jù)包括所述服務(wù)器的負(fù)載數(shù)據(jù)及所述相鄰服務(wù)器的網(wǎng)絡(luò)流量數(shù)據(jù)；[0152]在各個(gè)所述時(shí)間步的監(jiān)控?cái)?shù)據(jù)中提取所述歷史負(fù)載數(shù)據(jù)的統(tǒng)計(jì)特征，及提取所述相鄰服務(wù)器的網(wǎng)絡(luò)流量及負(fù)載依賴(lài)，得到各個(gè)所述時(shí)間步的時(shí)間特征及空間特征；[0153]所述將所述時(shí)間特征及所述空間特征輸入負(fù)載預(yù)測(cè)模型進(jìn)行服務(wù)器負(fù)載預(yù)測(cè)，得到所述服務(wù)器目標(biāo)時(shí)刻的負(fù)載預(yù)測(cè)結(jié)果包括：[0154]將所述預(yù)設(shè)數(shù)量的時(shí)間步輸入所述負(fù)載預(yù)測(cè)模型。[0156]第一計(jì)算單元34,用于在調(diào)整單元33基于所述負(fù)載預(yù)測(cè)結(jié)果以及所述服務(wù)器任務(wù)類(lèi)型動(dòng)態(tài)調(diào)整任務(wù)的資源分配和調(diào)度策略之前，基于所述負(fù)載預(yù)測(cè)結(jié)果及所述服務(wù)器的任務(wù)類(lèi)型的權(quán)重，通過(guò)加權(quán)求和計(jì)算所述服務(wù)器的負(fù)載狀態(tài)；[0157]所述調(diào)整單元33還用于：[0158]根據(jù)所述負(fù)載狀態(tài)，動(dòng)態(tài)調(diào)整任務(wù)的資源分配和調(diào)度策略；其中，所述負(fù)載狀態(tài)與所述服務(wù)器的分配優(yōu)先級(jí)成反比。[0159]進(jìn)一步地，在本公開(kāi)實(shí)施例一種可能的實(shí)現(xiàn)方式中，如圖5所示，所述第一計(jì)算單元34還用于：[0160]對(duì)所述預(yù)測(cè)負(fù)載數(shù)據(jù)進(jìn)行歸一化處理，消除量綱差異；[0161]基于歸一化處理后的所述預(yù)測(cè)負(fù)載數(shù)據(jù)及所述任務(wù)類(lèi)型的權(quán)重，加權(quán)求和計(jì)算所述服務(wù)器的綜合負(fù)載評(píng)分；[0162]基于預(yù)設(shè)閾值及所述綜合負(fù)載評(píng)分，確定所述服務(wù)器的負(fù)載狀態(tài)。[0163]進(jìn)一步地，在本公開(kāi)實(shí)施例一種可能的實(shí)現(xiàn)方式中，如圖5所示，所述調(diào)整單元33還用于：[0164]基于待分配任務(wù)的任務(wù)類(lèi)型及所述待分配任務(wù)的優(yōu)先級(jí)，將所述待分配任務(wù)分配至處理任務(wù)類(lèi)型相同，且負(fù)載狀態(tài)為低負(fù)載的服務(wù)器；其中，所述待分配任務(wù)的優(yōu)先級(jí)越[0165]基于所述待分配任務(wù)的服務(wù)器性能需求，將所述待分配任務(wù)分配至滿足所述服務(wù)器性能需求，且負(fù)載狀態(tài)為所述低負(fù)載的服務(wù)器；其中，所述服務(wù)器性能需求包括算力需求[0166]基于服務(wù)器的分配優(yōu)先級(jí)，將所述待分配任務(wù)按照所述分配優(yōu)先級(jí)進(jìn)行分配；其中，所述分配優(yōu)先級(jí)為根據(jù)服務(wù)器剩余容量及所述綜合負(fù)載評(píng)分計(jì)算得到的。[0168]確定單元35,用于在第一計(jì)算單元34基于所述預(yù)測(cè)負(fù)載數(shù)據(jù)及所述服務(wù)器的任務(wù)類(lèi)型的權(quán)重，通過(guò)加權(quán)求和計(jì)算所述服務(wù)器的負(fù)載狀態(tài)之后，在確定所述服務(wù)器的負(fù)載狀態(tài)為高負(fù)載時(shí)，在所述服務(wù)器中，確定遷移成本低于預(yù)設(shè)遷移成本閾值的待處理任務(wù)；其中，所述遷移成本為根據(jù)任務(wù)資源占用及遷移時(shí)間計(jì)算得到的；[0169]遷移單元36,用于將所述待處理任務(wù)遷移至負(fù)載狀態(tài)為所述低負(fù)載的相鄰服務(wù)器[0171]獲取單元37,用于在預(yù)測(cè)單元32將所述時(shí)間特征及所述空間特征輸入負(fù)載預(yù)測(cè)模型進(jìn)行服務(wù)器負(fù)載預(yù)測(cè)，得到所述服務(wù)器目標(biāo)時(shí)刻的負(fù)載預(yù)測(cè)結(jié)果之后，獲取所述目標(biāo)時(shí)刻的真實(shí)負(fù)載數(shù)據(jù)，基于均方誤差計(jì)算所述預(yù)測(cè)負(fù)載數(shù)據(jù)與所述真實(shí)負(fù)載數(shù)據(jù)之間的誤