【技術實現步驟摘要】
本專利技術涉及資源調度，具體是涉及一種用于虛擬電腦的手機云算力租賃調度方法。
技術介紹
1、虛擬電腦的手機云算力租賃調度指的是，在云計算環(huán)境中，通過虛擬化技術將手機云算力作為資源出租給有需求的用戶，并根據用戶的實際需求、云算力資源的可用性以及調度策略，動態(tài)地分配和管理這些算力資源的過程。
2、現有的虛擬電腦的手機云算力租賃調度面對線路狀態(tài)較好時，對于用戶的任務需求調度分配較為完善，但由于用戶的需求通常較為集中，使得實際資源調度不能滿足用戶任務需求，當云算力線路出現擁堵時，極易導致用戶執(zhí)行任務離線。
技術實現思路
1、為解決上述技術問題，提供一種用于虛擬電腦的手機云算力租賃調度方法，本技術方案解決了上述的現有的虛擬電腦的手機云算力租賃調度面對線路狀態(tài)較好時，對于用戶的任務需求調度分配較為完善，但由于用戶的需求通常較為集中，使得實際資源調度不能滿足用戶任務需求，當云算力線路出現擁堵時，極易導致用戶執(zhí)行任務離線的問題。
2、為達到以上目的，本專利技術采用的技術方案為：
3、一種用于虛擬電腦的手機云算力租賃調度方法，包括：
4、基于所有云算力線路的構造硬件歷史負荷數據，分析構造硬件歷史負荷數據的性能變化趨勢，評估各個云算力線路的動態(tài)負荷指標；
5、獲取歷史云算力用戶租賃數據，分析用戶租賃數據的算力開銷需求，構建用戶算力租賃偏好畫像；
6、針對進行回歸分析，預測單位時間節(jié)點的待執(zhí)行租賃任務需求；
7、根據各個
8、優(yōu)選的，基于所有云算力線路的構造硬件歷史負荷數據，分析構造硬件歷史負荷數據的性能變化趨勢，評估各個云算力線路的動態(tài)負荷指標具體包括：
9、基于所有云算力線路的構造硬件歷史負荷數據按照差分法進行數據平穩(wěn)處理，并以單位時間進行劃分，組建所有云算力線路的構造硬件歷史負荷時序數據；
10、根據所有云算力線路的構造硬件歷史負荷時序數據，以單位時間作為觀測窗口，以硬件歷史負荷數據作為觀測變量，標記每一條云算力線路的構造硬件歷史負荷基礎特征數據；所述基礎特征數據包括：平均負荷、負荷的最大值和最小值；
11、利用小波變換，提取每一條云算力線路的構造硬件歷史負荷時序數據中的負荷周期特征數據；
12、將每一條云算力線路的構造硬件歷史負荷基礎特征數據與每一條云算力線路的構造硬件歷史負荷周期特征數據，組合為云算力線路負荷特征原始數據集；
13、基于arima自回歸積分滑動平均，構建云算力線路動態(tài)負荷預測模型；
14、將云算力線路負荷特征原始數據集代入運算力線路動態(tài)負荷預測模型中，以單位時間節(jié)點下的每一條云算力線路負荷特征數據作為輸入，以未來單位時間節(jié)點下的每一條云算力線路負荷標簽數據作為輸出，獲得各個云算力線路的動態(tài)負荷指標；
15、其中，所述云算力線路動態(tài)負荷預測模型具體為：
16、；
17、式中，為第k個云算力線路的第t個單位時間節(jié)點的動態(tài)負荷指標，為第k個云算力線路的第個單位時間滯后節(jié)點的負荷特征數據，為常數項，為第i個滯后自回歸系數，為第j個滑動平均系數，為第個單位時間滑動平均節(jié)點的誤差項，為第t個單位時間的誤差項，p為自回歸階數總數，q為滑動平均階數總數。
18、優(yōu)選的，獲取歷史云算力用戶租賃數據，分析用戶租賃數據的算力開銷需求，構建用戶算力租賃偏好畫像具體包括：
19、基于歷史云算力用戶租賃數據進行歸一化處理，并標記用戶單位時間節(jié)點的云算力租賃動作事件，構建歷史用戶的云算力租賃動作事件數據集；
20、利用pca主成分分析，針對歷史用戶的云算力租賃動作事件數據集進行降維處理；
21、按照云算力關聯的若干個維度，建立初始化用戶算力租賃偏好畫像；所述云算力關聯的若干個維度包括：算力租賃時間、算力租賃配置、算力請求場景
22、利用歐式距離公式，計算歷史用戶的云算力租賃動作事件數據集與初始化用戶算力租賃偏好畫像中若干個維度之間的平均距離，進行云算力租賃動作事件數據初始簇聚類；
23、針對云算力租賃動作事件數據初始簇聚類，以每一個簇與其他簇之間的距離，按照平均連接法進行迭代簇合并，得到用戶算力租賃偏好畫像；
24、其中，所述用戶算力租賃偏好畫像具體為：
25、；
26、式中，為第個用戶算力租賃偏好畫像，為個云算力租賃動作事件數據初始簇與云算力租賃動作事件數據初始簇之間的平均距離，為云算力租賃動作事件數據初始簇中的第個歷史用戶的云算力租賃動作事件與云算力租賃動作事件數據初始簇中的第個歷史用戶的云算力租賃動作事件之間的歐式距離，為和個云算力租賃動作事件數據初始簇與云算力租賃動作事件數據初始簇之間的平均連接距離。
27、優(yōu)選的，針對進行回歸分析，預測單位時間節(jié)點的待執(zhí)行租賃任務需求具體包括：
28、基于svr支持向量回歸，構建用戶租賃任務預測模型；
29、根據用戶算力租賃偏好畫像的各個關聯維度偏好值，針對關聯維度偏好值進行線性映射為用戶算力租賃偏好畫像的關聯維度偏好特征向量；
30、根據用戶租賃任務預測模型，將用戶算力租賃偏好畫像的關聯維度偏好特征向量作為特征數據輸入，以訓練關聯維度偏好特征向量對于租賃任務需求的最小化誤差，確定特征空間中的最優(yōu)超平面，預測單位時間節(jié)點的待執(zhí)行租賃任務需求作為輸出；
31、其中，所述用戶租賃任務預測模型具體為：
32、；
33、式中，為預測單位時間節(jié)點的第個用戶算力租賃偏好畫像的第個待執(zhí)行租賃任務需求，為第v個維度偏好特征向量對應的正間約束拉格朗日乘子，為第v個維度偏好特征向量對應的負間約束拉格朗日乘子，為第個用戶算力租賃偏好畫像的第v個維度偏好特征向量，為核函數，b為偏置。
34、優(yōu)選的，根據各個云算力線路的動態(tài)負荷指標與單位時間節(jié)點的待執(zhí)行租賃任務需求，構建云算力資源調度模型，以最大化利用云算力線路的算力資源，生成動態(tài)云算力租賃調度任務具體包括：
35、確定單位時間節(jié)點的所有待執(zhí)行租賃任務需求對應的云算力開銷；
36、基于隨機森林，按照單位時間節(jié)點的各個云算力線路的動態(tài)負荷指標對應的云算力資源冗余構建各個云算力線路可執(zhí)行租賃任務決策樹，串聯為云算力資源調度模型；
37、以單位時間節(jié)點的所有待執(zhí)行租賃任務需求對應的云算力開銷代入云算力資源調度模型中，以每一個待執(zhí)行租賃任務需求對應云算力線路的動態(tài)負荷指標對應的云算力資源冗余的信息增益最大的線路進行劃分，生成動態(tài)云算力租賃調度任務。
38、與現有技術相比，本專利技術的有益效果在于：
39、本專利技術提出一種用于虛擬電腦的手機云算力租賃調度方案，基于云算力線路的硬件歷史負荷本文檔來自技高網...
【技術保護點】
1.一種用于虛擬電腦的手機云算力租賃調度方法，其特征在于，包括：
2.根據權利要求1所述的一種用于虛擬電腦的手機云算力租賃調度方法，其特征在于，基于所有云算力線路的構造硬件歷史負荷數據，分析構造硬件歷史負荷數據的性能變化趨勢，評估各個云算力線路的動態(tài)負荷指標具體包括：
3.根據權利要求2所述的一種用于虛擬電腦的手機云算力租賃調度方法，其特征在于，所述云算力線路動態(tài)負荷預測模型具體為：
4.根據權利要求3所述的一種用于虛擬電腦的手機云算力租賃調度方法，其特征在于，獲取歷史云算力用戶租賃數據，分析用戶租賃數據的算力開銷需求，構建用戶算力租賃偏好畫像具體包括：
5.根據權利要求4所述的一種用于虛擬電腦的手機云算力租賃調度方法，其特征在于，所述用戶算力租賃偏好畫像具體為：
6.根據權利要求5所述的一種用于虛擬電腦的手機云算力租賃調度方法，其特征在于，針對進行回歸分析，預測單位時間節(jié)點的待執(zhí)行租賃任務需求具體包括：
7.根據權利要求6所述的一種用于虛擬電腦的手機云算力租賃調度方法，其特征在于，所述用戶租賃任務預測模型具
8.根據權利要求7所述的一種用于虛擬電腦的手機云算力租賃調度方法，其特征在于，根據各個云算力線路的動態(tài)負荷指標與單位時間節(jié)點的待執(zhí)行租賃任務需求，構建云算力資源調度模型，以最大化利用云算力線路的算力資源，生成動態(tài)云算力租賃調度任務具體包括：
...【技術特征摘要】
1.一種用于虛擬電腦的手機云算力租賃調度方法，其特征在于，包括：
2.根據權利要求1所述的一種用于虛擬電腦的手機云算力租賃調度方法，其特征在于，基于所有云算力線路的構造硬件歷史負荷數據，分析構造硬件歷史負荷數據的性能變化趨勢，評估各個云算力線路的動態(tài)負荷指標具體包括：
3.根據權利要求2所述的一種用于虛擬電腦的手機云算力租賃調度方法，其特征在于，所述云算力線路動態(tài)負荷預測模型具體為：
4.根據權利要求3所述的一種用于虛擬電腦的手機云算力租賃調度方法，其特征在于，獲取歷史云算力用戶租賃數據，分析用戶租賃數據的算力開銷需求，構建用戶算力租賃偏好畫像具體包括：
5.根據權利要求4...
【專利技術屬性】
技術研發(fā)人員：田利平，林少丹，黃炳樂，劉偉，
申請(專利權)人：福建船政交通職業(yè)學院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。