本發(fā)明涉及一種云服務器集群負載調(diào)度方法、系統(tǒng)、終端以及存儲介質(zhì)。所述云服務器集群負載調(diào)度方法包括:將云服務器集群的任務負載數(shù)據(jù)由多變量時間序列轉(zhuǎn)化為有監(jiān)督學習序列;將所述轉(zhuǎn)化后的有監(jiān)督學習序列輸入訓練好的基于卷積?門控循環(huán)單元的esDNN模型,通過所述esDNN網(wǎng)絡(luò)模型對所述云服務器集群在未來預設(shè)時間內(nèi)的負載狀態(tài)進行預測;基于所述云服務器集群的負載狀態(tài)預測結(jié)果,采用強化學習算法生成聯(lián)合調(diào)度策略,對所述云服務器集群進行聯(lián)合調(diào)度;所述聯(lián)合調(diào)度策略包括縱向擴展、橫向擴展以及管制算法中的至少一種。本發(fā)明能夠更好的適應快速變化的負載調(diào)度,提高了調(diào)度的準確度和實時性。
聲明:
“云服務器集群負載調(diào)度方法、系統(tǒng)、終端以及存儲介質(zhì)” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)