Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种边缘云计算负载均衡方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

摘要:本发明涉及边缘云计算技术领域,公开了一种边缘云计算负载均衡方法,该方法旨在解决边缘计算环境中节点分布广泛、资源有限且动态变化所导致的负载均衡难题。传统负载均衡算法基于静态数据分配请求,无法准确预测未来负载变化,易导致节点过载或资源闲置。本发明采用神经网络算法,特别是长短时记忆网络LSTM模型,构建和训练负载预测模型,根据边缘计算节点的历史使用情况,预测其未来负载水平。通过部署监控与数据采集系统,实时收集影响节点负载的因素数据,并输入预测模型,动态制定资源调度策略。本发明实现了对边缘计算节点的动态高效利用,提高了系统的响应速度和运行效率,优化了用户体验。

主权项:1.一种边缘云计算负载均衡方法,其特征在于,所述方法的步骤包括:步骤1、使用神经网络算法构建和训练负载预测模型,所述负载预测模型用于根据边缘计算节点的使用情况,预测该节点在未来某个时间点的负载水平,构建和训练负载预测模型的具体步骤包括:步骤1.1、收集边缘计算节点的历史负载数据,所述历史负载数据为节点在不同负载水平下,影响节点负载的所有因素数据;步骤1.2、对收集的数据进行清洗,以处理缺失值和异常值;步骤1.3、对清洗后的特征数据进行标准化处理;步骤1.4、利用特征选择算法筛选对预测模型有用的特征,构成特征数据集;步骤1.5、标记每条数据的负载水平,与对应的特征数据一起构成训练数据集,进一步将训练数据集进行划分,分成训练集和验证集;步骤1.6、选择长短时记忆网络LSTM模型构建取样预测模型,并对模型的参数进行初始化;步骤1.7、使用训练集数据对LSTM模型进行迭代训练,在训练过程中,定期使用验证集评估模型性能,直到模型的性能满足需求;步骤1.8、训练完成后,保存LSTM模型的权重和偏置,并将模型进行部署,以用于后续进行取样位置预测;步骤2、部署监控与数据采集系统,实时收集影响边缘计算节点负载的所有因素数据;步骤3、对步骤2采集到的数据进行清洗,以处理缺失值和异常值;步骤4、将步骤3清洗的数据输入步骤1中训练的负载预测模型,获得边缘计算节点在未来某个时间点的负载水平;步骤5、根据步骤4获得的负载水平,动态制定资源调度策略,所述调度策略包括承担该负载需要的边缘计算节点数量;步骤6、在负载均衡器中实施调度策略,以达到对边缘计算节点的动态高效利用。

全文数据:

权利要求:

百度查询: 江苏慧铭信息科技有限公司 一种边缘云计算负载均衡方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。