龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：南京理工大学
摘要：本发明提出一种基于时空图卷积网络的边缘环境下网状微服务容器负载预测方法，该方法包括以下步骤：利用FogSim平台和真实的访问数据集，进行边缘环境下的网状微服务容器负载预测仿真，提取各边缘服务器的各服务的时序负载状态信息构建数据集；确定时间窗口和需要预测时间片的位置；根据节点之间的地理位置关系和微服务的调度关系，计算邻接矩阵，使用GCN中得到空间依赖性特征；将两个空间依赖性特征融合，使用GRU获得时间依赖性特征。评估模型并调参获得最优模型；利用训练好的模型实现网状微服务容器负载预测。相对于传统的容器负载预测模型，本发明同时考虑了边缘节点之间的地域分布关系和微服务的网状结构，实现了更加精确的网状微服务的容器负载预测。
主权项：1.一种基于时空图卷积网络的边缘环境下网状微服务容器负载预测方法包括以下步骤：步骤1、将每一个边缘服务节点中的每一种微服务看作一个节点。将每个节点的在时间片内收到的微服务请求量大小生成特征矩阵。确定需要进行预测输入的时间窗口seq-len的大小和被预测时间片的位置pre-pos。步骤2、根据边缘服务器节点之间的地理位置关系计算邻接矩阵A，根据微服务的先后调度关系计算邻接矩阵B。步骤3、将单个时间片的数据和两个邻接矩阵分别输入GCN中，经过数据的扩张、压缩等操作，分别得到数据在邻接矩阵A和邻接矩阵B下的空间依赖性特征。并将两个空间依赖性特征进行融合。将融合后的两个空间依赖性特征和多个时间片的数据输入GRU网络，提取数据的时间依赖性。步骤4、训练模型，使用验证集数据，利用RMSE、MAE、Var、Accuracy等评价模型的指标对训练好的模型进行评估，调整参数以获得最优模型。步骤5、利用训练好的模型，输入实时获取的各节点上的各微服务的请求量大小，输出未来时间片的微服务负载，进行网状微服务容器负载预测。
全文数据：
权利要求：
百度查询： 南京理工大学 一种基于边缘环境下网状微服务容器负载预测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号