专利交易市场

本发明涉及云计算资源调度领域，更具体地，涉及一种基于深度强化学习的云作业调度方法，包括：接收用户发送的用户作业；对用户作业进行解耦，获取就绪作业集；通过作业调度器对就绪作业集进行调度；所述调度为按照调度策略采取动作，将就绪作业集中的作业部署到相应的虚拟机上；通过虚拟机执行作业，并且返回执行结果；收集训练样本，建立经验池；所述训练样本用于存储就绪作业集状态、虚拟机状态、动作和回报值；所述回报值为采取动作获得的回报；判断经验池内的训练样本数量是否小于阈值，若小于阈值则重新接收用户发送的用户作业，否则利用经验池中的训练样本优化作业调度器；利用优化后的作业调度器进行调度。本发明能缩短用户作业完工时间。

本发明涉及云计算领域，更具体地，涉及一种云作业调度及资源配置的方法，包括：步骤S1：获取用户上传的作业，建立作业集；步骤S2：将作业集中的作业分配到不同的作业队列；步骤S3：通过作业调度器将作业队列中的作业调度到不同的数据中心；步骤S4：对调度到数据中心的作业进行任务解耦，将作业转化为不同的子任务；步骤S5：通过资源调度器为不同的子任务分配虚拟机，并且以虚拟机为部署单位，部署到相应的服务器。本发明对云作业调度进行多目标优化和全局优化。

本发明涉及智能调度技术领域，具体为基于大数据的矿区作业调度系统，包括作业特征构建模块、强度标签生成模块、密度突变识别模块、节奏类型判定模块、作业时序排序模块。本发明，通过构建运输设备作业行为数据并提取载重变化与驻留时间的均值组合，在多矿区间形成负荷特征分布结构，并以归一化特征对之间的相似性衡量机制实现矿区之间的作业强度标签划分，可实现对作业负荷分布状态的量化表达，进一步结合设备轨迹信息与分布序列构建矿区密度时间序列，通过密度突变点的识别手段确定作业节奏变化节点，在作业强度与作业密度双变量基础上，对时间段节奏类型进行归类，从而精准划分不同时间段内的矿区作业节奏类型。

本发明公开一种云工作流作业调度方法，包括：对每一个云工作流作业，根据其DAG流程图进行分解，得到多个相互独立的子云工作流作业;估计每一子云工作流作业的执行时间；子云工作流作业进入等待队列；根据SLA约束分配子云工作流作业的优先级;利用强化学习对子云工作流进行调度。本发明提高了云计算系统中资源利用率和服务质量。

本发明公开了一种不平衡作业调度算法，其中，系统为作业队列中的各个作业分配执行次数及每次执行对应的运行任务量，作业队列中的第j个作业mj的第i次调度时所分配的资源即时间片T为系统静态设定的固定时间片；为第j个作业mj的第i次调度时的分配系数；并根据第i次调度时作业队列的总作业量Pi和第j个作业mj执行完成所需的总调度次数自适应的选取第j个作业mj的第i次调度时的的最优取值。本发明能够提高系统资源利用率，降低作业周转时间，从软件角度提升系统性能。