[发明专利]支撑点并行枚举负载均衡方法、装置、设备及介质

权利要求书

1.一种支撑点并行枚举负载均衡方法，其特征在于，包括：

利用人工神经网络的自学习能力，建立节点的状态参数与节点内子进程的负载情况之间的对应关系；

获取节点的当前状态参数；具体地，所述状态参数，包括：任务参数和/或性能参数，和/或由按设定规律自所述任务参数、所述性能参数中提取的特征组成的一维或两维以上的数组，数据转化为图像序列进行显示以及分析；

通过所述对应关系，确定与所述当前状态参数对应的当前负载情况；具体地，确定与所述当前状态参数对应的当前负载情况，包括：将所述对应关系中与所述当前状态参数相同的状态参数所对应的负载，确定为所述当前负载情况；

依据所述当前负载情况，增加或减少所述子进程的处理任务。

2.根据权利要求1所述的方法，其特征在于，所述任务参数，包括：任务数量、子进程数量、任务分割方式中的至少之一；

和/或，

所述性能参数，包括：子进程计算速度；

和/或，

所述对应关系，包括：函数关系；

所述状态参数为所述函数关系的输入参数，所述负载情况为所述函数关系的输出参数；

通过所述对应关系，确定与所述当前状态参数对应的当前负载情况的步骤，包括：当所述对应关系包括函数关系时，将所述当前状态参数输入所述函数关系中，确定所述函数关系的输出参数为当前负载情况。

3.根据权利要求1所述的方法，其特征在于，所述建立节点的状态参数与节点内子进程的负载情况之间的对应关系的步骤，包括：获取用于建立所述状态参数与所述负载情况之间的对应关系的样本数据；

分析所述状态参数的特性及其规律，根据所述特性及其规律，确定所述人工神经网络的网络结构及其网络参数；

使用所述样本数据，对所述网络结构和所述网络参数进行训练和测试，确定所述状态参数与所述负载情况的所述对应关系。

4.根据权利要求3所述的方法，其特征在于，所述获取用于建立所述状态参数与所述负载情况之间的对应关系的样本数据的步骤，包括：收集节点的在处理不同类型数据下的状态参数和负载情况；

对所述状态参数进行分析、并结合预存的专家经验信息，选取与所述负载情况相关的数据作为所述状态参数；

将所述负载情况、以及选取的所述状态参数构成的数据对，作为样本数据。

5.根据权利要求4所述的方法，其特征在于，所述网络结构，包括：BP神经网络、CNN神经网络、RNN神经网络、残差神经网络、多阶段循环神经网络中的至少之一；

和/或，

所述网络参数，包括：输入节点数、输出节点数、隐藏层数、隐节点数、密集块数、输出层数、卷积层数、过度层数、初始权值、偏置值中的至少之一。

6.根据权利要求3-5任一项所述的方法，其特征在于，

对所述网络结构和所述网络参数进行训练，包括：

选取所述样本数据中的一部分数据作为训练样本，将所述训练样本中的所述状态参数输入到所述网络结构，通过所述网络结构的激活函数和所述网络参数进行训练，得到实际训练结果；

确定所述实际训练结果与所述训练样本中的相应负载情况之间的实际训练误差是否满足设定训练误差；

当所述实际训练误差满足所述设定训练误差时，确定对所述网络结构和所述网络参数的所述训练完成；

和/或，

对所述网络结构和所述网络参数进行测试，包括：

选取所述样本数据中的另一部分数据作为测试样本，将所述测试样本中的所述状态参数输入到所述训练完成的所述网络结构中，以所述激活函数和所述训练完成的所述网络参数进行测试，得到实际测试结果；

确定所述实际测试结果与所述测试样本中的相应负载情况之间的实际测试误差是否满足设定测试误差；

当所述实际测试误差满足所述设定测试误差时，确定对所述网络结构和所述网络参数的所述测试完成。