[发明专利]基于人工智能的数据中心资源分配方法及装置

权利要求书

1.一种基于人工智能的数据中心资源分配方法，其特征在于，所述方法应用于人工智能的数据中心，所述数据中心包括：多个第一设备以及缓存节点，所述方法包括：

缓存节点获取多个第一设备的特征信息，所述第一设备为目标缓存节点覆盖范围内的设备，所述特征信息包括所述第一设备在第一时长内发送数据获取请求的次数和每次所述数据获取请求对应的数据标识；

分别计算所述多个第一设备的在所述目标缓存节点覆盖范围内的停留时间；

根据所述多个第一设备的所述特征信息和所述停留时间，确定所述多个第一设备的目标数据类型；

从服务器缓存所述目标数据类型对应的目标数据；

其中，所述根据所述多个第一设备的所述特征信息和所述停留时间，确定所述多个第一设备的目标数据类型，包括：

将所述多个第一设备中每一第一设备的特征信息以及所述停留时间映射于坐标系中，所述坐标系的横轴为时间，纵轴为数据获取请求的次数；

对所述多个第一设备中每一第一设备对应的坐标点进行拟合，得到多条拟合曲线，每一第一设备对一条拟合曲线；

对所述多条拟合曲线的交点进行统计，得到多个交点对，每一交点对均表示为（交点数量，停留时刻）；

基于所述多个交点对确定所述多个第一设备的目标数据类型。

2.根据权利要求1所述的方法，其特征在于，所述分别计算所述多个第一设备的在所述目标缓存节点覆盖范围内的停留时间，包括：

获取所述第一设备i的行驶路线，所述第一设备i为所述多个第一设备中的任意第一设备；

依据所述行驶路线，确定所述第一设备i处于所述目标缓存节点覆盖范围的行程轨迹；

获取所述行程轨迹的起始时刻和结束时刻；

依据所述起始时刻和所述结束时刻确定所述第一设备i在所述目标缓存节点覆盖范围内的停留时间。

3.根据权利要求1所述的方法，其特征在于，所述基于所述多个交点对确定所述多个第一设备的目标数据类型，包括：

依据所述多个交点对确定目标均值和目标均方差；

按照预设的均值与评价值之间的映射关系，确定所述目标均值对应的参考评价值；

按照预设的均方差与波动调节系数之间的映射关系，确定所述目标均方差对应的目标波动调节系数；

依据所述目标波动调节系数对所述参考评价值进行波动调节，得到目标评价值；

按照预设的评价值与目标数据类型之间的映射关系，确定所述目标评价值对应的目标数据类型。

4.根据权利要求1或2所述的方法，其特征在于，所述根据所述多个第一设备的所述特征信息和所述停留时间，确定所述多个第一设备的目标数据类型，包括：

获取数据模型；

将所述多个第一设备中每一第一设备的特征信息以及所述停留时间输入所述数据模型，输出所述目标数据类型。

5.根据权利要求4所述的方法，其特征在于，所述数据模型具体包括：

获取训练集组，所述训练集组包括多个训练集，所述训练集包括人工标注的第一数据，所述第一数据包括至少一个设备的数据获取请求、每个所述数据获取请求对应的数据标识、以及每个设备的停留时间；

根据所述训练集组对待训练的数据模型进行训练，得到所述数据模型。

6.根据权利要求3或5所述的方法，其特征在于，所述从服务器缓存所述目标数据类型对应的目标数据，包括：

确定多个候选数据，所述候选数据为所述服务器中访问量大于或等于第一阈值且数据类型为所述目标数据类型的数据；

获取所述目标缓存节点的剩余存储空间大小；

根据所述剩余存储空间大小和所述多个候选数据的大小，确定并缓存所述目标数据，所述目标数据为所述候选数据中访问量最大的至少一个候选数据。