[发明专利]一种地理分布式机器学习参数服务器放置方法

权利要求书

1.一种地理分布式机器学习参数服务器放置方法，其特征在于，包括以下步骤：

S1、根据链路物理长度和链路带宽，将地理上分散在广域网拓扑中的工作节点划分为不同的簇；

步骤S1包括以下分步骤：

S11、根据链路物理长度和链路带宽，计算地理上分散在广域网拓扑中每条链路的权重；

S12、根据每条链路的权重构建的权重集合，计算任意两个工作节点间的最短路径；

S13、将每个工作节点初始化为一个簇；

S14、根据任意两个工作节点间的最短路径，将距离最近的两个簇合并为一个簇；

S15、重复步骤S14，直到距离最近的两个簇之间的距离大于设定阈值，簇划分完成；

S2、判断当前簇的数量是否为1，若是，则跳转至步骤S3，若否，则跳转至步骤S4；

S3、对唯一簇进行本地参数服务器和全局参数服务器的放置；

步骤S3包括以下分步骤：

S31、遍历唯一簇中每个工作节点，计算每个工作节点和剩余工作节点的平均距离；

S32、选取唯一簇中平均距离最小的工作节点作为唯一簇的本地参数服务器和全局参数服务器，实现对唯一簇的本地参数服务器和全局参数服务器的放置；

S4、对所有簇进行本地参数服务器和全局参数服务器的放置；

步骤S4包括以下分步骤：

S41、遍历所有簇中每个工作节点，计算每个簇中每个工作节点和剩余工作节点的平均距离，选取每个簇中平均距离最小的工作节点作为该簇的本地参数服务器；

S42、遍历广域网拓扑中的每个工作节点，计算每个工作节点与所有本地参数服务器的平均距离；

S43、选取广域网拓扑中平均距离最小的工作节点作为广域网拓扑的全局参数服务器，并将该工作节点移除所在簇，实现对所有簇的本地参数服务器和全局参数服务器的放置。

2.根据权利要求1所述的地理分布式机器学习参数服务器放置方法，其特征在于，所述步骤S11中计算地理上分散在广域网拓扑中每条链路的权重的公式为：

其中，w_e为链路e的权重，d_e为链路e的物理距离，β₁为第一权重参数，β₂为第二权重参数，d为包含所有链路物理长度的向量，B为包含所有链路带宽的向量，|| ||_∞为向量中最大的绝对值，min()为向量中最小分量的值，B_e为链路e的带宽。

3.根据权利要求1所述的地理分布式机器学习参数服务器放置方法，其特征在于，所述步骤S14包括以下分步骤：

S141、根据任意两个工作节点间的最短路径，计算每个簇与剩余簇的簇距离；

S142、将最小的簇距离对应的两个簇合并为一个簇。

4.根据权利要求3所述的地理分布式机器学习参数服务器放置方法，其特征在于，所述步骤S141中簇距离为：最小距离、最大距离或平均距离；

所述最小距离的计算公式为：

所述最大距离的计算公式为：

所述平均距离的计算公式为：

其中，C_i为第i个簇，C_j为第j个簇，dist(u，v)为任意工作节点u和v间的距离，为取任意两个簇i，j中任意两工作节点u，v距离的最小值，Dist_min(i，j)为第i个簇与第j个簇中工作节点的最小距离，为取任意两个簇i，j中任意两工作节点u，v距离的最大值，Dist_max(i，j)为第i个簇与第j个簇中工作节点的最大距离，|C_i|为第i个簇中的工作节点数，|C_j|为第j个簇中的工作节点数，Dist_avg(i，j)为第i个簇与第j个簇中工作节点的平均距离，α₁为第三权重参数，α₂为第四权重参数，pdist(u，v)为任意两个工作节点间的最短路径的物理距离，|| ||_∞为向量中最大的绝对值，min()为向量中最小分量的值，Bw(u，v)为节点u到节点v的最短路径所经过的链路中带宽最小的链路带宽，pdist为包含所有工作节点间物理距离的向量，Bw为包含所有节点间最短路径中最小链路带宽的向量。