[发明专利]一种边缘节点负载预测方法及装置

权利要求书

1.一种边缘节点负载预测方法，其特征在于，所述方法包括：

根据边缘节点拓扑关系图确定当前边缘节点的邻近边缘节点，并采集当前边缘节点的特征及邻近边缘节点的特征；

采用已训练好的图神经网络模型对当前边缘节点的特征及邻近边缘节点的特征进行加权求和，以计算获取当前边缘节点在未来预定时间段内的预测负载值。

2.根据权利要求1所述的边缘节点负载预测方法，其特征在于，所述特征包括边缘节点的资源特征、历史负载值和任务请求特征。

3.根据权利要求2所述的边缘节点负载预测方法，其特征在于，所述历史负载值包括昨天历史负载值、最近一周历史平均负载值、最近一个月历史平均负载值、以及最近一年历史平均负载值。

4.根据权利要求2所述的边缘节点负载预测方法，其特征在于，所述资源特征包括边缘节点的CPU核数、内存总量、带宽总量及边缘节点的服务器数目。

5.根据权利要求2所述的边缘节点负载预测方法，其特征在于，所述任务请求特征包括昨日用户请求总数及用户请求的资源特征。

6.根据权利要求1所述的边缘节点负载预测方法，其特征在于，所述图神经网络模型的训练方法包括：

采集边缘节点拓扑关系图中每个边缘节点的特征；

根据每个边缘节点的特征及每个边缘节点的邻近边缘节点的特征，采用前向传播算法学习边缘节点的特征与负载的关系，从而计算获取每个边缘节点在指定历史时间段内基于图神经网络模型的预测负载值；

根据每个边缘节点在指定历史时间段内基于图神经网络模型的预测负载值与相应边缘节点的实际负载值计算MSE损失，以优化图神经网络模型的参数。

7.根据权利要求1所述的边缘节点负载预测方法，其特征在于，所述边缘节点拓扑关系图的构建方法包括：

根据边缘节点之间的结构信息与网络延迟信息，在同属于一个区域的边缘节点之间通过边连接构建无向图，同时提取每个边缘节点的特征；

其中，无向图中边的权重被定义为边缘节点之间的网络延迟。

8.根据权利要求7所述的边缘节点负载预测方法，其特征在于，当边缘节点数量超过预定上限值时，通过删除长尾边缘节点及设置边权重阈值的方式限制边缘节点拓扑关系图的规模。

9.根据权利要求1所述的边缘节点负载预测方法，其特征在于，所述加权求和的权重由边缘节点拓扑关系图中边的权重、及每层的图神经网络模型的系数矩阵共同确定。

10.一种边缘节点负载预测装置，其特征在于，所述装置包括：

特征采集单元：用于根据边缘节点拓扑关系图确定当前边缘节点的邻近边缘节点，并采集当前边缘节点的特征及邻近边缘节点的特征；

预测单元：用于采用已训练好的图神经网络模型对当前边缘节点的特征及邻近边缘节点的特征进行加权求和，以计算获取当前边缘节点在未来预定时间段内的预测负载值。