[发明专利]边缘云混跑场景的网络资源优化方法及装置

说明书

本发明公开一种边缘云混跑场景的网络资源优化方法，包括：获取边缘云的特征数据基于transformer算法进行预测以获取当前预测流量；其中，所述特征数据至少包括：任务id、任务属性、时间区间、设备配置；获取设备实际混跑运行过程中的所述特征数据和预设虚拟混跑的所述特征数据输入多目标模型；所述多目标模型对所述特征数据进行预设处理以获取该边缘云的预测参数；基于强化学习模型对所述预测参数以及所述当前预测流量按照预设算法计算该边缘云的最优毛利费用以及确定该最优毛利费用对应的动作以实现该边缘云的网络资源优化。能提高各个云计算商家的收入，而且能降低混跑场景的故障率，同时能解决混跑场景下的资源动态扩张诉求。

技术领域

本发明属于网络资源优化技术领域，尤其涉及一种边缘云混跑场景的网络资源优化方法、装置、设备及存储介质。

背景技术

随着万物互联时代到来以及5G通信网络普及，互联网数据规模呈现指数级增长。在此背景下，传统的云计算的中心化架构已经无法满足终端用户对于时效、容量、算力的需求。边缘云的超低时延、海量数据、边缘智能等特性促使更多的企业选择边缘云技术方案的原因，也使得边缘云计算在市场中成为构筑在中心云与终端之间的重要组成。

在边缘云场景，普遍在云计算的供应商侧和业务侧存在95计费的业务场景，同时存在着多个业务节点共享一个交换机或者节点带宽的业务场景。在这种场景下，如何能最大化的保障供应商侧与业务侧之间的长期毛利，不仅是各个边缘云商家盈利多少的重要因子，也是各个云计算商家之间竞争的核心要素。

现有的边缘云混跑场景往往采用线性加权的方式去衡量95计费的差异，同时具有以下的缺点：

1、没有考虑到各个业务的95计费时间节点存在差异，也就是混跑场景下的错峰问题，非常容易导致机器95流量较高，从而计费的成本增加。

2、往往只考虑短期的95流量收益，但混跑场景下的流量非常不稳定，往往随着时间、业务来回波动，这样往往会导致短期收益、长期亏损的现象。

3、主任务的系统稳定性问题，往往在混跑场景中，辅任务往往是通过95计费的逻辑复用主任务的带宽资源，但这种场景往往非常容易降低主任务的系统稳定性。

常规的云计算混跑场景技术主要基于动态规划、机器学习或者使用率预测等技术。但各个业务与各个云计算设备之间往往存在较强的异构性与复杂性，所以很难通过一些统计或者常规机器学习的方法来实现最优化的混跑逻辑。

发明内容

为解决上述问题，本发明的目的是提供一种边缘云混跑场景的网络资源优化方法、装置、设备及存储介质，该方法、装置、设备及存储介质能提高各个云计算商家的收入，而且能降低混跑场景的故障率，同时能解决混跑场景下的资源动态扩张诉求。

为实现上述目的，本发明的技术方案为：一种边缘云混跑场景的网络资源优化方法，包括：获取边缘云的特征数据基于transformer算法进行预测以获取当前预测流量；其中，所述特征数据至少包括：任务id、任务属性、时间区间、设备配置；获取设备实际混跑运行过程中的所述特征数据和预设虚拟混跑的所述特征数据输入多目标模型；所述多目标模型对所述特征数据进行预设处理以获取该边缘云的预测参数；基于强化学习模型对所述预测参数以及所述当前预测流量按照预设算法计算该边缘云的最优毛利费用以及确定该最优毛利费用对应的动作以实现该边缘云的网络资源优化。

在本发明的一个实施例中，所述获取边缘云的特征数据基于transformer算法进行预测以获取当前预测流量进一步包括：获取第一预设时间段内该边缘云的流量数据并组成序列化数据；基于所述第一预设时间段内的流量数据预测第二预设时间段的流量数据并与第二预设时间段的真实流量数据进行比对；基于第一预设时间段的流量数据、第二预设时间段的真实流量数据以及第二预设时间段的预测流量数据和第二预设时间段的真实流量数据的比对结果进行预测以获取当前预测流量。