全流程自动化资源调度系统及方法与流程

本发明属于资源调配，具体涉及全流程自动化资源调度系统及方法。

背景技术：

1、随着移动设备的更新换代，物联网快速发展，地理上分散分布的终端设备向计算平台提出了低时延、高带宽、数据私密性等需求，在云计算基础上提出边缘计算和集群的概念，通过将数据推到互联网边缘和集群来提升系统整体的可用性和可拓展性，通过将计算和存储设备配置在互联网边缘和集群来减少互联网数据传输量，从而降低时延、节省带宽及相关费用，然而市面上各种的资源分配仍存在各种各样的问题。

2、如授权公告号为cn113138841a所公开的一种资源调度方法以及资源调度系统，其虽然实现了对应用输入输出操作的精准预测，如此，在执行相同或相似作业时，基于预测结果进行资源调度，可以避免不必要的资源占用，提高资源利用率和应用执行效率，但是并未解决现有对资源进行分配的计算，以及如何实现对分配和资源查询等的问题，为此我们提出全流程自动化资源调度系统及方法。

技术实现思路

1、本发明的目的在于提供全流程自动化资源调度系统及方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：全流程自动化资源调度系统，包括计算机cpu，所述计算机cpu上电性连接有数据处理模块，所述数据处理模块上电性连接有网络通讯模块，所述网络通讯模块上通讯连接有集群节点，所述网络通讯模块上还通讯连接有边缘云计算，所述集群节点采用的是各个分布的计算机，通过分布的计算机实现对各个集群点的数据信息进行获取，以及实现对各个工作指令进行分配，实现计算处理，所述边缘云计算用于实现对较为复杂的工作指令或者是在所述集群节点工作繁忙的时候，进行辅助操作指令，有效的实现对资源分配计算处理，所述网络通讯模块用于实现对各个所述集群节点和计算机cpu进行通讯连接，所述数据处理模块用于实现对传输的数据信息进行计算处理，提高数据信息进行的精准度和安全性；

3、所述计算机cpu上电性连接节点资源模块，所述计算机cpu上电性连接信息封装模块，所述信息封装模块上电性连接有模型分析模块，所述模型分析模块上电性连接有自动调配模块、手动调配模块和处理信息模块，所述计算机cpu上电性连接有工作指令模块，所述工作指令模块上电性连接有工作调配模块，所述计算机cpu上电性连接有节点资源模块；所述信息封装模块用于实现对各个所述集群节点的数据信息进行集中，所述模型分析模块用于实现对数据信息进行计算分析处理，提高数据信息的整合和优选处理级别，所述自动调配模块用于实现按照优先处理级别进行自动化调配处理，所述手动调配模块用于实现对人机交互处理调控，所述处理信息模块用于实现对处理后的数据信息进行存储，便于后续进行查询，所述工作指令模块用于实现对所述各个所述集群节点的工作需求进行收集，便于根据各个所述集群节点的需求程度进行分配调控处理，所述工作调配模块用于实现对所述工作指令模块的指令进行分配给各个所述集群节点或者是所述边缘云计算，所述节点资源模块用于实现对各个所述集群节点的资源信息进行获取，根据各个所述集群节点的资源信息进行有效的调配资源的利用，便于实现对数据信息进行计算处理。

4、优选的，所述数据处理模块中包括有用于实现对数据信息进行进行接收的获取单元，包括有用于实现对数据信息进行模数转换的转换单元，包括有用于实现对数据信息进行放大处理的增益单元，包括有用于实现对数据信息进行滤除杂波的滤波单元。

5、优选的，所述滤波单元采用的是一阶低通滤波器，所述一阶低通滤波器的算法公式为：

6、y(n)＝αx(n)+(1-α)y(n-1)，

7、式中：α＝滤波系数；x(n)＝本次采样值；y(n-1)＝上次滤波输出值；y(n)＝本次滤波输出值，一阶低通滤波法采用本次采样值与上次滤波输出值进行加权，得到有效滤波值，使得输出对输入有反馈作用。

8、优选的，所述模型分析模块采用的是bp神经网络，所述bp神经网络实现对数据信息的需求程度进行计算处理，所述bp神经网络的算法如下：

9、设输入的神经元为x1，x2，...xj，输入常为对系统模型关键影响的自变量，w1、w2、…、wj为连接权值调节各个输入量的占重比，选取最便捷的线性加权求和可得neti神经元净输入，公式如下：

10、

11、θi表示该神经元的阈值，将netin与θj进行比较，然后通过激活函数处理以产生神经元的输出，

12、yj＝f(netin-θj)，

13、简化，设第一个输入永远值为θ，权值为-1，则得到公式：

14、

15、其中w0＝-1，x0＝θj，其中f为选择的激活函数。

16、优选的，所述模型分析模块中还包括有贝叶斯定理，用于计算计算在所述自动调配模块进行自动分配数据信息计算处理优选级的概率，每个数据信息的概率给出x的值；

17、

18、p(cx)是给定预测变量x，c数据信息的概率；

19、p(xc)是给定预测变量c时，x数据信息的概率；

20、p0是数据信息的概率；

21、p(x)为预测计算的概率；

22、即通过数据信息的优先级的概率，去得出计算数据信息的概率。

23、优选的，所述节点资源模块包括有集群管理和资源查询，所述集群管理用于实现对所述集群节点中资源的管理和调度，所述工作调配模块实现对所述工作指令模块获取的是工作指令进行分配，完成对工作指令进行选择分配处理。

24、优选的，所述工作调配模块包括有优化问题、模型与算法和智能算法；

25、所述优化问题是根据所述集群节点的计算能力、存储空间、带宽、电池电量进行计算，将有限资源作为约束给出调度优化模型；

26、所述模型与算法的资源约束表示为∑i(∑rxi，j，r)·ai，j≤aj，其中∑rxi，j，r＝1表示任务i分配至节点j，ai，j表示任务i占用的某类资源量，aj表示节点j该资源总量，当没有任务处理时间约束时，建模为多个物品分配到若干多维背包的匹配问题；

27、所述智能算法采用分布式遗传算法求解cpu、内存和带宽约束下混合云任务分配问题，利用有偏随机键和特定解码规则处理不可行解，最大化同时处理的任务数。

28、优选的，所述分布式遗传算法的计算公式如下：

29、初始化种群：

30、

31、其中，xi(0)是第i个个体，j表示第j维；

32、

33、其中，和分别为第j维的下界和上界，rand(0,1)表示在区间[0,1]上的随机数。

34、优选的，所述计算机cpu包括有多种授权方式、支持分身运行、多方式自动触发流程和支持高密度部署；

35、所述多种授权方式包括有以下方式：

36、人机交互-绑定机器授权，输入激活码使用，非常适合单机使用，

37、人机交互-浮动授权，同一个用户在不同机器上登录使用，不登录不占用授权，

38、无人值守模式授权，支持在同一台机器运行多个流程机器人，没有运行流程的流程机器人不占用授权，

39、不同授权方式之间可自由切换，满足不同交互方式的业务需求；

40、所述支持分身运行包括有以下方式：

41、人工和机器人共用一台计算机，数据共享，却互不干扰，

42、分身随流程自动启动，流程运行完毕自动消失，无需任何额外设置，

43、支持常见的windows版本，包括windows家庭版，

44、将多个流程编为一个流程组，流程组亦支持分身运行；

45、所述多方式自动触发流程包括有以下方式：

46、在流程机器人启动时自动触发，

47、根据工作计划，定时触发流程，

48、收到特定邮件时触发，针对邮件的所述集群节点设定触发规则，

49、对文件新增、删除等操作进行监视，一旦发生，立即触发流程，

50、第三方应用通过api接口调用触发器，随时运行流程；

51、所述支持高密度部署包括有以下方式：

52、同一台计算机上同时部署多个流程机器人，同时运行同一流程，或者同时运行不同流程，提高运行效率，

53、多个流程机器人同时运行，彼此之间亦无干扰，

54、计算机重启之后，能够主动恢复流程机器人，无需人为唤醒，

55、支持在本地计算机或机器人指挥官上，对流程机器人的在线状态、运行状态进行监控和管理。

56、全流程自动化资源调度系统的方法，包括有以下步骤：

57、s1、启动集群：当集群启动时，各个集群节点向计算机cpu汇报信息，计算机cpu将信息封装到信息封装模块中，汇聚成一个集合；

58、s2、集群节点箱计算机cpu请求运行：当集群节点向计算机cpu提交运行请求时，首先会在工作指令模块中进行存储，形成一个集合；

59、s3、查询集群节点的资源空间：此时节点资源模块先遍历集群节点，实现对集群节点的资源进行查询；

60、s4、实现对计算处理分配：通过模型分析模块实现对需要处理的数据信息进行分析，并且通过工作调配模块和节点资源模块实现对自动调配模块进行分配任何和集群节点；

61、s5、手动调配模块分配任务：通过手动调配模块实现对信息封装模块中的任务进行分配计算处理，且计算后的任务存储在处理信息模块中，在设定时间内进行存储，便于进行查询，超过设定时间进行删除；

62、s6、集群节点和边缘云计算：在任务进行分配的时候，根据集群节点的资源空间进行分配任务，且在集群节点没有资源的时候，或者是运行任务较大的时候，通过边缘云计算进行处理，提高效率和减少资源占用。

63、与现有技术相比，本发明的有益效果是：

64、本发明在使用的时候，通过信息封装模块实现对集群节点的数据信息进行进行封存，并且通过节点资源模块实现对各个集群节点的资源进行检测，使得各个集群节点的资源能够明确，便于实现对任务进行分配，且信息封装模块通过模型分析模块实现对任务进行需求紧急程度进行计算训练，便于实现对任务的后续计算进行搭建模型，以及通过贝叶斯定理实现对处理的优选级概率进行计算处理，便于自动化调配模块进行分配任务，以及工作调配模块优化问题、模型与算法和智能算法进行计算处理，便于实现对各个集群节点和边缘云计算进行分配任务进行处理，充分的利用资源空间进行处理任务。