集群算力优化方法、装置、设备及存储介质与流程

本技术涉及算力优化，尤其涉及一种集群算力优化方法、装置、设备及存储介质。

背景技术：

1、随着算力网络技术的高速发展，集群算力在不同算力网络场景得到广泛应用，同时也对集群算力的优化提出了更高的要求。

2、传统的集群算力优化方法是只在算力分配时选择最佳的算力资源节点，这种集群算力优化方法存在很大的缺陷，会存在未考虑实际算力使用过程算力需求变化的问题，即，这种集群算力优化方法会由于未考虑实际算力使用过程算力需求变化，造成集群算力使用的准确率不高。

技术实现思路

1、本技术的主要目的在于提出一种集群算力优化方法、设备及存储介质，旨在提高集群算力使用的准确率。

2、为实现上述目的，本技术提供一种集群算力优化方法，所述集群算力优化方法步骤，包括：

3、若接收到输入的算力优化需求信息，其中，所述算力优化需求信息包括算力资源信息和算力需求信息；

4、根据所述算力资源信息确定算力优化模式，其中，所述算力优化模式包括单节点优化模式和多节点优化模式；

5、若所述算力优化模式为所述单节点优化模式，则根据所述算力需求信息和预设单节点优化依据信息确定第一集群算力优化结果，并根据所述第一集群算力优化结果进行集群算力优化；

6、若所述算力优化模式为所述多节点优化模式，则根据所述算力需求信息和预设多节点优化依据信息确定第二集群算力优化结果，并根据所述第二集群算力优化结果进行集群算力优化。

7、可选地，所述根据所述算力资源信息确定算力优化模式的步骤，包括：

8、确定所述第一总剩余算力资源与所述实时需求算力资源之间的算力资源差值；

9、若所述算力资源差值大于预设的资源差值阈值，且所述第一使用时间的时长小于预设的使用时间阈值，则确定算力优化模式为算力时间优化模式；

10、若所述算力资源差值大于预设的资源差值阈值，且所述第一使用时间的时长大于或者等于预设的使用时间阈值，则执行所述获取输入的算力优化需求信息的步骤；

11、若所述算力资源差值小于或者等于预设的资源差值阈值，则确定算力优化模式为算力节点优化模式。

12、可选地，所述预设多节点优化依据信息包括主节点优化依据信息和副节点优化依据信息，所述主节点优化依据信息包括各优化算力节点的集群优化历史信息和集群算力特性信息，所述算力需求信息包括主算力需求信息和副算力需求信息，所述主算力需求信息包括主优化时长、集群算力资源需求、集群算力特性需求和所在的算力优化区块链，所述根据所述算力需求信息和预设多节点优化依据信息确定第二集群算力优化结果的步骤，包括：

13、若所述算力优化区块链中存在满足所述集群算力资源需求的第一优化算力节点集，则确定所述第一优化算力节点集在所述集群算力特性信息中的目标集群算力特性，并将所述目标集群算力特性满足所述集群算力特性需求的第一优化算力节点集作为第二优化算力节点集，其中，所述集群算力特性需求包括集群的各所述优化算力节点的安全性需求、速度需求和带宽需求；

14、基于所述第二优化算力节点集的所述集群优化历史信息确定满足所述主优化时长的第三优化算力节点集，并根据所述第三优化算力节点集、所述主算力需求信息、所述副节点优化依据信息和所述副算力需求信息确定第二集群算力优化结果；

15、若所述算力优化区块链中不存在满足所述集群算力资源需求的第一优化算力节点集，则在所述算力优化区块链的邻接算力优化区块链中确定满足所述集群算力资源需求的第一优化算力节点集，并执行所述确定所述第一优化算力节点集在所述集群算力特性信息中的目标集群算力特性的步骤。

16、可选地，所述副节点优化依据信息包括所述第三优化算力节点集中优化算力节点的算力特性信息，以及第一优化成本阈值，所述副算力需求信息包括多个副算力需求的算力资源需求，所述根据所述第三优化算力节点集、所述主算力需求信息、所述副节点优化依据信息和所述副算力需求信息确定第二集群算力优化结果的步骤，包括：

17、若所述第三优化算力节点集存在一个，则基于预设的确定顺序，依次在所述第三优化算力节点集的算力特性信息中，确定满足所述副算力需求的算力资源需求的第四优化算力节点；

18、基于主算力需求的位置和所述第四优化算力节点确定优化成本，并在所述优化成本小于所述第一优化成本阈值时，将所述第四优化算力节点作为所述副算力需求的副优化结果；

19、确定各所述副算力需求对应的副优化结果，并根据所述主算力需求信息、所述第三优化算力节点集和所述副优化结果确定第二集群算力优化结果；

20、若所述第三优化算力节点集存在多个，则确定所述第三优化算力节点集的节点分布均值，并基于所述节点分布均值最小的第三优化算力节点集执行所述基于预设的确定顺序，依次在所述第三优化算力节点集的算力特性信息中，确定满足所述副算力需求的算力资源需求的第四优化算力节点的步骤，其中，所述节点分布均值为所述第三优化算力节点集中可优化节点之间的通信距离的平均值。

21、可选地，所述主算力需求信息还包括主算力需求的主需求特征和主需求算力，所述根据所述主算力需求信息、所述第三优化算力节点集和所述副优化结果确定第二集群算力优化结果的步骤，包括：

22、若所述第三优化算力节点集中存在多个满足所述主需求特征的第一主优化算力节点，则在所述第一主优化算力节点中确定满足所述主需求算力的第二主优化算力节点；

23、在所述第二主优化算力节点存在一个时，将所述第二主优化算力节点和所述副优化结果作为第二集群算力优化结果；

24、在所述第二主优化算力节点不存在时，将所述第一主优化算力节点和所述副优化结果作为第二集群算力优化结果；

25、在所述第二主优化算力节点存在多个时，依次确定所述第二主优化算力节点到所述副优化结果的节点的数据通信成本，并将所述数据通信成本最小的第三主优化算力节点和所述副优化结果作为第二集群算力优化结果；

26、若所述第三优化算力节点集中存在一个满足所述主需求特征的第一主优化算力节点，则将所述第一主优化算力节点和所述副优化结果作为第二集群算力优化结果。

27、可选地，所述预设单节点优化依据信息包括各优化算力节点的优化历史信息和算力特性信息，以及第二优化成本阈值，所述算力需求信息包括优化时长、算力资源需求、算力特性需求和所在的算力优化区块链，所述根据所述算力需求信息和预设单节点优化依据信息确定第一集群算力优化结果的步骤，包括：

28、若所述算力优化区块链中存在满足所述算力资源需求的第一优化算力节点，并确定所述第一优化算力节点中优化成本小于所述第二优化成本阈值的第二优化算力节点；

29、在所述算力特性信息中确定所述第二优化算力节点的目标算力特性，并将所述目标算力特性满足所述算力特性需求的第二优化算力节点作为第三优化算力节点，其中，所述算力特性需求包括安全性需求、速度需求和带宽需求；

30、基于所述第三优化算力节点的所述优化历史信息确定满足所述优化时长的第四优化算力节点；

31、若所述第四优化算力节点存在一个，则将优化所述第四优化算力节点作为第一集群算力优化结果；

32、若所述第四优化算力节点存在多个，则确定所述第四优化算力节点的优化次数，并确定所述优化次数最大的第四优化算力节点作为目标优化算力节点，将优化所述目标优化算力节点作为第一集群算力优化结果；

33、若所述算力优化区块链中不存在满足所述算力资源需求的第一优化算力节点，则在所述算力优化区块链的邻接算力优化区块链中确定满足所述算力资源需求的第一优化算力节点，并执行所述确定所述第一优化算力节点中优化成本小于所述优化成本阈值的第二优化算力节点的步骤。

34、可选地，所述算力需求信息还包括需求算力节点，所述确定所述第一优化算力节点中优化成本小于所述第二优化成本阈值的第二优化算力节点的步骤之前，包括：

35、依次确定所述第一优化算力节点与所述需求算力节点之间对应的第一优化成本，其中，所述第一优化成本包括通信成本、数据处理成本和负荷工作成本；

36、确定所述第一优化算力节点在预设的优化状态下的第二优化成本，并基于预设的比例关系确定所述第二优化成本和所述第一优化成本的目标优化成本作为所述第一优化算力节点的优化成本，其中，所述第二优化成本包括所述第一优化算力节点优化其他优化算力节点的成本。

37、此外，为实现上述目的，本技术还提供一种集群算力优化装置，所述集群算力优化装置，包括：

38、模式判断模块，用于若接收到输入的用户通行信息，则确定所述用户通行信息对应的闸机工作模式，其中，所述闸机工作模式包括单开模式和常开模式；

39、信息获取模块，用于若接收到输入的算力优化需求信息，其中，所述算力优化需求信息包括算力资源信息和算力需求信息；

40、模式判断模块，用于根据所述算力资源信息确定算力优化模式，其中，所述算力优化模式包括单节点优化模式和多节点优化模式；

41、第一优化模块，用于若所述算力优化模式为所述单节点优化模式，则根据所述算力需求信息和预设单节点优化依据信息确定第一集群算力优化结果，并根据所述第一集群算力优化结果进行集群算力优化；

42、第二优化模块，用于若所述算力优化模式为所述多节点优化模式，则根据所述算力需求信息和预设多节点优化依据信息确定第二集群算力优化结果，并根据所述第二集群算力优化结果进行集群算力优化。

43、此外，为实现上述目的，本技术还提供一种集群算力优化设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上所述的集群算力优化方法的步骤。

44、此外，为实现上述目的，本技术还提供一种集群算力优化存储介质，所述存储介质上存储有集群算力优化程序，所述集群算力优化程序被处理器执行时实现如上所述的集群算力优化方法的步骤。

45、本技术通过在接收到输入的算力优化需求信息，其中，所述算力优化需求信息包括算力资源信息和算力需求信息；根据所述算力资源信息确定算力优化模式，其中，所述算力优化模式包括单节点优化模式和多节点优化模式；若所述算力优化模式为所述单节点优化模式，则根据所述算力需求信息和预设单节点优化依据信息确定第一集群算力优化结果，并根据所述第一集群算力优化结果进行集群算力优化；若所述算力优化模式为所述多节点优化模式，则根据所述算力需求信息和预设多节点优化依据信息确定第二集群算力优化结果，并根据所述第二集群算力优化结果进行集群算力优化，通过算力优化需求信息确定算力优化模式，进而在不同算力优化模式下，基于算力优化需求信息和不同的预设优化依据信息确定集群算力优化结果，进而基于集群算力优化结果进行集群优化，从而避免了现有技术中未考虑实际算力使用过程算力需求变化的现象发生，这种集群算力优化方法不仅将优化方式分为不同模式进行优化，进而提高了集群算力优化的功能性，而且还针对不同的算力优化模式，基于算力优化需求信息和不同的预设优化依据信息确定集群算力优化结果，而并非简单依据请求的算力需求进行分配之后不考虑优化的问题，进而提高了集群算力使用的准确率。