边缘云资源的分级画像方法、装置、计算机设备及介质与流程

本申请涉及数据处理，尤其涉及一种边缘云资源的分级画像方法、装置、计算机设备及介质。

背景技术：

1、随着云计算技术的不断发展，各种类型的资源池和云平台的数量不断增多。云计算平台利用虚拟化技术形成的资源池，形成大量的云资源。同一公司可能会将多种类型的云平台和资源池共同使用，此时存在多种云平台、多种资源池并存的现象。

2、随着业界对于低时延、本地化、海量连接等算力需求的增长，云服务商越来越重视边缘云的投建、研发，海量的分布式边缘节点带来了运维、资源管理、资源调度等技术挑战，边缘云的系统化、准确、易理解的资源画像，已成为管理、调度技术的重要基础。因此，如何提高边缘云资源的分级画像的准确度进而提升资源利用率成为了亟待解决的技术问题。

技术实现思路

1、本申请提供了一种边缘云资源的分级画像方法、装置、计算机设备及介质，以提高边缘云资源的分级画像的准确度。

2、第一方面，本申请提供了一种边缘云资源的分级画像方法，所述方法包括：

3、基于边缘云集群的静态服务能力，确定对应的服务能力自动标签；

4、根据所述边缘云集群的动态资源变化，确定所述边缘云集群的动态画像；

5、根据所述服务能力自动标签和/或所述动态画像，生成所述边缘云集群的分级画像。

6、进一步地，基于边缘云集群的服务能力，确定对应的服务能力自动标签之前，包括：

7、根据预设服务能力判定条件，对所述边缘云集群的所述静态服务能力进行检测；

8、在所述静态服务能力未满足全部所述预设服务能力判定条件的情况下，拒绝确定所述服务能力自动标签。

9、进一步地，根据所述边缘云集群的动态资源变化，确定所述边缘云集群的动态画像，包括：

10、基于预设指数加权滑动窗口模型和历史资源可用量，预测所述边缘云集群的预测资源可用量；

11、基于所述预测资源可用量，确定所述动态画像。

12、进一步地，预设指数加权滑动窗口模型为

13、其中，代表t时间的预测值，yt代表t时间的实际值，代表半衰期加权权重。

14、进一步地，历史资源可用量包括历史cpu资源可用量、历史内存资源可用量和历史带宽资源可用量；所述预测资源可用量包括预测cpu资源可用量、预测内存资源可用量和预测带宽资源可用量。

15、进一步地，边缘云资源的分级画像方法还包括：

16、获取所述边缘云集群的特定标签；

17、基于所述特定标签，生成所述分级画像。

18、进一步地，述预设服务能力判定条件包括基础硬件与驱动、库存管理与监控能力、能力组件。

19、第二方面，本申请还提供了一种边缘云资源的分级画像装置，所述装置包括：

20、服务能力自动标签确定模块，用于基于边缘云集群的静态服务能力，确定对应的服务能力自动标签；

21、动态画像确定模块，用于根据所述边缘云集群的动态资源变化，确定所述边缘云集群的动态画像；

22、分级画像生成模块，用于根据所述服务能力自动标签和/或所述动态画像，生成所述边缘云集群的分级画像。

23、第三方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的边缘云资源的分级画像方法。

24、第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的边缘云资源的分级画像方法。

25、本申请公开了一种边缘云资源的分级画像方法、装置、计算机设备及介质，所述边缘云资源的分级画像方法包括基于边缘云集群的静态服务能力，确定对应的服务能力自动标签；根据所述边缘云集群的动态资源变化，确定所述边缘云集群的动态画像；根据所述服务能力自动标签和/或所述动态画像，生成所述边缘云集群的分级画像。通过上述方式，本申请根据边缘云资源具备的静态服务能力确定服务能力自动标签，并根据动态的资源变化生成动态画像。将服务能力自动标签与动态画像相结合，确定该边缘云资源对应的分级画像，提高了边缘云资源的分级画像的准确度。

技术特征：

1.一种边缘云资源的分级画像方法，其特征在于，包括：

2.根据权利要求1所述的边缘云资源的分级画像方法，其特征在于，所述基于边缘云集群的服务能力，确定对应的服务能力自动标签之前，包括：

3.根据权利要求1所述的边缘云资源的分级画像方法，其特征在于，所述根据所述边缘云集群的动态资源变化，确定所述边缘云集群的动态画像，包括：

4.根据权利要求3所述的边缘云资源的分级画像方法，其特征在于，所述预设指数加权滑动窗口模型为

5.根据权利要求3所述的边缘云资源的分级画像方法，其特征在于，所述历史资源可用量包括历史cpu资源可用量、历史内存资源可用量和历史带宽资源可用量；所述预测资源可用量包括预测cpu资源可用量、预测内存资源可用量和预测带宽资源可用量。

6.根据权利要求1所述的边缘云资源的分级画像方法，其特征在于，所述边缘云资源的分级画像方法还包括：

7.根据权利要求1至6中任一项所述的边缘云资源的分级画像方法，其特征在于，所述预设服务能力判定条件包括基础硬件与驱动、库存管理与监控能力、能力组件。

8.一种边缘云资源的分级画像装置，其特征在于，包括：

9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至7中任一项所述的边缘云资源的分级画像方法。

技术总结
本申请涉及数据处理技术领域，公开了一种边缘云资源的分级画像方法、装置、计算机设备及介质，所述边缘云资源的分级画像方法包括基于边缘云集群的静态服务能力，确定对应的服务能力自动标签；根据所述边缘云集群的动态资源变化，确定所述边缘云集群的动态画像；根据所述服务能力自动标签和/或所述动态画像，生成所述边缘云集群的分级画像。通过上述方式，本申请根据边缘云资源具备的静态服务能力确定服务能力自动标签，并根据动态的资源变化生成动态画像。将服务能力自动标签与动态画像相结合，确定该边缘云资源对应的分级画像，提高了边缘云资源的分级画像的准确度。

技术研发人员：熊瑶
受保护的技术使用者：天翼云科技有限公司
技术研发日：
技术公布日：2024/4/17