一种基于深度学习的负载感知调度方法

本发明涉及一种基于深度学习的负载感知调度方法。本方法包括：从数据源中收集历史负载数据，将收集到的数据按时间序列进行整理，生成时间序列数据集；构建深度学习模型，该模型采用循环神经网络或其变种捕捉负载数据的时序依赖关系；利用深度学习模型进行系统负载预测，根据历史负载数据预测未来某个时刻的负载值；根据深度学习模型的负载预测结果、当前资源利用率以及系统资源限制因素，制定调度策略，并依据该策略动态调整资源的分配。本方法可以很好地适应计算资源负载动态、多变的特点，实现对系统负载的准确预测和智能调度，提高计算资源的利用效率和系统的稳定性。另外，本方法的通用性和扩展性好，可适用于不同规模和类型的云计算环境。