摘要
本发明属于服务无感知计算系统相关技术领域,具体涉及一种服务无感知计算系统的函数冷启动优化方法,包括:获取函数的调用信息,并根据函数在特定时间窗口内的调用频次,将函数分为稀疏函数和频繁函数。对稀疏函数预处理结果与频繁函数调用数据进行多轮采样,并将采样结果输入门控循环单元中生成多个候选的预测结果。将候选预测结果输入因果卷积神经网络中,可得到每个函数最终的预测结果。这些结果表示函数在未来时间的调用信息。基于这些预测结果对函数提前预热。本发明进一步还提出基于函数评分和释放代价的预热和保活策略。总的来说,本发明能够提高函数调用信息的预测精度,优化服务无感知计算系统的冷启动问题。
技术关键词
时序预测模型
容器
时间段
门控循环单元
函数调用信息
预热策略
可读存储介质
数据复制
模型更新
参数
计算机
精度
处理器
代表
序列