一种基于深度学习的KubeEdge边缘计算资源调度方法

本申请属于计算机领域，具体公开了一种基于深度学习的KubeEdge边缘计算资源调度方法，方法包括：在进行KubeEdge边缘计算时，利用自适应任务分配算法将新接收的任务分配到至少一个边缘节点，并利用动态负载均衡算法对各个边缘节点进行负载调整，实时将资源使用过载的边缘节点中至少部分任务迁移到资源使用较轻的边缘节点，以合理调度KubeEdge边缘计算时的各边缘节点资源；在上述自适应任务分配算法中根据各个边缘节点之间的负载均衡效果、任务响应时间、任务完成时间对所述预测模型进行强化学习，自适应迭代更新优化预测模型。通过本申请，基于自适应任务分配算法和动态负载均衡算法优化KubeEdge边缘计算中的任务调度，实现高效的任务调度和资源优化。