一种基于深度学习的算力资源优化方法及系统

本发明涉及数据处理技术领域，特别是一种基于深度学习的算力资源优化方法及系统，包括：获取数据中心内的服务器和应用实例的运行指标数据；将服务器和应用实例的拓扑关系抽象为时序动态异构图；将所述时序动态异构图输入至一个时空图神经网络模型，用于捕捉资源的空域依赖和时序演化特性，从而提取各节点在未来时间步长的上下文特征嵌入；将所述上下文特征嵌入输入至一个条件变分自编码器模型，生成表征未来资源需求的多维概率分布；将所述多维概率分布作为状态，输入至一个多目标深度强化学习模型，输出用于调整各应用实例算力分配的全局优化调度策略。本发明的方法实现了数据中心运营效益的全面提升。