CN112468597B - 基于人工智能的数据中心资源分配方法及装置 - Google Patents

Abstract

本申请涉及互联网数据存储领域，尤其涉及一种基于人工智能的数据中心资源分配方法及装置，该方法包括：获取多个第一设备的特征信息，所述第一设备为目标缓存节点覆盖范围内的设备，所述特征信息包括所述第一设备在第一时长内发送数据获取请求的次数和每次所述数据获取请求对应的数据标识；分别计算所述多个第一设备的在所述目标缓存节点覆盖范围内的停留时间；根据所述多个第一设备的所述特征信息和所述停留时间，确定所述多个第一设备的目标数据类型；从服务器缓存所述目标数据类型对应的目标数据。采用本申请实施例能够可以在用户移动的场景下从服务器中缓存用户感兴趣的内容，提升了用户体验。

Description

基于人工智能的数据中心资源分配方法及装置

技术领域

本申请涉及互联网数据存储领域，尤其涉及一种基于人工智能的数据中心资源分配方法及装置。

背景技术

随着物理网的发展，涌现出了一系列的应用。大量的应用催生出海量的数据，数据的处理对于传统的网络架构在时延、开销、带宽方面产生巨大的压力。为了提升物联网系统的服务质量（Quality of Service，QoS）和用户的体验质量（Quality of Experience，QoE）以便于吸引更多的用户，可以通过缓存流行内容在网络的边缘服务器，例如从云端缓存用户感兴趣的内容到智能车载，使得用户能够直接获取感兴趣的内容，无需请求中心服务器的帮助，从而可以避免由于频繁从中心服务器获取内容而造成的冗余数据通信，从而缓解带宽的压力，提升用户体验。但是由于终端设备和边缘服务器容量的限制，无法缓存网络中所有的内容，需要选择性的缓存用户最感兴趣的内容。然而，内容的流行度会随着时间和用户不断发生变化，因此，如何合理地缓存用户最感兴趣的内容是亟待解决的问题。

发明内容

本申请实施例提供了一种基于人工智能的数据中心资源分配方法及装置，能够在用户移动的场景下从服务器中缓存用户感兴趣的内容，提升了用户体验。

第一方面，本申请实施例提供一种基于人工智能的数据中心资源分配方法，所述方法包括：

获取多个第一设备的特征信息，所述第一设备为目标缓存节点覆盖范围内的设备，所述特征信息包括第一设备在第一时长内发送数据获取请求的次数和每次所述数据获取请求对应的数据标识；分别计算所述多个第一设备的在所述目标缓存节点覆盖范围内的停留时间；根据所述多个第一设备的所述特征信息和所述停留时间，确定所述多个第一设备的目标数据类型；从服务器缓存所述目标数据类型对应的目标数据。

第二方面，本申请实施例提供一种基于人工智能的数据中心资源分配装置，所述装置包括：

获取单元，用于获取多个第一设备的特征信息，所述第一设备为目标缓存节点覆盖范围内的设备，所述特征信息包括第一设备在第一时长内发送数据获取请求的次数和每次所述数据获取请求对应的数据标识；计算单元，用于分别计算所述多个第一设备的在所述目标缓存节点覆盖范围内的停留时间；确定单元，用于根据所述多个第一设备的所述特征信息和所述停留时间，确定所述多个第一设备的目标数据类型；缓存单元，用于从服务器缓存所述目标数据类型对应的目标数据。

第三方面，本申请实施例提供一种电子设备，所述电子设备包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面中任一方法所描述步骤的指令。

第四方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面中任一方法所描述的部分或全部步骤。

第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面中任一方法所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。

本申请提供一种基于人工智能的数据中心资源分配方法及装置，通过目标缓存节点中每个设备发送数据获取请求、数据获取请求对应的数据标识以及每个设备在目标缓存节点中的停留时间，计算出目标缓存节点中设备最感兴趣的目标数据类型，然后从服务器中获取目标数据类型对应的目标数据，从而目标缓存节点可以在用户移动的场景下从服务器中缓存用户感兴趣的内容，提升了用户体验。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种网络架构示意图；

图2为本申请实施例提供的一种基于人工智能的数据中心资源分配方法的流程示意图；

图3为本申请实施例提供的一种基于人工智能的数据中心资源分配装置的功能单元组成框图；

图4是本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、成功地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是在一个可能的示例中还包括没有列出的步骤或单元，或在一个可能的示例中还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

为更好地理解本申请实施例提供的技术方案，下面对本申请实施例提供的技术方案适用的应用场景做一些简单介绍，需要说明的是，以下介绍的应用场景仅用于说明本申请实施例而非限定。在具体实施时，可以根据实际需要灵活地应用本申请实施例提供的技术方案。

请参见图1，图1为本申请实施例适用的一种人工智能的数据中心的网络架构示意图，在该网络架构包括服务器10、多个缓存节点20、多个终端设备30。服务器10中存储着终端设备30所需的多种数据信息，缓存节点20中缓存有服务器10中的部分数据信息。

如图1所示，一个缓存节点20下可以包括至少一个终端设备30，该至少一个终端设备30中的每两个终端设备30之间均可以直接通信，例如，每两个终端设备30之间可以采用虚拟专用网络(Virtual Private Network，简称VPN)方式通信，该至少一个终端设备30具有通信功能，还具备计算和存储资源，终端设备30可以将计算密集型业务和时延敏感型业务上传给缓存节点20，以实现任务的快速处理，终端设备30也可以从缓存节点20中下载其感兴趣的内容。终端设备30还可以直接与服务器10进行通信。

缓存节点20可以终端设备30及服务器10通信。缓存节点20可以根据接收终端设备30发送的数据获取请求向终端设备30发送其请求的数据标识对应的数据；缓存节点20还可以存储每一个终端设备30的数据访问信息，数据访问信息中可以包括各数据信息被访问的次数等，并向服务器10发送缓存节点的数据访问信息；缓存节点20还可以向终端设备30推送服务器10确定得到的推送数据。

其中，服务器10可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。缓存节点20可以是部署在路口的路边单元（Roadside Unit, RSU）、基站或具有存储能力的智能车载，终端设备30可以是智能车载、智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。终端设备与服务器之间可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。

需要说明的是，图1只是以示例的形式示意一种网络架构，当然，在网络架构中还可以包括其他设备，例如基站等。本申请对可适用于的网络架构不作具体限定。

为进一步说明本申请实施例提供的技术方案，下面结合附图以及具体实施方式对此进行详细的说明。虽然本申请实施例提供了如下述实施例或附图所示的方法操作步骤，但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本申请实施例提供的执行顺序。所述方法在实际的处理过程中或者装置执行时，可按照实施例或者附图所示的方法顺序执行或者并行执行。

本申请实施例提供一种基于人工智能的数据中心资源分配方法，该方法可以由缓存数据的设备执行，例如可以由图1中的缓存节点20执行，所述方法应用于人工智能的数据中心，所述数据中心包括：多个第一设备以及缓存节点20，本申请的资源分配主要用于缓存数据的分配。本申请实施例提供的基于人工智能的数据中心资源分配方法如图2所示，图2所示的流程图描述如下。

S210、获取多个第一设备的特征信息，所述第一设备为目标缓存节点覆盖范围内的设备，所述特征信息包括第一设备在第一时长内发送数据获取请求的次数和每次所述数据获取请求对应的数据标识。

在本申请实施例中，第一设备向缓冲节点发送数据获取请求，所述数据获取请求携带需要获取数据的数据标识。缓冲节点在接收到该数据获取请求后，将数据标识对应的数据发送给第一设备。示例性地，缓冲节点可以将第一设备发送的数据获取请求及其携带的数据标识作为第一设备的特征信息进行存储，当缓冲节点需要 选择性地从服务区缓冲用户最感兴趣的内容时，可以根据当前第一设备发送的数据获取请求来确定需要缓冲的数据类型。

所述第一时长可以根据具体场景进行设置，例如，对于缓存节点部署密集的区域，第一时长可以设置为20s、40s、50s等；对于缓存节点部署稀疏，即两个缓存节点之间距离较远的区域，第一时长可以设置为1分钟、2分钟、3分钟等。第一时长也可以由网络系统配置，本申请实施例对此不做限定。

需要说明的是，在第一时长内，每个第一设备可以发送一次或多次数据获取请求，每个数据获取请求都携带数据标识。

S220、分别计算所述多个第一设备的在所述目标缓存节点覆盖范围内的停留时间。

其中，由于缓存节点内的第一设备是实时变化的，且不同的用户其感兴趣的内容也会不同。考虑到用户的移动性，本申请实施例计算每个第一设备在目标缓冲节点中的停留时间来作为影响缓存数据类型的因素。

可选的，所述分别计算所述多个第一设备的在所述目标缓存节点覆盖范围内的停留时间，包括：

获取所述第一设备i的行驶路线，所述第一设备i为所述多个第一设备中的任意第一设备；

依据所述行驶路线，确定所述第一设备i处于所述目标缓存节点覆盖范围的行程轨迹；

获取所述行程轨迹的起始时刻和结束时刻；

依据所述起始时刻和所述结束时刻确定所述第一设备i在所述目标缓存节点覆盖范围内的停留时间。

其中，缓存节点通过查询第一设备请求地图导航图获取第一设备i的行驶路线。然后再根据目标缓存节点的覆盖范围，从行驶路线中确定该第一设备i当前在目标缓存节点覆盖范围内的行驶轨迹。根据该行驶轨迹涉及的道路交通规则和第一设备i的平均的速度，估算出第一设备i的起始时刻和结束时刻，从而计算出第一设备i在目标存节点覆盖范围内的停留时间。

S230、根据所述多个第一设备的所述特征信息和所述停留时间，确定所述多个第一设备的目标数据类型。

其中，通过获取第一时长内第一设备的特征信息可以统计出用户在该第一时长内最感兴趣的内容，而第一设备的停留时间可以反映用户的移动性，体现缓存内容的实时性。

在一种可能的实现方式中，上述S230，根据所述多个第一设备的所述特征信息和所述停留时间，确定所述多个第一设备的目标数据类型，可以包括以下步骤：

S31、将所述多个第一设备中每一第一设备的特征信息以及所述停留时间映射于坐标系中，所述坐标系的横轴为时间，纵轴为数据获取请求的次数，每一距离变化曲线对应一个设备标识；

S32、对所述多个第一设备中每一第一设备对应的坐标点进行拟合，得到多条拟合曲线，每一第一设备对一条拟合曲线；

S33、对所述多条拟合曲线的交点进行统计，得到多个交点对，每一交点对均表示为（交点数量，停留时刻）；

S34、基于所述多个交点对确定所述多个第一设备的目标数据类型。

示例性地，缓存节点可以在第一时长内实时获取每一第一设备的特征信息以及实时计算每一第一设备的停留时间，将得到的每一第一设备的特征信息和停留时间映射于坐标系中。以数据获取请求的次数为坐标点进行连接，得到每一第一设备对一条拟合曲线。多个第一设备的拟合曲线于坐标系中会存在交点，统计该坐标系中的交点，得到多个交点对。最后根据该多个交点对确定缓存节点需要缓存的数据类型。

可选的，上述S34，基于所述多个交点对确定所述多个第一设备的目标数据类型，可以包括如下步骤：

S341、依据所述多个交点对确定目标均值和目标均方差；

S342、按照预设的均值与评价值之间的映射关系，确定所述目标均值对应的参考评价值；

S343、按照预设的均方差与波动调节系数之间的映射关系，确定所述目标均方差对应的目标波动调节系数；

S344、依据所述目标波动调节系数对所述参考评价值进行波动调节，得到目标评价值；

S345、按照预设的评价值与目标数据类型之间的映射关系，确定所述目标评价值对应的目标数据类型。

其中，缓存节点中可以预先存储预设的均值与评价值之间的映射关系、预设的均方差与波动调节系数之间的映射关系以及预设的评价值与目标数据类型之间的映射关系。

具体实现中，缓存节点可以计算出每一交点对的目标均值和目标均方差，进而按照预设的均值与评价值之间的映射关系，确定目标均值对应的参考评价值。再按照预设的均方差与波动调节系数之间的映射关系，确定目标均方差对应的目标波动调节系数，其中，调节因子的取值范围可以为-1~1，或者，-0.05~0.05等等。

进而，缓存节点可以在参考评价值的基础上根据目标波动调节系数，对参考评价值进行波动调节，得到目标评价值，具体可以按照如下公式实现：

目标评价值=参考评价值*（1+目标波动调节系数）

进一步地，缓存节点可以按照预设的评价值与目标数据类型之间的映射关系，确定缓存节点需要缓存的数据类型。如此，可以利用特征信息的偏离程度以及聚集程度对特征信息进行分析，实现对特征信息进行精准分类，从而选取出缓存节点覆盖范围内第一设备最感兴趣的内容的数据类型。

在另一种可能的实现方式中，所述根据所述多个第一设备的所述特征信息和所述停留时间，确定所述多个第一设备的目标数据类型，包括：

获取数据模型；

将所述多个第一设备中每一第一设备的特征信息以及所述停留时间输入所述数据模型，输出所述目标数据类型。

其中，本申请实施例还可以通过训练数据模型来得到所述缓存节点需要缓存的数据类型。

可选的，所述训练数据模型具体包括：

获取训练集组，所述训练集组包括多个训练集，所述训练集包括人工标注的第一数据，所述第一数据包括至少一个设备的数据获取请求、每个所述数据获取请求对应的数据标识、以及每个设备的停留时间；

根据所述训练集组对待训练的数据模型进行训练，得到所述数据模型。

在实际应用中，以第一时长为周期，将获取多个终端设备向缓存节点发送的数据获取请求以及多个终端设备在第一时长内的停留时间作为训练集，并且根据缓存节点实际缓存的内容，人工标注该训练集对应的数据类型。

其中，待训练的数据模型的输入为数据获取请求次数、数据标识和停留时间，输出为数据类型，该待训练的数据模型可以是用于分类的机器学习算法，例如K_means算法、K最近邻（KNN，K-Nearest Neighbor）分类算法、决策树等，也可以是神经网络算法，例如循环神经网络（Recurrent Neural Network, RNN）、卷积神经网络（Convolutional NeuralNetworks, CNN）、长短期记忆网络（Long Short-Term Memory ，LSTM）及各种变式神经网络算法等。

进一步地，分别将上述得到的多个训练集依次输入到待训练的数据模型，得到输出的数据类型。然后将输出的数据类型与标注的数据类型进行比较，构建待训练的数据模型的损失函数。根据所述损失函数对待训练的数据模型的参数进行更新，从而得到数据模型。示例性地，将所述损失函数最小所对应的参数确定为所述数据模型的参数。

S240、从服务器缓存所述目标数据类型对应的目标数据。

具体实施中，缓存节点在得到目标数据类型后，可以向服务器发送数据请求，以缓存目标数据类型的数据内容。

可选的，所述从服务器缓存所述目标数据类型对应的目标数据，包括：

确定多个候选数据，所述候选数据为所述服务器中访问量大于或等于第一阈值且数据类型为所述目标数据类型的数据；

获取所述目标缓存节点的剩余存储空间大小；

根据所述剩余存储空间大小和所述多个候选数据的大小，确定并缓存所述目标数据，所述目标数据为所述候选数据中访问量最大的至少一个候选数据。

示例性地，缓存节点向服务器发送数据请求，服务器可以将所有该目标数据类型的数据信息发送给缓存节点，以供缓存节点选择性地进行缓存。所述数据信息可以包括每个数据内容的存储地址、数据大小、访问量等等。缓存节点接收到所有目标数据类的数据信息后，依次选取访问量最大且数据大小小于缓存节点剩余存储空间的数据。最后根据存储地址从服务器中缓存选取的数据。

可以看出，本申请提供一种基于人工智能的数据中心资源分配方法，通过目标缓存节点中每个设备发送数据获取请求、数据获取请求对应的数据标识以及每个设备在目标缓存节点中的停留时间，计算出目标缓存节点中设备最感兴趣的目标数据类型，然后从服务器中获取目标数据类型对应的目标数据，从而目标缓存节点在用户移动的场景下从服务器中缓存用户感兴趣的内容，提升了用户体验。

上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是，电子设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所提供的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

本申请实施例可以根据上述方法示例对电子设备进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本申请实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

基于同一发明构思，本申请实施例提供一种基于人工智能的数据中心资源分配装置，该基于人工智能的数据中心资源分配装置例如是前述图1中的缓存节点20，或者可以是设置于缓存节点20中的功能装置。请参见图3所示，图3是本申请实施例中所涉及的基于人工智能的数据中心资源分配装置300的功能单元组成框图。所述装置300包括：获取单元310、计算单元320、确定单元330和缓存单元340，其中：

获取单元310，用于获取多个第一设备的特征信息，所述第一设备为目标缓存节点覆盖范围内的设备，所述特征信息包括第一设备在第一时长内发送数据获取请求的次数和每次所述数据获取请求对应的数据标识；

计算单元320，用于分别计算所述多个第一设备的在所述目标缓存节点覆盖范围内的停留时间；

确定单元330，用于根据所述多个第一设备的所述特征信息和所述停留时间，确定所述多个第一设备的目标数据类型；

缓存单元340，用于从服务器缓存所述目标数据类型对应的目标数据。

可以看出，本申请实施例所描述的基于人工智能的数据中心资源分配装置，通过目标缓存节点中每个设备发送数据获取请求、数据获取请求对应的数据标识以及每个设备在目标缓存节点中的停留时间，计算出目标缓存节点中设备最感兴趣的目标数据类型，然后从服务器中获取目标数据类型对应的目标数据，从而目标缓存节点可以在用户移动的场景下从服务器中缓存用户感兴趣的内容，提升了用户体验。

可选的，所述计算单元320具体用于：获取所述第一设备i的行驶路线，所述第一设备i为所述多个第一设备中的任意第一设备；依据所述行驶路线，确定所述第一设备i处于所述目标缓存节点覆盖范围的行程轨迹；获取所述行程轨迹的起始时刻和结束时刻；依据所述起始时刻和所述结束时刻确定所述第一设备i在所述目标缓存节点覆盖范围内的停留时间。

可选的，所述确定单元330具体用于：将所述多个第一设备中每一第一设备的特征信息以及所述停留时间映射于坐标系中，所述坐标系的横轴为时间，纵轴为数据获取请求的次数，每一距离变化曲线对应一个设备标识；对所述多个第一设备中每一第一设备对应的坐标点进行拟合，得到多条拟合曲线，每一第一设备对一条拟合曲线；对所述多条拟合曲线的交点进行统计，得到多个交点对，每一交点对均表示为（交点数量，停留时刻）；基于所述多个交点对确定所述多个第一设备的目标数据类型。

可选的，在基于所述多个交点对确定所述多个第一设备的目标数据类型方面，所述确定单元330具体用于：

依据所述多个交点对确定目标均值和目标均方差；按照预设的均值与评价值之间的映射关系，确定所述目标均值对应的参考评价值；按照预设的均方差与波动调节系数之间的映射关系，确定所述目标均方差对应的目标波动调节系数；依据所述目标波动调节系数对所述参考评价值进行波动调节，得到目标评价值；按照预设的评价值与目标数据类型之间的映射关系，确定所述目标评价值对应的目标数据类型。

可选的，所述确定单元330具体用于：获取数据模型；将所述多个第一设备中每一第一设备的特征信息以及所述停留时间输入所述数据模型，输出所述目标数据类型。

可选的，所述训练数据模型具体包括：

获取训练集组，所述训练集组包括多个训练集，所述训练集包括人工标注的第一数据，所述第一数据包括至少一个设备的数据获取请求、每个所述数据获取请求对应的数据标识、以及每个设备的停留时间；根据所述训练集组对待训练的数据模型进行训练，得到所述数据模型。

可选的，所述缓存单元340具体用于：

确定多个候选数据，所述候选数据为所述服务器中访问量大于或等于第一阈值且数据类型为所述目标数据类型的数据；获取所述目标缓存节点的剩余存储空间大小；根据所述剩余存储空间大小和所述多个候选数据的大小，确定并缓存所述目标数据，所述目标数据为所述候选数据中访问量最大的至少一个候选数据。

可以理解的是，本实施例的基于人工智能的数据中心资源分配装置的各程序模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。

请参阅图4，图4是本申请实施例提供的一种电子设备的结构示意图，如4图所示，该电子设备包括存储器、通信接口和处理器，其中，该电子设备还可以包括通信总线，所述处理器、通信接口和存储器之间可以通过总线相互连接。

其中，上述处理器，用于执行所述存储器上所存放的程序时，实现以下步骤：

获取多个第一设备的特征信息，所述第一设备为目标缓存节点覆盖范围内的设备，所述特征信息包括第一设备在第一时长内发送数据获取请求的次数和每次所述数据获取请求对应的数据标识；

分别计算所述多个第一设备的在所述目标缓存节点覆盖范围内的停留时间；

根据所述多个第一设备的所述特征信息和所述停留时间，确定所述多个第一设备的目标数据类型；

从服务器缓存所述目标数据类型对应的目标数据。

进一步地，处理器可以是一个通用中央处理器(Central Processing Unit，CPU)或多个CPU，单块或多块图形处理器(Graphics Processing Unit，GPU) ,微处理器，特定应用集成电路(Application Specific Integrated Circuit，ASIC)，或一个或多个用于控制本发明方案程序执行的集成电路。

存储器可以是只读存储器(Read Only Memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(Random Access Memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(ElectricallyErasable Programmable Read-Only Memory，EEPROM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

在一些示例中，存储器可以是独立存在，通信接口和通信总线与处理器相连接。存储器也可以和处理器集成在一起。通信总线在上述组件之间传送信息。

本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括电子设备。

本申请实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括电子设备。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台电子设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器（英文：Read-Only Memory ，简称：ROM）、随机存取器（英文：Random Access Memory，简称：RAM）、磁盘或光盘等。

以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (9)

1.一种基于人工智能的数据中心资源分配方法，其特征在于，所述方法应用于人工智能的数据中心，所述数据中心包括：多个第一设备以及缓存节点，所述方法包括：

缓存节点获取多个第一设备的特征信息，所述第一设备为目标缓存节点覆盖范围内的设备，所述特征信息包括所述第一设备在第一时长内发送数据获取请求的次数和每次所述数据获取请求对应的数据标识；

分别计算所述多个第一设备的在所述目标缓存节点覆盖范围内的停留时间；

根据所述多个第一设备的所述特征信息和所述停留时间，确定所述多个第一设备的目标数据类型；

从服务器缓存所述目标数据类型对应的目标数据；

其中，所述根据所述多个第一设备的所述特征信息和所述停留时间，确定所述多个第一设备的目标数据类型，包括：

将所述多个第一设备中每一第一设备的特征信息以及所述停留时间映射于坐标系中，所述坐标系的横轴为时间，纵轴为数据获取请求的次数；

对所述多个第一设备中每一第一设备对应的坐标点进行拟合，得到多条拟合曲线，每一第一设备对一条拟合曲线；

对所述多条拟合曲线的交点进行统计，得到多个交点对，每一交点对均表示为（交点数量，停留时刻）；

基于所述多个交点对确定所述多个第一设备的目标数据类型。

2.根据权利要求1所述的方法，其特征在于，所述分别计算所述多个第一设备的在所述目标缓存节点覆盖范围内的停留时间，包括：

获取所述第一设备i的行驶路线，所述第一设备i为所述多个第一设备中的任意第一设备；

依据所述行驶路线，确定所述第一设备i处于所述目标缓存节点覆盖范围的行程轨迹；

获取所述行程轨迹的起始时刻和结束时刻；

依据所述起始时刻和所述结束时刻确定所述第一设备i在所述目标缓存节点覆盖范围内的停留时间。

3.根据权利要求1所述的方法，其特征在于，所述基于所述多个交点对确定所述多个第一设备的目标数据类型，包括：

依据所述多个交点对确定目标均值和目标均方差；

按照预设的均值与评价值之间的映射关系，确定所述目标均值对应的参考评价值；

按照预设的均方差与波动调节系数之间的映射关系，确定所述目标均方差对应的目标波动调节系数；

依据所述目标波动调节系数对所述参考评价值进行波动调节，得到目标评价值；

按照预设的评价值与目标数据类型之间的映射关系，确定所述目标评价值对应的目标数据类型。

4.根据权利要求1或2所述的方法，其特征在于，所述根据所述多个第一设备的所述特征信息和所述停留时间，确定所述多个第一设备的目标数据类型，包括：

获取数据模型；

将所述多个第一设备中每一第一设备的特征信息以及所述停留时间输入所述数据模型，输出所述目标数据类型。

5.根据权利要求4所述的方法，其特征在于，所述数据模型具体包括：

获取训练集组，所述训练集组包括多个训练集，所述训练集包括人工标注的第一数据，所述第一数据包括至少一个设备的数据获取请求、每个所述数据获取请求对应的数据标识、以及每个设备的停留时间；

根据所述训练集组对待训练的数据模型进行训练，得到所述数据模型。

6.根据权利要求3或5所述的方法，其特征在于，所述从服务器缓存所述目标数据类型对应的目标数据，包括：

确定多个候选数据，所述候选数据为所述服务器中访问量大于或等于第一阈值且数据类型为所述目标数据类型的数据；

获取所述目标缓存节点的剩余存储空间大小；

根据所述剩余存储空间大小和所述多个候选数据的大小，确定并缓存所述目标数据，所述目标数据为所述候选数据中访问量最大的至少一个候选数据。

7.一种基于人工智能的数据中心资源分配装置，其特征在于，所述装置包括：

获取单元，用于获取多个第一设备的特征信息，所述第一设备为目标缓存节点覆盖范围内的设备，所述特征信息包括第一设备在第一时长内发送数据获取请求的次数和每次所述数据获取请求对应的数据标识；

计算单元，用于分别计算所述多个第一设备的在所述目标缓存节点覆盖范围内的停留时间；

确定单元，用于根据所述多个第一设备的所述特征信息和所述停留时间，确定所述多个第一设备的目标数据类型；

缓存单元，用于从服务器缓存所述目标数据类型对应的目标数据；

其中，所述确定单元具体用于：将所述多个第一设备中每一第一设备的特征信息以及所述停留时间映射于坐标系中，所述坐标系的横轴为时间，纵轴为数据获取请求的次数；对所述多个第一设备中每一第一设备对应的坐标点进行拟合，得到多条拟合曲线，每一第一设备对一条拟合曲线；对所述多条拟合曲线的交点进行统计，得到多个交点对，每一交点对均表示为（交点数量，停留时刻）；基于所述多个交点对确定所述多个第一设备的目标数据类型。

8.一种电子设备，其特征在于，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-6任一项所述的方法中的步骤的指令。

9.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-6任一项所述的方法。

Images