CN114548473A - 一种资源分配方法、装置、可读介质及电子设备 - Google Patents

一种资源分配方法、装置、可读介质及电子设备 Download PDF

Info

Publication number
CN114548473A
CN114548473A CN202011366899.0A CN202011366899A CN114548473A CN 114548473 A CN114548473 A CN 114548473A CN 202011366899 A CN202011366899 A CN 202011366899A CN 114548473 A CN114548473 A CN 114548473A
Authority
CN
China
Prior art keywords
target user
resource allocation
data
determining
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011366899.0A
Other languages
English (en)
Inventor
刘嘉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ennew Digital Technology Co Ltd
Original Assignee
Ennew Digital Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ennew Digital Technology Co Ltd filed Critical Ennew Digital Technology Co Ltd
Priority to CN202011366899.0A priority Critical patent/CN114548473A/zh
Publication of CN114548473A publication Critical patent/CN114548473A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种资源分配方法、装置、可读介质及电子设备，所述方法包括：基于本地数据，确定目标预测模型；将所述目标预测模型分配给目标用户，使得所述目标用户调用所述目标预测模型得到预测结果；确定梯度更新数据，所述梯度更新数据由所述目标用户发送的所述预测结果和所述预测结果对应的真实结果确定；基于所述梯度更新数据，确定所述目标用户对应的资源分配方案。本发明提供的技术方案根据梯度更新数据，确定目标用户对应的资源分配方案，利用梯度更新数据衡量目标用户对目标预测模型的贡献程度，以保证最终确定的资源分配方案的合理性。

Description

一种资源分配方法、装置、可读介质及电子设备
技术领域
本发明涉及能源领域，尤其涉及一种资源分配方法、装置、可读介质及电子设备。
背景技术
随着互联网技术的快速发展，用户数据成为了越来越重要的资源，基于用户数据可以训练出各种预测模型，准确的预测结果是能源系统高效运行的基础。然而并不是每一个能源用户均可以收集海量的用户数据，训练出准确的预测模型，这使得联邦学习成为了一种趋势，为了鼓励各个能源用户参与联邦学习，确定一种合理的资源分配方法是至关重要的。
发明内容
本发明提供了一种资源分配方法、装置、可读介质及电子设备，通过梯度更新数据衡量目标用户对目标预测模型的贡献占比，从而可以使得最终确定的资源分配方案具有合理性。
第一方面，本发明提供了一种资源分配方法，包括：
基于本地数据，确定目标预测模型；
将所述目标预测模型分配给目标用户，使得所述目标用户调用所述目标预测模型得到预测结果；
确定梯度更新数据，所述梯度更新数据由所述目标用户发送的所述预测结果和所述预测结果对应的真实结果确定；
基于所述梯度更新数据，确定所述目标用户对应的资源分配方案。
优选地，
所述方法还包括：
根据所述梯度更新数据，更新所述目标预测模型。
优选地，
所述基于所述梯度更新数据，确定所述目标用户对应的虚拟资源分配方案，包括：
确定所述梯度更新数据对应的数据等级；
基于所述数据等级和资源分配方案间的映射关系，确定所述目标用户对应的资源分配方案。
优选地，
所述方法还包括：
确定所述目标用户发送所述预测结果和所述预测结果对应的真实结果的发送时间；
所述基于所述梯度更新数据，确定所述目标用户对应的资源分配方案，包括：
基于所述梯度更新数据和所述发送时间，确定所述目标用户对应的资源分配方案。
优选地，
所述方法还包括：
确定所述目标用户发送的所述预测结果和所述预测结果对应的真实结果的发送次数；
所述基于所述梯度更新数据，确定所述目标用户对应的资源分配方案，包括：
基于所述梯度更新数据和所述发送次数，确定目标用户对应的资源分配方法。
优选地，
所述本地数据为负荷数据、故障数据或运维数据。
第二方面，本发明提供了一种资源分配装置，包括：
模型确定模块，用于基于本地数据，确定目标预测模型；
分配处理模块，用于将所述目标预测模型分配给目标用户，使得所述目标用户调用所述目标预测模型得到预测结果；
梯度确定模块，用于确定梯度更新数据，所述梯度更新数据由所述目标用户发送的所述预测结果和所述预测结果对应的真实结果确定；
方案确定模块，用于基于所述梯度更新数据，确定所述目标用户对应的资源分配方案。
优选地，
所述装置还包括：
模型更新模块，用于根据所述梯度更新数据，更新所述目标预测模型。
第三方面，本发明提供了一种可读介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如第一方面中任一所述的方法。
第四方面，本发明提供了一种电子设备，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如第一方面中任一所述的方法。
本发明提供了一种资源分配方法、装置、可读介质及电子设备，该方法通过利用联邦中心的本地数据进行训练，确定目标预测模型，然后将该目标预测模型分配给各个目标用户，目标用户在接收到该目标预测模型后，利用该目标预测模型提供的预测服务进行预测，确定预测结果，并将预测结果和该预测结果对应的真实结果发送给联邦中心，使得联邦中心根据该预测结果和该预测结果对应的真实结果确定梯度更新数据，根据该梯度更新数据确定目标用户对应的资源分配方案。本发明提供的技术方案根据梯度更新数据，确定目标用户对应的资源分配方案，利用梯度更新数据衡量目标用户对目标预测模型的贡献程度，以保证最终确定的资源分配方案的合理性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明实施例中提供的第一种资源分配方法的流程示意图；
图2为本发明实施例中提供的第二种资源分配方法的流程示意图；
图3为本发明实施例中提供的第三种资源分配方法的流程示意图；
图4为本发明实施例中提供的第四种资源分配方法的流程示意图；
图5为本发明实施例中提供的第五种资源分配方法的流程示意图；
图6为本发明实施例中提供的一种资源分配装置的结构示意图；
图7为本发明实施例中提供的另一种资源分配装置的结构示意图；
图8为本发明实施例中提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合具体实施例及相应的附图对本发明的技术方案进行清楚、完整地描述。显然，所描述的实施例仅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。
如图1所示，本发明实施例提供一种资源分配方法，该方法包括：
步骤11，基于本地数据，确定目标预测模型；
步骤12，将所述目标预测模型分配给目标用户，使得所述目标用户调用所述目标预测模型得到预测结果；
步骤13，确定梯度更新数据，所述梯度更新数据由所述目标用户发送的所述预测结果和所述预测结果对应的真实结果确定；
步骤14，基于所述梯度更新数据，确定所述目标用户对应的资源分配方案。
在上述实施例中，通过利用联邦中心的本地数据进行训练，确定目标预测模型，然后将该目标预测模型分配给各个目标用户，目标用户在接收到该目标预测模型后，利用该目标预测模型提供的预测服务进行预测，确定预测结果，并将预测结果和该预测结果对应的真实结果发送给联邦中心，使得联邦中心根据该预测结果和该预测结果对应的真实结果确定梯度更新数据，根据该梯度更新数据确定目标用户对应的资源分配方案。本实施例提供的技术方案根据梯度更新数据，确定目标用户对应的资源分配方案，利用梯度更新数据衡量目标用户对目标预测模型的贡献程度，以保证最终确定的资源分配方案的合理性。
具体的，所述本地数据为负荷数据、故障数据或运维数据。也就是说确定的目标预测模型可以为目标负荷预测模型、目标故障预测模型或目标运维预测模型。在目标预测模型为目标负荷预测模型时，将该目标负荷预测模型分配给目标用户，目标用户调用该目标负荷预测模型，确定负荷预测结果，并将该负荷预测结果和真实负荷结果一同反馈给联邦中心，使得联邦中心确定梯度更新数据，并根据该梯度更新数据确定目标用户的资源分配方案。在目标预测模型为目标故障预测模型时，将该目标故障预测模型分配给目标用户，目标用户调用该目标故障预测模型，确定故障预测结果，并将该故障预测结果和真实故障结果一同反馈给联邦中心，使得联邦中心确定梯度更新数据，并根据该梯度更新数据确定目标用户的资源分配方案。在目标预测模型为目标运维预测模型时，将该目标运维预测模型分配给目标用户，目标用户调用该目标运维预测模型，确定运维预测结果，并将该运维预测结果和真实运维结果一同反馈给联邦中心，使得联邦中心确定梯度更新数据，并根据该梯度更新数据确定目标用户的资源分配方案。
如图2所示，在本发明一个实施例中，所述方法还包括：
步骤15，根据所述梯度更新数据，更新所述目标预测模型。
在上述实施例中，确定了梯度更新数据后，利用该梯度更新数据更新目标预测模型，从而使得目标预测模型的准确性越来越高。因为初始的目标预测模型是根据联邦中心的本地数据进行训练的，因此在分配给各个目标用户进行使用时，可能因为数据维度不同、数据特征不同而出现利用该目标预测模型对目标用户的数据进行预测时，准确性较差的情况，当目标用户将预测结果和真实结果反馈给联邦中心后，联邦中心利用预测结果和真实结果间的预测偏差确定梯度更新数据，从而在利用梯度更新数据更新目标预测模型时，会融合目标用户的数据维度和数据特征，在获取了各个目标用户反馈的预测结果和真实结果后，目标预测模型的准确性会显著提高。若目标用户如实反馈预测结果和真实结果，则在更新目标预测模型后，将更新后的目标预测模型再次分配给目标用户时，目标用户利用更新后的目标预测模型将可以更为准确的对目标用户的数据进行预测；然而当目标用户没有如实反馈预测结果和真实结果，那么该目标用户得到的更新后的目标预测模型将更不适合该目标用户，即对该目标用户而言其得到的目标预测模型的预测效果只会越来越差。
如图3所示，在本发明一个实施例中，步骤14包括：
步骤141，确定所述梯度更新数据对应的数据等级；
步骤142，基于所述数据等级和资源分配方案间的映射关系，确定所述目标用户对应的资源分配方案。
在上述实施例中，预先确定数据等级和资源分配方案间的映射关系，从而在确定了梯度更新数据对应的数据等级后，即可以根据该映射关系，确定出目标用户对应的资源分配方案。其中数据等级是根据梯度更新数据的跨度进行确定的，梯度更新数据越多其对应的数据等级越高，表明预测偏差越多，则梯度更新数据中包含的信息越多，因此此时可以减少目标用户向联邦中心转移的资源量，以使得确定的资源分配方案具有合理性。
如图4所示，在本发明一个实施例中，所述方法还包括：
步骤16，确定所述目标用户发送所述预测结果和所述预测结果对应的真实结果的发送时间；
则步骤14包括：基于所述梯度更新数据和所述发送时间，确定所述目标用户对应的资源分配方案。
在上述实施例中，因目标用户发送预测结果和预测结果对应的真实结果的时间是非常重要的，若目标用户在早期发送预测结果和真实结果，该预测结果和真实结果对目标预测模型产生的影响较大，若目标用户在晚期发送预测结果和真实结果，该预测结果和真实结果对目标预测模型产生的影响较小，因此为了鼓励目标用户更早的使用联邦中心训练的目标预测模型，不仅根据梯度更新数据，还根据目标用户发送预测结果和真实结果的发送时间，确定目标用户对应的资源分配方案。具体的，可以根据梯度更新数据的数据等级确定转移资源的内容和数量，同时根据目标用户发送预测结果和真实结果的发送时间确定转移资源的内容和数量，然后将确定的两个转移资源的内容和数量进行加和抵消，以确定出该目标用户对应的资源分配方案。当然还可以确定梯度更新数据和发送时间分别对应的比例系数，以梯度更新数据为主影响因素，以发送时间为副影响因素，在确定了目标用户的梯度更新数据对应的数据等级和发送时间对应的时间段划分后，确定各自对应的转移的资源内容和数量，并将转移的资源内容和数量分别与各自对应的比例系数相乘后的加和结果确定为目标用户的资源分配方案。
如图5所示，在本发明一个实施例中，所述方法还包括：
步骤17，确定所述目标用户发送的所述预测结果和所述预测结果对应的真实结果的发送次数；
则步骤14包括基于所述梯度更新数据和所述发送次数，确定目标用户对应的资源分配方法。
在上述实施例中，因为产生数据的环境并非是一成不变的，因此随着时间的推移，数据会存在变换，为了保证确定出的目标预测模型具有实时性，需要目标用户持续不断反馈真实的预测结果和预测结果对应的真实结果，因此用户的发送预测结果和真实结果的次数对于确定出实时准确的目标预测模型是非常重要的，则在确定目标用户对应的资源分配方法时，需要考虑目标用户发送预测结果和预测结果对应的真实结果的发送次数。
在一种可能的情况中，确定所述目标用户发送所述预测结果和所述预测结果对应的真实结果的发送时间和发送次数，然后基于梯度更新数据、发送时间和发送次数确定目标用户对应的资源分配方法。例如以梯度更新数据为主影响因素，以发送时间和发送次数为副影响因素，确定梯度更新数据、发送时间和发送次数分别对应的比例系数，然后确定某目标用户对应的梯度更新数据的数据等级，发送时间的时间段划分和发送次数分别对应的转移资源的内容和数量，然后将分别确定出的转移资源的内容和数量与各自对应的比例系数的乘积的加和结果确定为目标用户的资源分配方案，其中分配的资源可以为积分。
基于与上述方法相同的发明构思，如图6所示，本发明实施例提供了一种资源分配装置，包括：
模型确定模块61，用于基于本地数据，确定目标预测模型；
分配处理模块62，用于将所述目标预测模型分配给目标用户，使得所述目标用户调用所述目标预测模型得到预测结果；
梯度确定模块63，用于确定梯度更新数据，所述梯度更新数据由所述目标用户发送的所述预测结果和所述预测结果对应的真实结果确定；
方案确定模块64，用于基于所述梯度更新数据，确定所述目标用户对应的资源分配方案。
如图7所示，在本发明一个实施例中，所述装置还包括：
模型更新模块65，用于根据所述梯度更新数据，更新所述目标预测模型。
为了描述的方便，描述以上装置实施例时以功能分为各种单元或模块分别描述，在实施本发明时可以把各单元或模块的功能在同一个或多个软件和/或硬件中实现。
图8是本发明实施例提供的一种电子设备的结构示意图。在硬件层面，该电子设备包括处理器801以及存储有执行指令的存储器802，可选地还包括内部总线803及网络接口804。其中，存储器802可能包含内存8021，例如高速随机存取存储器(Random-AccessMemory，RAM)，也可能还包括非易失性存储器8022(non-volatile memory)，例如至少1个磁盘存储器等；处理器801、网络接口804和存储器802可以通过内部总线803相互连接，该内部总线803可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等；内部总线803可以分为地址总线、数据总线、控制总线等，为便于表示，图8中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。当然，该电子设备还可能包括其他业务所需要的硬件。当处理器801执行存储器802存储的执行指令时，处理器801执行本发明任意一个实施例中的方法，并至少用于执行如图1至图5所示的方法。
在一种可能实现的方式中，处理器从非易失性存储器中读取对应的执行指令到内存中然后运行，也可从其它设备上获取相应的执行指令，以在逻辑层面上形成一种资源分配装置。处理器执行存储器所存放的执行指令，以通过执行的执行指令实现本发明任一实施例中提供的一种资源分配方法。
处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本发明实施例还提供了一种计算机可读存储介质，包括执行指令，当电子设备的处理器执行执行指令时，所述处理器执行本发明任意一个实施例中提供的方法。该电子设备具体可以是如图8所示的电子设备；执行指令是一种资源分配装置所对应计算机程序。
本领域内的技术人员应明白，本发明的实施例可提供为方法或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或软件和硬件相结合的形式。
本发明中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者锅炉不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者锅炉所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者锅炉中还存在另外的相同要素。
以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (10)

1.一种资源分配方法，其特征在于，包括：
基于本地数据，确定目标预测模型；
将所述目标预测模型分配给目标用户，使得所述目标用户调用所述目标预测模型得到预测结果；
确定梯度更新数据，所述梯度更新数据由所述目标用户发送的所述预测结果和所述预测结果对应的真实结果确定；
基于所述梯度更新数据，确定所述目标用户对应的资源分配方案。
2.根据权利要求1所述的资源分配方法，其特征在于，所述方法还包括：
根据所述梯度更新数据，更新所述目标预测模型。
3.根据权利要求1所述的资源分配方法，其特征在于，所述基于所述梯度更新数据，确定所述目标用户对应的虚拟资源分配方案，包括：
确定所述梯度更新数据对应的数据等级；
基于所述数据等级和资源分配方案间的映射关系，确定所述目标用户对应的资源分配方案。
4.根据权利要求1所述的资源分配方法，其特征在于，所述方法还包括：
确定所述目标用户发送所述预测结果和所述预测结果对应的真实结果的发送时间；
所述基于所述梯度更新数据，确定所述目标用户对应的资源分配方案，包括：
基于所述梯度更新数据和所述发送时间，确定所述目标用户对应的资源分配方案。
5.根据权利要求1所述的资源分配方法，其特征在于，所述方法还包括：
确定所述目标用户发送的所述预测结果和所述预测结果对应的真实结果的发送次数；
所述基于所述梯度更新数据，确定所述目标用户对应的资源分配方案，包括：
基于所述梯度更新数据和所述发送次数，确定目标用户对应的资源分配方法。
6.根据权利要求1-5任一项所述的资源分配方法，其特征在于，
所述本地数据为负荷数据、故障数据或运维数据。
7.一种资源分配装置，其特征在于，包括：
模型确定模块，用于基于本地数据，确定目标预测模型；
分配处理模块，用于将所述目标预测模型分配给目标用户，使得所述目标用户调用所述目标预测模型得到预测结果；
梯度确定模块，用于确定梯度更新数据，所述梯度更新数据由所述目标用户发送的所述预测结果和所述预测结果对应的真实结果确定；
方案确定模块，用于基于所述梯度更新数据，确定所述目标用户对应的资源分配方案。
8.根据权利要求7所述资源分配装置，其特征在于，所述装置还包括：
模型更新模块，用于根据所述梯度更新数据，更新所述目标预测模型。
9.一种可读介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如权利要求1至6中任一所述的方法。
10.一种电子设备，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如权利要求1至6中任一所述的方法。
CN202011366899.0A 2020-11-26 2020-11-26 一种资源分配方法、装置、可读介质及电子设备 Pending CN114548473A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011366899.0A CN114548473A (zh) 2020-11-26 2020-11-26 一种资源分配方法、装置、可读介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011366899.0A CN114548473A (zh) 2020-11-26 2020-11-26 一种资源分配方法、装置、可读介质及电子设备

Publications (1)

Publication Number Publication Date
CN114548473A true CN114548473A (zh) 2022-05-27

Family

ID=81668424

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011366899.0A Pending CN114548473A (zh) 2020-11-26 2020-11-26 一种资源分配方法、装置、可读介质及电子设备

Country Status (1)

Country Link
CN (1) CN114548473A (zh)

Similar Documents

Publication Publication Date Title
US8024737B2 (en) Method and a system that enables the calculation of resource requirements for a composite application
CN106959894B (zh) 资源分配方法和装置
US11095531B2 (en) Service-aware serverless cloud computing system
CN105808347A (zh) 集群服务器部署计算方法及装置
CN113296905A (zh) 调度方法、装置、电子设备、存储介质及软件产品
CN111752706A (zh) 资源配置方法、装置及存储介质
CN112130997B (zh) 一种资源分配方法及装置
CN110569190B (zh) 交易压力测试方法和装置、以及电子设备和可读存储介质
CN113378498B (zh) 一种任务分配方法及装置
CN112650583A (zh) 一种资源分配方法、装置、可读介质及电子设备
CN114548473A (zh) 一种资源分配方法、装置、可读介质及电子设备
CN112163734B (zh) 基于云平台整定计算资源动态调度方法及装置
CN110837421B (zh) 一种任务分配方法及装置
CN114580816A (zh) 一种资源分配方法、装置、可读介质及电子设备
Giannoutakis et al. Evaluation of self‐organizing and self‐managing heterogeneous high performance computing clouds through discrete‐time simulation
CN114612037A (zh) 一种仓库信息的管理方法和系统
CN111694672B (zh) 资源分配方法、任务提交方法、装置、电子设备和介质
Rac et al. Cost-aware service placement and scheduling in the Edge-Cloud Continuum
CN114816955A (zh) 数据库性能预测方法和装置
CN114580806A (zh) 一种资源分配方法、装置、可读介质及电子设备
CN114465915A (zh) 一种cdn带宽预测方法、装置、系统和电子设备
CN114580814A (zh) 一种资源分配方法、装置、可读介质及电子设备
CN115373829A (zh) Cpu资源的调度方法、装置及系统
CN110069395B (zh) 一种模拟异步接口的方法、装置、存储介质及计算机设备
CN114638449A (zh) 一种售电方案确定方法、装置、可读介质及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination