CN114817408A - 调度资源识别方法、装置、电子设备及存储介质 - Google Patents

调度资源识别方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114817408A
CN114817408A CN202210505224.2A CN202210505224A CN114817408A CN 114817408 A CN114817408 A CN 114817408A CN 202210505224 A CN202210505224 A CN 202210505224A CN 114817408 A CN114817408 A CN 114817408A
Authority
CN
China
Prior art keywords
data
scheduling
preset
sampling
resource
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.)
Granted
Application number
CN202210505224.2A
Other languages
English (en)
Other versions
CN114817408B (zh
Inventor
程曦
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.)
Ping An Property and Casualty Insurance Company of China Ltd
Original Assignee
Ping An Property and Casualty Insurance Company of China 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 Ping An Property and Casualty Insurance Company of China Ltd filed Critical Ping An Property and Casualty Insurance Company of China Ltd
Priority to CN202210505224.2A priority Critical patent/CN114817408B/zh
Publication of CN114817408A publication Critical patent/CN114817408A/zh
Application granted granted Critical
Publication of CN114817408B publication Critical patent/CN114817408B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G06F16/278—Data partitioning, e.g. horizontal or vertical partitioning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Library & Information Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及人工智能技术，揭露一种调度资源识别方法，包括：将历史使用数据按照预设的时间间隔进行切分，得到分段使用数据；将分段使用数据按照预设抽样时间间隔进行抽样，得到多个抽样数值；根据每个分段使用数据对应的所有抽样数值进行计算，得到对应的目标抽样数值；按照预设聚类数量将所有目标抽样数值进行聚类，得到多个数据簇；根据预设的划分规则及数据簇的质心对数据簇进行分类，得到数据簇的资源类别；根据数据簇的资源类别对调度系统进行调度资源识别，得到资源识别结果。本发明还涉及一种区块链技术，所述历史使用数据可以存储在区块链节点中。本发明还提出一种调度资源识别装置、设备以及介质。本发明可以提高调度资源识别的灵活性。

Description

调度资源识别方法、装置、电子设备及存储介质
技术领域
本发明涉及人工智能技术，尤其涉及一种调度资源识别方法、装置、电子设备及存储介质。
背景技术
调度系统是数据仓库建设过程中的一个重要组成部分，有了数据仓库，就需要一个系统来调度和管理数据仓库任务。但我们在进行任务调度的过程中中都会面临调度系统资源不足的问题，因此，需要在对调度系统进行任务调度前提前进行调度资源识别，方便有针对性的进行任务调度。
但是现有的调度资源识别方式只能识别某一天的初始调度资源，调度资源的识别粒度较大，难以识别调度资源在各时间段的使用情况，调度资源的识别灵活性较低。
发明内容
本发明提供一种调度资源识别方法、装置、电子设备及存储介质，其主要目的在于提高了调度资源识别的灵活性。
获取预设时间区间内调度系统的历史使用数据；
将所述历史使用数据按照预设的时间间隔进行切分，得到分段使用数据；
将所述分段使用数据按照预设抽样时间间隔进行抽样，得到多个抽样数值；
根据每个所述分段使用数据对应的所有抽样数值进行计算，得到对应的目标抽样数值；
按照预设聚类数量将所有所述目标抽样数值进行聚类，得到多个数据簇；
根据预设的划分规则及所述数据簇的质心对所述数据簇进行分类，得到所述数据簇的资源类别；
根据所述数据簇的资源类别对所述调度系统进行调度资源识别，得到资源识别结果。
可选地，所述将所述历史使用数据按照预设的时间间隔进行切分，得到分段使用数据，包括：
将所述预设时间区间按照所述时间间隔进行切分，得到多个切分时间段；
将所述历史使用数据中每个所述切分时间段对应的数据确定为所述分段使用数据。
可选地，所述将所述分段使用数据按照预设抽样时间间隔进行抽样，得到多个抽样数值，包括：
将所述切分时间段以左端点为起始点按照预设抽样时间间隔选取时间点，得到抽样时间点；
选取所述分段使用数据中所述抽样时间点对应的使用资源数值，得到对应的所述抽样数值。
可选地，所述根据每个所述分段使用数据对应的所有抽样数值进行计算，得到对应的目标抽样数值，包括：
将每个所述分段使用数据对应的所有抽样数值进行平均计算，得到对应的所述目标抽样数值。
可选地，所述按照预设聚类数量将所有所述目标抽样数值进行聚类，得到多个数据簇，包括：
步骤A：在所有所述目标抽样数值中随机选取预设数量的目标抽样数值，并将选取的每个目标抽样数值作为质心；
步骤B：计算每一条所述目标抽样数值与每个所述质心的距离，将每条所述目标抽样数值向距离最近的所述质心凝集汇总，得到对应初始数据簇；
步骤C：根据所述初始数据簇及所述质心进行质心波动计算，得到质心波动值；
步骤D：判断所述质心波动值是否为0，
步骤E：当所述质心波动值为0，将所述初始数据簇确定为所述数据簇；
步骤F：当所述质心波动值不为0，将所述簇平均值作为新的质心，并返回步骤B。
可选地，所述根据所述初始数据簇及所述质心进行质心波动计算，得到质心波动值，包括：
计算所述初始数据簇中所有目标抽样数值的平均值，得到簇平均值；
根据所述初始数据簇对应的簇平均值与质心进行计算，得到所述质心波动值。
可选地，所述根据所述数据簇的资源类别对所述调度系统进行调度资源识别，得到资源识别结果，包括：
将所述数据簇的资源类别确定为所述数据簇中每个目标抽样数值的资源类别；
将所述目标抽样数值的资源类别确定为所述目标抽样数值所属分段使用数据对应的切分时间段的资源类别；
对所述预设时间区间进行预设天数更新，得到目标时间区间；
根据所述预设天数获取所述切分时间段在所述目标时间区间内对应的调度时间段；
将所述切分时间段的资源类别确定为所述调度系统在对应调度时间段内调度资源的类别，得到资源识别结果。
为了解决上述问题，本发明还提供一种调度资源识别装置，所述装置包括：
数据划分模块，用于获取预设时间区间内调度系统的历史使用数据；将所述历史使用数据按照预设的时间间隔进行切分，得到分段使用数据；将所述分段使用数据按照预设抽样时间间隔进行抽样，得到多个抽样数值；根据每个所述分段使用数据对应的所有抽样数值进行计算，得到对应的目标抽样数值；
数据聚类模块，用于按照预设聚类数量将所有所述目标抽样数值进行聚类，得到多个数据簇；
聚类识别模块，用于根据预设的划分规则及所述数据簇的质心对所述数据簇进行分类，得到所述数据簇的资源类别；根据所述数据簇的资源类别对所述调度系统进行调度资源识别，得到资源识别结果。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个计算机程序；及
处理器，执行所述存储器中存储的计算机程序以实现上述所述的调度资源识别方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的调度资源识别方法。
本发明实施例将所述历史使用数据按照预设的时间间隔进行切分，得到分段使用数据；将所述分段使用数据按照预设抽样时间间隔进行抽样，得到多个抽样数值；通过时间间隔对数据进行分段，从而得到不同时间段的数据，再对不同时间段的数据进行识别分类，利用识别的类别进行调度资源的识别，使得调度资源识别的时间粒度可以为预设时间间隔，调度资源识别更加灵活，因此本发明实施例提出的调度资源识别方法、装置、电子设备及可读存储介质提高了调度资源识别的灵活性。
附图说明
图1为本发明一实施例提供的调度资源识别方法的流程示意图；
图2为本发明一实施例提供的调度资源识别装置的模块示意图；
图3为本发明一实施例提供的实现调度资源识别方法的电子设备的内部结构示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供一种调度资源识别方法。所述调度资源识别方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述调度资源识别方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等，服务器可以是独立的服务器，也可以是提供云服务、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、内容分发网络(Content Delivery Network，CDN)、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。
参照图1所示的本发明一实施例提供的调度资源识别方法的流程示意图，在本发明实施例中，所述调度资源识别方法包括：
S1、获取预设时间区间内调度系统的历史使用数据。
可选地，本发明实施例中所述历史使用数据为所述历史使用数据为所述预设时间内任意时间对应的某调度系统的使用资源数值的集合，其中，所述任意时间的时间精度包括但不限于秒、分等，如：任意时间的时间精度为秒，预设时间为11/29，那么所述历史使用数据为11/29日当天每一秒钟某调度系统的CPU耗用核数。可选地，本发明实施例中所述时间区间为所述调度系统调度完成的最近一天的0:00-24:00。
可选地，本发明实施例中所述历史使用数据可以存储在区块链节点中利用区块链节点高吞吐的特性提高数据的取用效率。
S2、将所述历史使用数据按照预设的时间间隔进行切分，得到分段使用数据。
详细地，本发明实施例中为了更好的对调度资源进行识别，需要识别每个小的时间段的待调度资源的使用情况，因此，本发明实施例将所述历史使用数据按照预设的时间间隔进行切分，得到分段使用数据。
具体地，本发明实施例中将所述历史使用数据将所述历史使用数据按照预设的时间间隔进行切分，得到分段使用数据，包括：
将所述预设时间区间按照所述时间间隔进行切分，得到多个切分时间段；
例如：所述预设时间区间为11/29日3:00-5:00，所述时间间隔为1小时，那么切分后共得到3:00-4:00及4:00-5:00共两个切分时间段。
将所述历史使用数据中每个所述切分时间段对应的数据确定为所述分段使用数据。
S3、将所述分段使用数据按照预设抽样时间间隔进行抽样，得到多个抽样数值。
详细地，本发明实施例中直接对所述分段使用数据中的所有数值进行计算，耗费资源较多，因此，将所述分段使用数据按照预设的抽样时间间隔进行抽样，得到多个抽样数值。
具体地，本发明实施例中将所述分段使用数据按照预设抽样时间间隔进行抽样，得到多个抽样数值，包括：
将所述切分时间段以左端点为起始点按照预设抽样时间间隔选取时间点，得到抽样时间点；
可选地，本发明实施例可根据需要确定抽样时间间隔，如每隔五分钟选择一个时间点。
选取所述分段使用数据中所述抽样时间点对应的使用资源数值，得到对应的所述抽样数值。
S4、根据每个所述分段使用数据对应的所有抽样数值进行计算，得到对应的目标抽样数值。
详细地，本发明实施例中将每个所述分段使用数据对应的所有抽样数值进行平均计算，得到对应的目标抽样数值。
可选地，本发明实施例中还可以选取每个所述分段使用数据对应的所有抽样数值中的中位数、众数、50％分值、70％分值等确定为所述目标抽样数值。
S5、按照预设聚类数量将所有所述目标抽样数值进行聚类，得到多个数据簇。
详细地，本发明实施例中所述预设数量为需要识别的调度资源的类别数量。如：调度资源共有调度资源空闲、调度资源紧张、调度资源一般共三种，那么所述预设数量为3。
进一步地，本发明实施例中按照预设聚类数量将所有所述目标抽样数值进行聚类，得到多个数据簇，包括：
步骤A：在所有所述目标抽样数值中随机选取预设数量的目标抽样数值，并将选取的每个目标抽样数值作为质心；
步骤B：计算每一条所述目标抽样数值与每个所述质心的距离，将每条所述目标抽样数值向距离最近的所述质心凝集汇总，得到对应初始数据簇；
步骤C：根据所述初始数据簇及所述质心进行质心波动计算，得到质心波动值；
步骤D：判断所述质心波动值是否为0，
步骤E：当所述质心波动值为0，将所述初始数据簇确定为所述数据簇；
步骤F：当所述质心波动值不为0，将所述簇平均值作为新的质心，并返回步骤B。
可选地，所述根据所述初始数据簇及所述质心进行质心波动计算，得到质心波动值，包括：
计算所述初始数据簇中所有目标抽样数值的平均值，得到簇平均值；
根据所述初始数据簇对应的所述簇平均值与所述质心进行计算，得到所述质心波动值。
可选地，本发明实施例中可以计算所述初始数据簇对应的簇平均值与质心的差值，得到所述质心波动值。
例如：所述初始数据簇对应的簇平均值为2，所述初始数据簇对应的质心为1，那么所述质心波动值为2-1＝1或1-2＝-1。
本发明另一实施例中还可以计算所述初始数据簇对应的簇平均值与质心的差值的绝对值，得到所述质心波动值。
S6、根据预设的划分规则及所述数据簇的质心对所述数据簇进行分类，得到所述数据簇的资源类别。
详细地，本发明实施例中计算所述数据簇中所有目标抽样数值的平均值，得到所述数据簇的质心；
进一步地，本发明实施例中为了对所有所述目标抽样数值进行分类，根据预设的划分规则及所述数据簇的质心对所述数据簇进行分类，得到所述数据簇的资源类别。
具体地，本发明实施例中根据预设的划分规则及所述数据簇的质心对所述数据簇进行分类，得到所述数据簇的资源类别，包括：
选取所述划分规则中所述数据簇的质心对应的划分范围，得到目标划分范围；
例如：所述划分规则共有三种范围：CPU耗用核数0-100个、CPU耗用核数101-200、CPU耗用核数201-1000个，所述数据簇的质心为50，那么CPU耗用核数0-100个的划分范围为目标划分范围。
选取所述划分规则中所述目标划分范围对应的划分类别作为所述目标划分范围对应质心所属数据簇的资源类别。
例如：所述划分规则共有三种范围：CPU耗用核数0-100个、CPU耗用核数101-200、CPU耗用核数201-1000个，CPU耗用核数0-100个对应的划分类别为空闲、CPU耗用核数101-200对应的划分类别为一般、CPU耗用核数201-1000个对应的划分类别为紧张，所述质心对应的目标划分范围为CPU耗用核数0-100个，那么所述质心所属的数据簇的资源类别为空闲。
S7、根据所述数据簇的资源类别对所述调度系统进行调度资源识别，得到资源识别结果。
详细地，本发明实施例中根据所述数据簇的资源类别对所述调度系统进行资源类别标记，得到资源识别结果，包括：
将所述数据簇的资源类别确定为所述数据簇中每个目标抽样数值的资源类别；
将所述目标抽样数值的资源类别确定为所述目标抽样数值所属分段使用数据对应的切分时间段的资源类别；
对所述预设时间区间进行预设天数更新，得到目标时间区间；
可选地，本发明实施例中将所述预设时间区间的左右端点分别增加一天，得到所述目标时间区间。
根据所述切分时间段的资源类别对所述调度系统在目标时间区间内的调度资源进行识别，得到资源识别结果。
具体地，本发明实施例中根据所述切分时间段的资源类别对所述调度系统在目标时间区间内的调度资源进行识别，得到资源识别结果，包括：
根据所述预设天数获取所述切分时间段在所述目标时间区间内对应的调度时间段；
例如：所述预设天数为一天，所述时间区间为11/29日的0:00-24:00，所述目标时间区间为11/30日的0:00-24:00，所述切分时间段为11/29日3:00-5:00，那么所述切分时间段对应的调度时间段为11/30日3:00-5:00。
将所述切分时间段的资源类别确定为所述调度系统在对应调度时间段内调度资源的类别，得到资源识别结果。
例如：所述切分时间段为11/29日3:00-5:00，所述切分时间段对应的调度时间段为11/30日3:00-5:00，所述切分时间段对应的资源类别为资源紧张，那么所述调度系统在所述调度时间段内的调度资源类别也为资源紧张。
本发明实施例中利用调度系统调度资源动态稳定的特性(连续两天的调度资源使用基本一致)通过调度资源的历史数据来评估调度系统最新一天各个时间段的资源类别，从而根据识别的资源类别更有针对性的进行任务调度，提高调度资源的利用效率。如：调度资源类别为空闲的调度时间段可以安排重要紧急的调度任务；调度资源类别为一般的调度时间段可以安排不重要但紧急的调度任务或重要但不紧急的调度任务；调度资源类别为紧张的调度时间段可以安排不重要也紧急的调度任务。
如图2所示，是本发明调度资源识别装置的功能模块图。
本发明所述调度资源识别装置100可以安装于电子设备中。根据实现的功能，所述调度资源识别装置可以包括数据划分模块101、数据聚类模块102、聚类识别模块103，本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述数据划分模块101用于获取预设时间区间内调度系统的历史使用数据；将所述历史使用数据按照预设的时间间隔进行切分，得到分段使用数据；将所述分段使用数据按照预设抽样时间间隔进行抽样，得到多个抽样数值；根据每个所述分段使用数据对应的所有抽样数值进行计算，得到对应的目标抽样数值；
所述数据聚类模块102用于按照预设聚类数量将所有所述目标抽样数值进行聚类，得到多个数据簇；
所述聚类识别模块103用于根据预设的划分规则及所述数据簇的质心对所述数据簇进行分类，得到所述数据簇的资源类别；根据所述数据簇的资源类别对所述调度系统进行调度资源识别，得到资源识别结果。
详细地，本发明实施例中所述调度资源识别装置100中所述的各模块在使用时采用与上述图1中所述的调度资源识别方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图3所示，是本发明实现调度资源识别方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信总线12和通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如调度资源识别程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如调度资源识别程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如调度资源识别程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述通信总线12可以是外设部件互连标准(perIPheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述通信总线12总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障分类电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
可选地，所述通信接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地，所述通信接口13还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的调度资源识别程序是多个计算机程序的组合，在所述处理器10中运行时，可以实现：
获取预设时间区间内调度系统的历史使用数据；
将所述历史使用数据按照预设的时间间隔进行切分，得到分段使用数据；
将所述分段使用数据按照预设抽样时间间隔进行抽样，得到多个抽样数值；
根据每个所述分段使用数据对应的所有抽样数值进行计算，得到对应的目标抽样数值；
按照预设聚类数量将所有所述目标抽样数值进行聚类，得到多个数据簇；
根据预设的划分规则及所述数据簇的质心对所述数据簇进行分类，得到所述数据簇的资源类别；
根据所述数据簇的资源类别对所述调度系统进行调度资源识别，得到资源识别结果。
具体地，所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备集成的模块/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介质中。所述计算机可读介质可以是非易失性的，也可以是易失性的。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明实施例还可以提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取预设时间区间内调度系统的历史使用数据；
将所述历史使用数据按照预设的时间间隔进行切分，得到分段使用数据；
将所述分段使用数据按照预设抽样时间间隔进行抽样，得到多个抽样数值；
根据每个所述分段使用数据对应的所有抽样数值进行计算，得到对应的目标抽样数值；
按照预设聚类数量将所有所述目标抽样数值进行聚类，得到多个数据簇；
根据预设的划分规则及所述数据簇的质心对所述数据簇进行分类，得到所述数据簇的资源类别；
根据所述数据簇的资源类别对所述调度系统进行调度资源识别，得到资源识别结果。
进一步地，所述计算机可用存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以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，所述模块的划分，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
另外，在本发明各个实施例中的各功能模块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，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种调度资源识别方法，其特征在于，所述方法包括：
获取预设时间区间内调度系统的历史使用数据；
将所述历史使用数据按照预设的时间间隔进行切分，得到分段使用数据；
将所述分段使用数据按照预设抽样时间间隔进行抽样，得到多个抽样数值；
根据每个所述分段使用数据对应的所有抽样数值进行计算，得到对应的目标抽样数值；
按照预设聚类数量将所有所述目标抽样数值进行聚类，得到多个数据簇；
根据预设的划分规则及所述数据簇的质心对所述数据簇进行分类，得到所述数据簇的资源类别；
根据所述数据簇的资源类别对所述调度系统进行调度资源识别，得到资源识别结果。
2.如权利要求1所述的调度资源识别方法，其特征在于，所述将所述历史使用数据按照预设的时间间隔进行切分，得到分段使用数据，包括：
将所述预设时间区间按照所述时间间隔进行切分，得到多个切分时间段；
将所述历史使用数据中每个所述切分时间段对应的数据确定为所述分段使用数据。
3.如权利要求1所述的调度资源识别方法，其特征在于，所述将所述分段使用数据按照预设抽样时间间隔进行抽样，得到多个抽样数值，包括：
将所述切分时间段以左端点为起始点按照预设抽样时间间隔选取时间点，得到抽样时间点；
选取所述分段使用数据中所述抽样时间点对应的使用资源数值，得到对应的所述抽样数值。
4.如权利要求1所述的调度资源识别方法，其特征在于，所述根据每个所述分段使用数据对应的所有抽样数值进行计算，得到对应的目标抽样数值，包括：
将每个所述分段使用数据对应的所有抽样数值进行平均计算，得到对应的所述目标抽样数值。
5.如权利要求1所述的调度资源识别方法，其特征在于，所述按照预设聚类数量将所有所述目标抽样数值进行聚类，得到多个数据簇，包括：
步骤A：在所有所述目标抽样数值中随机选取预设数量的目标抽样数值，并将选取的每个目标抽样数值作为质心；
步骤B：计算每一条所述目标抽样数值与每个所述质心的距离，将每条所述目标抽样数值向距离最近的所述质心凝集汇总，得到对应初始数据簇；
步骤C：根据所述初始数据簇及所述质心进行质心波动计算，得到质心波动值；
步骤D：判断所述质心波动值是否为0，
步骤E：当所述质心波动值为0，将所述初始数据簇确定为所述数据簇；
步骤F：当所述质心波动值不为0，将所述簇平均值作为新的质心，并返回步骤B。
6.如权利要求5所述的调度资源识别方法，其特征在于，所述根据所述初始数据簇及所述质心进行质心波动计算，得到质心波动值，包括：
计算所述初始数据簇中所有目标抽样数值的平均值，得到簇平均值；
根据所述初始数据簇对应的簇平均值与质心进行计算，得到所述质心波动值。
7.如权利要求1至6中任意一项所述的调度资源识别方法，其特征在于，所述根据所述数据簇的资源类别对所述调度系统进行调度资源识别，得到资源识别结果，包括：
将所述数据簇的资源类别确定为所述数据簇中每个目标抽样数值的资源类别；
将所述目标抽样数值的资源类别确定为所述目标抽样数值所属分段使用数据对应的切分时间段的资源类别；
对所述预设时间区间进行预设天数更新，得到目标时间区间；
根据所述预设天数获取所述切分时间段在所述目标时间区间内对应的调度时间段；
将所述切分时间段的资源类别确定为所述调度系统在对应调度时间段内调度资源的类别，得到资源识别结果。
8.一种调度资源识别装置，其特征在于，包括：
数据划分模块，用于获取预设时间区间内调度系统的历史使用数据；将所述历史使用数据按照预设的时间间隔进行切分，得到分段使用数据；将所述分段使用数据按照预设抽样时间间隔进行抽样，得到多个抽样数值；根据每个所述分段使用数据对应的所有抽样数值进行计算，得到对应的目标抽样数值；
数据聚类模块，用于按照预设聚类数量将所有所述目标抽样数值进行聚类，得到多个数据簇；
聚类识别模块，用于根据预设的划分规则及所述数据簇的质心对所述数据簇进行分类，得到所述数据簇的资源类别；根据所述数据簇的资源类别对所述调度系统进行调度资源识别，得到资源识别结果。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任一项所述的调度资源识别方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的调度资源识别方法。
CN202210505224.2A 2022-05-10 2022-05-10 调度资源识别方法、装置、电子设备及存储介质 Active CN114817408B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210505224.2A CN114817408B (zh) 2022-05-10 2022-05-10 调度资源识别方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210505224.2A CN114817408B (zh) 2022-05-10 2022-05-10 调度资源识别方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN114817408A true CN114817408A (zh) 2022-07-29
CN114817408B CN114817408B (zh) 2024-07-02

Family

ID=82513501

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210505224.2A Active CN114817408B (zh) 2022-05-10 2022-05-10 调度资源识别方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114817408B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117278343A (zh) * 2023-11-24 2023-12-22 戎行技术有限公司 一种基于大数据平台数据的数据多级输出处理方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150127245A1 (en) * 2013-11-01 2015-05-07 Here Global B.V. Traffic Data Simulator
CN111309825A (zh) * 2020-02-29 2020-06-19 深圳壹账通智能科技有限公司 数据聚类的存储方法、装置及计算机可读存储介质
CN114219023A (zh) * 2021-12-14 2022-03-22 中国平安财产保险股份有限公司 数据聚类方法、装置、电子设备及可读存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150127245A1 (en) * 2013-11-01 2015-05-07 Here Global B.V. Traffic Data Simulator
CN111309825A (zh) * 2020-02-29 2020-06-19 深圳壹账通智能科技有限公司 数据聚类的存储方法、装置及计算机可读存储介质
WO2021169173A1 (zh) * 2020-02-29 2021-09-02 深圳壹账通智能科技有限公司 数据聚类的存储方法、装置、计算机设备及存储介质
CN114219023A (zh) * 2021-12-14 2022-03-22 中国平安财产保险股份有限公司 数据聚类方法、装置、电子设备及可读存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117278343A (zh) * 2023-11-24 2023-12-22 戎行技术有限公司 一种基于大数据平台数据的数据多级输出处理方法
CN117278343B (zh) * 2023-11-24 2024-02-02 戎行技术有限公司 一种基于大数据平台数据的数据多级输出处理方法

Also Published As

Publication number Publication date
CN114817408B (zh) 2024-07-02

Similar Documents

Publication Publication Date Title
CN112052370A (zh) 报文生成方法、装置、电子设备及计算机可读存储介质
CN112541745A (zh) 用户行为数据分析方法、装置、电子设备及可读存储介质
CN114881616A (zh) 业务流程执行方法、装置、电子设备及存储介质
CN112115145A (zh) 数据采集方法、装置、电子设备及存储介质
CN113868528A (zh) 资讯推荐方法、装置、电子设备及可读存储介质
CN113688923A (zh) 订单异常智能检测方法、装置、电子设备及存储介质
CN111694844A (zh) 基于配置算法的企业运行数据分析方法、装置及电子设备
CN114491047A (zh) 多标签文本分类方法、装置、电子设备及存储介质
CN112256783A (zh) 数据导出方法、装置、电子设备及存储介质
CN113868529A (zh) 知识推荐方法、装置、电子设备及可读存储介质
CN113890712A (zh) 数据传输方法、装置、电子设备及可读存储介质
CN112631731A (zh) 数据查询方法、装置、电子设备及存储介质
CN113259446A (zh) 基于用户忠诚度的app消息发送方法、装置、设备及介质
CN114219023A (zh) 数据聚类方法、装置、电子设备及可读存储介质
CN114880368A (zh) 数据查询方法、装置、电子设备及可读存储介质
CN114844844A (zh) 延时消息处理方法、装置、设备及存储介质
CN114817408B (zh) 调度资源识别方法、装置、电子设备及存储介质
CN111858604B (zh) 数据存储方法、装置、电子设备及存储介质
CN117193975A (zh) 任务调度方法、装置、设备及存储介质
CN112541640A (zh) 资源的权限管理方法、装置、电子设备及计算机存储介质
CN113918296A (zh) 模型训练任务调度执行方法、装置、电子设备及存储介质
CN113407322B (zh) 多终端的任务分配方法、装置、电子设备及可读存储介质
CN114625512A (zh) 任务调度方法、装置、电子设备及存储介质
CN113918305A (zh) 节点调度方法、装置、电子设备及可读存储介质
CN115033605A (zh) 数据查询方法、装置、电子设备及存储介质

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
GR01 Patent grant