CN117194054A - 基于用户画像的云盘资源调度方法 - Google Patents

基于用户画像的云盘资源调度方法 Download PDF

Info

Publication number
CN117194054A
CN117194054A CN202311461984.9A CN202311461984A CN117194054A CN 117194054 A CN117194054 A CN 117194054A CN 202311461984 A CN202311461984 A CN 202311461984A CN 117194054 A CN117194054 A CN 117194054A
Authority
CN
China
Prior art keywords
cloud disk
user
vector
request
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
CN202311461984.9A
Other languages
English (en)
Other versions
CN117194054B (zh
Inventor
王龙
王新赋
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.)
Xi'an 123 Cloud Computing Co ltd
Original Assignee
Xi'an 123 Cloud Computing 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 Xi'an 123 Cloud Computing Co ltd filed Critical Xi'an 123 Cloud Computing Co ltd
Priority to CN202311461984.9A priority Critical patent/CN117194054B/zh
Publication of CN117194054A publication Critical patent/CN117194054A/zh
Application granted granted Critical
Publication of CN117194054B publication Critical patent/CN117194054B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请涉及云盘资源调度领域,尤其涉及一种基于用户画像的云盘资源调度方法。所述方法包括:依据历史调度请求构建目标用户的习惯向量;获取目标用户的实时调度请求,并结合所述习惯向量构建目标用户的用户画像;构建云盘在当前时刻的资源向量,所述资源向量与所述云盘在所述当前时刻的剩余资源和待处理请求量有关;计算用户画像与多个云盘在当前时刻的资源向量之间的匹配度,并将匹配度最大值对应的云盘作为所述目标用户的云盘资源调度结果。通过本申请的技术方案,能够构建用户的用户画像以及云盘的资源向量,实现云盘资源的合理调度。

Description

基于用户画像的云盘资源调度方法
技术领域
本申请一般地涉及云盘资源调度领域,尤其涉及一种基于用户画像的云盘资源调度方法。
背景技术
云盘是一种专业的互联网存储工具,是互联网云技术的产物,它通过互联网为企业和个人提供信息的储存,读取,下载等服务;具有安全稳定、海量存储的特点,广泛应用于银行等行政服务领域,在办理相关行政业务时,为大批量的数据存储和传输提供支持,提高业务处理效率。
一个云盘系统中通常包括多个云盘,所有云盘的储存空间、算力以及网络传输接口分别构成了云盘系统的存储资源、计算资源和网络资源,故云盘资源包括存储资源、计算资源和网络资源,且不同调度请求对不同云盘资源的需求也不同。
目前,公开号为CN109712050A的专利申请文件公开了一种用于公安警务操作的云盘系统,该系统由我的文件子系统、工作组子系统、公共资源子系统、消息中心子系统、统计分析子系统、系统管理子系统、传输列表子系统、个人中心子系统共八个子系统组成,依托超算存储设备作为基础平台,通过合理的资源分配策略,实现存储资源的按需分配。对文件传输和工作组进行有效的控制,同时对上传的文件实现自动备份,能有效避免文件丢失风险。
上述方法实现了存储资源的按需分配,但在办理相关业务时,不同终端(或业务人员,也即用户)由于办理的业务类型不同,其对不同云盘资源的需求量也不同,上述方法并未考虑不同用户对不同云盘资源的需求程度,无法实现云盘资源的合理调度。
发明内容
为了解决现有技术中的上述技术问题,本申请提供了一种基于用户画像的云盘资源调度方法,通过构建用户的用户画像以及云盘的资源向量,实现云盘资源的合理调度。
本发明提供了一种基于用户画像的云盘资源调度方法,包括:依据设定时间段内的历史调度请求构建目标用户的习惯向量;获取所述目标用户的实时调度请求,基于所述实时调度请求和所述习惯向量构建所述目标用户的用户画像;构建云盘在当前时刻的资源向量,所述资源向量与所述云盘在所述当前时刻的剩余资源和待处理请求量有关,其中,所述剩余资源包括剩余存储资源、剩余计算资源和剩余网络资源;计算所述用户画像与多个云盘在所述当前时刻的资源向量之间的匹配度,并将匹配度最大值对应的云盘作为所述目标用户的云盘资源调度结果;其中,所述构建云盘在当前时刻的资源向量包括:在任意历史云盘资源调度结束后,采集被调度云盘的剩余资源和待处理请求量以及历史用户的用户画像,并将其输入匹配度预测模型以输出预测匹配度,所述匹配度预测模型满足关系式:
其中,为所述历史用户的用户画像,且用户画像的尺寸为1行n列,/>为n行4列的初始云盘映射矩阵,/>、/>、/>和/>依次为所述被调度云盘的剩余存储资源、剩余计算资源、剩余网络资源和待处理请求量,/>为预测匹配度,/>为所述被调度云盘的初始资源向量;获取所述历史用户对所述被调度云盘的评分结果;更新所述初始云盘映射矩阵,使得所述预测匹配度与所述评分结果之间的均方差达到最小;迭代地更新所述初始云盘映射矩阵,响应于所述均方差小于设定值,停止迭代,得到目标云盘映射矩阵;对于一个云盘,采集所述当前时刻所述云盘的剩余资源和待处理请求量,并结合所述目标云盘映射矩阵构建所述云盘在所述当前时刻的资源向量。
在一些实施例中,所述依据设定时间段内的历史调度请求构建目标用户的习惯向量包括:采集目标用户在所述设定时间段内的所有历史调度请求,以及各历史调度请求的请求时刻;将每个历史调度请求映射为请求向量;依据所述请求时刻的先后顺序对所有请求向量进行排列,得到历史调度请求序列;将所述历史调度请求序列输入时序特征提取网络以输出时序特征,所述时序特征对应于所述目标用户的习惯向量。
在一些实施例中,所述请求向量为01向量,所述将每个历史调度请求映射为请求向量包括:获取所有调度请求的种类数,并利用one-hot编码方法对每种调度请求进行编码以获取对应的编码向量,所述编码向量的长度等于所有调度请求的种类数;基于历史调度请求的种类将所述历史调度请求映射为对应的编码向量,所述编码向量对应于所述请求向量。
在一些实施例中,所述时序特征提取网络为LSTM、Bert或Transformer中的任意一种。
在一些实施例中,基于所述实时调度请求和所述习惯向量构建所述目标用户的用户画像包括:获取所述实时调度请求的请求向量,所述实时调度请求的请求向量与所述习惯向量的尺寸相同;将所述习惯向量与所述实时调度请求的请求向量的和作为所述目标用户的用户画像。
在一些实施例中,获取所述历史用户对所述被调度云盘的评分结果包括:响应于所述被调度云盘处理完毕所述历史用户的调度请求后,获取所述历史用户在多个评价标准下的分值,所述多个评价标准至少包括响应速度、请求处理时间和传输速度;依据设定权重对所述多个评价标准下的分值进行加权求和,得到所述评分结果。
在一些实施例中,更新所述初始云盘映射矩阵包括:将所述预测匹配度与所述评分结果之间的均方差作为损失函数;对所述损失函数求偏导以获取所述初始云盘映射矩阵的梯度矩阵,所述梯度矩阵包括所述初始云盘映射矩阵中各数值的梯度值;依据梯度下降法更新所述初始云盘映射矩阵,更新后的初始云盘映射矩阵满足关系式:
其中,为第/>次更新前的初始云盘映射矩阵,/>为第/>次更新后的初始云盘映射矩阵,/>为第/>次更新时的梯度矩阵,/>为更新步长。
在一些实施例中,所述云盘在所述当前时刻的资源向量满足关系式:
其中,所述当前时刻对应于时刻,/>为云盘/>在时刻/>的资源向量,且资源向量的尺寸为/>行1列,/>为所述目标云盘映射矩阵,/>、/>、/>和/>依次为云盘/>在时刻/>的剩余存储资源、剩余计算资源、剩余网络资源和待处理请求量。
在一些实施例中,所述匹配度满足关系式:
其中,为所述用户画像与云盘/>在当前时刻/>的资源向量之间的匹配度,/>为所述目标用户的用户画像,/>为云盘/>在当前时刻/>的资源向量。
本申请实施例提供的上述基于用户画像的云盘资源调度方法,获取根据用户在设定时间段内的历史调度请求和当前时刻的实时调度请求构建用户画像,用户画像综合考虑了用户的调度习惯和当前时刻的实时调度需求;进一步地,依据历史调度过程中历史用户对被调度云盘的评分结果构建云盘在不同时刻下的资源向量,其中云盘在当前时刻的资源向量用于表征该云盘在当前时刻的剩余资源和待处理请求量;计算用户画像与资源向量之间的匹配度,并将用户的实时调度请求在匹配度最大值对应的云盘上进行处理,使得用户的用户体验达到最大,实现云盘资源的合理调度。
进一步地,在构建云盘在当前时刻的资源向量时,将资源向量拆分为目标云盘映射矩阵,以及云盘在当前时刻的剩余存储资源、剩余计算资源、剩余网络资源和待处理请求量;其中,采集任意时刻的一个云盘的剩余存储资源、剩余计算资源、剩余网络资源和待处理请求量后,即可构建该云盘在该任意时刻的资源向量,进而高效准确地构建云盘在当前时刻的资源向量。
附图说明
通过参考附图阅读下文的详细描述,本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本申请的若干实施方式,并且相同或对应的标号表示相同或对应的部分,其中:
图1是根据本申请较佳实施方式提供的基于用户画像的云盘资源调度方法的流程图;
图2是根据本申请较佳实施方式提供的基于用户画像的云盘资源调度方法的一种应用场景的示意图;
图3是根据本申请实施例的构建云盘在当前时刻的资源向量的流程图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域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,都属于本申请保护的范围。
应当理解,当本申请的权利要求、说明书及附图使用术语“第一”、“第二”等时,其仅是用于区别不同对象,而不是用于描述特定顺序。本申请的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
请参阅图1所示,为本申请较佳实施方式提供的基于用户画像的云盘资源调度方法的流程图。根据不同的需求,所述流程图中步骤的顺序可以改变,某些步骤可以省略。
在一个应用场景中,请参阅图2所示,为本申请较佳实施方式提供的基于用户画像的云盘资源调度方法的一种应用场景的示意图。在银行等行政服务领域中,通常会设置多个云盘,每个云盘中的存储资源、计算资源和网络资源不同。用户在终端设备依据业务需求提交调度请求,该调度请求至少包括上传用户信息、查询用户信息、分析用户历史数据等;依据调度请求为用户调度合理的云盘,利用该云盘中的存储资源、计算资源和网络资源处理调度请求,并将处理结果返回到用户的终端设备上。其中,终端设备可为电脑、手机或平板等智能设备。
S11,依据设定时间段内的历史调度请求构建目标用户的习惯向量。
在一个实施例中,设定时间段为过去一个月的时间,也可依据具体的应用场景调整设定时间段的长度;所述目标用户为任意一个发出实时调度请求的用户。所述依据设定时间段内的历史调度请求构建目标用户的习惯向量包括:采集目标用户在所述设定时间段内的所有历史调度请求,以及各历史调度请求的请求时刻;将每个历史调度请求映射为请求向量;依据所述请求时刻的先后顺序对所有请求向量进行排列,得到历史调度请求序列;将所述历史调度请求序列输入时序特征提取网络以输出时序特征,所述时序特征对应于所述目标用户的习惯向量。
其中,所述时序特征提取网络可为LSTM、Bert或Transformer等任意一种现有的时序特征提取网络。所述时序特征提取网络可对历史调度请求序列中的所有历史调度请求进行时序特征提取,以输出时序特征,该时序特征的尺寸与时序特征提取网络的网络结构有关,将该时序特征的尺寸记为1行n列。其中,所述时序特征提取网络的训练方法为本领域技术人员的公知常识,在此不再赘述。
在一个可选的实施例中,所述请求向量为01向量,所述将每个历史调度请求映射为请求向量包括:获取所有调度请求的种类数,并利用one-hot编码方法对每种调度请求进行编码以获取对应的编码向量,所述编码向量的长度等于所有调度请求的种类数;基于历史调度请求的种类将所述历史调度请求映射为对应的编码向量,所述编码向量对应于所述请求向量。
示例性地,假设在银行政务服务中,依据需要办理的业务类型发出调度请求,即所有调度请求的种类数与业务类型总数相同,一个业务类型对应于一种调度请求;假设包括上传用户信息、更新用户信息、查询用户信息、分析用户金额变化趋势、转账汇款请求共5种调度请求,则依据one-hot编码方法对上述5种调度请求进行编码后,分别得到5种对应的编码向量、/>、/>、/>、/>
如此,得到目标用户的习惯向量,目标用户的习惯向量可反映设定时间段内目标用户调度云盘的频率以及每次调度云盘时的请求内容。
S12,获取所述目标用户的实时调度请求,基于所述实时调度请求和所述习惯向量构建所述目标用户的用户画像。
在一个实施例中,用户画像同时反映了目标用户在设定时间段内历史调度请求和当前时刻的实时调度请求;在后续云盘资源调度时,综合考虑目标用户的历史调度请求和当前时刻的实时调度请求为目标用户调度合理的云盘,提高用户的使用体验。具体描述如下,基于所述实时调度请求和所述习惯向量构建所述目标用户的用户画像包括:获取所述实时调度请求的请求向量,所述实时调度请求的请求向量与所述习惯向量的尺寸相同;将所述习惯向量与所述实时调度请求的请求向量的和作为所述目标用户的用户画像。
其中,实时调度请求为所有调度请求种类中的任意一种,将该种调度请求对应的编码向量作为所述实时调度请求的请求向量。
S13,构建云盘在当前时刻的资源向量,所述资源向量与所述云盘在所述当前时刻的剩余资源和待处理请求量有关,其中,所述剩余资源包括剩余存储资源、剩余计算资源和剩余网络资源。
在一个可选的实施例中,云盘在当前时刻的资源向量用于表征该云盘在当前时刻的剩余资源和待处理请求量;其中,待处理请求量为该云盘需要处理的调度请求的数量,待处理请求量越大,则表示该云盘的资源越紧缺;剩余资源为该云盘在当前时刻还可以被调度的云盘资源,剩余资源包括剩余存储资源、剩余计算资源和剩余网络资源。
具体地,请参阅图3所示,为本申请实施例的构建云盘在当前时刻的资源向量的流程图。所述构建云盘在当前时刻的资源向量包括:S21,在任意历史云盘资源调度结束后,采集被调度云盘的剩余资源和待处理请求量以及历史用户的用户画像,并将其输入匹配度预测模型以输出预测匹配度,所述匹配度预测模型满足关系式:
其中,为所述历史用户的用户画像,且用户画像的尺寸为1行n列,/>为n行4列的初始云盘映射矩阵,/>、/>、/>和/>依次为所述被调度云盘的剩余存储资源、剩余计算资源、剩余网络资源和待处理请求量,/>为预测匹配度,/>为所述被调度云盘的初始资源向量;S22,获取所述历史用户对所述被调度云盘的评分结果;S23,更新所述初始云盘映射矩阵,使得所述预测匹配度与所述评分结果之间的均方差达到最小;S24,迭代地更新所述初始云盘映射矩阵,响应于所述均方差小于设定值,停止迭代,得到目标云盘映射矩阵;S25,对于一个云盘,采集所述当前时刻所述云盘的剩余资源和待处理请求量,并结合所述目标云盘映射矩阵构建所述云盘在所述当前时刻的资源向量。
其中,所述设定值的取值为0.001。
其中,在所述匹配度预测模型中,初始云盘映射矩阵为可训练参数,实时采集任意云盘的剩余资源和待处理请求量,并将其与初始云盘映射矩阵相乘,即可得到所述任意云盘的资源向量。
在一个实施例中,获取所述历史用户对所述被调度云盘的评分结果包括:响应于所述被调度云盘处理完毕所述历史用户的调度请求后,获取所述历史用户在多个评价标准下的分值,所述多个评价标准至少包括响应速度、请求处理时间和传输速度;依据设定权重对所述多个评价标准下的分值进行加权求和,得到所述评分结果。
可以理解的,评分结果越大,表示历史用户的用户体验越好。示例性地,共包括响应速度、请求处理时间和传输速度三个评价标准,历史用户对多个评价标准进行打分,响应速度、请求处理时间和传输速度对应的分值依次为10,5和6;且三个评价标准对应的设定权重均为1/3,则所述评分结果为7。
在其它可选的实施例中,所述多个评价标准还包括数据容灾能力和数据安全性能。其中,数据容灾能力为被调度云盘处理所述历史用户的调度请求中,当数据丢失时,数据是否能够被完全恢复;数据安全性能为被调度云盘处理所述历史用户的调度请求中数据的机密性和完整性。
在一个实施例中,更新所述初始云盘映射矩阵包括:将所述预测匹配度与所述评分结果之间的均方差作为损失函数;对所述损失函数求偏导以获取所述初始云盘映射矩阵的梯度矩阵,所述梯度矩阵包括所述初始云盘映射矩阵中各数值的梯度值;依据梯度下降法更新所述初始云盘映射矩阵,更新后的初始云盘映射矩阵满足关系式:
其中,为第/>次更新前的初始云盘映射矩阵,/>为第/>次更新后的初始云盘映射矩阵,/>为第/>次更新时的梯度矩阵,/>为更新步长。其中,所述更新步长为0.1。
在一个实施例中,得到目标云盘映射矩阵之后,可构建任意云盘的资源向量,且对于同一云盘而言,不同时刻的资源向量不同。所述云盘在所述当前时刻的资源向量满足关系式:
其中,为云盘/>在时刻/>的资源向量,且资源向量的尺寸为/>行1列,/>为所述目标云盘映射矩阵,/>、/>、/>和/>依次为云盘/>在时刻/>的剩余存储资源、剩余计算资源、剩余网络资源和待处理请求量。
如此,完成云盘的资源向量的构建,按照相同的方法可获取每一个云盘的在当前时刻的资源向量。
S14,计算所述用户画像与多个云盘在所述当前时刻的资源向量之间的匹配度,并将匹配度最大值对应的云盘作为所述目标用户的云盘资源调度结果。
在一个可选的实施例中,计算所述用户画像与多个云盘的资源向量之间的匹配度,所述匹配度用于表征对应云盘与目标用户的适配程度,所述匹配度满足关系式:
其中,为所述用户画像与云盘/>在当前时刻/>的资源向量之间的匹配度,/>为所述目标用户的用户画像,/>为云盘/>在当前时刻/>的资源向量。
将匹配度最大值对应的云盘作为所述目标用户的云盘资源调度结果,即将目标用户的实时调度请求在匹配度最大值对应的云盘上进行处理,可使得目标用户的用户体验达到最大,实现云盘资源的合理调度。
本申请实施例提供的上述基于用户画像的云盘资源调度方法,获取根据用户在设定时间段内的历史调度请求和当前时刻的实时调度请求构建用户画像,用户画像综合考虑了用户的调度习惯和当前时刻的实时调度需求;进一步地,依据历史调度过程中历史用户对被调度云盘的评分结果构建云盘在不同时刻下的资源向量,其中云盘在当前时刻的资源向量用于表征该云盘在当前时刻的剩余资源和待处理请求量;计算用户画像与资源向量之间的匹配度,并将用户的实时调度请求在匹配度最大值对应的云盘上进行处理,使得用户的用户体验达到最大,实现云盘资源的合理调度。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种基于用户画像的云盘资源调度方法,其特征在于:
依据设定时间段内的历史调度请求构建目标用户的习惯向量;
获取所述目标用户的实时调度请求,基于所述实时调度请求和所述习惯向量构建所述目标用户的用户画像;
构建云盘在当前时刻的资源向量,所述资源向量与所述云盘在所述当前时刻的剩余资源和待处理请求量有关,其中,所述剩余资源包括剩余存储资源、剩余计算资源和剩余网络资源;
计算所述用户画像与多个云盘在所述当前时刻的资源向量之间的匹配度,并将匹配度最大值对应的云盘作为所述目标用户的云盘资源调度结果;
其中,所述构建云盘在当前时刻的资源向量包括:
在任意历史云盘资源调度结束后,采集被调度云盘的剩余资源和待处理请求量以及历史用户的用户画像,并将其输入匹配度预测模型以输出预测匹配度,所述匹配度预测模型满足关系式:
其中,为所述历史用户的用户画像,且用户画像的尺寸为1行n列,/>为n行4列的初始云盘映射矩阵,/>、/>、/>和/>依次为所述被调度云盘的剩余存储资源、剩余计算资源、剩余网络资源和待处理请求量,/>为预测匹配度,/>为所述被调度云盘的初始资源向量;获取所述历史用户对所述被调度云盘的评分结果;更新所述初始云盘映射矩阵,使得所述预测匹配度与所述评分结果之间的均方差达到最小;迭代地更新所述初始云盘映射矩阵,响应于所述均方差小于设定值,停止迭代,得到目标云盘映射矩阵;对于一个云盘,采集所述当前时刻所述云盘的剩余资源和待处理请求量,并结合所述目标云盘映射矩阵构建所述云盘在所述当前时刻的资源向量。
2.如权利要求1所述的一种基于用户画像的云盘资源调度方法,其特征在于,所述依据设定时间段内的历史调度请求构建目标用户的习惯向量包括:
采集目标用户在所述设定时间段内的所有历史调度请求,以及各历史调度请求的请求时刻;
将每个历史调度请求映射为请求向量;依据所述请求时刻的先后顺序对所有请求向量进行排列,得到历史调度请求序列;
将所述历史调度请求序列输入时序特征提取网络以输出时序特征,所述时序特征对应于所述目标用户的习惯向量。
3.如权利要求2所述的一种基于用户画像的云盘资源调度方法,其特征在于,所述请求向量为01向量,所述将每个历史调度请求映射为请求向量包括:
获取所有调度请求的种类数,并利用one-hot编码方法对每种调度请求进行编码以获取对应的编码向量,所述编码向量的长度等于所有调度请求的种类数;
基于历史调度请求的种类将所述历史调度请求映射为对应的编码向量,所述编码向量对应于所述请求向量。
4.如权利要求2所述的一种基于用户画像的云盘资源调度方法,其特征在于,所述时序特征提取网络为LSTM、Bert或Transformer中的任意一种。
5.如权利要求1所述的一种基于用户画像的云盘资源调度方法,其特征在于,基于所述实时调度请求和所述习惯向量构建所述目标用户的用户画像包括:
获取所述实时调度请求的请求向量,所述实时调度请求的请求向量与所述习惯向量的尺寸相同;
将所述习惯向量与所述实时调度请求的请求向量的和作为所述目标用户的用户画像。
6.如权利要求1所述的一种基于用户画像的云盘资源调度方法,其特征在于,获取所述历史用户对所述被调度云盘的评分结果包括:
响应于所述被调度云盘处理完毕所述历史用户的调度请求后,获取所述历史用户在多个评价标准下的分值,所述多个评价标准至少包括响应速度、请求处理时间和传输速度;
依据设定权重对所述多个评价标准下的分值进行加权求和,得到所述评分结果。
7.如权利要求1所述的一种基于用户画像的云盘资源调度方法,其特征在于,更新所述初始云盘映射矩阵包括:
将所述预测匹配度与所述评分结果之间的均方差作为损失函数;
对所述损失函数求偏导以获取所述初始云盘映射矩阵的梯度矩阵,所述梯度矩阵包括所述初始云盘映射矩阵中各数值的梯度值;
依据梯度下降法更新所述初始云盘映射矩阵,更新后的初始云盘映射矩阵满足关系式:
其中,为第/>次更新前的初始云盘映射矩阵,/>为第/>次更新后的初始云盘映射矩阵,/>为第/>次更新时的梯度矩阵,/>为更新步长。
8.如权利要求1所述的一种基于用户画像的云盘资源调度方法,其特征在于,所述云盘在所述当前时刻的资源向量满足关系式:
其中,所述当前时刻对应于时刻,/>为云盘/>在时刻/>的资源向量,且资源向量的尺寸为/>行1列,/>为所述目标云盘映射矩阵,/>、/>、/>和/>依次为云盘/>在时刻/>的剩余存储资源、剩余计算资源、剩余网络资源和待处理请求量。
9.如权利要求1所述的一种基于用户画像的云盘资源调度方法,其特征在于,所述匹配度满足关系式:
其中,为所述用户画像与云盘/>在当前时刻/>的资源向量之间的匹配度,/>为所述目标用户的用户画像,/>为云盘/>在当前时刻/>的资源向量。
CN202311461984.9A 2023-11-06 2023-11-06 基于用户画像的云盘资源调度方法 Active CN117194054B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311461984.9A CN117194054B (zh) 2023-11-06 2023-11-06 基于用户画像的云盘资源调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311461984.9A CN117194054B (zh) 2023-11-06 2023-11-06 基于用户画像的云盘资源调度方法

Publications (2)

Publication Number Publication Date
CN117194054A true CN117194054A (zh) 2023-12-08
CN117194054B CN117194054B (zh) 2024-02-23

Family

ID=88987246

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311461984.9A Active CN117194054B (zh) 2023-11-06 2023-11-06 基于用户画像的云盘资源调度方法

Country Status (1)

Country Link
CN (1) CN117194054B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106557269A (zh) * 2015-09-29 2017-04-05 中兴通讯股份有限公司 存储云盘资源的方法和装置
CN111722806A (zh) * 2020-06-19 2020-09-29 华中科技大学 云盘分配方法、装置、电子设备及存储介质
CN114697331A (zh) * 2022-03-29 2022-07-01 浪潮云信息技术股份公司 一种云盘挂载数量调度方法、系统、装置及存储介质
CN115883657A (zh) * 2022-11-25 2023-03-31 联通在线信息科技有限公司 一种云盘服务加速调度的方法及系统
CN116382916A (zh) * 2023-04-10 2023-07-04 甘肃柏隆电子商务科技有限责任公司 用于云电脑算力集群的资源调度方法、系统及电子设备
CN116436934A (zh) * 2023-04-10 2023-07-14 阿里巴巴(中国)有限公司 云盘调度方法、系统、电子设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106557269A (zh) * 2015-09-29 2017-04-05 中兴通讯股份有限公司 存储云盘资源的方法和装置
WO2017054543A1 (zh) * 2015-09-29 2017-04-06 中兴通讯股份有限公司 一种云盘资源访问方法和装置
CN111722806A (zh) * 2020-06-19 2020-09-29 华中科技大学 云盘分配方法、装置、电子设备及存储介质
CN114697331A (zh) * 2022-03-29 2022-07-01 浪潮云信息技术股份公司 一种云盘挂载数量调度方法、系统、装置及存储介质
CN115883657A (zh) * 2022-11-25 2023-03-31 联通在线信息科技有限公司 一种云盘服务加速调度的方法及系统
CN116382916A (zh) * 2023-04-10 2023-07-04 甘肃柏隆电子商务科技有限责任公司 用于云电脑算力集群的资源调度方法、系统及电子设备
CN116436934A (zh) * 2023-04-10 2023-07-14 阿里巴巴(中国)有限公司 云盘调度方法、系统、电子设备及存储介质

Also Published As

Publication number Publication date
CN117194054B (zh) 2024-02-23

Similar Documents

Publication Publication Date Title
JP6521403B2 (ja) サービスとしての効率的なデータ圧縮及び分析
CN109492772B (zh) 生成信息的方法和装置
CN107220271B (zh) 一种分布式数字资源存储处理与管理的方法及系统
CN113610240A (zh) 利用嵌套机器学习模型来执行预测的方法及系统
CN111722806A (zh) 云盘分配方法、装置、电子设备及存储介质
CN114416648A (zh) 一种指定文本用对象分布式展示系统
CN111783893A (zh) 生成机器学习样本的组合特征的方法及系统
CN115705583A (zh) 多目标预测方法、装置、设备及存储介质
CN109903100A (zh) 一种用户流失预测方法、装置及可读存储介质
CN103999097B (zh) 用于视觉搜索的紧致描述符的系统和方法
CN111723306A (zh) 一种基于地理感知的序列位置推荐方法
Zuo et al. Bandwidth and energy efficient image sharing for situation awareness in disasters
CN117194054B (zh) 基于用户画像的云盘资源调度方法
CN103778223B (zh) 一种基于云平台的普适背单词系统及其构建方法
CN110489175A (zh) 服务处理方法、装置、服务器及存储介质
CN115017362A (zh) 数据处理方法、电子设备及存储介质
CN115292475A (zh) 基于智慧城市的云计算服务信息处理方法及系统
CN114707835A (zh) 一种数据处理方法、装置、电子设备及计算机可读介质
CN113407491A (zh) 数据处理方法及装置
CN111598390B (zh) 服务器高可用性评估方法、装置、设备和可读存储介质
US20210349912A1 (en) Reducing resource utilization in cloud-based data services
CN111949860B (zh) 用于生成相关度确定模型的方法和装置
CN105468603B (zh) 数据选择方法及装置
Alyatama et al. Continuous memory allocation model for cloud services
CN101482816B (zh) 中介软件桥接系统及方法

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
GR01 Patent grant