[发明专利]云游戏资源调度方法与装置

权利要求书

1.一种云游戏资源调度方法，其特征在于，包括：

对于预设的至少一款云游戏中的每一款云游戏，获取该款云游戏的用户访问历史数据，将该款云游戏的用户访问历史数据输入预设的云游戏访问量预测模型，预测用户下一时间段访问不同IDC机房中不同运营商的该款云游戏的预计访问量，其中，该云游戏访问量预测模型基于用户的云游戏访问历史数据训练得到；

该云游戏访问量预测模型采用差分整合移动平均自回归模型ARIMA模型；

该ARIMA模型的训练过程包括：

对于用户的云游戏访问历史数据中涉及的至少一款云游戏，计算对应的历史时间段中每一预设长度的时间段内，用户访问不同IDC机房中部署的不同类型和不同版本的服务器上设置的不同运营商的对应游戏类型的该款云游戏的历史访问量；

根据各个预设长度的时间段对应的历史访问量计算差分次数、自回归项数和移动平均项数，根据所述差分次数、自回归项数和移动平均项数构建该ARIMA模型，并利用各个预设长度的时间段对应的历史访问量训练该ARIMA模型；

其中，构建ARIMA模型步骤包括如下步骤：

(1)根据用户的该云游戏访问历史数据计算各个预设长度的时间段对应的历史访问量，对各个历史访问量进行平稳性检验，并获得各个历史访问量的差分次数；

(2)对各个历史访问量进行分解，并根据分解后的各个历史访问量得到自回归项数和移动平均项数；

所述分解结合用户申请云游戏的确定性因素进行，该确定性因素包括趋势因素和随机因素，则对各个历史访问量进行分解包括对各个历史访问量按照趋势因素进行分解以及对各个历史访问量按照随机因素进行分解；

根据分解后的各个历史访问量得到自回归项数和移动平均项数包括根据按照趋势因素进行分解后的各个历史访问量得到第一自回归项数和第一移动平均项数，以及根据按照随机因素进行分解后的各个历史访问量得到第二自回归项数和第二移动平均项数，其中，根据分解结果分别获得每一个因素所对应的自相关图和偏自相关图，以根据每一个因素的自相关图和偏自相关图初步估计相应的自回归项数和移动平均项数；

(3)根据所述差分次数、自回归项数和移动平均项数构建该ARIMA模型；

步骤(3)中在构建该ARIMA模型时，根据第一自回归项数和第一移动平均项数构建第一ARIMA模型，根据第二自回归项数和第二移动平均项数构建第二ARIMA模型；

其中，训练ARIMA模型步骤包括如下步骤：

(1)利用各个预设长度的时间段对应的历史访问量训练第一ARIMA模型，并利用各个预设长度的时间段对应的历史访问量训练第二ARIMA模型；

(2)根据训练好的第一ARIMA模型和第二ARIMA模型确定目标ARIMA模型作为ARIMA模型的训练结果；

根据所述用户下一时间段访问不同IDC机房中不同运营商的该款云游戏的预计访问量在该下一时间段到来之前在对应的IDC机房中池化好对应运营商的对应数量的该款云游戏。

2.如权利要求1所述的方法，其特征在于，该款云游戏的用户访问历史数据包括请求信息和路由信息，其中，该请求信息包括游戏类型和游戏名称中的至少一项，该路由信息包括提供给用户云游戏服务的IDC机房、运营商、服务器类型和服务器版本中的至少一项。

3.如权利要求2所述的方法，其特征在于，所述用户下一时间段访问不同IDC机房中不同运营商的该款云游戏的预计访问量包括用户下一时间段访问不同IDC机房中部署的不同类型和不同版本的服务器上设置的不同运营商的对应游戏类型的该款云游戏的预计访问量。

4.如权利要求1所述的方法，其特征在于，还包括：

计算用户下一时间段访问不同IDC机房中不同运营商的各款云游戏的预计访问量和用户下一时间段的云游戏实际访问数据之间的偏差；

根据该偏差修正该云游戏访问量预测模型。

5.如权利要求1所述的方法，其特征在于，所述池化的时间为第一时间至第二时间之间的时间段，其中，该第二时间为该下一时间段到来的时刻，该时间段的长度为云游戏服务的平均准备时间与预设的系数的乘积。