[发明专利]一种主机调度方法、系统、设备及计算机可读存储介质

权利要求书

1.一种主机调度方法，其特征在于，包括：

获取目标云平台的目标调度数据集，所述目标调度数据集包括所述目标云平台的拓扑数据及部署有Overlay网络的各个主机的网卡流量数据；

将所述目标调度数据集输入预先训练的目标神经网络模型，所述目标神经网络模型包括LSTM模型；

获取所述目标神经网络模型预测的各个所述主机的网卡在未来时间内的目标性能数据；

基于所述目标性能数据，在所述主机中选取满足L2gateway性能需求的目标主机；

在所述目标主机上部署所述L2gateway，以使所述主机基于所述L2gateway与外部网卡进行通信；

其中，所述将所述目标调度数据集输入预先训练的目标神经网络模型之前，还包括：

获取所述目标云平台在预设时间内的训练调度数据集；

对所述训练调度数据集进行分类，得到固定数据集和过渡数据集，所述固定数据集包括L2gateway主机固定不变时的所述网卡流量数据和所述拓扑数据，所述过渡数据集包括L2gateway主机变动时的所述网卡流量数据和所述拓扑数据；

将所述固定数据集和所述过渡数据集分类为训练集和测试集；

基于所述训练集对搭建的不同参数的初始神经网络模型进行训练，所述参数包括batch_size、激活函数、神经网络层数、梯度下降算法、优化算法、学习率中的一个或多个；

基于所述测试集对所述初始神经网络模型进行性能测试，并选取性能最优的所述初始神经网络模型作为所述目标神经网络模型。

2.根据权利要求1所述的主机调度方法，其特征在于，所述基于所述训练集对搭建的不同参数的初始神经网络模型进行训练，包括：

对所述训练集进行处理，得到目标训练集；

基于所述目标训练集对搭建的不同参数的所述初始神经网络模型进行训练。

3.根据权利要求2所述的主机调度方法，其特征在于，所述基于所述测试集对所述初始神经网络模型进行性能测试，包括：

对所述测试集进行处理，得到目标测试集；

基于所述目标测试集对所述初始神经网络模型进行性能测试。

4.根据权利要求1所述的主机调度方法，其特征在于，所述将所述目标调度数据集输入预先训练的目标神经网络模型，包括：

对所述目标调度数据集进行处理，得到目标输入数据；

将所述目标输入数据输入预先训练的所述目标神经网络模型。

5.根据权利要求4所述的主机调度方法，其特征在于，所述对所述目标调度数据集进行处理，得到目标输入数据，包括：

对所述目标调度数据集进行小波变换及滤波，得到所述目标输入数据。

6.根据权利要求1所述的主机调度方法，其特征在于，所述获取所述目标神经网络模型预测的各个所述主机的网卡在未来时间内的目标性能数据，包括：

获取所述目标神经网络模型预测的各个所述主机的网卡在未来时间内开启所述L2gateway后的传输速度。

7.根据权利要求6所述的主机调度方法，其特征在于，所述基于所述目标性能数据，在所述主机中选取满足L2gateway性能需求的目标主机，包括：

基于所述主机的网卡的所述传输速度，确定所述主机的网卡的负载率；

基于所述主机的网卡的负载率在所述主机中选取满足所述L2gateway性能需求的所述目标主机。

8.根据权利要求7所述的主机调度方法，其特征在于，所述基于所述主机的网卡的负载率在所述主机中选取满足所述L2gateway性能需求的所述目标主机，包括：

获取所述目标云平台在当前运行环境下部署所述L2gateway的预设负载率阈值；

获取所述目标云平台中部署所述L2gateway的各个源主机的网卡负载率值；

按照所述预设负载率阈值及所述网卡负载率值，基于所述主机的网卡的负载率在所述主机中选取满足所述预设负载率阈值的所述目标主机。