一种应用于元宇宙的资源调度方法及系统技术方案

本发明专利技术公开了一种应用于元宇宙的资源调度方法，包括：云服务器获取多个雾节点的资源指标参数；基于分布式联邦学习模型对所述多个雾节点的资源占用情况进行预警；基于资源占用情况的预警信息，向第一雾节点提供计算任务卸载指令，以完成第一雾节点的任务卸载，其中，所述第一雾节点预测后的资源占用率超过预设阈值，所述任务为元宇宙应用。所述任务为元宇宙应用。所述任务为元宇宙应用。

A resource scheduling method and system applied to the meta universe

【技术实现步骤摘要】
一种应用于元宇宙的资源调度方法及系统


[0001]本专利技术属于信息
，具体地，涉及一种应用于元宇宙的资源调度的方法及系统。

技术介绍

[0002]元宇宙是对现实世界的虚拟化、数字化过程，需要对内容生产、经济系统、用户体验以及实体世界内容等进行大量改造。但元宇宙的发展是循序渐进的，是在共享的基础设施、标准及协议的支撑下，由众多工具、平台不断融合、进化而最终成形。它基于扩展现实技术提供沉浸式体验，基于数字孪生技术生成现实世界的镜像，基于区块链技术搭建经济体系，将虚拟世界与现实世界在经济系统、社交系统、身份系统上密切融合，并且允许每个用户进行内容生产和世界编辑。
[0003]元宇宙的普及，离不开各项技术的升级与融合，例如5G通信技术，大数据处理技术等，在目前的元宇宙应用场景需要低时延、高可靠的任务处理形态，传统的云计算和雾计算处理方式已经不能够满足要求，需要有更好的资源调度解决方案。

技术实现思路

[0004]本专利技术提供了一种应用于元宇宙的资源调度的方法及系统，有效解决了现有技术中无法满足元宇宙应用场景的低时延、高可靠的任务处理要求的问题，提升了资源调度的处理效率，提高了任务处理的可靠程度。
[0005]为了实现上述目的，本专利技术提供了一种应用于元宇宙的资源调度方法，包括：
[0006]云服务器获取多个雾节点的资源指标参数；
[0007]基于分布式联邦学习模型对所述多个雾节点的资源占用情况进行预警；
[0008]基于资源占用情况的预警信息，向第一雾节点提供计算任务卸载指令，以完成第一雾节点的任务卸载，其中，所述第一雾节点预测后的资源占用率超过预设阈值，所述任务为元宇宙应用。
[0009]可选地，所述基于分布式联邦学习模型对所述多个雾节点的资源占用情况进行预警，包括：
[0010]利用transformer对第一历史周期内的资源占用指标参数进行分析，输出第一资源异常特征向量；
[0011]对所述第一资源异常特征向量进行二次插值，输出第二资源异常特征向量；
[0012]将所述第二资源异常特征向量输出至所述分布式联邦学习模型，以便对所述分布式联邦学习模型进行训练，获取不同时间和空间维度的关联；
[0013]基于所述训练后的分布式联邦学习模型，对所述多个雾节点的资源占用情况进行预警。
[0014]可选地，所述对所述分布式联邦学习模型进行训练，获取不同时间和空间维度的关联，包括：
[0015]将所述第二资源异常特征向量进行时空特征拆分，拆分为时间维度和空间维度的特征；
[0016]针对所述时间维度的特征，利用Position
‑
Encoding对进行时序编码，并采用Attention方法发掘时序维度的特征关联；
[0017]针对所述空间维度的特征，利用Multi
‑
Head Attention提取不同多空间维度特征。
[0018]可选地，对所述第一资源异常特征向量进行二次插值，输出第二资源异常特征向量，包括：
[0019]对所述第一资源异常特征向量进行均值处理；
[0020]针对所述均值处理后的数据，以每3个相邻点做插值，得到所述第二资源异常特征向量。
[0021]可选地，在所述基于分布式联邦学习模型对所述多个雾节点的资源占用情况进行预警之前，所述方法还包括：
[0022]中心云建立联邦学习模型；
[0023]中心云获取所述云服务器发送的心跳包，所述心跳包包括联邦学习模型训练标识；
[0024]若所述联邦学习模型训练标识为0，则将所述联邦学习模型分发至所述云服务器。
[0025]可选地，在所述基于资源占用情况的预警信息，向第一雾节点提供计算任务卸载指令，以完成第一雾节点的任务卸载后，所述方法还包括：
[0026]制定博弈策略，基于所述博弈策略制定服务报酬总包和分包策略至雾中心节点；
[0027]所述雾中心节点将服务报酬总包及分包策略分发至第二雾节点；
[0028]接收所述第二雾节点的反馈，并将所述第一雾节点卸载后的任务调度至所述第二雾节点来执行。
[0029]可选地，所述服务报酬总包为所述雾中心集群的报酬总包，所述分包策略为单个雾节点分配到的报酬与所述报酬总包的占比策略。
[0030]可选地，资源指标参数包括磁盘占用率、cpu占用率、gpu占用率、内存占用率和连接数量。
[0031]本专利技术实施例还提供一种应用于元宇宙的资源调度系统，所述系统包括：
[0032]获取单元，用于获取多个雾节点的资源指标参数；
[0033]预警单元，用于基于分布式联邦学习模型对所述多个雾节点的资源占用情况进行预警；
[0034]任务卸载单元，用于基于资源占用情况的预警信息，向第一雾节点提供计算任务卸载指令，以完成第一雾节点的任务卸载，其中，所述第一雾节点预测后的资源占用率超过预设阈值，所述任务为元宇宙应用。
[0035]本专利技术实施例的方法及系统具有下列优点：
[0036]本专利技术实施例中，通过分布式联邦学习模型提前对各个雾节点的资源占用情况进行预警分析，并预测出第一雾节点的资源占用高于预警阈值的情况下，将第一雾节点的任务进行提前卸载，防止由于第一雾节点中任务过多导致时延增大，可靠性降低等带来的不利影响，有效提升了元宇宙应用场景中的网络保障。
附图说明
[0037]图1为一个实施例中应用于元宇宙的资源调度系统架构图；
[0038]图2为一个实施例中应用于元宇宙的资源调度的方法流程图；
[0039]图3为一个实施例中transformer的逻辑示意图；
[0040]图4为一个实施例中的应用于元宇宙的资源调度系统组成结构图；
[0041]图5为一个实施例中系统的硬件组成示意图。
具体实施方式
[0042]为了使本专利技术的目的、技术方案及优点更加清楚，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。此外，下面所描述的本专利技术各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0043]图1是本专利技术实施例中应用于元宇宙的资源调度系统架构图，如图1所示，该系统为云架构10，包括中心云11，多个云服务器12，多个雾节点集群13，其中，每一个雾节点集群中至少包括一个中心雾节点131和其余雾节点132，中心雾节点131用于实现雾节点的消息转发和控制等操作，其余雾节点与用户端进行连接，用于实现用户端的消息响应。
[0044]在上述架构中，中心云11和多个云服务器12呈现分布式架构，其中，多个云服务器12可分布式排放在不同的地域，例如华东、华南、华北等地均部署有密度不等的云服务器，而中心云11则分别与上述云服务器12进行连接，用于实现信令控制、调度等操作。
[0045]元宇宙应用会依托上述基础架构，实现上层元宇宙应用的流畅本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于元宇宙的资源调度方法，其特征在于，包括：云服务器获取多个雾节点的资源指标参数；基于分布式联邦学习模型对所述多个雾节点的资源占用情况进行预警；基于资源占用情况的预警信息，向第一雾节点提供计算任务卸载指令，以完成第一雾节点的任务卸载，其中，所述第一雾节点预测后的资源占用率超过预设阈值，所述任务为元宇宙应用。2.根据权利要求1所述的方法，其特征在于，所述基于分布式联邦学习模型对所述多个雾节点的资源占用情况进行预警，包括：利用transformer对第一历史周期内的资源占用指标参数进行分析，输出第一资源异常特征向量；对所述第一资源异常特征向量进行二次插值，输出第二资源异常特征向量；将所述第二资源异常特征向量输出至所述分布式联邦学习模型，以便对所述分布式联邦学习模型进行训练，获取不同时间和空间维度的关联；基于所述训练后的分布式联邦学习模型，对所述多个雾节点的资源占用情况进行预警。3.根据权利要求2所述的方法，其特征在于，所述对所述分布式联邦学习模型进行训练，获取不同时间和空间维度的关联，包括：将所述第二资源异常特征向量进行时空特征拆分，拆分为时间维度和空间维度的特征；针对所述时间维度的特征，利用Position
‑
Encoding对进行时序编码，并采用Attention方法发掘时序维度的特征关联；针对所述空间维度的特征，利用Multi
‑
Head Attention提取不同多空间维度特征。4.根据权利要求2所述的方法，其特征在于，对所述第一资源异常特征向量进行二次插值，输出第二资源异常特征向量，包括：对所述第一资源异常特征向量进行均值处理；针对所述均值处理后的数据，以每3个相邻点做插值，得到所述第二资源异常特征向量。5.根据...

【专利技术属性】
技术研发人员：杨亮，李晓燕，
申请(专利权)人：深圳市笈简科技有限公司，
类型：发明
国别省市：