(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211337531.0 (22)申请日 2022.10.28 (71)申请人 赖汝珍 地址 517139 广东省河源市连平县忠信镇 司前村委 会伍队屋 (72)发明人 赖汝珍　 (74)专利代理 机构 北京荣哲知识产权代理事务 所(普通合伙) 11998 专利代理师 袁丽娟 (51)Int.Cl. G06F 9/48(2006.01) G06F 9/50(2006.01) G06K 9/62(2022.01) G06N 3/08(2006.01) (54)发明名称 基于深度学习和大 数据的云计算系统 (57)摘要 本发明公开了基于深度学习和大数据的云 计算系统， 涉及云平台任务调度技术领域， 设置 任务收集模块收集云平台接收到的任务数据并 将任务根据使用的处理器进行分类； 设置云平台 数据收集模块预先收集云平台的数据存储空间、 CPU计算算力以及GP U计算算力； 设置历史数据收 集模块收集 云平台历史的任务处理数据； 设置深 度强化学习模型训练模块根据云平台的历史的 任务处理数据训练出可对任务选择进行决策的 深度强化学习模 型； 设置任务调度模块使用训练 完成的深度强化学习模型云平台的任务选择决 策； 解决了云平台任务智能调度的问题。 权利要求书2页 说明书5页 附图1页 CN 115495222 A 2022.12.20 CN 115495222 A 1.基于深度 学习和大数据的云计算系统， 其特征在于， 包括任务收集模块、 云平台数据 收集模块、 历史数据收集模块、 深度强化学习模型训练模块以及任务调度模块； 其中， 各个 模块之间通过电气方式连接； 所述任务收集模块用于收集云平台接收到的任务数据并将任务进行分类； 所述任务收 集模块将收集的任务 集合C和任务 集合G中的任务发送至任务调度模块； 所述云平台数据收集模块用于预先收集云平台的基础数据； 所述云平台数据收集模块 将收集的云平台基础数据发送至深度强化学习模型训练模块； 所述历史数据收集模块用于收集云平台历史 的任务处理数据； 所述历史数据收集模块 预先收集的任务处理数据包括历史上云平台接收到的数据处理任务信息以及云平台信息； 所述历史数据收集模块将收集的云平台历史任务处理数据发送至深度强化学习模型训练 模块； 所述深度强化学习模型训练模块用于训练出从任务集合中选择最优数据处理任务进 行处理的深度强化学习模型； 所述深度强化学习模型训练模块将训练完成的深度强化学习 模型M发送至任务调度模块； 所述任务调度模块使用深度强化学习 模型M从任务集合中选择最优的若干任务进行处 理。 2.根据权利要求1所述的基于深度学习和大数据的云计算系统， 其特征在于， 所述任务 收集模块将所有任务分为两类； 具体的， 将使用CPU运算的任务标记为C类； 将使用GPU运算 的任务标记 为G类； 进一步的， 将所有C类任务保存在 任务集合C中； 将所有G类任务保存在 任 务集合G中； 任务集合C中的任务标记为c， 任务集合G中的任务标记为g； 对于任务c， 将其所 需要的存储空间标记为Mc； 需要的算力大小 标记为Cc； 将其处理时长标记 为Tc； 对于任务g， 将其所需要的存 储空间标记为Mg； 需要的算力大小标记为Cg； 将其处 理时长标记为Tg。 3.根据权利要求1所述的基于深度学习和大数据的云计算系统， 其特征在于， 所述云平 台数据收集模块预先收集的基础数据包括： 云平台的存储空间上限、 CPU 单位时间运算算力 上限以及GPU单位时间运算算力 上限； 将云平 台的存储空间上限标记为Mmax； 将CPU单位时 间运算算力标记为Cmax； 将GPU单位时间运 算算力标记为G max。 4.根据权利要求1所述的基于深度学习和大数据的云计算系统， 其特征在于， 所述历史 数据收集模块收集的数据 处理任务信息包括每个任务的种类、 任务到达时间、 任务需要的 存储空间、 任务需要的单位时间计算算力以及任务需要的计算时长； 将历史任务使用任务 集合形式保存； 当新的任务到达 云平台时， 云平台先将其加入任务集合； 当任务从任务集合 被云平台调取并执 行时， 将其从任务 集合中删除； 其中， 所述云平台信息包括云平台在每个任务到达时刻的剩余存储空间、 CPU剩余单位 时间处理算力、 GPU剩余单位时间处理算力以及正在处理的每个任务所消耗的存储空间、 单 位时间算力以及剩余处理时长； 将云平台剩余存储空间标记 为Rm、 将CPU剩余单位时间处理 算力标记为Rc以及将GPU剩余单位时间处 理算力标记为Rg。 5.根据权利要求1所述的基于深度学习和大数据的云计算系统， 其特征在于， 所述深度 强化学习模型训练模块以最大化奖励和惩罚的差值为训练目标， 使用历史数据收集模块 发 送的历史任务数据进 行深度强化学习模型的训练； 并将训练完成的深度强化学习模型标记 为M。权　利　要　求　书 1/2 页 2 CN 115495222 A 26.根据权利要求5所述的基于深度学习和大数据的云计算系统， 其特征在于， 所述深度 强化学习模型训练模块每次决策所产生的奖励包括选择的数据处理任务的数量以及选择 的数据处理任务的总等待时长； 将 选择的数据处理任务集合标记为S； 任务集合中任务的数 量标记N； 任务集合S中每个任务c或g的等待时长即为当前时间减去其到达云平台的时间； 将任务c和g的等待时长 分别标记 为Wc以及Wg； 则任务集合S中的所有任务的总等待时长W即 为W＝∑c∈SWc+∑g∈SWg； 则奖励函数J表示为J＝a*N+b*W； 其中， a和b分别为预设的奖励系 数。 7.根据权利要求1所述的基于深度学习和大数据的云计算系统， 其特征在于， 所述深度 强化学习模型训练模块每次决策所产生的惩罚包括： 任务集合S 中的任务总需求存储空间 超出云平台剩余存储空间Rm时的惩罚、 总的CPU算力需求超 出云平台剩余CPU 单位时间算力 Rc时的惩罚、 总的GPU算力需求超出云平 台剩余GPU单位时间算力Rg时的惩罚、 剩余的任务 需要等待的总时长以及剩余任务的平均体量大小； 其中， 将所述剩余任务的平均体量标记 为V； 则平均体量V的计算公式为 其中， o和k均为 预设的比例系数。 8.根据权利要求1所述的基于深度学习和大数据的云计算系统， 其特征在于， 所述任务 调度模块接收到深度强化学习模 型M后， 在云平台完成一项任务， 留出 空余的存储空间、 CPU 计算算力以及GPU计算算力时， 使用深度强化学习模型M从任务集合中选择最优的任务组 合， 根据任务的种类， 分别使用云平台的CPU以及GPU 进行处理。权　利　要　求　书 2/2 页 3 CN 115495222 A 3