CN119094531B 一种边缘云计算负载均衡方法 （江西功博网络科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119094531B(45)授权公告日2025.07.08

(21)申请号202411133701.2

(22)申请日2024.08.19

(65)同一申请的已公布的文献号申请公布号CN119094531A

(43)申请公布日2024.12.06

(73)专利权人江西功博网络科技有限公司

地址334000江西省上饶市信州区茅家岭

街道工业大道206号(现上饶呼叫城运营中心)3号楼17楼ABEF区

(72)发明人王勇汪金韩耀蒋梦菲刘玲莉

(51)Int.CI.

HO4L67/1023(2022.01)

GO6F9/50(2006.01)

GO6N3/0442(2023.01)

GO6N3/08(2023.01)

HO4L67/1029(2022.01)

(56)对比文件

CN113806094A,2021.12.17CN118467168A,2024.08.09审查员鲁秋艳

(74)专利代理机构北京康达联禾知识产权代理

事务所(普通合伙)11461专利代理师吴浩阳

权利要求书2页说明书9页附图3页

(54)发明名称

一种边缘云计算负载均衡方法

(57)摘要

CN119094531B本发明涉及边缘云计算技术领域，公开了一种边缘云计算负载均衡方法，该方法旨在解决边缘计算环境中节点分布广泛、资源有限且动态变化所导致的负载均衡难题。传统负载均衡算法基于静态数据分配请求，无法准确预测未来负载变化，易导致节点过载或资源闲置。本发明采用神经网络算法，特别是长短时记忆网络(LSTM)模型，构建和训练负载预测模型，根据边缘计算节点的历史使用情况，预测其未来负载水平。通过部署监控与数据采集系统，实时收集影响节点负载的因素数据，并输入预测模型，动态制定资源调度策略。本发明实现了对边缘计算节点的动态

CN119094531B

步骤2:部署监控与数据采集系统

步骤2:部署监控与数据采集系统

步骤3:对采集到的数据进行清洗

步骤1.2:对数据进行清洗

步骤4:将清洗的数据输入负载预测模型

步骤1.3:对特征数据进行标准化处理

步骤5:根据负载水平动态制定资源调度策略

步骤14:利用特征选择算法筛选特征

步骤6:在负载均衡器中实施调度策略

步骤1.5:标记数据负载水平，构成训练数据集

步骤1.6:选择LSTM模型并初始化参数

步骤1.7:使用训练集数据迭代训练LSTM模型

步骤1.8:保存模型权重和偏置，并部署模型

步骤1.1:收集边缘计算节点的历史负载数据

步骤1:构建和训练负载预测模型

CN119094531B权利要求书1/2页

2

1.一种边缘云计算负载均衡方法，其特征在于，所述方法的步骤包括：

步骤1、使用神经网络算法构建和训练负载预测模型，所述负载预测模型用于根据边缘计算节点的使用情况，预测该节点在未来某个时间点的负载水平，构建和训练负载预测模型的具体步骤包括：

步骤1.1、收集边缘计算节点的历史负载数据，所述历史负载数据为节点在不同负载水平下，影响节点负载的所有因素数据；

步骤1.2、对收集的数据进行清洗，以处理缺失值和异常值；

步骤1.3、对清洗后的特征数据进行标准化处理；

步骤1.4、利用特征选择算法筛选对负载预测模型有用的特征，构成特征数据集；

步骤1.5、标记每条数据的负载水平，与对应的特征数据一起构成训练数据集，进一步将训练数据集进行划分，分成训练集和验证集；

步骤1.6、选择长短时记忆网络LSTM模型构建负载预测模型，并对模型的参数进行初始化；

步骤1.7、使用训练数据集对LSTM模型进行迭代训练，在训练过程中，定期使用验证集评估模型性能，直到模型的性能满足需求；

步骤1.8、训练完成后，保存LSTM模型的权重和偏置，并将模型进行部署，以用于后续进行取样位置预测；

步骤2、部署监控与数据采集系统，实时收集影响边缘计算节点负载的所有因素数据；步骤3、对步骤2采集到的数据进行清洗，以处理缺失值和异常值；

步骤4、将步骤3清洗的数据输入步骤1中训练的负载预测模型，获得边缘计算节点在未来某个时间点的负载水平；

步骤5、根据步骤4获得的负载水平，动态制定资源调度策略；所述动态制定资源调度策略为动态计算承担该负载需要的边缘计算节点数量，具体方法包括：使用线性映射函