(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 202210468204.2 (22)申请日 2022.04.29 (71)申请人 苏州浪潮智能科技有限公司 地址 215100 江苏省苏州市吴中经济开发 区郭巷街道官浦路1号9幢 (72)发明人 耿志成　杨虎　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 刘珂 (51)Int.Cl. G06F 9/48(2006.01) G06F 9/50(2006.01) (54)发明名称 一种调度服务器计算资源的方法、 装置及介 质 (57)摘要 本申请公开了一种调度服务器计算资源的 方法、 装置及介质， 涉及服务器领域。 该方法包 括： 获取相邻时刻服务器为用户服务分配的计算 资源量之间的第一差值； 将第一差值、 当前时刻 服务器为用户服务分配的第一计算资源量输入 至预先建立的强化学习模型中； 通过强化学习模 型输出服务器的计算资源调度量； 根据服务器的 计算资源调度量调度计算资源。 相比于服务器为 用户服务分配固定的计算资源， 本申请的方法中 通过强化学习模型计算出服务器的计算资源调 度量， 从而根据服务器的计算资源调度量为用户 服务分配计算资源， 使 得服务器分配给用户服务 的计算资源尽可能地被最大化利用， 一定程度上 优化用户服务的计算效率， 提高服务器的计算资 源利用率。 权利要求书2页 说明书10页 附图4页 CN 114756352 A 2022.07.15 CN 114756352 A 1.一种调度服 务器计算资源的方法， 其特 征在于， 包括： 获取当前时刻服务器为用户服务分配的第 一计算资源量、 在 当前所述 时刻的下一 时刻 所述服务器为所述用户服 务分配的第二计算资源量； 获取所述第二计算资源量与所述第一计算资源量之间的第一差值； 将所述第一差值、 当前所述 时刻所述服务器为所述用户服务分配的第 一计算资源量输 入至预先建立的强化学习模型中； 通过所述强化学习模型输出 所述服务器的计算资源调度量； 根据所述 服务器的计算资源调度量调度所述 服务器的计算资源。 2.根据权利要求1所述的调度服务器计算资源的方法， 其特征在于， 建立所述强化学习 模型包括： 获取各时刻所述服务器为所述用户服务分配的所述第 一计算资源量、 所述用户服务在 各所述时刻实际使用的计算资源量、 所述用户服务在各所述时刻实际使用的所述计算资源 量对应的计算速率； 分别获取相邻两个所述时刻所述用户服务分配的所述第一计算资源量之间的第二差 值； 根据各所述时刻所述服务器为所述用户服务分配的所述第一计算资源量与所述用户 服务在各所述时刻实际使用的计算资源量获取所述服务器在各所述时刻计算资源的实际 利用率； 根据所述服务器在各所述时刻计算资源的实际利用率以及所述用户服务在各所述时 刻实际使用的所述计算资源量对应的计算速率获取实际的计算资源调度量； 将所述第二差值、 各所述 时刻所述服务器为所述用户服务分配的所述第 一计算资源量 作为所述强化学习模型的输入并计算理论的计算资源调度量； 获取所述实际的计算资源调度量与所述理论的计算资源调度量之间的第三差值； 根据所述第 三差值调整所述强化学习 模型的训练梯度， 并更新用于表征所述强化学习 模型的计算参数， 直至所述理论的计算资源调 度量与所述实际的资源调 度量满足预设要求 时， 完成构建所述强化学习模型。 3.根据权利要求2所述的调度服务器计算资源的方法， 其特征在于， 所述强化学习模型 为Q‑Learning算法模型， 所述更新用于表征 所述强化学习模型的计算 参数包括： 在所述Q‑Learning算法模型中加入RN N结构； 通过所述RNN结构记录在更新当前 所述计算 参数之前的各 所述计算 参数； 判断当前 所述计算 参数是否出现梯度爆炸； 若是， 则根据所述RNN结构记录的之前的各所述计算参数确定更新后的用于表征所述 强化学习模型的计算 参数； 若否， 则将当前 所述计算 参数作为更新后的用于表征 所述强化学习模型的计算 参数。 4.根据权利要求3所述的调度服务器计算资源的方法， 其特征在于， 所述根据所述RNN 结构记录的之前的各所述计算参数确定更新后的用于表征所述强化学习模型的计算参数 包括： 获取所述RNN结构记录的之前的各 所述计算 参数的平均值； 将所述平均值作为更新后的用于表征 所述强化学习模型的计算 参数。权　利　要　求　书 1/2 页 2 CN 114756352 A 25.根据权利要求2所述的调度服务器计算资源的方法， 其特征在于， 在所述获取各时刻 所述服务器为所述用户服务分配的所述第一计算资源量、 所述用户服务在各所述时刻实际 使用的计算资源量、 所述用户服务在各所述时刻实际使用的所述计算资源量对应的计算速 率之后， 还 包括： 按照预设规则将所述第 一计算资源量、 所述用户服务在各所述 时刻实际使用的计算资 源量转化为统一格式的数据。 6.根据权利要求5所述的调度服务器计算资源的方法， 其特征在于， 所述预设规则为根 据所述用户服 务、 所述用户服 务包含的信息类型确定的规则。 7.根据权利要求1至6任意一项所述的调度服务器计算资源的方法， 其特征在于， 在所 述通过所述强化学习模型输出 所述服务器的计算资源调度量之后， 还 包括： 记录当前 所述时刻所述用户服 务、 当前所述时刻所述 服务器的计算资源调度量。 8.一种调度服 务器计算资源的装置， 其特 征在于， 包括： 第一获取模块， 用于获取当前时刻服务器为用户服务分配的第一计算资源量、 在当前 所述时刻的下一时刻所述 服务器为所述用户服 务分配的第二计算资源量； 第二获取模块， 用于获取所述第二计算资源量与所述第一计算资源量之间的第一差 值； 输入模块， 用于将所述第一差值、 当前所述时刻所述服务器为所述用户服务分配的第 一计算资源量输入至预 先建立的强化学习模型中； 输出模块， 用于通过 所述强化学习模型输出 所述服务器的计算资源调度量； 调度模块， 用于根据所述 服务器的计算资源调度量调度所述 服务器的计算资源。 9.一种调度服 务器计算资源的装置， 其特 征在于， 包括： 存储器， 用于存 储计算机程序； 处理器， 用于执行所述计算机程序时实现如权利要求1至7任一项所述的调度服务器计 算资源的方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器执行时实现如权利要求 1至7任一项 所述的调度服务器计算 资源的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114756352 A 3