买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉兴容(上海)信息技术股份有限公司申请的专利基于历史负载与实时状态的资源可用量预测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121233296B 。

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511315210.4，技术领域涉及：G06F9/50；该发明授权基于历史负载与实时状态的资源可用量预测方法及系统是由代天雄;张巍设计研发完成，并于2025-09-15向国家知识产权局提交的专利申请。

本基于历史负载与实时状态的资源可用量预测方法及系统在说明书摘要公布了：本发明公开了基于历史负载与实时状态的资源可用量预测方法及系统，涉及大数据分析技术领域，本发明通过采集数据形成CPU数据集合和GPU数据集合；剔除异常值并进行特征编码，形成结构化特征矩阵；提取CPU时间序列规律，引入注意力机制动态调整预测CPU可用区间；捕捉GPU长周期阶段特征，结合历史阶段算力需求规律预测GPU可用区间；整合两者可用区间为全局资源矩阵，匹配新任务资源需求以判断是否需要迁移。系统包括数据采集、特征处理、可用预测及任务判断模块，各模块协同工作。本发明融合历史负载与实时状态，提升资源可用量预测精准性，优化资源调度，避免任务因资源不足失败，提高算力资源利用率。

本发明授权基于历史负载与实时状态的资源可用量预测方法及系统在权利要求书中公布了：1.基于历史负载与实时状态的资源可用量预测方法，其特征在于：所述资源可用量预测方法包括以下步骤： 步骤S1、采集CPU历史任务类型、使用率、任务响应时间、负载波动周期，形成CPU数据集合，采集GPU历史任务的阶段标签、算力利用率、显存使用量、任务持续时长及阶段切换时间点，形成GPU数据集合； 步骤S2、剔除CPU数据集合和GPU数据集合的异常值，对处理后的CPU数据集合和GPU数据集合进行特征编码，形成结构化特征矩阵； 步骤S3、提取结构化特征矩阵中CPU数据集合的时间序列规律，引入注意力机制，将实时状态作为注意力权重，动态调整预测CPU可用区间； 步骤S4、捕捉结构化特征矩阵中GPU数据集合的长周期阶段特征，并判断当前任务阶段，结合相同历史阶段的算力需求规律，预测下一阶段的GPU可用区间； 所述步骤S4的具体步骤如下： 步骤S4-1、从结构化特征矩阵的GPU特征矩阵中，提取各任务的阶段标签序列及对应阶段的起始和结束时间戳，计算相邻阶段切换时间点的间隔时长，划分长周期阶段单元，提取每个长周期内各阶段的算力利用率、显存使用量随时间变化的特征曲线，形成GPU长周期阶段特征库； 步骤S4-2、采集GPU实时状态参数，包括当前运行任务的阶段标签、已在该阶段运行的时长及当前算力利用率，将当前阶段标签与GPU长周期阶段特征库中的阶段标签进行匹配，结合相同历史标签阶段的持续时长均值，判断当前任务所处的长周期位置； 步骤S4-3、从GPU长周期阶段特征库中，筛选出与当前阶段标签相同且处于同一长周期位置的历史阶段数据，计算历史阶段的算力利用率峰值、显存使用量峰值及两者的时间分布概率，提取出同阶段在长周期内的算力需求变化规律； 步骤S4-4、根据当前任务的阶段序列顺序，将步骤S4-3得到的同阶段算力需求规律与当前实时算力剩余量、显存剩余量结合，所述实时算力剩余量为总算力减去当前利用率，所述显存剩余量为总显存减去当前使用量，通过滑动窗口预测法计算下一阶段内算力利用率和显存使用量的动态范围，进而确定GPU可用区间； 步骤S5、将CPU可用区间和GPU可用区间整合为全局资源矩阵，获取新任务的资源需求参数，判断是否需要进行任务迁移。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人兴容(上海)信息技术股份有限公司，其通讯地址为：200336 上海市长宁区延安西路2299号10G27室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。