基于细粒度场景拆分的云游戏负载调度方法及系

本发明涉及的是一种算力资源分配领域的技术，具体是一种基于细粒度场景拆分的云游戏负载调度方法及系统。背景技术：1、在现有的云游戏任务的调度过程中，人们希望能够实时预测云游戏任务消耗的硬件资源，从而将云游戏任务部署到合适的服务器中，提升服务器资源利用率。现有的云游戏调度工作往往只能依据历史数据，基于时序分配资源，进行简单地时序预测，无法考虑到云游戏任务负载不同、云游戏任务阶段不同等对未来造成的可能影响，无法解决对云游戏任务资源利用率预测不准确的问题。技术实现思路1、本发明针对现有云游戏负载完全基于历史数据进行预测、未针对不同游戏类型分别建立日志数据库，导致准确率较低、，预设结果存在偏差。以上三点最终导致分配的gpu资源无法持续满足真实场景需求，渲染时间不够，画面出现卡顿，提出一种基于细粒度场景拆分的云游戏负载调度方法及系统，通过细化云游戏任务阶段，如：不同资源使用情况，不同用户影响性，从更细粒度的层面对于云游戏任务进行划分，结合历史数据进行预测，充分利用历史数据与游戏负载自身特性，通过云游戏场景和云游戏资源簇的比较，将游戏划分为不同阶段并判断用户所处的阶段，合理预测下一阶段的资源利用率情况，增加预测的准确性，更细粒度地调度云游戏任务，提高游戏吞吐量。2、本发明是通过以下技术方案实现的：3、本发明涉及一种基于细粒度游戏阶段拆分的云游戏负载调度方法，将云游戏阶段划分为不同阶段并通过判断当前任务所处的加载阶段，根据该游戏已运行阶段信息，通过机器学习预测下一阶段和对应的资源使用率及时长，在此基础上调度云游戏。4、所述的云游戏阶段划分是指：依据云游戏场景和云游戏资源簇，将云游戏划分为至少加载阶段和运行阶段，其中：加载阶段包括初始化、运行时加载和关闭；运行阶段包括游戏与玩家互动。5、当分类为加载阶段时，重新分配适当的资源来适应其下一个运行阶段。6、当分类为运行阶段时，该阶段包含至少一个场景和至少一个簇，其中：当运行阶段包括多个簇和一个场景时，通过多个资源簇来表示；当运行阶段包括一个资源簇和多个场景时，游戏在运行过程中会出现一些看似不同但相似的资源消耗场景，这些场景都包含在同一阶段。因此可以将相似的资源消耗场景纳入同一阶段进行考虑。不存在一个阶段中有多个资源簇和多个场景。7、所述的划分，进一步包括剧情阶段和战斗阶段。8、所述的云游戏场景是指：由于当前的计算机无法支持游戏将所有涉及的模型和地图同时加载到内存中，因此游戏被清晰地划分为多个场景，所有这些场景都按加载周期清晰地划分，对应到游戏游玩过程中的不同关卡。9、所述的云游戏资源簇是指：收集游戏cpu、gpu的消耗资源情况，经k-means算法聚类得到云游戏资源簇。10、所述的消耗资源情况是指：游戏运行过程中占用cpu、gpu的比例。11、所述的机器学习是指：通过机器学习算法收集真实游戏运行数据来训练模型，其中模型包括决策树分类器(dtc)、随机森林(rf)和梯度增强决策树(gbdt)。12、本发明涉及一种实现上述方法的系统，包括：阶段划分单元、负载预测单元以及游戏调度单元，其中：阶段划分单元根据游戏实际资源消耗和运行阶段，对于游戏进行划分；负载预测单元根据当前游戏已发生过的所有阶段，通过机器学习预测下一阶段阶段；游戏调度单元根据预测结果，对游戏进行错峰调度，最终提高游戏吞吐量。13、技术效果14、本发明将游戏划分为不同类别，针对不同类别采用不同的训练数据集：依据游戏的复杂性和用户对游戏的影响程度，将游戏分为四类。第一类为阶段相对简单、用户影响较小的游戏。这类游戏的特点是总游戏时间短，游戏过程单一，以用户互动较少且计算资源消耗低。本发明使用所有用户的游戏记录对该类游戏进行训练；第二类是阶段相对单一但具有显著用户影响性的游戏。这类游戏的特点是用户每天登陆以完成任务，但不同用户完成任务顺序差异较大。本发明为每个用户精细地建立训练集进行训练；第三类是阶段复杂但是用户影响较小的游戏。这类游戏的特点是总游戏时长较长，游戏内有较多独立关卡，用户往往会在几个大阶段中停留较长时间，且其选择不会影响游戏关卡切换。本发明整合所有游玩用户数据，将每个用户数据作为单独特征纳入数据集；第四类是具有复杂阶段和显著用户影响性的游戏。这类游戏的特点是多个用户同时在一个游戏区域内互动，用户间的行为将影响下一阶段。本发明针对这类游戏，将同时登陆游戏的用户数据进行整合，作为特征进行训练。相比现有技术，本发明提高下一阶段预测准确性，从而提高调度方法吞吐量。技术特征：1.一种基于细粒度游戏阶段拆分的云游戏负载调度方法，其特征在于，将云游戏阶段划分为不同阶段并通过判断当前任务所处的加载阶段，根据该游戏已运行阶段信息，通过机器学习预测下一阶段和对应的资源使用率及时长，在此基础上调度云游戏。2.根据权利要求1所述的基于细粒度游戏阶段拆分的云游戏负载调度方法，其特征是，所述的云游戏阶段划分是指：依据云游戏场景和云游戏资源簇，将云游戏划分为至少加载阶段和运行阶段，其中：加载阶段包括初始化、运行时加载和关闭；运行阶段包括游戏与玩家互动。3.根据权利要求2所述的基于细粒度游戏阶段拆分的云游戏负载调度方法，其特征是，当分类为加载阶段时，重新分配适当的资源来适应其下一个运行阶段；4.根据权利要求3所述的基于细粒度游戏阶段拆分的云游戏负载调度方法，其特征是，所述的划分，进一步包括剧情阶段和战斗阶段。5.根据权利要求1所述的基于细粒度游戏阶段拆分的云游戏负载调度方法，其特征是，所述的云游戏场景是指：由于当前的计算机无法支持游戏将所有涉及的模型和地图同时加载到内存中，因此游戏被清晰地划分为多个场景，所有这些场景都按加载周期清晰地划分，对应到游戏游玩过程中的不同关卡。6.根据权利要求5所述的基于细粒度游戏阶段拆分的云游戏负载调度方法，其特征是，所述的云游戏资源簇是指：收集游戏cpu、gpu的消耗资源情况，经k-means算法聚类得到云游戏资源簇。7.根据权利要求1所述的基于细粒度游戏阶段拆分的云游戏负载调度方法，其特征是，所述的消耗资源情况是指：游戏运行过程中占用cpu、gpu的比例。8.根据权利要求1所述的基于细粒度游戏阶段拆分的云游戏负载调度方法，其特征是，所述的机器学习是指：通过机器学习算法收集真实游戏运行数据来训练模型，其中模型包括决策树分类器(dtc)、随机森林(rf)和梯度增强决策树(gbdt)。9.一种实现权利要求1-8中任一所述方法的基于细粒度游戏阶段拆分的云游戏负载调度系统，其特征在于，包括：阶段划分单元、负载预测单元以及游戏调度单元，其中：阶段划分单元根据游戏实际资源消耗和运行阶段，对于游戏进行划分；负载预测单元根据当前游戏已发生过的所有阶段，通过机器学习预测下一阶段阶段；游戏调度单元根据预测结果，对游戏进行错峰调度，最终提高游戏吞吐量。技术总结一种基于细粒度场景拆分的云游戏负载调度方法及系统，将云游戏阶段划分为不同阶段并通过判断当前任务所处的加载阶段，根据该游戏已运行阶段信息，通过机器学习预测下一阶段和对应的资源使用率及时长，在此基础上调度云游戏。本发明通过细化云游戏任务阶段，如：不同资源使用情况，不同用户影响性，从更细粒度的层面对于云游戏任务进行划分，结合历史数据进行预测，充分利用历史数据与游戏负载自身特性，通过云游戏场景和云游戏资源簇的比较，将游戏划分为不同阶段并判断用户所处的阶段，合理预测下一阶段的资源利用率情况，增加预测的准确性，更细粒度地调度云游戏任务，提高游戏吞吐量。技术研发人员：李超,王靖,汪陶磊受保护的技术使用者：上海交通大学技术研发日：技术公布日：2024/7/11