CN116149875A - 云终端的调度方法、装置、电子设备、存储介质及产品 - Google Patents

Abstract

本公开提供了一种云终端的调度方法、装置、电子设备、存储介质及程序产品，涉及计算机技术领域，具体涉及虚拟终端技术领域。具体实现方案为：根据云应用集合中的云应用的历史运行数据，预测预设时间段内，云应用集合中的云应用的用户使用数量；根据用户使用数量，确定在预设时间段内运行的云终端的运行数量；在预设时间段来临前，预先运行上述运行数量的云终端。本公开根据用户对于云终端的实际使用需求，灵活部署对应数量的云终端，提高了云终端的运行灵活性和云终端资源的利用率。

Description

云终端的调度方法、装置、电子设备、存储介质及产品

技术领域

本公开涉及计算机技术领域，具体涉及虚拟终端技术领域，尤其涉及云终端的调度方法、装置、电子设备、存储介质以及计算机程序产品，可用于云终端场景下。

背景技术

云手机基于虚拟化技术，通过在云端虚拟的原生手机实例，用户可以远程实时控制云手机，实现各类应用的云端运行。传统的云手机，需要用户按月度单位来租用，但是实际上用户可能并不需要长时间使用云手机，只需在短时间内使用某个云应用。固定租用云手机的模式，导致云手机资源和用户租用成本的浪费。

发明内容

本公开提供了一种云终端的调度方法、装置、电子设备、存储介质以及计算机程序产品。

根据第一方面，提供了一种云终端的调度方法，包括：根据云应用集合中的云应用的历史运行数据，预测预设时间段内，云应用集合中的云应用的用户使用数量；根据用户使用数量，确定在预设时间段内运行的云终端的运行数量；在预设时间段来临前，预先运行上述运行数量的云终端。

根据第二方面，提供了一种云终端的调度装置，包括：第一预测单元，被配置成根据云应用集合中的云应用的历史运行数据，预测预设时间段内，云应用集合中的云应用的用户使用数量；第一确定单元，被配置成根据用户使用数量，确定在预设时间段内运行的云终端的运行数量；运行单元，被配置成在预设时间段来临前，预先运行上述运行数量的云终端。

根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面任一实现方式描述的方法。

根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面任一实现方式描述的方法。

根据第五方面，提供了一种计算机程序产品，包括：计算机程序，计算机程序在被处理器执行时实现如第一方面任一实现方式描述的方法。

根据本公开的技术，提供了一种云终端的调度方法，基于所预测的云应用集合中的云应用的用户使用数量，确定云终端的运行数量，并预先运行对应数量的云终端，用户不必基于固定租用模式租用云终端，而是根据用户对于云终端的实际使用需求，灵活部署对应数量的云终端，提高了云终端的运行灵活性和云终端资源的利用率。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开的一个实施例可以应用于其中的示例性***架构图；

图2是根据本公开的云终端的调度方法的一个实施例的流程图；

图3是根据本实施例的现有技术中云终端与用户之间的关系示意图；

图4是根据本实施例的云终端与用户之间的关系示意图；

图5是根据本实施例的云终端的调度方法的应用场景的示意图；

图6是根据本公开的云终端的调度方法的又一个实施例的流程图；

图7是根据本公开的云终端的调度装置的一个实施例的结构图；

图8是适于用来实现本公开实施例的计算机***的结构示意图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

图1示出了可以应用本公开的云终端的调度方法及装置的示例性架构100。

如图1所示，***架构100可以包括终端设备101、102、103，网络104和服务器105。终端设备101、102、103之间通信连接构成拓扑网络，网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

终端设备101、102、103可以是支持网络连接从而进行数据交互和数据处理的硬件设备或软件。当终端设备101、102、103为硬件时，其可以是支持网络连接，信息获取、交互、显示、处理等功能的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如，向终端设备101、102、103所属的用户提供云终端服务的后台处理服务器。服务器可以基于所预测的云应用集合中的云应用的用户使用数量，确定云终端的运行数量，并预先运行对应数量的云终端。作为示例，服务器105可以是云端服务器。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

还需要说明的是，本公开的实施例所提供的云终端的调度方法可以由服务器执行，也可以由终端设备执行，还可以由服务器和终端设备彼此配合执行。相应地，云终端的调度装置包括的各个部分(例如各个单元)可以全部设置于服务器中，也可以全部设置于终端设备中，还可以分别设置于服务器和终端设备中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。当云终端的调度方法运行于其上的电子设备不需要与其他电子设备进行数据传输时，该***架构可以仅包括云终端的调度方法运行于其上的电子设备(例如服务器或终端设备)。

请参考图2，图2为本公开实施例提供的一种云终端的调度方法的流程图，其中，流程200包括以下步骤：

步骤201，根据云应用集合中的云应用的历史运行数据，预测预设时间段内，云应用集合中的云应用的用户使用数量。

本实施例中，云终端的调度方法的执行主体(例如，图1中的终端设备或服务器)可以通过有线网络连接方式或无线网络连接方式从远程，或从本地获取云应用集合中的云应用的历史运行数据，并根据云应用集合中的云应用的历史运行数据，预测预设时间段内，云应用集合中的云应用的用户使用数量。

云应用集合包括各种云应用，包括但不限于社交类云应用、资讯类云应用、游戏类云应用、网购类云应用、工具类云应用。上述执行主体基于虚拟化技术，可以向用户提供云手机、云电脑等云终端服务，用户可以在云终端中部署自身所需的各种云应用。

根据历史运行数据中，各用户对应的云终端使用各云应用的时间段，上述执行主体可以预测各云应用在未来的用户使用数量的变化趋势，从而根据变化趋势预测预设时间段内，云应用集合中的云应用的用户使用数量。

为了进一步提高用户使用数量的预测准确度，上述执行主体在预测过程中，需要进一步考虑云应用最近是否有更新、预设时间段内是否有针对于云应用的优惠活动、预设时间段是否处于节假日等对用户使用数量造成影响的关键因素。

在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式执行上述步骤201：通过预训练的预测模型，根据云应用集合中的云应用的历史运行数据，预测预设时间段内，云应用集合中的云应用的用户使用数量。

其中，预测模型用于表征云应用的历史运行数据与预设时间段内云应用的用户使用数量之间的对应关系。预测模型可以采用神经网络模型训练得到，例如，预测模型可以是循环神经网络模型、LSTM(long short-termmemory，长短期记忆)模型。

作为示例，预测模型可以通过如下方式训练得到：首先，获取训练样本集。其中，训练样本集中的训练样本包括云应用的历史运行数据，表征应用最近是否有更新、预设时间段内是否有针对于云应用的优惠活动、预设时间段是否处于节假日等对用户使用数量造成影响的关键因素数据，以及表征未来时间段内，云应用的用户使用数据的预测标签。

预测标签对应的未来时间段可以是相对于历史运行数据对应的历史时间段的未来时间段。具体的，上述执行主体将截止到当前的云应用的所有历史运行数据划分为两部分，一部分作为训练样本中的历史运行数据，一部分作为预测标签。其中，作为预测标签的运行数据对应的时间在历史运行数据对应的时间之后。作为示例，对于云应用A，上述执行主体获取了过去30的运行数据，将在前的25天的运行数据作为历史运行数据，将在后的5天内的运行数据中的用户使用数量作为预测标签。

然后，利用机器学习方法，以云应用的历史运行数据，表征应用最近是否有更新、预设时间段内是否有针对于云应用的优惠活动、预设时间段是否处于节假日等对用户使用数量造成影响的关键因素数据，作为初始预测模型的输入，以所输入的训练数据对应的预测标签作为期望输出，训练得到预测模型。

本实现方式中，基于训练后的预测模型，预测预设时间段内，云应用集合中的云应用的用户使用数量，提高了用户使用数量的预测准确度。

步骤202，根据用户使用数量，确定在预设时间段内运行的云终端的运行数量。

本实施例中，上述执行主体可以根据用户使用数量，确定在预设时间段内运行的云终端的运行数量。

作为示例，对于云应用集合中的每种云应用，可以将该云应用对应的用户使用数量，直接作为在预设时间段内运行该云应用的云终端的运行数量。

作为又一示例，对于云应用集合中的每种云应用，可以将该云应用对应的用户使用数量与预设比例的乘积，作为在预设时间段内运行该云应用的云终端的运行数量。其中，每种云应用对应的预设比例可以根据实际情况具体设置，不同的云应用对应的预设比例可以相同，也可以不同，在此不做限定。

在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式执行上述步骤202：

第一，根据云应用集合中的云应用的用户使用数量，确定在预设时间段内，运行云应用集合中的云应用的云终端的初始运行数量。

作为示例，对于云应用集合中的每种云应用，可以将该云应用对应的用户使用数量，直接作为在预设时间段内运行该云应用的云终端的初始运行数量。

第二，根据初始运行数量和云应用集合中的云应用的属性信息，确定在预设时间段内运行云应用集合中的云应用的云终端的运行数量。

云应用的属性信息可以是云应用所需的存储空间、所需的安装时间等信息。

具体的，可以按照从小到大的顺序设置多个属性阈值，对于处于不同属性范围内的应用，参照属性范围大小与预设比例大小呈正相关的原则，设置不同的预设比例。对于云应用集合中的每种云应用，可以将该云应用对应的初始运行数量与预设比例的乘积，作为在预设时间段内运行该云应用的云终端的运行数量。

以云应用所需的存储空间为例，可以设置第一存储阈值和第二存储阈值。其中，第一存储阈值小于第二存储阈值。对于存储空间处于小于第一存储阈值的范围内的云应用，设置的预设比例为50％；对于存储空间处于第一存储阈值和第二存储阈值之间的云应用，设置的预设比例为75％；对于存储空间处于大于第二存储阈值的范围内的云应用，设置的预设比例为100％。

当云应用的存储空间较小时，云终端一般可以基于较少的时间安装云应用和启动云应用，此时，可以预先准备较少的云终端，即使所准备的云终端的数量不足，也可以在较少时间内安装和启动更多云终端以运行云应用；当云应用的存储空间较大时，云终端一般基于较多的时间安装云应用和启动云应用，此时，需要预先准备足够数量的云终端，以避免准备不足，造成用户长时间等待的问题。

本实现方式中，在考量云应用的用户使用数量的基础上，进一步考量云应用的属性信息，以最终确定所需准备的云终端的运行数量，使得所确定的云终端的运行数量更加贴合云终端的实际运行情况，提高了运行数量的准确度和云终端运行的灵活性。

在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式执行上述第一步骤：根据云应用集合中的云应用的用户使用数量，和云应用集合中的不同云应用之间的使用关联性，确定待运行云应用组中的云应用的云终端的初始运行数量。

其中，使用关联性表征，基于用户在云终端中同时部署使用云应用集合中不同的云应用，所生成的不同的云应用之间的关联性，云应用组基于云应用集合中不同的云应用之间的使用关联性确定。

作为示例，用户在使用云终端的过程中，在云终端中既部署了游戏类云应用A，也部署了交友类云应用B，则认为游戏类云应用A和交友类云应用B之间具有使用关联性，游戏类云应用A和交友类云应用B可以组成云应用组。

对于同一云应用组中的云应用，一般在同一云终端中部署。本实现方式中，对于具有使用关联性的云应用组中的云应用，结合该云应用组中的各云应用的用户使用数量，确定待运行该云应用组中的云应用的云终端的初始运行数量。

作为示例，游戏类云应用A对应的用户使用数量为500，交友类云应用B对应的用户使用数量为300，工具类云应用C的用户使用数量为300，网购类云应用D的用户使用数量为200，则游戏类云应用A、交友类云应用B和工具类云应用C所组成的云应用组对应的初始运行数量为300，游戏类云应用A和网购类云应用D所组成的云应用组对应的初始运行数量为200。

本实现方式中，在考量云应用的用户使用数量的基础上，进一步考量应用之间的使用关联性，从而以具有使用关联性的云应用组成的云应用组为单位，确定运行云应用组中的云应用的云终端，进一步提高了所确定的初始运行数量的准确度。

在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式执行上述第二步骤：对于云应用集合中的不同云应用组成的云应用组，根据云应用组对应的云终端的初始运行数量，和云应用组中的云应用的属性信息，确定在预设时间段内，运行云应用组中的云应用的云终端的运行数量。

作为示例，对于云应用组中的云应用的属性信息中的最大值，或者云应用组中的云应用的属性信息的总和，按照从小到大的顺序设置多个属性阈值，对于处于不同属性范围内的云应用，参照属性范围大小与预设比例大小呈正相关的原则，设置不同的预设比例。对于云应用集合中的每种云应用，可以将该云应用对应的初始运行数量与预设比例的乘积，作为在预设时间段内运行该云应用的云终端的运行数量。

本实现方式中，对于具有使用关联性的云应用组成的云应用组，在考量云应用的用户使用数量的基础上，进一步考量云应用组中的云应用的属性信息，以最终确定所需准备的云终端的运行数量，使得所确定的云终端的运行数量更加贴合云终端的实际运行情况，进一步提高了运行数量的准确度。

步骤203，在预设时间段来临前，预先运行上述运行数量的云终端。

本实施例中，上述执行主体可以在预设时间段来临前，预先运行上述运行数量的云终端。

作为示例，确定当前时间与预设时间段之间的时间差值，当时间差值小于预设时间差阈值时，认为预设时间段即将来临，预先运行上述运行数量的云终端。其中，预设时间差阈值可以根据实际情况具体设置，例如，预设时间差阈值为5分钟。

继续参考图3，示出了现有技术中云终端与用户之间的关系示意图300。用户在租用云终端之后，在固定租用时间段内，无论用户是否使用云终端，用户都会与云终端绑定，占用云终端，造成空闲状态下云终端资源的浪费。

继续参考图4，示出了本公开中云终端与用户之间的关系示意图400。用户只有在使用云终端的过程中，才会与云终端绑定，占用云终端。当不使用云终端时，该云终端被其他用户申请使用，使得云终端可以被灵活分配至有实际使用需求的用户，提高了云终端资源的利用率。

继续参见图5，图5是根据本实施例的云终端的调度方法的应用场景的一个示意图500。在图5的应用场景中，服务器501首先从数据库502中获取云应用集合中的云应用的历史运行数据503。然后，根据云应用集合中的云应用的历史运行数据，预测预设时间段内，云应用集合中的云应用的用户使用数量504；然后，根据用户使用数量504，确定在预设时间段内运行的云终端的运行数量505；最后，在预设时间段来临前，预先运行上述运行数量的云终端。

本实施例中，提供了一种云终端的调度方法，基于所预测的云应用集合中的云应用的用户使用数量，确定云终端的运行数量，并预先运行对应数量的云终端，用户不必基于固定租用模式租用云终端，而是根据用户对于云终端的实际使用需求，灵活部署对应数量的云终端，提高了云终端的运行灵活性和云终端资源的利用率。

在本实施例的一些可选的实现方式中，上述执行主体还可以执行如下操作：首先，在目标用户使用云终端的过程中，根据目标用户截止到当前的历史操作数据，预测目标用户下一步使用的目标云应用；然后，预加载目标云应用。

作为示例，上述执行主体可以通过预测模型，根据目标用户截止到当前的历史操作数据，预测目标用户下一步使用的目标云应用。其中，预测模型可以采用循环神经网络、LSTM网络等神经网络模型。

预测模型可以通过如下方式训练得到：首先，获取训练样本集。其中，训练样本集中的训练样本包括用户的历史操作数据和表征用户下一步使用的目标云应用的预测标签。然后，利用机器学习方法，以训练样本中用户的历史操作数据为输入，以所输入的数据对应的预测标签为期望输出，训练得到预测模型。

本实现方式中，基于对目标用户待操作的云应用的预测，预先加载目标用户待操作的云应用，可以减少用户的等待时间，提升用户的体验度。

在本实施例的一些可选的实现方式中，上述执行主体还可以执行如下操作：首先，确定目标用户使用云终端的使用时间；然后，根据使用时间，确定目标用户使用云终端的费用信息。

本实现方式中，所确定的使用时间为用户使用云终端的实际使用时间，基于使用时间确定用户使用云终端的费用信息，更加贴合用户对于云终端的实际使用情形，杜绝了用户在固定租用模式下浪费使用费用的问题。

继续参考图6，示出了根据本公开的云终端的调度方法的又一个实施例的示意性流程600，包括以下步骤：

步骤601，通过预训练的预测模型，根据云应用集合中的云应用的历史运行数据，预测预设时间段内，云应用集合中的云应用的用户使用数量。

其中，预测模型用于表征云应用的历史运行数据与预设时间段内云应用的用户使用数量之间的对应关系

步骤602，根据云应用集合中的云应用的用户使用数量，和云应用集合中的不同云应用之间的使用关联性，确定待运行云应用组中的云应用的云终端的初始运行数量。

其中，使用关联性表征，基于用户在云终端中同时部署使用云应用集合中不同的云应用，所生成的不同的云应用之间的关联性，云应用组基于云应用集合中不同的云应用之间的使用关联性确定。

步骤603，对于云应用集合中的不同云应用组成的云应用组，根据云应用组对应的云终端的初始运行数量，和云应用组中的云应用的属性信息，确定在预设时间段内，运行云应用组中的云应用的云终端的运行数量。

步骤604，在预设时间段来临前，预先运行上述运行数量的云终端。

步骤605，在目标用户使用云终端的过程中，根据目标用户截止到当前的历史操作数据，预测目标用户下一步使用的目标云应用。

步骤606，预加载目标云应用。

步骤607，确定目标用户使用云终端的使用时间。

步骤608，根据使用时间，确定目标用户使用云终端的费用信息。

从本实施例中可以看出，与图2对应的实施例相比，本实施例中的云终端的调度方法的流程600具体说明了运行数量的确定过程，目标云应用的预加载过程，以及目标用户使用云终端的费用信息的确定过程，进一步提高了云终端的运行灵活性、云终端资源的利用率，节约了用户的使用费用。

继续参考图7，作为对上述各图所示方法的实现，本公开提供了一种云终端的调度装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图7所示，云终端的调度装置700包括：第一预测单元701，被配置成根据云应用集合中的云应用的历史运行数据，预测预设时间段内，云应用集合中的云应用的用户使用数量；第一确定单元702，被配置成根据用户使用数量，确定在预设时间段内运行的云终端的运行数量；运行单元703，被配置成在预设时间段来临前，预先运行上述运行数量的云终端。

在本实施例的一些可选的实现方式中，第一预测单元701，进一步被配置成：通过预训练的预测模型，根据云应用集合中的云应用的历史运行数据，预测预设时间段内，云应用集合中的云应用的用户使用数量，其中，预测模型用于表征云应用的历史运行数据与预设时间段内云应用的用户使用数量之间的对应关系。

在本实施例的一些可选的实现方式中，第一确定单元702，进一步被配置成：根据云应用集合中的云应用的用户使用数量，确定在预设时间段内，运行云应用集合中的云应用的云终端的初始运行数量；根据初始运行数量和云应用集合中的云应用的属性信息，确定在预设时间段内运行云应用集合中的云应用的云终端的运行数量。

在本实施例的一些可选的实现方式中，第一确定单元702，进一步被配置成：根据云应用集合中的云应用的用户使用数量，和云应用集合中的不同云应用之间的使用关联性，确定待运行云应用组中的云应用的云终端的初始运行数量，其中，使用关联性表征，基于用户在云终端中同时部署使用云应用集合中不同的云应用，所生成的不同的云应用之间的关联性，云应用组基于云应用集合中不同的云应用之间的使用关联性确定。

在本实施例的一些可选的实现方式中，第一确定单元702，进一步被配置成：对于云应用集合中的不同云应用组成的云应用组，根据云应用组对应的云终端的初始运行数量，和云应用组中的云应用的属性信息，确定在预设时间段内，运行云应用组中的云应用的云终端的运行数量。

在本实施例的一些可选的实现方式中，上述装置还包括：第二预测单元(图中未示出)，被配置成在目标用户使用云终端的过程中，根据目标用户截止到当前的历史操作数据，预测目标用户下一步使用的目标云应用；预加载单元(图中未示出)，被配置成预加载目标云应用。

在本实施例的一些可选的实现方式中，上述装置还包括：第二确定单元(图中未示出)，被配置成确定目标用户使用云终端的使用时间；第三确定单元(图中未示出)，被配置成根据使用时间，确定目标用户使用云终端的费用信息。

本实施例中，提供了一种云终端的调度装置，基于所预测的云应用集合中的云应用的用户使用数量，确定云终端的运行数量，并预先运行对应数量的云终端，用户不必基于固定租用模式租用云终端，而是根据用户对于云终端的实际使用需求，灵活部署对应数量的云终端，提高了云终端的运行灵活性和云终端资源的利用率。

根据本公开的实施例，本公开还提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器执行时能够实现上述任意实施例所描述的云终端的调度方法。

根据本公开的实施例，本公开还提供了一种可读存储介质，该可读存储介质存储有计算机指令，该计算机指令用于使计算机执行时能够实现上述任意实施例所描述的云终端的调度方法。

本公开实施例提供了一种计算机程序产品，该计算机程序在被处理器执行时能够实现上述任意实施例所描述的云终端的调度方法。

图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如云终端的调度方法。例如，在一些实施例中，云终端的调度方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的云终端的调度方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行云终端的调度方法。

本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大，业务扩展性弱的缺陷；也可以为分布式***的服务器，或者是结合了区块链的服务器。

根据本公开实施例的技术方案，提供了一种云终端的调度方法，基于所预测的云应用集合中的云应用的用户使用数量，确定云终端的运行数量，并预先运行对应数量的云终端，用户不必基于固定租用模式租用云终端，而是根据用户对于云终端的实际使用需求，灵活部署对应数量的云终端，提高了云终端的运行灵活性和云终端资源的利用率。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开提供的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种云终端的调度方法，包括：

根据云应用集合中的云应用的历史运行数据，预测预设时间段内，所述云应用集合中的云应用的用户使用数量；

根据所述用户使用数量，确定在所述预设时间段内运行的云终端的运行数量；

在所述预设时间段来临前，预先运行所述运行数量的云终端。

2.根据权利要求1所述的方法，其中，所述根据云应用集合中的云应用的历史运行数据，预测预设时间段内，所述云应用集合中的云应用的用户使用数量，包括：

通过预训练的预测模型，根据所述云应用集合中的云应用的历史运行数据，预测所述预设时间段内，所述云应用集合中的云应用的用户使用数量，其中，所述预测模型用于表征云应用的历史运行数据与预设时间段内云应用的用户使用数量之间的对应关系。

3.根据权利要求1所述的方法，其中，所述根据所述用户使用数量，确定在所述预设时间段内运行的云终端的运行数量，包括：

根据所述云应用集合中的云应用的用户使用数量，确定在所述预设时间段内，运行所述云应用集合中的云应用的云终端的初始运行数量；

根据所述初始运行数量和所述云应用集合中的云应用的属性信息，确定在所述预设时间段内运行所述云应用集合中的云应用的云终端的运行数量。

4.根据权利要求3所述的方法，其中，所述根据所述云应用集合中的云应用的用户使用数量，确定在所述预设时间段内，运行所述云应用集合中的云应用的云终端的初始运行数量，包括：

根据所述云应用集合中的云应用的用户使用数量，和所述云应用集合中的不同云应用之间的使用关联性，确定待运行云应用组中的云应用的云终端的初始运行数量，其中，所述使用关联性表征，基于用户在云终端中同时部署使用所述云应用集合中不同的云应用，所生成的不同的云应用之间的关联性，所述云应用组基于所述云应用集合中不同的云应用之间的使用关联性确定。

5.根据权利要求4所述的方法，其中，所述根据所述初始运行数量和所述云应用集合中的云应用的属性信息，确定在所述预设时间段内运行所述云应用集合中的云应用的云终端的运行数量，包括：

对于所述云应用集合中的不同云应用组成的云应用组，根据所述云应用组对应的云终端的初始运行数量，和所述云应用组中的云应用的属性信息，确定在所述预设时间段内，运行所述云应用组中的云应用的云终端的运行数量。

6.根据权利要求1-5中任一项所述的方法，其中，还包括：

在目标用户使用云终端的过程中，根据所述目标用户截止到当前的历史操作数据，预测所述目标用户下一步使用的目标云应用；

预加载所述目标云应用。

7.根据权利要求6所述的方法，其中，还包括：

确定所述目标用户使用云终端的使用时间；

根据所述使用时间，确定所述目标用户使用云终端的费用信息。

8.一种云终端的调度装置，包括：

第一预测单元，被配置成根据云应用集合中的云应用的历史运行数据，预测预设时间段内，所述云应用集合中的云应用的用户使用数量；

第一确定单元，被配置成根据所述用户使用数量，确定在所述预设时间段内运行的云终端的运行数量；

运行单元，被配置成在所述预设时间段来临前，预先运行所述运行数量的云终端。

9.根据权利要求8所述的装置，其中，所述第一预测单元，进一步被配置成：

通过预训练的预测模型，根据所述云应用集合中的云应用的历史运行数据，预测所述预设时间段内，所述云应用集合中的云应用的用户使用数量，其中，所述预测模型用于表征云应用的历史运行数据与预设时间段内云应用的用户使用数量之间的对应关系。

10.根据权利要求8所述的装置，其中，所述第一确定单元，进一步被配置成：

根据所述云应用集合中的云应用的用户使用数量，确定在所述预设时间段内，运行所述云应用集合中的云应用的云终端的初始运行数量；根据所述初始运行数量和所述云应用集合中的云应用的属性信息，确定在所述预设时间段内运行所述云应用集合中的云应用的云终端的运行数量。

11.根据权利要求10所述的装置，其中，所述第一确定单元，进一步被配置成：

根据所述云应用集合中的云应用的用户使用数量，和所述云应用集合中的不同云应用之间的使用关联性，确定待运行云应用组中的云应用的云终端的初始运行数量，其中，所述使用关联性表征，基于用户在云终端中同时部署使用所述云应用集合中不同的云应用，所生成的不同的云应用之间的关联性，所述云应用组基于所述云应用集合中不同的云应用之间的使用关联性确定。

12.根据权利要求11所述的装置，其中，所述第一确定单元，进一步被配置成：

对于所述云应用集合中的不同云应用组成的云应用组，根据所述云应用组对应的云终端的初始运行数量，和所述云应用组中的云应用的属性信息，确定在所述预设时间段内，运行所述云应用组中的云应用的云终端的运行数量。

13.根据权利要求8-12中任一项所述的装置，其中，还包括：

第二预测单元，被配置成在目标用户使用云终端的过程中，根据所述目标用户截止到当前的历史操作数据，预测所述目标用户下一步使用的目标云应用；

预加载单元，被配置成预加载所述目标云应用。

14.根据权利要求13所述的装置，其中，还包括：

第二确定单元，被配置成确定所述目标用户使用云终端的使用时间；

第三确定单元，被配置成根据所述使用时间，确定所述目标用户使用云终端的费用信息。

15.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。

17.一种计算机程序产品，包括：计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。

Images