一种调度方法、装置及存储介质

技术领域

本发明涉及网络传输技术领域，尤其涉及一种调度方法、装置及存储介质。

背景技术

随着信息技术的发展，云盘应用丰富了信息来源，提升了信息的安全性、可靠性。上传下载作为云盘中最核心的功能，如何在不影响用户体验的情况下实现最大的功能负载已经成为重要课题。

云盘在后台进行上传下载时，影响用户体验的情况是实时变化的，现有技术中通过获取用户设定的参数设置上传下载配置的参数信息，或者仅依据数种场景配置的参数设置模板来设定上传下载参数，无法完全覆盖用户场景，进而难以实现功能负载的最优化。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种调度方法，以在不影响用户体验的情况下实现最大的功能负载。

本发明的第二个目的在于提出另一种调度方法。

本发明的第三个目的在于提出一种调度装置。

本发明的第四个目的在于提出另一种调度装置。

本发明的第五个目的在于提出一种电子设备。

本发明的第六个目的在于提出一种计算机可读存储介质。

为达上述目的，本发明第一方面实施例提出了一种调度方法，包括：

获取训练数据，其中，所述训练数据包括终端设备的第一传输配置参数和对应时刻所述终端设备的性能参数，以及包括所述终端设备在采用所述第一传输配置参数之后采用的第二传输配置参数；

将所述第一传输配置参数和所述性能参数输入调度参数模型，以得到所述调度参数模型输出的预测参数；

根据所述预测参数与所述第二传输配置参数之间的差异，对所述调度参数模型进行训练，以得到训练后的所述调度参数模型的模型参数；

向所述终端设备发送所述模型参数。

为达上述目的，本发明第二方面实施例提出了另一种调度方法，包括：

接收网络设备发送的模型参数；

根据所述模型参数，生成训练后的调度参数模型；

基于所述终端设备采用的实际传输配置参数和所述终端设备的实际性能参数，采用所述调度参数模型预测目标传输配置参数；

采用所述目标传输配置参数，调度所述终端设备的上行和/或下行传输。

为达上述目的，本发明第三方面实施例提出了一种调度装置，包括：

获取模块，用于获取训练数据，其中，所述训练数据包括终端设备的第一传输配置参数和对应时刻所述终端设备的性能参数，以及包括所述终端设备在采用所述第一传输配置参数之后采用的第二传输配置参数；

输入模块，用于将所述第一传输配置参数和所述性能参数输入调度参数模型，以得到所述调度参数模型输出的预测参数；

训练模块，用于根据所述预测参数与所述第二传输配置参数之间的差异，对所述调度参数模型进行训练，以得到训练后的所述调度参数模型的模型参数；

发送模块，用于向所述终端设备发送所述模型参数。

为达上述目的，本发明第四方面实施例提出了另一种调度装置包括：

接收模块，用于接收网络设备发送的模型参数；

生成模块，用于根据所述模型参数，生成训练后的调度参数模型；

预测模块，用于基于终端设备采用的实际传输配置参数和所述终端设备的实际性能参数，采用所述调度参数模型预测目标传输配置参数；

调度模块，用于采用所述目标传输配置参数，调度所述终端设备的上行和/或下行传输。

为达上述目的，本发明第五方面实施例提出了一种电子设备，包括：

处理器；

用于存储所述处理器的可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如本发明提出的一种调度方法。

为达上述目的，本发明第六方面实施例提出了一种计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如本发明提出的一种调度方法。

本发明至少包括如下有益效果：

本发明提供的一种调度方法，获取训练数据，其中，训练数据包括终端设备的第一传输配置参数和对应时刻终端设备的性能参数，以及包括终端设备在采用第一传输配置参数之后采用的第二传输配置参数；将第一传输配置参数和性能参数输入调度参数模型，以得到调度参数模型输出的预测参数；根据预测参数与第二传输配置参数之间的差异，对调度参数模型进行训练，以得到训练后的调度参数模型的模型参数；向终端设备发送模型参数。本发明可以依据用户的需求，使上传下载的配置参数逐步适配各种应用场景，在上传下载的效率和资源之间进行平衡，在资源和场景限制的情况下最大限度提升上传下载效率，提升用户体验。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明实施例所提供的一种调度方法的流程示意图；

图2为本发明实施例所提供的另一种调度方法的流程示意图；

图3为本发明实施例所提供的一个RNN模型结构图；

图4为本发明实施例所提供的图3的展开图；

图5为本发明实施例所提供的图3的具体网络图；

图6为本发明实施例所提供的另一种调度方法的流程示意图；

图7为本发明实施例所提供的另一种调度方法的流程示意图；

图8为本发明实施例所提供的一种调度装置的结构示意图；

图9为本发明实施例所提供的另一种调度装置的结构示意图；

图10为本发明实施例所提供的一种电子设备的框图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的调度方法和装置。

图1为本发明实施例所提供的一种调度方法的流程示意图。

随着信息技术的发展，终端设备的硬件处理能力越来越强，网络带宽越来越高。在云盘运行过程中，影响移动终端用户体验几个重要指标有中央处理器(CentralProcessing Unit，简称CPU)占用率、内存占用、刷新率、耗电量、剩余存储空间、后台应用和用户当前的操作状态等多种因素。

由于云盘在后台上传下载功能影响用户体验的情况是实时变化的，例如用户正在玩游戏，游戏进程占用了较高的CPU、内存，此时如果云盘应用在后台设置较高的上传下载参数，会导致用户体验不佳；例如，用户当前网络状态不好，丢包率较高，设置较大的上传下载缓存对于终端用户手机资源而言是一种浪费；另外，如果用户终端电量较低，设置较高的上传下载参数，会导致用户电量消耗过快，同样会导致用户体验不佳，诸如此类的场景多达数十种。

现有的上传下载相关的方法主要有以下几种方案：

1、本地文件上传时切分为多个分片，多线程上传，云端并行合并，大大提高了文件上传的效率。当文件下载时，结合权限控制，云端根据信息动态匹配，并提供多个线路下载，有利于在云盘场景中提高文件下载的效率。

2、客户端获取本地配置信息、网络节点信息、上传/下载带宽，并发送配置请求至上传策略服务器，配置请求中携带有本地配置信息、网络节点信息、上传/下载带宽；上传策略服务器根据配置请求，确定客户端的上传调度配置策略，并发送上传调度配置策略至客户端；客户端根据上传调度配置策略，调整上传带宽和网络节点的阻断/非阻断状态。该方案能够自适应调整用户的上传带宽和网络节点的连接，使客户端的上传调度与节点自身的服务能力和网络环境状况保持良好的兼容性，能够更好的适应用户下载任务，有效提高网络上传效率。

3、将文件未下载的部分分为左区和右区，两区域的下载请求同步进行，并且两区域允许出现交集，左区初始值大小可以根据具体业务需要设置，右区大小根据获取的下载请求设置。基于下载请求，对两区域进行动态调整，直至任务完全下载。该方案避免了数据紧急程度因为应用层的逻辑导致频繁切换的问题，能够极大提高对上层应用的服务质量。同时左右区的长度能够根据两个区的完成质量动态地调整，提高数据下载效率，减少系统开销。

其中，方案1中只有采用切片多线程的方式提升上传下载效率，并无说明切片大小和开启线程大小，更无智能调度说明。无法在多场景、多种手机实时信息等参数的影响下，动态配置上传下载的最优参数。

方案2中采用的上传调度方案，通过本地配置的上传调度方案和网络带宽共同决定。该方案采用了固定的计算上传下载调度方法。后期无法新增影响上传下载的因子，无法依据上传下载的内容和各种场景情况下，动态计算出上传下载的优先级或者调整上传下载策略。

方案3中下载调度是将下载的文件分为左右两个区，主要为了目的是为了节省宽带资源。调度算法没有考虑到多种因素多上传下载的影响，没有考虑到各种场景下上传下载的调度的不同。

针对上述问题，本发明实施例提供了一种调度方法，以在不影响用户体验的情况下实现最大的功能负载，如图1所示，该方法应用于网络设备，包括以下步骤：

步骤101，获取训练数据，其中，训练数据包括终端设备的第一传输配置参数和对应时刻终端设备的性能参数，以及包括终端设备在采用第一传输配置参数之后采用的第二传输配置参数。

可选地，终端设备泛指附有通信处理控制功能的设备，例如手机、电脑等。

在本发明实施例中，第一传输配置参数是终端设备进行上传下载的配置参数，例如上传线程数、下载线程数、上传分片大小，下载分片大小、写入数据块大小，读取数据块大小等。

在本发明实施例中，性能参数是终端设备的性能相关的信息参数，例如上行带宽、下行带宽、内存占用百分比、CPU占比、页面刷新率等信息。

在本发明实施例中，第二传输配置参数是对第一传输配置参数进行更新得到的更新后的传输配置参数。

步骤102，将第一传输配置参数和性能参数输入调度参数模型，以得到调度参数模型输出的预测参数。

可选地，调度参数模型可以是循环神经网络(Recurrent Neural Network，RNN模型)，将第一传输配置参数和性能参数输入调度参数模型，输出为下一时刻的第一传输配置参数和性能参数作为预测参数。

步骤103，根据预测参数与第二传输配置参数之间的差异，对调度参数模型进行训练，以得到训练后的调度参数模型的模型参数。

可选地，预测参数与第二传输配置参数之间的差异可以是预测参数与第二传输配置参数之间的差值。

可选地，将预测参数与第二传输配置参数之间的差异作为损失值，对调度参数模型进行调节；获取下一时刻的第二传输配置参数，将下一时刻的第一传输配置参数输入调节后的调度参数模型中，获取下一时刻的预测参数，将下一时刻的预测参数与下一时刻的第二传输配置参数之间的差异作为损失值，对调度参数模型进行调节；直至模型收敛，得到训练后的调度参数模型的模型参数。

步骤104，向终端设备发送模型参数。

将训练后的调度参数模型的模型参数发送至终端设备，以使终端设备根据模型参数，生成训练后的调度参数模型；基于终端设备采用的实际传输配置参数和终端设备的实际性能参数，采用调度参数模型预测目标传输配置参数；采用目标传输配置参数，调度终端设备的上行和/或下行传输。

当面对一种新场景的时候，可以在这种场景下大批量采集数据集，利用训练过的模型参数继续训练得到新的模型，这种新的模型就具备了在新的场景下智能调整上传下载的配置参数的能力。

本实施例中，获取训练数据，其中，训练数据包括终端设备的第一传输配置参数和对应时刻终端设备的性能参数，以及包括终端设备在采用第一传输配置参数之后采用的第二传输配置参数；将第一传输配置参数和性能参数输入调度参数模型，以得到调度参数模型输出的预测参数；根据预测参数与第二传输配置参数之间的差异，对调度参数模型进行训练，以得到训练后的调度参数模型的模型参数；向终端设备发送模型参数。本发明可以依据用户的需求，使上传下载的配置参数逐步适配各种应用场景，并非是将最大上传下载的效率作为第一优先级，而是在上传下载的效率和资源之间进行平衡，在资源和场景限制的情况下最大限度提升上传下载效率，提升用户体验。

为了清楚说明上一实施例，本实施例提供了另一种调度方法，图2为本发明实施例所提供的另一种调度方法的流程示意图。

如图2所示，该方法可以包括以下步骤：

步骤201，接收终端设备发送的多条监测数据，其中，各条监测数据均包括：第一传输配置参数和对应时刻的性能参数，以及包括第二传输配置参数和第二传输配置参数的反馈信息。

可选地，第一传输配置参数是T0时刻的传输配置参数，传输配置参数包括上传线程数、下载线程数，上传分片大小，下载分片大小、写入数据块大小，读取数据块大小。设置读缓存区、设置写缓存区、上传下载优先级。

在本发明实施例中，T0时刻的传输配置参数分别记为w01，w02，w03，...，w0m，首次传输配置参数取默认值。

T0时刻的性能参数包括T0时刻的上行带宽、下行带宽、内存占用百分比、写入存储速度、读取存储速度、CPU温度、CPU占比、剩余上传下载文件百分比，页面刷新率。

在本发明实施例中，T0时刻的性能参数记为x01，x02，x03，...，x0n。

可选地，第二传输配置参数是对第一传输配置参数进行更新得到的传输配置参数。

在本发明实施例中，第二传输配置参数是经过一段时间(△t)之后，重新设置的传输配置参数，分别为w01+random(n1)，w02+random(n2)，w03+random(n3)，...，w0m++random(nm)，其中random为随机数，即在T0时刻的第一传输配置参数的基础上增减一个随机数得到第二传输配置参数。

可选地，反馈信息包括用户打分和至少一项终端运行数据。

在本发明实施例中，经过△s时间后，记录T1时刻的手机参数x11，x12，x13，....，x1n，同时记录用户使用手机的打分记为0-10之间。将用户打分和T1时刻的手机信息结合判断给出当前的使用的状态值记为0-10分之间作为反馈信息。其中，用户主观打分占比50％，手机信息占比50％，如果没有用户主观打分项，则手机信息占比为100％。

步骤202，基于反馈信息，对多条监测数据进行筛选，以得到训练数据。

可选地，在至少一项终端运行数据大于对应上限阈值的情况下，确定相应监测数据的分值为最大分值；在各项终端运行数据均小于对应下限阈值的情况下，确定相应监测数据的分值为最小值；在各项终端运行数据均不大于对应上限阈值，且至少一项终端运行数据大于或等于下限阈值的情况下，对用户打分和至少一项终端运行数据之间的加权求和，以得到相应监测数据的分值；依据各条监测数据的分值，筛选分值处于设定分值区间的监测数据作为训练数据。

在本发明实施例中，为每一项终端运行数据设置一个最大临界值M和最小临界值N。只要有一项超过最大临界值M，则标记该次为10，表示资源过载；如果全部小于临界值N，则标记为0，表示资源负载低。其他情况按照等权相加。

其中，T0时刻采集的第一传输配置参数和性能参数记为w0和x0，作为输入数据；输出数据为T0+△t时刻的第二传输配置参数数据w1，输入数据和输出数据成对出现。最后过滤出打分为6-9之间的输入数据和输出数据作为训练数据集。

需要说明的是，可以在各种不同的用户场景下采取以上的方法获取训练数据，深度学习的数据量越大越好。

进一步的，可以通过归一化处理，将输入参数和输出参数统一调整为0-100之间的数字，防止各参数因相差导致训练过程中对输出参数失真。

其中，涉及到百分比的数字，通过乘以100实现归一化处理；数量级相差比较大的数据可以通过设置各等级门槛划分；而差别较小的数据则可以通过计算均值和方差的方法实现归一化处理。

作为一种可能的实施方式，对于差别较小的数据，将均值正负3倍的方差，分为100分。高于最大值的记为100，低于三倍最小方差的记为0。

可选地，在获得的所有数据中随机选择70％作为训练数据，另外30％用于验证数据，防止数据训练过于拟合。

步骤203，将第一传输配置参数和性能参数输入调度参数模型，以得到调度参数模型输出的预测参数。

在本发明实施例中，采用标准的深度学习RNN训练模型训练调度参数模型，RNN模型结构如图3所示，输入为X，隐藏层为S，输出为O，U、W、V均为RNN模型中的参数。RNN模型采用2层隐含层，其中第一层设置为128，第二层设置为64。

图3按照时间线展开如图4所示，其中，t-1时刻的输入是x

具体的网络图如图5所示，U、W、V均为RNN模型中的权重矩阵，在t时刻的输入为m个第一传输配置参数，分别为X

在RNN网络中，t时刻下的隐藏层的值不仅仅取决于t时刻的m个第一传输配置参数，还取决于t-1时刻下的隐藏层的值，即S

O

S

在本发明实施例中，X

步骤204，根据预测参数与第二传输配置参数之间的差异，对调度参数模型进行训练，以得到训练后的调度参数模型的模型参数。

可选地，预测参数与第二传输配置参数之间的差异可以是预测参数与第二传输配置参数之间的差值。

在本发明实施例中，将预测参数与第二传输配置参数之间的差异作为损失值，对调度参数模型进行调节；获取t+1时刻的第二传输配置参数，将t+1时刻的第一传输配置参数输入调节后的调度参数模型中，获取t+1时刻的预测参数，将t+1时刻的预测参数与t+1时刻的第二传输配置参数之间的差异作为损失值，对调度参数模型进行调节；直至模型收敛，得到训练后的调度参数模型的模型参数。

经过大量数据训练后，确定训练后的调度参数模型的参数U、W、V。

步骤205，从训练数据的集合中，选取设定比例的训练数据对训练后的调度参数模型进行测试，向终端设备发送模型参数。

在本发明实施例中，设定比例可以是30％，选取30％的训练数据对训练后的调度参数模型进行测试。

随着训练数据的增加，模型参数可以覆盖更多的场景。

进一步的，将训练后确定的调度参数模型的参数U、W、V提供给终端设备下载。

本实施例中，接收终端设备发送的多条监测数据，其中，各条监测数据均包括：第一传输配置参数和对应时刻的性能参数，以及包括第二传输配置参数和第二传输配置参数的反馈信息；基于反馈信息，对多条监测数据进行筛选，以得到训练数据；将第一传输配置参数和性能参数输入调度参数模型，以得到调度参数模型输出的预测参数；根据预测参数与第二传输配置参数之间的差异，对调度参数模型进行训练，以得到训练后的调度参数模型的模型参数；从训练数据的集合中，选取设定比例的训练数据对训练后的调度参数模型进行测试，向终端设备发送模型参数。本发明可以依据用户的需求，使上传下载的配置参数逐步适配各种应用场景，并非是将最大上传下载的效率作为第一优先级，而是在上传下载的效率和资源之间进行平衡，在资源和场景限制的情况下最大限度提升上传下载效率，提升用户体验。

本实施例提供了另一种调度方法，图6为本发明实施例所提供的另一种调度方法的流程示意图。

如图6所示，该方法应用于终端设备，可以包括以下步骤：

步骤601，接收网络设备发送的模型参数。

可选地，模型参数是训练后确定的调度参数模型的参数U、W、V，通过下载接收网络设备发送的模型参数。

步骤602，根据模型参数，生成训练后的调度参数模型。

可选地，将模型参数加载到RNN模型中，生成训练后的调度参数模型。

步骤603，基于终端设备采用的实际传输配置参数和终端设备的实际性能参数，采用调度参数模型预测目标传输配置参数。

可选地，将终端设备采用的实际传输配置参数和终端设备的实际性能参数输入生成的调度参数模型中，输出调度参数模型预测的目标传输配置参数。

步骤604，采用目标传输配置参数，调度终端设备的上行和/或下行传输。

可选地，利用输出的目标传输配置参数作为终端设备的传输配置参数，用于调度终端设备的上行和/或下行传输。

本实施例中，接收网络设备发送的模型参数；根据模型参数，生成训练后的调度参数模型；基于终端设备采用的实际传输配置参数和终端设备的实际性能参数，采用调度参数模型预测目标传输配置参数；采用目标传输配置参数，调度终端设备的上行和/或下行传输。本发明可以依据用户的需求，使上传下载的配置参数逐步适配各种应用场景，并非是将最大上传下载的效率作为第一优先级，而是在上传下载的效率和资源之间进行平衡，在资源和场景限制的情况下最大限度提升上传下载效率，提升用户体验。

为了清楚说明图6所示的实施例，本实施例提供了另一种调度方法，图7为本发明实施例所提供的另一种调度方法的流程示意图。

如图7所示，该方法可以包括以下步骤：

步骤701，向网络设备发送监测数据。

其中，监测数据均包括：第一传输配置参数和对应时刻的性能参数，以及包括第二传输配置参数和第二传输配置参数的反馈信息。

可选地，获取终端设备在第一时刻采用的第一传输配置参数和对应时刻的性能参数；基于随机数对第一传输配置参数进行更新，以得到更新后的第二传输配置参数；执行第二传输配置参数，以采用第二传输配置参数调度终端设备的上行和/或下行传输；在执行第二传输配置参数达到设定时长后的第二时刻，采集第二传输配置参数的反馈信息。

可选地，第一传输配置参数是T0时刻的传输配置参数，传输配置参数包括上传线程数、下载线程数，上传分片大小，下载分片大小、写入数据块大小，读取数据块大小。设置读缓存区、设置写缓存区、上传下载优先级。

在本发明实施例中，T0时刻的传输配置参数分别记为w01，w02，w03，...，w0m，首次传输配置参数取默认值。

T0时刻的性能参数包括T0时刻的上行带宽、下行带宽、内存占用百分比、写入存储速度、读取存储速度、CPU温度、CPU占比、剩余上传下载文件百分比，页面刷新率。

在本发明实施例中，T0时刻的性能参数记为x01，x02，x03，...，x0n。

可选地，第二传输配置参数是对第一传输配置参数进行更新得到的传输配置参数。

在本发明实施例中，第二传输配置参数是经过一段时间(△t)之后，重新设置的传输配置参数，分别为w01+random(n1)，w02+random(n2)，w03+random(n3)，...，w0m++random(nm)，其中random为随机数，即在T0时刻的第一传输配置参数的基础上增减一个随机数得到第二传输配置参数。

可选地，在执行第二传输配置参数达到设定时长后的第二时刻，采集用户打分和至少一项终端运行数据；将采集的用户打分和至少一项终端运行数据作为第二传输配置参数的反馈信息。

在本发明实施例中，经过△s时间后，记录T1时刻的手机参数x11，x12，x13，....，x1n，同时记录用户使用手机的打分记为0-10之间。将用户打分和T1时刻的手机信息结合判断给出当前的使用的状态值记为0-10分之间作为反馈信息。其中，用户主观打分占比50％，手机信息占比50％，如果没有用户主观打分项，则手机信息占比为100％。

步骤702，接收网络设备发送的模型参数。

步骤703，根据模型参数，生成训练后的调度参数模型。

步骤702和步骤703可参见前述实施例中步骤601和步骤602的相关说明，本实施例中对此不再赘述。

步骤704，基于终端设备采用的实际传输配置参数和终端设备的实际性能参数，采用调度参数模型预测目标传输配置参数。

可选地，将终端设备采用的实际传输配置参数和终端设备的实际性能参数输入生成的调度参数模型中，输出调度参数模型预测的目标传输配置参数。

进一步的，输出的目标传输配置参数为0-100之间的归一化处理后的数值，通过对应参数的归一化处理的方法，逐个逆向计算，使其与实际应用数据值匹配。

步骤705，采用目标传输配置参数，调度终端设备的上行和/或下行传输。

步骤705可参见前述实施例中步骤604的相关说明，本实施例中对此不再赘述。

本实施例中，向网络设备发送监测数据；接收网络设备发送的模型参数；根据模型参数，生成训练后的调度参数模型；基于终端设备采用的实际传输配置参数和终端设备的实际性能参数，采用调度参数模型预测目标传输配置参数；采用目标传输配置参数，调度终端设备的上行和/或下行传输。本发明可以依据用户的需求，使上传下载的配置参数逐步适配各种应用场景，并非是将最大上传下载的效率作为第一优先级，而是在上传下载的效率和资源之间进行平衡，在资源和场景限制的情况下最大限度提升上传下载效率，提升用户体验。

为了实现上述实施例，本发明还提出一种调度装置。

图8为本发明实施例提供的一种调度装置的结构示意图。

如图8所示，该调度装置800包括：获取模块801、输入模块802、训练模块803以及发送模块804。

获取模块801，用于获取训练数据，其中，训练数据包括终端设备的第一传输配置参数和对应时刻终端设备的性能参数，以及包括终端设备在采用第一传输配置参数之后采用的第二传输配置参数；

输入模块802，用于将第一传输配置参数和性能参数输入调度参数模型，以得到调度参数模型输出的预测参数；

训练模块803，用于根据预测参数与第二传输配置参数之间的差异，对调度参数模型进行训练，以得到训练后的调度参数模型的模型参数；

发送模块804，用于向终端设备发送模型参数。

进一步地，在本发明实施例的一种可能的实现方式中，获取模块801，还用于：

接收终端设备发送的多条监测数据，其中，各条监测数据均包括：第一传输配置参数和对应时刻的性能参数，以及包括第二传输配置参数和第二传输配置参数的反馈信息；

基于反馈信息，对多条监测数据进行筛选，以得到训练数据。

在至少一项终端运行数据大于对应上限阈值的情况下，确定相应监测数据的分值为最大分值；

在各项终端运行数据均小于对应下限阈值的情况下，确定相应监测数据的分值为最小值；

在各项终端运行数据均不大于对应上限阈值，且至少一项终端运行数据大于或等于下限阈值的情况下，对用户打分和至少一项终端运行数据之间的加权求和，以得到相应监测数据的分值；

依据各条监测数据的分值，筛选分值处于设定分值区间的监测数据作为训练数据。

进一步地，在本发明实施例的一种可能的实现方式中，输入模块802，还用于：

将第一传输配置参数和性能参数进行归一化；

将归一化后的第一传输配置参数和归一化后的性能参数输入调度参数模型，以得到调度参数模型的输出；

对调度参数模型的输出进行映射，以得到预测参数。

进一步地，在本发明实施例的一种可能的实现方式中，发送模块804，还用于：

从训练数据的集合中，选取设定比例的训练数据对训练后的调度参数模型进行测试。

需要说明的是，前述对调度方法实施例的解释说明也适用于该实施例的调度装置，此处不再赘述。

为了实现上述实施例，本发明还提出另一种调度装置。

图9为本发明实施例提供的另一种调度装置的结构示意图。

如图9所示，该调度装置900包括：接收模块901、生成模块902、预测模块903以及调度模块904。

接收模块901，用于接收网络设备发送的模型参数；

生成模块902，用于根据模型参数，生成训练后的调度参数模型；

预测模块903，用于基于终端设备采用的实际传输配置参数和终端设备的实际性能参数，采用调度参数模型预测目标传输配置参数；

调度模块904，用于采用目标传输配置参数，调度终端设备的上行和/或下行传输。

进一步地，在本发明实施例的一种可能的实现方式中，该调度装置900还用于：

获取终端设备在第一时刻采用的第一传输配置参数和对应时刻的性能参数；

基于随机数对第一传输配置参数进行更新，以得到更新后的第二传输配置参数；

执行第二传输配置参数，以采用第二传输配置参数调度终端设备的上行和/或下行传输；

在执行第二传输配置参数达到设定时长后的第二时刻，采集第二传输配置参数的反馈信息；

向网络设备发送监测数据，其中，监测数据均包括：第一传输配置参数和对应时刻的性能参数，以及包括第二传输配置参数和第二传输配置参数的反馈信息。

在执行第二传输配置参数达到设定时长后的第二时刻，采集用户打分和至少一项终端运行数据；

将采集的用户打分和至少一项终端运行数据作为第二传输配置参数的反馈信息。

图10是根据一示例性实施例示出的一种电子设备1000的框图。

如图10所示，上述电子设备1000包括：

存储器1001及处理器1002，连接不同组件(包括存储器1001和处理器1002)的总线1003，存储器1001存储有计算机程序，当处理器1002执行程序时实现本发明实施例的调度方法。

总线1003表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

电子设备1000典型地包括多种电子设备可读介质。这些介质可以是任何能够被电子设备1000访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储器1001还可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)1004和/或高速缓存存储器1005。电子设备1000可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统1006可以用于读写不可移动的、非易失性磁介质(图10未显示，通常称为“硬盘驱动器”)。尽管图10中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线1003相连。存储器1001可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块1007的程序/实用工具1008，可以存储在例如存储器1001中，这样的程序模块1007包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块1007通常执行本发明所描述的实施例中的功能和/或方法。

电子设备1000也可以与一个或多个外部设备1009(例如键盘、指向设备、显示器1011等)通信，还可与一个或者多个使得用户能与该电子设备1000交互的设备通信，和/或与使得该电子设备1000能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1012进行。并且，电子设备1000还可以通过网络适配器1013与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图10所示，网络适配器1013通过总线1003与电子设备1000的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1000使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理器1002通过运行存储在存储器1001中的程序，从而执行各种功能应用以及数据处理。

需要说明的是，本实施例的电子设备的实施过程和技术原理参见前述对本发明实施例的调度方法的解释说明，此处不再赘述。

为了实现上述实施例，本发明还提出一种计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器被执行时，使得电子设备能够执行上述一种调度方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。