本发明涉及云计算，具体涉及一种基于智能辅助决策的服务器资源调度方法及系统。
背景技术：
1、bim模型是一种三维数字模型，它集成了几何形状、材料、重量、价格、进度和施工方法等建筑工程项目相关信息。模型文件轻量化则是对模型数据进行几何实体、承载信息、构建逻辑等方面的精简、转换、缩减，以达到更好运用模型的目的。
2、模型文件轻量化过程中，因为类型、大小和构件数量的差异，导致模型文件轻量化时所占用的服务器计算力相差巨大。传统的服务器资源调度方式是依据经验估算模型文件平均所占用的服务器计算力，然后获得服务器的并发任务数量。但采用此种方式因估算误差会导致服务器计算力长时间空置或长时间占满。此外，因为服务器网络和性能差异，以及服务器的图形服务功能差异和实际业务需求的多样性，加上模型文件自身因素影响，常常会导致模型轻量化失败。因此，基于智能辅助决策的服务器资源调度是一个重要的研究课题。
技术实现思路
1、基于上述背景，本发明的目的在于提供一种基于智能辅助决策的服务器资源调度方法及系统，结合技术工具和合理规划，以实现服务器资源最大利用，提高模型轻量化成功率，并可适配各种服务器资源调度环境。
2、为实现上述目的，本发明采用了如下技术方案：
3、本发明的第一个方面提供了一种基于智能辅助决策的服务器资源调度方法，包括：
4、对模型文件进行分类，基于服务器对各类别模型文件轻量化任务所能支持的最大并发数量建立服务承载力量化表；
5、基于所述服务承载力量化表构建服务资源调度方法，并将所述服务资源调度方法和预设业务操作方法封装为驱动程序；
6、建立驱动信息库，所述驱动信息库包括多种决策策略，以及每种决策策略对应的驱动程序的编码、类型、方法名和接口地址；
7、基于所述驱动信息库将多种决策策略的执行过程封装为智能辅助决策执行程序；
8、采集客户端的轻量化任务，基于所述智能辅助决策执行程序进行服务运行管理和任务调度管理；
9、获取服务运行过程中由于服务器计算能力不足引起的异常信息频率，并基于该异常信息频率通过智能辅助决策执行程序调整服务资源调度方法的偏差修正系数。
10、在一些实施例中，该方法还包括：
11、基于经验数据建立任务异常类别与任务异常处理措施的异常处理关联关系表；
12、基于所述异常处理关联关系表构建任务异常处理措施方法，并将所述任务异常处理措施方法封装为驱动程序，添加至所述驱动信息库中；
13、以及，基于所述智能辅助决策执行程序进行异常信息的处理。
14、在一些实施例中，所述的对模型文件进行分类，基于服务器对各类别模型文件轻量化任务所能支持的最大并发数量建立服务承载力量化表包括：
15、基于预设参数因子对模型文件进行逐级分类；
16、基于实验数据和/或经验数据获取服务器对各类别模型文件轻量化任务所能支持的最大并发数量；
17、对获取的最大并发数量进行量化处理，获得服务承载力量化表。
18、在一些实施例中，所述的基于预设参数因子对模型文件进行逐级分类包括：
19、基于预设参数因子对模型文件进行逐级初步分类，所述预设参数因子包括模型文件类型、模型文件大小和模型文件构件数量；
20、对初步分类后的每一类模型文件选取预设数量的样本，并在服务器的图形服务上进行轻量化试验，记录轻量化时间；
21、对实验数据进行预处理，剔除异常及同质化信息，并对每一个分类下的预设数量样本的轻量化时间取均值；
22、通过聚类算法对取均值后的样本数据进行分析，并参照专家经验合并相近分类，获得最终的模型文件分类结果。
23、在一些实施例中，所述的基于实验数据和/或经验数据获取服务器对各类别模型文件轻量化任务所能支持的最大并发数量包括：
24、为每一类模型文件选取预设数量的样本；
25、对每一份样本复制若干份，同时在服务器的图形服务上进行并发试验，并记录并发任务成功数；
26、依据经验分析，确认每一份样本在服务器的图形服务上的最大并发量；
27、对每一个分类下的预设数量样本的最大并发量取均值，作为该类模型文件的并发任务数；
28、按照上述步骤，获取每一类模型文件的并发任务数，建立一张描述模型文件类别与模型轻量化任务并发数量的关系数据表。
29、在一些实施例中，所述的对获取的最大并发数量进行量化处理，获得服务承载力量化表包括：
30、取所述关系数据表中每个并发任务数量数值的倒数作为轻量化任务的服务承载力量化值，生成服务承载力量化表。
31、在一些实施例中，所述的基于所述服务承载力量化表构建服务资源调度方法包括：
32、读取所有待调度服务器可执行轻量化任务的图形服务信息；
33、依据服务承载力量化表计算每个服务器运行轻量化任务的现状承载力；
34、计算服务器最大承载能力与所述现状承载力的差值；
35、选择差值为正且最小的服务器为目标服务器。
36、在一些实施例中，所述的依据服务承载力量化表计算每个服务器运行轻量化任务的现状承载力包括：
37、读取服务器服务运行区中的模型文件预设参数因子信息；
38、基于预设参数因子信息读取服务承载力量化表中对应的任务承载力量化值，并基于如下公式对读取到的所有任务承载力量化值求和，得到现状承载力：
39、y=k*(f(x_1)+f(x_2)+...+f(x_n))
40、其中y表示现状承载力数值，x_n表示模型文件预设参数因子，f(*)表示服务承载力量化值查表函数，k表示偏差修正系数。
41、在一些实施例中，所述的基于所述驱动信息库将多种决策策略的执行过程封装为智能辅助决策执行程序包括：
42、依据决策策略信息，基于所述驱动信息库获取决策策略对应的可执行驱动程序的信息；
43、获取可执行驱动程序的类型以及执行方式：
44、若是本地驱动程序，则利用反射机制执行该本地驱动程序封装的方法；
45、若是远程驱动程序，则利用消息通知和反射机制，执行该远程驱动程序封装的方法；
46、若是接口，则利用网络请求，执行该驱动程序的信息中携带的驱动接口；
47、基于所述执行方式，将决策策略对应的可执行驱动程序封装为智能辅助决策执行程序。
48、在一些实施例中，所述的基于所述智能辅助决策执行程序进行服务运行管理、任务调度管理及异常信息的处理包括：
49、基于采集的客户端轻量化任务信息，通过智能辅助决策执行程序获取服务器的图形服务信息；
50、基于客户端轻量化任务信息和获取的服务器的图形服务信息，通过智能辅助决策进行任务暂存、任务委派、任务监听和任务修正操作。
51、在一些实施例中，所述的任务暂存操作包括将客户端轻量化任务信息临时存储到任务暂存区域，并按照时间先后和权重系数进行任务优先级排序；
52、所述的任务委派操作包括从优先级最高开始，遍历任务暂存区域中的轻量化任务，基于服务资源调度方法，判断是否有合适的目标服务器，若有，则将抓取到的任务移至目标服务器运行区中，并移除任务暂存区域中的该任务；若没有，则结束任务委派；
53、所述的任务监听操作包括监听服务运行区中执行的任务，然后将执行完成的任务结果更新到任务信息表中，并移除服务运行区中的任务；
54、所述的任务修正操作包括根据任务反馈的异常信息，在任务异常处理措施表中找到对应的措施方法，基于驱动程序中的任务异常处理措施方法对任务进行修正处理。
55、在一些实施例中，所述的基于该异常信息频率通过智能辅助决策执行程序调整服务资源调度方法的偏差修正系数包括：
56、根据所述异常信息频率计算异常失败率；
57、若异常失败率小于第一预设阈值，则将偏差修正系数按第一调整比例下调；
58、若异常失败率小于第二预设阈值，则维持偏差修正系数不变；
59、若异常失败率小于第三预设阈值，则将偏差修正系数按第一调整比例上浮；
60、若异常失败率小于第四预设阈值，则将偏差修正系数按第二调整比例上浮，所述第二调整比例大于第一调整比例；
61、将偏差修正系数值更新到驱动程序中服务资源调度方法的计算公式中。
62、本发明的第二个方面提供一种基于智能辅助决策的服务器资源调度系统，用于执行如上述第一个方面所述的方法，包括：
63、至少一个图形服务器，其用于运行进行模型文件轻量化任务的图形服务；
64、业务服务器，其用于生成所述智能辅助决策执行程序，并基于智能辅助决策执行程序进行图形服务器的服务运行管理、任务调度管理及异常信息的处理，并接收图形服务器的任务处理结果；
65、以及，多个客服端，其用于向业务服务器提交模型文件轻量化任务，并查询任务处理结果。
66、本发明的基于智能辅助决策的服务器资源调度方法和系统，相比现有技术具有如下优点：
67、1）通过量化模型轻量化任务所消耗的服务器计算力，并自适应校正服务器当下所消耗计算力，从而确保服务器资源的充分利用；2）通过数字化异常处理措施专家经验，实现了任务异常自动修正，提高了模型轻量化成功率；3）通过自定义扩展驱动，能够适配各种服务器资源调度环境。
68、综合来说，本发明的服务器资源调度方法和系统，通过智能辅助决策提高了模型轻量化成功率，实现了用户个性化业务操作需求，且能适配各种服务器资源调度环境。同时，本发明采用了自适应校正的服务器资源调度方法，实现了服务器资源最大利用率，确保服务器资源使用处于合适状态。
1.一种基于智能辅助决策的服务器资源调度方法，其特征在于，包括：
2.如权利要求1所述的基于智能辅助决策的服务器资源调度方法，其特征在于，还包括：
3.如权利要求1或2所述的基于智能辅助决策的服务器资源调度方法，其特征在于，所述的对模型文件进行分类，基于服务器对各类别模型文件轻量化任务所能支持的最大并发数量建立服务承载力量化表包括：
4.如权利要求3所述的基于智能辅助决策的服务器资源调度方法，其特征在于，所述的基于预设参数因子对模型文件进行逐级分类包括：
5.如权利要求4所述的基于智能辅助决策的服务器资源调度方法，其特征在于，所述的基于实验数据和/或经验数据获取服务器对各类别模型文件轻量化任务所能支持的最大并发数量包括：
6.如权利要求5所述的基于智能辅助决策的服务器资源调度方法，其特征在于，所述的对获取的最大并发数量进行量化处理，获得服务承载力量化表包括：
7.如权利要求1或2所述的基于智能辅助决策的服务器资源调度方法，其特征在于，所述的基于所述服务承载力量化表构建服务资源调度方法包括：
8.如权利要求7所述的基于智能辅助决策的服务器资源调度方法，其特征在于，所述的依据服务承载力量化表计算每个服务器运行轻量化任务的现状承载力包括：
9.如权利要求1或2所述的基于智能辅助决策的服务器资源调度方法，其特征在于，所述的基于所述驱动信息库将多种决策策略的执行过程封装为智能辅助决策执行程序包括：
10.如权利要求2所述的基于智能辅助决策的服务器资源调度方法，其特征在于，基于所述智能辅助决策执行程序进行服务运行管理、任务调度管理及异常信息的处理包括：
11.如权利要求10所述的基于智能辅助决策的服务器资源调度方法，其特征在于，所述的任务暂存操作包括将客户端轻量化任务信息临时存储到任务暂存区域，并按照时间先后和权重系数进行任务优先级排序；
12.如权利要求8所述的基于智能辅助决策的服务器资源调度方法，其特征在于，所述的基于该异常信息频率通过智能辅助决策执行程序调整服务资源调度方法的偏差修正系数包括：
13.一种基于智能辅助决策的服务器资源调度系统，用于执行如权利要求1-12任一项所述的方法，其特征在于，包括：
