1.一种基于边缘计算的镜像文件放置方法,包括:获取边缘网络中第一边缘计算节点的第一镜像文件访问日志;所述边缘网络包含多个分别被部署在不同区域位置的边缘计算节点,各个所述边缘计算节点缓存至少一个镜像文件,以向用户终端提供云计算服务;
针对第一边缘计算节点所缓存的每个镜像文件,基于所述第一镜像文件访问日志确定该镜像文件在将各个所述镜像访问序列分别输入至冷门镜像预测模型,以筛选在未来的第一时间段的冷门镜像文件集;
控制所述第一边缘计算节点生成针对所述冷门镜像文件集的压缩文件,并对所述压缩文件进行冷存储;
所述冷门镜像预测模型采用增强型LSTM,包含级联的输入层、LSTM层、注意力层和输出层;
所述输入层包含
所述LSTM层包含
式中,
所述注意力层用于接收各个所述LSTM单元所输出的时间依赖特征,并通过应用注意力加权机制进行融合,以生成相应的注意力特征向量;所述注意力层的结构为:式中,
所述输出层用于处理所述注意力特征向量,以预测所述第一镜像访问序列所对应的镜像文件是否属于冷门镜像;所述输出层包含级联的第一全连接层、第二全连接层和第一预测层,其具体结构为:式中,
2.根据权利要求1所述的方法,其中,在基于各个所述访问频率和该镜像文件的镜像属性构建相应的镜像访问序列之后,所述方法还包括:基于预设API访问特殊事件数据库,以确定相应的特殊事件检测结果;所述特殊事件检测结果用于指示在所述第一时间段内是否存在至少一个特殊事件,所述特殊事件包含节假日信息、舆论热点信息和/或体育赛事信息;
针对边缘网络所缓存的每个镜像文件,分别执行以下操作:将所述特殊事件检测结果以及该镜像文件在所述边缘网络中每个边缘计算节点的镜像访问序列和相应的区域位置输入至热门镜像预测模型,以预测该镜像文件在所述第一时间段的属于热门镜像的目标区域位置;
执行针对该镜像文件的定向缓存操作,使得与所述目标区域位置相匹配的边缘计算节点缓存有该镜像文件;
所述热门镜像预测模型采用深度学习集成模型,包含输入层、时间卷积网络层、Transformer层、交叉注意力层和输出层;
所述输入层的结构为:
式中,
所述时间卷积网络层的结构为:
式中,
所述Transformer层的结构为:式中,
所述交叉注意力层的结构为:
式中,
所述输出层包含门控单元和第二预测层,所述输出层的结构为:式中,
3.根据权利要求1所述的方法,其中,所述冷门镜像预测模型的损失函数
4.根据权利要求2所述的方法,其中,所述热门镜像预测模型的损失函数
5.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-4中任一项所述方法的步骤。
6.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1-4中任一项所述方法的步骤。