一种基于机器学习的容器动态调配方法及系统

本发明涉及一种基于机器学习的容器动态调配方法及系统；包括：接收工作负载的请求，采用银行家算法和优先级相结合的方法，对每个工作负载的请求进行容器的资源分配；使用BiLSTM学习历史负载数据，预测未来负载情况；使用改进的粒子群优化算法，对容器进行动态的调度；使用机器学习技术，进行特征提取，学习历史数据的特征；使用BiLSTM‑Attention‑Adaboost模型通过历史时间序列的数据，预测未来资源的使用情况，提前进行部署。本发明可以更准确地根据工作负载的需求来分配资源，避免资源的浪费，提高资源利用率。