摘要
本发明提供了一种三时间尺度在线学习的服务配置方法和装置，涉及边缘云网络技术领域，包括：每当到达短时间尺度的任务时，基于当前到达各节点的用户任务请求情况与各节点的现有资源与配置策略，线性求解任务请求是否被指派到最优节点的第一指示变量；每当到达中时间尺度时，则基于第一指示变量和当前时隙对应的第四指示变量，使用包含温度缩放与单热编码的GRU门控循环单元技术，结合贪婪算法筛选出当前对应的最优第二、第三和第五指示变量；每当到达长时间尺度时，则基于LRU缓存更新技术和当前对应的第五指示变量修剪缓存镜像层，确定当前对应的第四指示变量；以缓解服务任务请求的动态变化导致的静态服务供应策略性能降低的技术问题。
