基于机器学习的区块链网络动态调度方法及系统与流程

本技术涉及计算机，具体而言，涉及一种基于机器学习的区块链网络动态调度方法及系统。

背景技术：

1、在当前的区块链技术领域中，随着区块链网络规模的不断扩大和应用场景的日益多样化，如何高效地管理和调度区块链节点，确保网络的稳定性和性能优化，已成为一个亟待解决的问题。传统的区块链节点调度方法往往基于简单的负载均衡或轮询算法，这些方法虽然能在一定程度上实现节点的均匀分配，但缺乏对节点性能的深入分析和优化。

2、特别是在面对复杂多变的动态调度任务时，传统方法往往无法准确识别节点间的性能差异和协同工作关系，导致资源分配不均、网络拥堵和性能瓶颈等问题。此外，随着区块链技术的不断发展，节点间的协同工作关系也变得越来越复杂，如何在这种环境下实现节点的高效调度和优化，成为了一个具有挑战性的技术难题。

技术实现思路

1、有鉴于此，本技术的目的在于提供一种基于机器学习的区块链网络动态调度方法及系统，能够智能地识别区块链节点的性能特点和协同工作关系，通过机器学习算法对节点进行性能预测与动态调度优化，提高了区块链网络的运行效率和响应速度，还能有效避免资源浪费和网络拥堵，也即，通过智能化的动态调度策略，旨在解决传统方法无法准确识别和优化区块链节点性能的问题，从而提升整个区块链网络的性能和稳定性。

2、基于本技术的第一方面，提供一种基于机器学习的区块链网络动态调度方法，所述方法包括：

3、基于对区块链集群生成的动态调度任务，从所述区块链集群中获取多个待调度的区块链节点；

4、当所述多个待调度的区块链节点中获得存在性能待优化的第一区块链节点时，获取所述第一区块链节点对应的节点认证符，并基于所述节点认证符确定所述第一区块链节点所属的节点群组，所述节点群组包括同属于一个调度组的一个或多个区块链节点，所述一个调度组由一个所述区块链节点、或多个存在协同工作关系的区块链节点构成；

5、当所述第一区块链节点所属的目标调度组由所述多个存在协同工作关系的区块链节点构成时，获取所述第一区块链节点所属的节点群组中记录的一个或多个第二区块链节点，并利用机器学习算法对所述第一区块链节点以及所述一个或多个第二区块链节点进行性能预测与动态调度优化，所述第二区块链节点位于所述目标调度组。

6、在第一方面的一种可能的实施方式中，所述获取所述第一区块链节点对应的节点认证符，并基于所述节点认证符确定所述第一区块链节点所属的节点群组，包括：

7、当所述获取所述第一区块链节点对应的节点认证符，并基于所述节点认证符确定所述第一区块链节点所属的节点群组之前，所述方法还包括：

8、获取所述区块链集群所关联的任务调度中心，所述任务调度中心用于记录所述区块链集群所匹配的各个预配置节点群组；

9、所述获取所述第一区块链节点对应的节点认证符，并基于所述节点认证符确定所述第一区块链节点所属的节点群组，包括：

10、获取所述节点认证符，并从所述任务调度中心中获得与所述节点认证符所关联的、所述第一区块链节点所属的所述预配置节点群组。

11、在第一方面的一种可能的实施方式中，当所述基于对区块链集群生成的动态调度任务，从所述区块链集群中获取多个待调度的区块链节点之前，所述方法还包括：

12、获取所述区块链集群中多个待评估的区块链节点；

13、确定所述多个待评估的区块链节点中各个区块链节点对应的协同工作关系；

14、基于所述对应的协同工作关系，将所述各个区块链节点基于的各个节点认证符划分至所述各个预配置节点群组，所述多个待评估的区块链节点中位于同所述一个调度组的区块链节点对应的节点认证符，被划分至同一所述预配置节点群组。

15、在第一方面的一种可能的实施方式中，所述确定所述多个待评估的区块链节点中各个区块链节点对应的协同工作关系的步骤，包括：

16、通过网络监控工具持续收集各个区块链节点之间的网络通信数据，所述网络通信数据包括传输数据量、传输频率、传输延迟；

17、对所述网络通信数据进行分析，确定区块链节点间的通信密集程度和通信稳定性，并根据所述定区块链节点间的通信密集程度和通信稳定性生成可能存在协同工作关系的初始区块链节点序列；

18、获取所述初始区块链节点序列中的每个初始区块链节点的所有节点活动数据，所述节点活动数据包括区块的生成活动数据、验证活动数据、传播活动数据；

19、对所述节点活动数据进行分析以确定每个初始区块链节点在处理任务时的相互协作模式特征；

20、将每个初始区块链节点作为图中的一个顶点，节点之间的相互协作模式特征作为边，并为图中的边赋予权重，所述权重表示节点间协同工作的强度；

21、利用社区检测算法对所述图进行划分，识别出满足预设协同工作关系的节点社区，并基于满足预设协同工作关系的节点社区输出所述多个待评估的区块链节点中各个区块链节点对应的协同工作关系，每个节点社区内的节点被视为具有强化协同工作关系的节点组。

22、在第一方面的一种可能的实施方式中，所述利用机器学习算法对所述第一区块链节点以及所述一个或多个第二区块链节点进行性能预测与动态调度优化，包括以下至少之一：

23、当提取到所述第一区块链节点对应的第一运行性能指标、以及所述一个或多个第二区块链节点中各个第二区块链节点对应的第二运行性能指标时，基于所述第一运行性能指标、所述第二运行性能指标对所述第一区块链节点、以及所述一个或多个第二区块链节点进行性能预测与动态调度优化；

24、当提取到所述第一区块链节点处理任务的第一响应间隔指标、以及所述一个或多个第二区块链节点中各个第二区块链节点处理所述任务的第二响应间隔指标时，所述第一响应间隔指标、以及所述第二响应间隔指标对所述第一区块链节点、以及所述一个或多个第二区块链节点进行性能预测与动态调度优化；

25、当提取到所述第一运行性能指标、所述第二运行性能指标、所述第一响应间隔指标、以及所述第二响应间隔指标时，利用机器学习算法基于所述第一运行性能指标、所述第二运行性能指标、所述第一响应间隔指标、以及所述第二响应间隔指标对所述第一区块链节点、以及所述一个或多个第二区块链节点进行性能预测与动态调度优化。

26、在第一方面的一种可能的实施方式中，所述利用机器学习算法基于所述第一运行性能指标、所述第二运行性能指标、所述第一响应间隔指标、以及所述第二响应间隔指标对所述第一区块链节点、以及所述一个或多个第二区块链节点进行性能预测与动态调度优化，包括：

27、预先收集所述第一区块链节点和所述第二区块链节点的样本运行指标，并获取与所述第一区块链节点和第二区块链节点的性能相关的先验性能状态标签数据，所述样本运行指标包括运行性能指标和响应间隔指标；

28、将所述第一区块链节点和所述第二区块链节点的样本运行指标作为输入模型输入数据，并将所述先验性能状态标签数据作为模型输出数据，对机器学习网络进行训练，生成训练完成的性能状态预测模型；

29、基于所述训练完成的性能状态预测模型对所述第一运行性能指标、所述第二运行性能指标、所述第一响应间隔指标、以及所述第二响应间隔指标进行分析，生成第一区块链节点以及所述一个或多个第二区块链节点的性能预测结果；

30、根据所述性能预测结果，动态调整所述第一区块链节点和所述第二区块链节点的任务分配，以实现负载均衡。

31、在第一方面的一种可能的实施方式中，所述基于对区块链集群生成的动态调度任务，从所述区块链集群中获取多个待调度的区块链节点的步骤，包括：

32、预先设置对区块链集群的监听机制，通过所述监听机制持续监听所述区块链集群中生成的动态调度任务，所述动态调度任务由集群管理器、任务调度器触发；

33、当监听到新的动态调度任务时，记录所述动态调度任务的任务信息，所述任务信息包括任务类型、优先级、所需资源；

34、对监听到的动态调度任务进行需求分析，确定所述动态调度任务对区块链节点的任务条件，所述任务条件包括计算能力条件、存储容量条件、网络带宽条件；

35、根据所述任务条件，评估所述区块链集群中的节点资源情况，以确定具备所述任务条件的候选区块链节点；

36、对筛选出的候选区块链节点进行排序，根据排序结果，为所述候选区块链节点分配不同的优先级，将筛选并排序后的候选区块链节点信息更新到节点状态数据库中。

37、在第一方面的一种可能的实施方式中，所述方法还包括：

38、将动态调度优化结果发送至所述动态调度任务对应的终端。

39、基于本技术的第二方面，提供一种区块链服务系统，所述区块链服务系统包括机器可读存储介质及处理器，所述机器可读存储介质存储有机器可执行指令，所述处理器在执行所述机器可执行指令时，该区块链服务系统实现前述的基于机器学习的区块链网络动态调度方法。

40、基于本技术的第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，当所述计算机可执行指令被执行时，实现前述的基于机器学习的区块链网络动态调度方法。

41、基于上述任意一个方面，本技术的技术效果在于：

42、本技术实施例能够实现对区块链集群中动态调度任务的高效处理。通过智能地从区块链集群中获取多个待调度的区块链节点，系统可以快速响应并处理各种动态调度任务，从而提高整个区块链网络的运行效率和响应速度。其次，通过获取节点认证符并确定节点群组，能够精准地识别出存在性能待优化的第一区块链节点，并进一步确定其所属的调度组，有助于更加精准地实施动态调度优化策略。再者，当第一区块链节点所属的目标调度组由多个存在协同工作关系的区块链节点构成时，能够智能地获取并记录与第一区块链节点相关联的第二区块链节点，为后续的性能预测与动态调度优化提供了数据支持。最后，通过利用机器学习算法对第一区块链节点以及一个或多个第二区块链节点进行性能预测与动态调度优化，能够实现对区块链网络资源的合理分配和高效利用，不仅有助于提升区块链网络的整体性能，还能有效避免网络拥堵和资源浪费，从而为用户提供更加稳定、可靠的区块链服务。由此，通过智能化的动态调度方法，显著提升了区块链网络的处理能力、响应速度和资源利用率。