TWI778597B - 遠端桌面閘道的調配方法、電腦裝置及儲存介質 - Google Patents

Abstract

本申請提供一種遠端桌面閘道的調配方法、電腦裝置及儲存介質，其中，所述方法包括：獲取遠端桌面閘道RDGW中虛擬機器VM的應用資料，所述應用資料包括歷史資料和即時資料；利用所述歷史資料訓練神經網路，獲得目標分類模型；將所述即時資料輸入所述目標分類模型，獲得所述即時資料的分類結果；基於所述分類結果，將所述VM調配給指定的RDGW；及基於所述即時資料，新增RDGW或回收RDGW。本申請可以輔助對資源的彈性伸縮調配，在滿足資源需求的同時節省資源。

Description

遠端桌面閘道的調配方法、電腦裝置及儲存介質

本發明涉及電腦技術領域，尤其涉及一種遠端桌面閘道的調配方法、電腦裝置及儲存介質。

在虛擬化技術的使用過程中，通常會出現遠端桌面閘道資源不足或資源過剩的問題。如何確保遠端桌面閘道資源中隨時都有合適的數量，以處理目前的流量需求，以及如何即時發現並解決遠端桌面閘道資源的浪費現象，是電腦技術領域面臨的一個問題。

鑒於以上內容，有必要提供一種遠端桌面閘道的調配方法、電腦裝置及儲存介質，能夠實現對資源的彈性伸縮調配，在滿足資源需求的同時節省資源。

所述遠端桌面閘道的調配方法包括：獲取遠端桌面閘道中虛擬機器的應用資料，所述應用資料包括歷史資料和即時資料；利用所述歷史資料訓練神經網路，獲得目標分類模型；將所述即時資料輸入所述目標分類模型，獲得所述即時資料的分類結果；基於所述分類結果，將所述虛擬機器調配給指定的遠程桌面閘道；及基於所述即時資料，新增遠程桌面閘道或回收已有的遠程桌面閘道。

可選地，所述方法還包括：監控所述虛擬機器，獲得所述應用資 料；及將所述應用資料儲存在預設的資料庫中。

可選地，所述歷史資料包括：登入所述虛擬機器的用戶的身份標識號ID、用戶登入所述虛擬機器的時間b1、用戶登出所述虛擬機器的時間e1；所述即時資料包括所述虛擬機器的使用狀態，所述虛擬機器的使用狀態包括未使用的狀態、已被登入的狀態和正被執行登入操作中的狀態；當所述虛擬機器的使用狀態為所述已被登入的狀態或所述正被執行登入操作中的狀態時，所述即時資料還包括對所述虛擬機器執行登入操作的用戶的ID、該用戶對所述虛擬機器執行登入操作的時間b2。

可選地，所述方法還包括：從所述資料庫中獲取所述歷史資料作為訓練樣本，訓練所述神經網路獲得分類模型；及對所述分類模型進行至少一次反覆運算更新，直至所述分類模型符合預設的要求，獲得所述目標分類模型。

可選地，所述對所述分類模型進行至少一次反覆運算更新包括：判斷上一次反覆運算更新後的分類模型是否符合所述預設的要求；當所述上一次反覆運算更新後的分類模型符合所述預設的要求時，將所述上一次反覆運算更新後的分類模型作為所述目標分類模型；當所述上一次反覆運算更新後的分類模型不符合所述預設的要求時，從所述資料庫中獲取更新後的歷史資料作為訓練樣本，在所述上一次反覆運算更新後的分類模型的基礎上繼續訓練所述神經網路，獲得當前更新的分類模型，對所述當前更新的分類模型進行下一次反覆運算更新。

可選地，所述將所述即時資料輸入所述目標分類模型，獲得所述即時資料的分類結果包括：當所述即時資料指示所述虛擬機器的狀態為正被執行登入操作中的狀態時，將對所述虛擬機器執行登入操作的用戶的ID以及該用戶對所述虛擬機器執行登入操作的時間b2輸入所述目標分類模型；利用所述目標分類模型，預測所述用戶登出所述虛擬機器的時間e2；將所述時間e2與預設數量的時間段中的每一個時間段的範圍進行比對，將處於 同一時間段內的所述e2對應的用戶的ID歸為一類，共獲得所述預設數量的分類結果。

可選地，所述基於所述分類結果，將所述虛擬機器調配給指定的遠端桌面閘道包括：將屬於同一類的所述用戶的ID正在執行登入操作的虛擬機器，調配給所述指定的遠程桌面閘道。

可選地，所述基於所述即時資料，新增遠端桌面閘道或回收已有的遠端桌面閘道包括：分析所述即時資料；當確定已有的遠端桌面閘道的儲存器平均使用率都超出預設的閾值時，發出新增警示並新增一個或多個遠端桌面閘道；或當確定任一已有的遠端桌面閘道中的所有虛擬機器的使用狀態都為未使用的狀態時，發出回收警示並對所述任一已有的遠端桌面閘道進行回收。

所述電腦可讀儲存介質儲存有至少一個指令，所述至少一個指令被處理器執行時實現所述遠端桌面閘道的調配方法。

所述電腦裝置包括儲存器和至少一個處理器，所述儲存器中儲存有至少一個指令，所述至少一個指令被所述至少一個處理器執行時實現所述遠端桌面閘道的調配方法。

相較於習知技術，所述遠端桌面閘道的調配方法、電腦裝置及儲存介質，能夠實現對資源的彈性伸縮調配，在滿足資源需求的同時節省資源。

3:電腦裝置

32:處理器

31:儲存器

301:監控系統

302:調配系統

303:報警系統

S1~S4:步驟

為了更清楚地說明本申請實施例或習知技術中的技術方案，下面將對實施例或習知技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據提供的附圖獲得其他的附圖。

圖1是本申請較佳實施例的遠端桌面閘道的調配方法的應用環境圖。

圖2是本申請較佳實施例的遠端桌面閘道的調配方法的流程圖。

圖3是本申請較佳實施例的遠端桌面閘道的調配方法的應用示意圖。

圖4是本申請較佳實施例的電腦裝置的架構圖。

為了能夠更清楚地理解本申請的上述目的、特徵和優點，下面結合附圖和具體實施例對本申請進行詳細描述。需要說明的是，在不衝突的情況下，本申請的實施例及實施例中的特徵可以相互組合。

在下面的描述中闡述了很多具體細節以便於充分理解本申請，所描述的實施例僅僅是本申請一部分實施例，而不是全部的實施例。基於本申請中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本申請保護的範圍。

除非另有定義，本文所使用的所有的技術和科學術語與屬於本申請的技術領域的技術人員通常理解的含義相同。本文中在本申請的說明書中所使用的術語只是為了描述具體的實施例的目的，不是旨在於限制本申請。

圖1是本申請較佳實施例的遠端桌面閘道的調配方法的應用環境圖。如圖1所示，為虛擬機器(Virtual Machine，VM)與遠端桌面閘道(Remote Desktop Gateway，RDGW)之間的連接關係，下文將結合圖2所示的方法流程圖進行詳細描述。

參閱圖2所示，為本申請較佳實施例的遠端桌面閘道的調配方法的流程圖。

在本實施例中，所述遠端桌面閘道的調配方法可以應用於電腦裝置(例如圖4所示的電腦裝置3)中，對於需要進行遠端桌面閘道的調配的電腦裝置，可以直接在電腦裝置上集成本申請的方法所提供的用於遠端桌面閘道的調配的功能，或者以軟體開發套件(Software Development Kit，SDK)的形式運行在電腦裝置上。

如圖2所示，所述遠端桌面閘道的調配方法具體包括以下步驟，根據不同的需求，該流程圖中步驟的順序可以改變，某些步驟可以省略。

步驟S1、監控系統301獲取遠端桌面閘道中虛擬機器的應用資料，所述應用資料包括歷史資料和即時資料。

在一個實施例中，每個所述遠端桌面閘道都有自己的編號，不同的RDGW擁有不同的編號，例如，RDGW1、RDGW2等；每個所述虛擬機器都有自己的編號，不同的VM擁有不同的編號，例如，VM1、VM2等。

在一個實施例中，回應用戶的登入操作，所述VM透過所述RDGW被登入的用戶所使用，例如圖1所示，一個VM被分配給一個RDGW，一個RDGW中可以包含不超過預設數量(例如，50個)的VM。

在一個實施例中，每個用戶都有自己的身份標識號(Identity document，ID)，不同的用戶擁有不同的ID，例如，用戶A、用戶B等。

在一個實施例中，例如圖3所示，監控系統301監控所述VM，獲得所述應用資料；及將所述應用資料儲存在預設的資料庫中。所述歷史資料包括：登入所述VM的用戶的ID、用戶登入所述VM的時間b1、用戶登出所述VM時間e1；所述即時資料包括所述VM的使用狀態，所述VM的使用狀態包括未使用的狀態、已被登入的狀態和正被執行登入操作中的狀態，所述未使用的狀態包括未被執行登錄操作以及未被登入的狀態，所述已被登入的狀態包括已被執行登入操作且已被成功登入(驗證透過，例如，用戶輸入的ID和密碼被判定為正確)並使用的狀態，所述正被執行登入操作中的狀態包括用戶正執行登入操作(例如，正在輸入ID)且還未成 功登入(例如，還未輸入密碼)的狀態；當所述VM的使用狀態為所述已被登入的狀態或所述正被執行登入操作中的狀態時，所述即時資料還包括對所述VM執行登入操作的用戶的ID、該用戶對所述VM執行登入操作的時間b2。

在一個實施例中，所述歷史資料包括：歷史工作日的工作時間中用戶使用所述VM的資料。需要說明的是，歷史非工作日(例如，週末、假期等)內的資料因不具代表性，不被記錄在所述歷史資料內。

步驟S2、電腦裝置利用所述歷史資料訓練神經網路，獲得目標分類模型。

在一個實施例中，例如圖3所示，電腦裝置從所述資料庫中獲取所述歷史資料作為訓練樣本，訓練所述神經網路獲得分類模型；及對所述分類模型進行至少一次反覆運算更新，直至所述分類模型符合預設的要求，獲得所述目標分類模型。所述對所述分類模型進行至少一次反覆運算更新包括：判斷上一次反覆運算更新後的分類模型是否符合所述預設的要求；當所述上一次反覆運算更新後的分類模型符合所述預設的要求時，將所述上一次反覆運算更新後的分類模型作為所述目標分類模型；當所述上一次反覆運算更新後的分類模型不符合所述預設的要求時，從所述資料庫中獲取更新後的歷史資料作為訓練樣本，在所述上一次反覆運算更新後的分類模型的基礎上繼續訓練所述神經網路，獲得當前更新的分類模型，對所述當前更新的分類模型進行下一次反覆運算更新。

在一個實施例中，所述預設的要求中包含預設數量的時間段，所述預設數量的時間段中的每個時間段可以包含預設的時間長度，所述預設數量可以包括：將工作時間按照所述預設的時間長度進行分割後的數量。例如，將從9：00至18：00的工作時間按照每20分鐘為一個時間段進行分割，獲得27個時間段，例如，17：00至17：20等。

在一個實施例中，所述判斷上一次反覆運算更新後的分類模型是 否符合所述預設的要求包括：將所述歷史資料中任一用戶登入VM的ID以及登入所述VM的時間b10，輸入所述上一次反覆運算更新後的分類模型；獲得所述任一用戶登出所述VM的預測時間e20；將所述預測時間e20與所述歷史資料中所述任一用戶的登出所述VM的時間e10進行比較，判斷所述預測時間e20與所述時間e10是否處於所述預設數量的時間段中的同一時間段的範圍內，獲得判斷結果；當所述判斷結果為是時，確定所述上一次反覆運算更新後的分類模型符合所述預設的要求；當所述判斷結果為否時，確定所述上一次反覆運算更新後的分類模型不符合所述預設的要求。

步驟S3、監控系統301將所述即時資料輸入所述目標分類模型，獲得所述即時資料的分類結果。

在一個實施例中，例如圖3所示，監控系統301將所述資料庫中的所述即時資料輸入所述目標分類模型，當所述即時資料指示所述VM的狀態為正被執行登入操作中的狀態時，電腦裝置將對所述VM執行登入操作的用戶的ID、該用戶對所述VM執行登入操作的時間b2輸入所述目標分類模型；所述目標分類模型預測所述用戶登出所述VM的時間e2；目標分類模型將所述時間e2與預設數量的時間段中的每一個時間段的範圍進行比對，將處於同一時間段內的所述e2對應的用戶的ID歸為一類，共獲得所述預設數量的分類結果。例如，用戶A在13：16時透過RDGW1對VM1執行登入操作，所述目標分類模型預測用戶A的登出時間為17：05；在14：27時，用戶C透過RDGW2對VM2執行登入操作，所述目標分類模型預測用戶C的登出時間為17：15；目標分類模型確定用戶A和用戶C都會在時間段17：00至17：20內登出，將用戶A和用戶C歸為一類。

步驟S4、目標分類模型基於所述分類結果，將所述虛擬機器調配給指定的遠程桌面閘道；及調配系統302基於所述即時資料，新增遠端桌面閘道或回收已有的遠程桌面閘道。

在一個實施例中，例如圖3所示，目標分類模型將屬於同一類的 所述用戶的ID正在執行登入操作的VM，調配給所述指定的RDGW。所述指定的RDGW可以是屬於同一類的所述用戶的ID登入並使用的RDGW。例如，14：27時，用戶A在透過RDGW1登入並使用VM1，用戶C透過RDGW2對VM2執行登入操作，目標分類模型確定用戶C和用戶A屬於同一類，將用戶C正在登入執行操作的VM2分配給用戶A登入並使用的RDGW1。

在一個實施例中，例如圖3所示，報警系統303分析所述即時資料，所述分析包括：判斷已有的RDGW的儲存器平均使用率是否都超出預設的閾值(例如，70%)，例如，判斷已有的RDGW在預設的評判週期(例如3分鐘)內儲存器的平均使用率是否都大於70%，已有的RDGW為RDGW1和RDGW2，RDGW1在3分鐘內的儲存器平均使用率為80%，RDGW2在3分鐘內的儲存器平均使用率為70%，那麼已有的RDGW的儲存器平均使用率都超出預設的閾值70%；以及判斷是否存在一已有的RDGW中的所有VM的使用狀態都為未使用的狀態；當確定已有的RDGW的儲存器平均使用率都超出預設的閾值時，向調配系統302發出新增警示，調配系統302新增一個或多個RDGW；及當確定任一已有的遠端桌面閘道中的所有VM的使用狀態都為未使用的狀態時，向調配系統302發出回收警示，調配系統302對所述任一已有的RDGM進行回收。例如，當確定已有的RDGW的儲存器平均使用率都超過70%時，電腦裝置發出新增警示，並新增新的RDGW；當17：20時，RDGW1中的所有用戶都已登出VM，電腦裝置回收RDGW1。

上述圖2-3詳細介紹了本申請的遠端桌面閘道的調配方法，下面結合圖4，對實現所述遠端桌面閘道的調配方法的硬體裝置架構進行介紹。

應該瞭解，所述實施例僅為說明之用，在專利申請範圍上並不受此結構的限制。

參閱圖4所示，為本申請較佳實施例提供的電腦裝置的結構示意 圖。在本申請較佳實施例中，所述電腦裝置3包括儲存器31、至少一個處理器32。本領域技術人員應該瞭解，圖4示出的電腦裝置的結構並不構成本申請實施例的限定，既可以是匯流排型結構，也可以是星形結構，所述電腦裝置3還可以包括比圖示更多或更少的其他硬體或者軟體，或者不同的部件佈置。

在一些實施例中，所述電腦裝置3包括一種能夠按照事先設定或儲存的指令，自動進行數值計算和/或資訊處理的終端，其硬體包括但不限於微處理器、專用積體電路、可程式設計閘陣列、數位訊號處理器及嵌入式設備等。

需要說明的是，所述電腦裝置3僅為舉例，其他現有的或今後可能出現的電子產品如可適應於本申請，也應包含在本申請的保護範圍以內，並以引用方式包含於此。

在一些實施例中，所述儲存器31用於儲存程式碼和各種資料。例如，所述儲存器31可以用於儲存所述預設的資料庫，還可以儲存安裝在所述電腦裝置3中的監控系統301、調配系統302和報警系統303，並在電腦裝置3的運行過程中實現高速、自動地完成程式或資料的存取。所述儲存器31包括唯讀儲存器(Read-Only Memory，ROM)、可程式設計唯讀儲存器(Programmable Read-Only Memory，PROM)、可抹除可程式設計唯讀儲存器(Erasable Programmable Read-Only Memory，EPROM)、一次可程式設計唯讀儲存器(One-time Programmable Read-Only Memory，OTPROM)、電子抹除式可複寫唯讀儲存器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、唯讀光碟(Compact Disc Read-Only Memory，CD-ROM)或其他光碟儲存器、磁碟儲存器、磁帶儲存器、或者任何其他能夠用於攜帶或儲存資料的電腦可讀的儲存介質。

在一些實施例中，所述至少一個處理器32可以由積體電路組成，例如可以由單個封裝的積體電路所組成，也可以是由多個相同功能或不同 功能封裝的積體電路所組成，包括一個或者多個中央處理器(Central Processing unit，CPU)、微處理器、數位訊號處理晶片、圖形處理器及各種控制晶片的組合等。所述至少一個處理器32是所述電腦裝置3的控制核心(Control Unit)，利用各種介面和線路連接整個電腦裝置3的各個部件，透過運行或執行儲存在所述儲存器31內的程式或者模組，以及調用儲存在所述儲存器31內的資料，以執行電腦裝置3的各種功能和處理資料，例如執行遠端桌面閘道的調配的功能。

在一些實施例中，所述監控系統301運行於電腦裝置3中。所述監控系統301可以包括多個由程式碼段所組成的功能模組。所述監控系統301中的各個程式段的程式碼可以儲存於電腦裝置3的儲存器31中，並由至少一個處理器32所執行，以實現步驟S1中的獲取遠端桌面閘道RDGW中虛擬機器VM的應用資料的功能。

在一些實施例中，所述調配系統302運行於電腦裝置3中。所述調配系統302可以包括多個由程式碼段所組成的功能模組。所述調配系統302中的各個程式段的程式碼可以儲存於電腦裝置3的儲存器31中，並由至少一個處理器32所執行，以實現步驟S4中的新增RDGM或回收所述RDGW的功能。

在一些實施例中，所述報警系統303運行於電腦裝置3中。所述報警系統303可以包括多個由程式碼段所組成的功能模組。所述報警系統303中的各個程式段的程式碼可以儲存於電腦裝置3的儲存器31中，並由至少一個處理器32所執行，以實現步驟S4中的發出新增警示和發出回收警示的功能。本實施例中，監控系統301、調配系統302或報警系統303根據其所執行的功能，可以分別被劃分為多個功能模組。本申請所稱的模組是指一種能夠被至少一個處理器所執行並且能夠完成固定功能的一系列電腦程式段，其儲存在儲存器中。

儘管未示出，所述電腦裝置3還可以包括給各個部件供電的電源 (比如電池)，優選的，電源可以透過電源管理裝置與所述至少一個處理器32邏輯相連，從而透過電源管理裝置實現管理充電、放電、以及功耗管理等功能。電源還可以包括一個或一個以上的直流或交流電源、再充電裝置、電源故障檢測電路、電源轉換器或者逆變器、電源狀態指示器等任意元件。所述電腦裝置3還可以包括多種感測器、藍牙模組、Wi-Fi模組等，在此不再贅述。

應該瞭解，所述實施例僅為說明之用，在專利申請範圍上並不受此結構的限制。

上述以軟體功能模組的形式實現的集成的單元，可以儲存在一個電腦可讀取儲存介質中。上述軟體功能模組儲存在一個儲存介質中，包括若干指令用以使得一台電腦裝置(可以是伺服器、個人電腦等)或處理器(processor)執行本申請各個實施例所述方法的部分。

在進一步的實施例中，結合圖4，所述至少一個處理器32可執行所述電腦裝置3的操作裝置以及安裝的各類應用程式(如所述監控系統301、所述調配系統302和所述報警系統303)、程式碼等，例如，上述的各個模組。

所述儲存器31中儲存有程式碼，且所述至少一個處理器32可調用所述儲存器31中儲存的程式碼以執行相關的功能。儲存在所述儲存器31中的程式碼可以由所述至少一個處理器32所執行，從而實現所述各個模組的功能以達到遠端桌面閘道的調配的目的。

在本申請的一個實施例中，所述儲存器31儲存一個或多個指令(即至少一個指令)，所述至少一個指令被所述至少一個處理器32所執行以實現圖2所示的遠端桌面閘道的調配的目的。

在本申請所提供的幾個實施例中，應該理解到，所揭露的裝置和方法，可以透過其它的方式實現。例如，以上所描述的裝置實施例僅僅是示意性的，例如，所述模組的劃分，僅僅為一種邏輯功能劃分，實際實現 時可以有另外的劃分方式。

所述作為分離部件說明的模組可以是或者也可以不是物理上分開的，作為模組顯示的部件可以是或者也可以不是物理單元，即可以位於一個地方，或者也可以分佈到多個網路單元上。可以根據實際的需要選擇其中的部分或者全部模組來實現本實施例方案的目的。

另外，在本申請各個實施例中的各功能模組可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以採用硬體的形式實現，也可以採用硬體加軟體功能模組的形式實現。

對於本領域技術人員而言，顯然本申請不限於上述示範性實施例的細節，而且在不背離本申請的精神或基本特徵的情況下，能夠以其他的具體形式實現本申請。因此，無論從哪一點來看，均應將實施例看作是示範性的，而且是非限制性的，本申請的範圍由所附請求項而不是上述說明限定，因此旨在將落在請求項的等同要件的含義和範圍內的所有變化涵括在本申請內。不應將請求項中的任何附圖標記視為限制所涉及的請求項。此外，顯然“包括”一詞不排除其他單元或，單數不排除複數。裝置請求項中陳述的多個單元或裝置也可以由一個單元或裝置透過軟體或者硬體來實現。第一，第二等詞語用來表示名稱，而並不表示任何特定的順序。

最後所應說明的是，以上實施例僅用以說明本申請的技術方案而非限制，儘管參照以上較佳實施例對本申請進行了詳細說明，本領域的普通技術人員應當理解，可以對本申請的技術方案進行修改或等同替換，而不脫離本申請技術方案的精神和範圍。

S1~S4:步驟

Claims (6)

1. 一種遠端桌面閘道的調配方法，應用於電腦裝置，其中，所述方法包括：根據遠端桌面閘道的編號與虛擬機器的編號，從所述遠端桌面閘道獲得所述遠端桌面閘道中虛擬機器的應用資料，所述應用資料包括歷史資料和即時資料；利用所述歷史資料作為訓練樣本訓練神經網路獲得分類模型，對所述分類模型進行至少一次反覆運算更新，直至所述分類模型符合預設的要求，將符合預設的要求的所述分類模型確定為目標分類模型，其中，所述預設的要求包含預設數量的時間段，所述預設數量的時間段中的每個時間段包含預設的時間長度，所述預設數量包括將工作時間按照所述預設的時間長度進行分割後的數量；將所述即時資料輸入所述目標分類模型，獲得所述即時資料的分類結果，包括：當所述即時資料指示所述虛擬機器的狀態為正被執行登入操作中的狀態時，將對所述虛擬機器執行登入操作的用戶的身份標識號ID以及該用戶對所述虛擬機器執行登入操作的時間b2輸入所述目標分類模型；利用所述目標分類模型，預測所述用戶登出所述虛擬機器的時間e2；將所述時間e2與所述預設數量的時間段中的每一個時間段的範圍進行比對，將處於同一時間段內的所述e2對應的用戶的ID歸為一類，獲得所述預設數量的分類結果；基於所述分類結果，將所述虛擬機器調配給指定的遠程桌面閘道，包括：將屬於同一類的所述用戶的ID正在執行登入操作的虛擬機器，調配給所述指定的遠程桌面閘道；及基於所述即時資料，新增遠程桌面閘道或回收已有的遠程桌面閘道，包括：當確定已有的遠端桌面閘道的儲存器平均使用率都超出預設的閾值時，發出新增警示並新增一個或多個遠端桌面閘道；或當確定任一已有的遠端桌面閘道中的所有虛擬機器的使用狀態都為未使用的狀態時，發出回收警示並對所述任一 已有的遠端桌面閘道進行回收。
2. 如請求項1所述的遠端桌面閘道的調配方法，其中，所述方法還包括：監控所述虛擬機器，獲得所述應用資料；及將所述應用資料儲存在預設的資料庫中。
3. 如請求項1所述的遠端桌面閘道的調配方法，其中，所述歷史資料包括：登入所述虛擬機器的用戶的身份標識號ID、用戶登入所述虛擬機器的時間b1、用戶登出所述虛擬機器的時間e1；所述即時資料包括所述虛擬機器的使用狀態，所述虛擬機器的使用狀態包括未使用的狀態、已被登入的狀態和正被執行登入操作中的狀態；當所述虛擬機器的使用狀態為所述已被登入的狀態或所述正被執行登入操作中的狀態時，所述即時資料還包括對所述虛擬機器執行登入操作的用戶的ID、該用戶對所述虛擬機器執行登入操作的時間b2。
4. 如請求項2所述的遠端桌面閘道的調配方法，其中，所述對所述分類模型進行至少一次反覆運算更新包括：判斷上一次反覆運算更新後的分類模型是否符合所述預設的要求，包括：將所述歷史資料中任一用戶登入VM的ID以及登入所述VM的時間b10，輸入所述上一次反覆運算更新後的分類模型；獲得所述任一用戶登出所述VM的預測時間e20；將所述預測時間e20與所述歷史資料中所述任一用戶的登出所述VM的時間e10進行比較，判斷所述預測時間e20與所述時間e10是否處於所述預設數量的時間段中的同一時間段的範圍內，獲得判斷結果；當所述判斷結果為是時，確定所述上一次反覆運算更新後的分類模型符合所述預設的要求；當所述判斷結果為否時，確定所述上一次反覆運算更新後的分類模型不符合所述預設的要求；當所述上一次反覆運算更新後的分類模型符合所述預設的要求時，將所述上一次反覆運算更新後的分類模型作為所述目標分類模型； 當所述上一次反覆運算更新後的分類模型不符合所述預設的要求時，從所述資料庫中獲取更新後的歷史資料作為訓練樣本，在所述上一次反覆運算更新後的分類模型的基礎上繼續訓練所述神經網路，獲得當前更新的分類模型，對所述當前更新的分類模型進行下一次反覆運算更新。
5. 一種電腦可讀儲存介質，其中，所述電腦可讀儲存介質儲存有至少一個指令，所述至少一個指令被處理器執行時實現如請求項1至4中任意一項所述的遠程桌面閘道的調配方法。
6. 一種電腦裝置，其中，所述電腦裝置包括儲存器和至少一個處理器，所述儲存器中儲存有至少一個指令，所述至少一個指令被所述至少一個處理器執行時實現如請求項1至4中任意一項所述的遠程桌面閘道的調配方法。

Images