一种基于机器学习的智能任务调度方法及系统、装置、介质

本申请涉及工作流引擎与智能编排技术领域，涉及一种基于机器学习的智能任务调度方法及系统、装置、介质。所述方法包括：通过多种数据源采集任务运行事件和时序指标数据；将采集的数据构建任务特征向量，写入时序数据库和特征仓库；基于所述特征仓库中的数据，离线训练机器学习模型；将训练完成的模型封装为微服务，并通过接口提供给智能编排引擎；在流程设计阶段，基于模型输出推荐任务执行顺序和并发策略；在任务运行时，根据模型预测结果向容器调度器提供调度建议；收集任务实际执行结果和资源消耗数据，用于模型的周期性更新或在线微调。本发明利用机器学习模型进行任务调度预测与资源分配优化，减少人工配置与经验依赖，提升了业务运营效率。