本发明提供了一种基于机器学习技术的微服务任务调度技术，可通过将数据位置及特征和计算任务类型或特征输入任务调度器，以机器学习预测的方式给出任务运行节点，该技术可支持云‑边协同环境下的任务管理。在智慧城市等应用领域，计算密集和数据密集任务已不单由数据中心计算集群承担，而是由云端和边缘端计算节点有效分担任务、共同完成，以便于在高性能、高可用和低延迟等方面取得良好的折衷。在云端和边缘端进行有效的任务调度，实现协同计算和数据处理，可将计算密集任务的效率大幅提升，而如何实现调度策略时目前的主要问题。本项发明提出了一种通过机器学习优化计算，实现基于数据、计算任务类型和特征来判断对应的微服务（即计算任务）的执行位置的技术。该技术可有效判断相对优化的任务执行位置，并能够综合考虑计算效能、数据延迟、数据本地化等性能指标，可作为智慧城市算力平台任务调度系统的策略管理插件来提升系统整体运行效率。