[發明專利]負載預測方法與電子裝置

在審

• 申請號: 201210428291.5
• 申請日: 2012-10-31
• 公開（公告）號: CN103795558A
• 公開（公告）日: 2014-05-14
• 發明（設計）人: 黃柏崴;王堃瑋;彭文志;李仲智;劉得彥
• 申請（專利權）人: 英業達科技有限公司;英業達股份有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24;H04L29/08
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 駱希聰

技術領域

本發明是有關于一種資源管理技術，且特別是有關于一種負載預測方法與電子裝置。

背景技術

隨著計算機運算能力的進步，生活中無時無刻都在累積大量信息，例如使用者消費行為信息、路況信息、感測數據等。面對如此大量的數據，運用云端運算的能力來分析大量數據扮演著愈來愈重要的角色。許多提供運算能力的云端服務提供者因應而生，例如著名的云端服務提供者Amazon?Elastic?Compute?Cloud(Amazon?EC2)。Amazon?EC2是一種網絡服務，其主要功能是在云端運算平臺上提供各種規模的計算能力，提供開發人員一個便利的運算環境來執行大規模的運算。

然而，上述云端運算平臺的系統資源配置方式，實際上并不能完全符合使用者的需求，例如系統資源無法被充分運用等。因此為了提升使用者的滿意度以及云端運算平臺的整體運算效能，通常會在云端運算平臺中，建構動態資源管理機制，以有效地調配資源給所有使用者。

目前的資源管理機制例如是透過負載預測（Load?prediction）的方式來達成，其中常見的負載預測方法例如是回歸分析方法與類神經網絡方法。回歸分析方法是根據歷史數據來找出最接近數據的多項式，但由于一般回歸分析方法會使用多維數據來進行分析，且需要記錄各種數據來增加準確度，因此需要耗費電腦系統較大的儲存空間與系統資源。此外，類神經網絡（Artificial?Neural?Network，ANN）則會不斷修正預測模型，且必須根據已修正的預測模型來預測下一時間點上負載的預測值，因此亦不適合拿來進行長時間后的負載預測。

承上述，如何有效地調配系統中的資源配置，儼然已成為制造者亟欲解決的問題之一。

發明內容

本發明提供一種負載預測方法與電子裝置，其可有效地預測電子裝置的資源負載記錄，而提升電子裝置的工作效能。

本發明提出一種負載預測方法，用于電子裝置。在負載預測方法中，分別在多個時間周期記錄多個資源負載記錄。將每一個時間周期劃分為多個時間區段，使得每一所述資源負載記錄劃分成多個數據片段。對每一個時間區段在所述時間周期內的所述數據片段進行群集分析（Clustering?analysis），以將每一個時間區段內的所述數據片段分群成多個群集。自每一個時間區段內的所述群集中，選取筆數最多的其中的一群集。計算被選擇的群集所包括的數據片段的平均值，以作為每一個時間區段的預測值。

在本發明的一實施例中，上述的負載預測方法，更包括接收預測時間點，以及在所述時間區段中選擇預測時間點對應的其中一時間區段，而獲得被選擇的時間區段的預測值。

在本發明的一實施例中，上述在分別在所述時間周期記錄電子裝置的所述資源負載記錄的步驟中，包括在每一個時間周期中，依據一取樣速率取得所述資源負載記錄。因此，每一筆資源負載記錄包括多個資源使用量。

在本發明的一實施例中，上述在對每一個時間區段在所述時間周期內的所述數據片段進行群集分析的步驟中，包括計算每一個時間區段內的各數據片段之間的相似度，并依據相似度進行群集分析。

本發明提出一種電子裝置，其包括記錄模塊、劃分模塊、分群模塊、選擇模塊以及計算模塊。記錄模塊分別在多個時間周期記錄電子裝置的多個資源負載記錄。劃分模塊將每一個時間周期劃分為多個時間區段，使得每一所述資源負載記錄劃分成多個數據片段。分群模塊對每一個時間區段在所述時間周期內的所述數據片段進行群集分析，用以將每一個時間區段內的所述數據片段分群成多個群集。選擇模塊自每一個時間區段內的所述群集中，選取筆數最多的其中的一群集。計算模塊用以計算被選擇的群集所包括的數據片段的平均值，以作為每一個時間區段的預測值。

在本發明的一實施例中，上述的電子裝置更包括接收模塊以及預測模塊。接收模塊接收預測時間點。預測模塊耦接于接收模塊，以在所述時間區段中選擇預測時間點對應的其中一時間區段，而獲得被選擇的時間區段的預測值。

在本發明的一實施例中，上述的記錄模塊在每一個時間周期中，依據一取樣速率取得一資源負載記錄。

在本發明的一實施例中，上述的分群模塊計算每一個時間區段內的各數據片段之間的相似度，并依據相似度進行群集分析。