[發明專利]服務器性能預測方法和裝置

有效

• 申請號: 201710484892.0
• 申請日: 2017-06-23
• 公開（公告）號: CN109117352B
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 程捷;黃征;彭家駿
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06F11/34
• 分類號: G06F11/34
• 代理公司: 北京中博世達專利商標代理有限公司 11274
• 代理人: 申健

1.一種服務器性能預測方法，其特征在于，包括：

對第一訪問日志中的用戶請求進行過濾，得到第一請求序列；

根據所述第一請求序列得到對應的第一特征向量集合，所述第一特征向量集合中的每個特征向量對應于第一請求序列中的一個用戶請求，并且用于指示對應的用戶請求所屬的種類；

根據負載生成模型和所述第一特征向量集合得到預測請求序列，并根據所述預測請求序列和時間概率模型得到第二請求序列，所述預測請求序列用于指示預測的各個用戶請求所屬的種類，所述第二請求序列用于指示預測的各個用戶請求的時間序列；

根據性能預測模型和所述第二請求序列得到預測的服務器性能指標，所述性能預測模型用于指示用戶請求與服務器性能指標的對應關系。

2.根據權利要求1所述的方法，其特征在于，在所述對第一訪問日志中的用戶請求進行過濾，得到第一請求序列之前，所述方法還包括：

對第二訪問日志中的用戶請求進行過濾，得到第二請求序列；

根據所述第二請求序列得到對應的第二特征向量集合，所述第二特征向量集合中的每個特征向量對應于所述第二請求序列中的一個用戶請求，并且用于指示對應的用戶請求所屬的種類；

根據所述第二特征向量集合和目標函數對所述負載生成模型進行訓練；

根據所述第二請求序列構造所述時間概率模型。

3.根據權利要求2所述的方法，其特征在于，所述根據所述第二特征向量集合和目標函數對所述負載生成模型進行訓練，包括：

將所述第二特征向量集合按照時序順序排序，或者按照用戶排序；

將經排序后的第二特征向量集合劃分為長度均為M的子集合；

以各個子集合中的第1～a個特征向量作為輸入來獲取所述負載生成模型的模擬輸出，以第a+1～M個特征向量作為實際輸出；

將所述模擬輸出和所述實際輸出根據所述目標函數對所述負載生成模型進行訓練，其中，1＝aM，a、M為整數。

4.根據權利要求3所述的方法，其特征在于，所述目標函數為

其中，f_i(W)為所述目標函數，L(W)為所述模擬輸出，Y_i為所述實際輸出，W為所述負載生成模型的參數，g_j()函數用于統計所述模擬輸出或所述實際輸出的個數，λ為比例系數，i為向量標號，j為g_j()函數標號，所述模擬輸出的個數與所述實際輸出的個數相同。

5.根據權利要求3所述的方法，其特征在于，所述目標函數為

其中，f_i(W)為所述目標函數，L(W)為所述模擬輸出，Y_i為所述實際輸出，W為所述負載生成模型的參數，λ為比例系數，i為向量標號。

6.根據權利要求1所述的方法，其特征在于，在所述對第一訪問日志中的用戶請求進行過濾，得到第一請求序列之前，所述方法還包括：

對第三訪問日志中的用戶請求進行過濾，得到第三請求序列；

根據第三時間序列得到第三特征向量集合，所述第三特征向量集合包括至少一個N維特征向量，所述N維特征向量的一個維度對應一種用戶請求在單位時間窗口內的訪問次數；

根據所述第三訪問日志獲得與所述第三特征向量集合對應的性能指標；

根據所述第三特征向量集合和所述對應的性能指標對所述性能預測模型進行訓練。

7.一種服務器性能預測裝置，其特征在于，包括：

過濾單元，用于對第一訪問日志中的用戶請求進行過濾，得到第一請求序列；

獲取單元，用于根據所述過濾單元得到的第一請求序列得到對應的第一特征向量集合，所述第一特征向量集合中的每個特征向量對應于第一請求序列中的一個用戶請求，并且用于指示對應的用戶請求所屬的種類；

預測單元，用于根據負載生成模型和所述獲取單元得到的第一特征向量集合得到預測請求序列，并根據所述預測請求序列和時間概率模型得到預測的第二請求序列；

所述預測單元，還用于根據性能預測模型和所述第二請求序列得到預測的服務器性能指標。