[發明專利]一種確定虛擬機負載的實現方法和裝置有效
| 申請號： | 201710625231.5 | 申請日： | 2017-07-27 |
| 公開（公告）號： | CN107391230B | 公開（公告）日： | 2021-03-09 |
| 發明（設計）人： | 李新虎;于輝 | 申請（專利權）人： | 蘇州浪潮智能科技有限公司 |
| 主分類號： | G06F9/455 | 分類號： | G06F9/455;G06N3/08 |
| 代理公司： | 北京安信方達知識產權代理有限公司 11262 | 代理人： | 李丹 |
| 地址： | 215100 江蘇省蘇州市吳*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 確定 虛擬機 負載 實現 方法 裝置 | ||
1.一種確定虛擬機負載的實現方法，其特征在于，所述方法包括：
基于虛擬機負載監控數據樣本對預建的反向傳播BP神經網絡模型進行訓練，以獲得BP神經網絡負載確定模型；
計算預設時間段內各項監控資源的平均使用量信息；
將所述平均使用量信息輸入所述BP神經網絡負載確定模型以確定所述虛擬機負載；
其中，所述基于虛擬機負載監控數據樣本對預建的反向傳播BP神經網絡模型進行訓練包括：
將多個所述虛擬機負載監控數據樣本P以多維輸入向量的形式輸入所述BP神經網絡模型；
所述多維輸入向量經過所述BP神經網絡模型的各層后輸出虛擬機負載值；其中，所述多維輸入向量為四維輸入向量；
所述四維輸入向量包括：P＝{c，m，s，n}；
其中，c表示CPU負載比例、m表示內存負載比例、s表示磁盤IO負載比例、n表示網絡帶寬負載比例；
所述BP神經網絡模型包括：輸入層、隱含層和輸出層；
其中，所述輸入層包含4個神經元，所述隱含層包含4個神經元，所述輸出層包含1個神經元。
2.根據權利要求1所述的確定虛擬機負載的實現方法，其特征在于，所述計算預設時間段內各項監控資源的平均使用量信息包括：
從預設的監控數據存儲模塊獲取自當前時刻向前推得到的所述預設時間段內的所述各項監控資源的負載監控數據；
計算獲取的所述各項監控資源的負載監控數據的平均值，作為所述各項監控資源的平均使用量信息。
3.根據權利要求1-2任意一項所述的確定虛擬機負載的實現方法，其特征在于，所述各項監控資源包括：中央處理器CPU、內存、網絡輸入輸出IO和/或磁盤IO。
4.一種確定虛擬機負載的實現裝置，其特征在于，所述裝置包括：訓練模塊、計算模塊和確定模塊；
所述訓練模塊，用于基于虛擬機負載監控數據樣本對預建的反向傳播BP神經網絡模型進行訓練，以獲得BP神經網絡負載確定模型；
所述計算模塊，用于計算預設時間段內各項監控資源的平均使用量信息；
所述確定模塊，用于將所述平均使用量信息輸入所述BP神經網絡負載確定模型以確定所述虛擬機負載；
其中，所述訓練模塊基于虛擬機負載監控數據樣本對預建的反向傳播BP神經網絡模型進行訓練包括：
將多個所述虛擬機負載監控數據樣本P以多維輸入向量的形式輸入所述BP神經網絡模型；
所述多維輸入向量經過所述BP神經網絡模型的各層后輸出虛擬機負載值；所述多維輸入向量為四維輸入向量；
所述四維輸入向量包括：P＝{c，m，s，n}；
其中，c表示CPU負載比例、m表示內存負載比例、s表示磁盤IO負載比例、n表示網絡帶寬負載比例；
所述BP神經網絡模型包括：輸入層、隱含層和輸出層；
其中，所述輸入層包含4個神經元，所述隱含層包含4個神經元，所述輸出層包含1個神經元。
5.根據權利要求4所述的確定虛擬機負載的實現裝置，其特征在于，所述計算模塊計算預設時間段內各項監控資源的平均使用量信息包括：
從預設的監控數據存儲模塊獲取自當前時刻向前推得到的所述預設時間段內的所述各項監控資源的負載監控數據；
計算獲取的所述各項監控資源的負載監控數據的平均值，作為所述各項監控資源的平均使用量信息。
6.根據權利要求4-5任意一項所述的確定虛擬機負載的實現裝置，其特征在于，所述各項監控資源包括：中央處理器CPU、內存、網絡輸入輸出IO和/或磁盤IO。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于蘇州浪潮智能科技有限公司，未經蘇州浪潮智能科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710625231.5/1.html，轉載請聲明來源鉆瓜專利網。
