[發明專利]空閑服務器資源發現方法、裝置、計算機設備和存儲介質

在審

• 申請號: 201811472413.4
• 申請日: 2018-12-04
• 公開（公告）號: CN109614231A
• 公開（公告）日: 2019-04-12
• 發明（設計）人: 汪建;王沛文;詹先;廖小文
• 申請（專利權）人: 廣東億迅科技有限公司
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06K9/62
• 代理公司: 深圳市精英專利事務所 44242
• 代理人: 馮筠

本申請涉及一種空閑服務器資源發現方法、裝置、計算機設備和存儲介質，其中該方法包括：獲取服務器資源的歷史指標數據；對所述歷史指標數據進行預處理，并計算各項歷史指標數據的均值和方差；將所述各項歷史指標數據的均值和方差輸入SVM分類模型進行模型訓練，得到訓練好的預測模型；根據所述訓練好的預測模型對當前服務器的空閑資源進行預測。本發明實現了對空閑服務器預測，進而發現空閑的服務器資源并對其進行回收，提高資源的使用率，并最終為公司節省成本。

技術領域

本發明涉及計算機技術領域，特別是涉及一種空閑服務器資源發現方法、裝置、計算機設備和存儲介質。

背景技術

目前，對于IT相關的大企業，隨著業務的不斷發展和越來越多的信息化，導致公司在線上和線下的服務器都大量增加，而服務器資源的成本對公司來說是一筆很大的成本，在不影響業務正常運作的情況下如果能將服務器資源使用率提高，這無疑將為公司節省大量成本大量金錢。

在傳統技術中，對于線上生產的服務器我們無法對其節省回收，但對于線下的服務器，比如很多項目組申請用于開發測試或其他臨時申請使用的服務器，則是我們回收的目標。這些服務器很多都是使用一段時間后就不再需要，但申請者并不會主動返還，這時就會導致很多空閑的服務器資源被占用，從而導致了資源浪費，而另外一邊公司不夠資源又繼續大量采購，從而導致很多額外的成本。

發明內容

基于此，有必要針對上述技術問題，提供一種實現對空閑服務器預測，進而發現空閑的服務器資源的空閑服務器資源發現方法、裝置、計算機設備和存儲介質。

一種空閑服務器資源發現方法，所述方法包括：

獲取服務器資源的歷史指標數據；

對所述歷史指標數據進行預處理，并計算各項歷史指標數據的均值和方差；

將所述各項歷史指標數據的均值和方差輸入SVM分類模型進行模型訓練，得到訓練好的預測模型；

根據所述訓練好的預測模型對當前服務器的空閑資源進行預測。

在其中一個實施例中，所述獲取服務器資源的歷史指標數據的步驟包括：

從服務器上收集歷史指標數據，所述歷史指標數據包括：CPU使用率、內存使用率、磁盤IO閑置率、網絡連接數及網卡流量。

在其中一個實施例中，所述對所述歷史指標數據進行預處理，并計算各項歷史指標數據的均值和方差的步驟包括：

通過小波變換對所述歷史指標數據進行降噪處理；

分別計算處理后的CPU使用率、內存使用率、磁盤IO閑置率、網絡連接數及網卡流量的均值和方差，得到十個模型訓練輸入特征。

在其中一個實施例中，所述根據所述訓練好的預測模型對當前服務器的空閑資源進行預測的步驟包括：

計算服務器當前時段的CPU使用率、內存使用率、磁盤IO閑置率、網絡連接數及網卡流量的均值和方差，得到十個輸入項；

將所述十個輸入項輸入到所述訓練好的預測模型得到當前服務器的空閑資源的預測結果。

一種空閑服務器資源發現裝置，所述裝置包括：

獲取模塊，所述獲取模塊用于獲取服務器資源的歷史指標數據；

預處理模塊，所述預處理模塊用于對所述歷史指標數據進行預處理，并計算各項歷史指標數據的均值和方差；

訓練模塊，所述訓練模塊用于將所述各項歷史指標數據的均值和方差輸入SVM分類模型進行模型訓練，得到訓練好的預測模型；

預測模塊，所述預測模塊用于根據所述訓練好的預測模型對當前服務器的空閑資源進行預測。