[發(fā)明專利]一種云產(chǎn)品資源的消耗預(yù)測方法和裝置

在審

• 申請?zhí)枺?/td>: 201910120855.0
• 申請日: 2019-02-18
• 公開（公告）號: CN111582530A
• 公開（公告）日: 2020-08-25
• 發(fā)明（設(shè)計）人: 余弦涵;孟憲
• 申請（專利權(quán)）人: 北京京東尚科信息技術(shù)有限公司;北京京東世紀(jì)貿(mào)易有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F9/50
• 代理公司: 北京德琦知識產(chǎn)權(quán)代理有限公司 11018
• 代理人: 謝安昆;宋志強

1.一種云產(chǎn)品資源的消耗預(yù)測方法，其特征在于，該方法包括：

預(yù)先根據(jù)云產(chǎn)品線、互聯(lián)網(wǎng)數(shù)據(jù)中心IDC、和資源類型對云產(chǎn)品資源進行分類；

獲取每類云產(chǎn)品資源在當(dāng)前周期之前連續(xù)多個周期的資源消耗數(shù)據(jù)；

對每類云產(chǎn)品資源在當(dāng)前周期之前連續(xù)多個周期的資源消耗數(shù)據(jù)進行預(yù)處理，并對預(yù)處理后的資源消耗數(shù)據(jù)進行平穩(wěn)性和純隨機性檢驗，根據(jù)平穩(wěn)性和純隨機性檢驗結(jié)果確定針對該類云產(chǎn)品資源的資源消耗預(yù)測模型；

使用針對每類云產(chǎn)品資源的資源消耗預(yù)測模型預(yù)測該類云產(chǎn)品資源在當(dāng)前周期之后連續(xù)N個周期的資源消耗數(shù)據(jù)，并根據(jù)該類云產(chǎn)品資源在當(dāng)前周期之前N個周期的資源消耗數(shù)據(jù)、在當(dāng)前周期的資源消耗數(shù)據(jù)、以及預(yù)測的在當(dāng)前周期之后N個周期的資源消耗數(shù)據(jù)，推算該類云產(chǎn)品資源在當(dāng)前周期之后N個周期的資源消耗數(shù)據(jù)，將推算結(jié)果作為對該類云產(chǎn)品資源的消耗預(yù)測結(jié)果；其中N是正整數(shù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，

對每類云產(chǎn)品資源在當(dāng)前周期之前連續(xù)多個周期的資源消耗數(shù)據(jù)進行預(yù)處理，包括：

將該類云資源產(chǎn)品在當(dāng)前周期之間連續(xù)多個周期的資源消耗數(shù)據(jù)，按照時間順序組成一個時間序列；

對該時間序列進行顯著非零檢驗，如果該時間序列不具備顯著非零特性，則終止對該類云產(chǎn)品資源的消耗預(yù)測；

找出該時間序列中的奇異點，對于因數(shù)據(jù)缺失產(chǎn)生的奇異點，利用移動平均法或拉格朗日插值法對該時間序列中的奇異點進行數(shù)據(jù)補全，對于因數(shù)據(jù)突變導(dǎo)致的奇異點，則先刪除該奇異點數(shù)值，再利用移動平均法或拉格朗日插值法對該時間序列中的奇異點進行數(shù)據(jù)補全。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，

找出該時間序列中因數(shù)據(jù)突變導(dǎo)致的奇異點的方法為：計算該時間序列中的數(shù)據(jù)的均值和方差，根據(jù)該時間序列中的數(shù)據(jù)的均值和方差確定該時間序列中的每個數(shù)據(jù)的標(biāo)準(zhǔn)分?jǐn)?shù)，如果該數(shù)據(jù)的標(biāo)準(zhǔn)分?jǐn)?shù)超過預(yù)設(shè)閾值，則確定該數(shù)據(jù)所屬時間點是該時間序列中的一個奇異點，否則，確定該數(shù)據(jù)所屬時間點不是該時間序列中的奇異點。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，

對預(yù)處理后的資源消耗數(shù)據(jù)進行平穩(wěn)性和純隨機性檢驗，包括：

對于經(jīng)過顯著非零檢驗和奇異點數(shù)據(jù)補全的時間序列，使用單位根檢驗法判斷該時間序列是否是具有平穩(wěn)性；

如果該時間序列具有平穩(wěn)性，則進一步判斷時間序列中的數(shù)據(jù)量，當(dāng)數(shù)據(jù)量超過預(yù)設(shè)閾值時，基于Q統(tǒng)計量判斷該時間序列是否具有純隨機性，當(dāng)數(shù)據(jù)量不超過預(yù)設(shè)閾值時，基于LB統(tǒng)計量判斷該時間序列是否具有純隨機性。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，

根據(jù)平穩(wěn)性和純隨機性檢驗結(jié)果選擇針對該類云產(chǎn)品資源的資源消耗預(yù)測模型的方法為：

如果該時間序列具有平穩(wěn)性和純隨機性，則根據(jù)自相關(guān)函數(shù)和偏自相關(guān)函數(shù)生成該時間序列的自相關(guān)圖和偏自相關(guān)圖，并根據(jù)該時間序列的自相關(guān)圖和偏自相關(guān)圖確定該類云產(chǎn)品資源的資源消耗預(yù)測模型；

如果該時間序列具有非平穩(wěn)性，則將ARIMA模型確定為該類云產(chǎn)品資源的資源消耗預(yù)測模型，并將指數(shù)平滑Holt-Winters模型作為使用ARIMA模型預(yù)測該類云產(chǎn)品資源失敗時的替代資源消耗預(yù)測模型。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，

根據(jù)該時間序列的自相關(guān)圖和偏自相關(guān)圖確定該類云產(chǎn)品資源的資源消耗預(yù)測模型的方法為：

如果該時間序列的自相關(guān)圖顯示自相關(guān)系數(shù)拖尾，且偏自相關(guān)圖顯示偏自相關(guān)系數(shù)截尾，則確定該時間序列是AR序列，將AR模型確定為該類云產(chǎn)品資源的資源消耗預(yù)測模型；

如果該時間序列的自相關(guān)圖顯示自相關(guān)系數(shù)截尾，且偏自相關(guān)圖顯示偏自相關(guān)系數(shù)拖尾，則確定該時間序列是MA序列，將MA模型確定為該類云產(chǎn)品資源的資源消耗預(yù)測模型；

如果該時間序列的自相關(guān)圖和偏自相關(guān)圖顯示自相關(guān)系數(shù)和偏自相關(guān)系數(shù)均拖尾，則確定該時間序列是ARMA序列，將ARMA模型確定該該類云產(chǎn)品資源的資源消耗預(yù)測模型。