[發明專利]訓練分類器、預測應用性能擴展性的方法、設備

在審

• 申請號: 201911055704.8
• 申請日: 2019-10-31
• 公開（公告）號: CN112749724A
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 鄭寧馨;楊勇
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 上海百一領御專利代理事務所(普通合伙) 31243
• 代理人: 陳貞健;邵棟

本申請提供了一種預測應用性能擴展性的方案，該方案基于多個樣本應用的性能拓展信息進行聚類，并通過聚類結果和樣本應用的底層特征指標訓練分類器，在預測目標應用性能擴展性時，僅需要獲得目標應用在標準配置下的底層特征指標，無需在感知不同配置下的性能指標，因此應用場景不會受限于QoS?aware的場景，不僅可以適用于私有云環境，同樣也適用于公有云。并且處理過程中也不需要執行復制操作，而底層特征指標的采集開銷也遠小于復制操作，因此操作開銷小、不存在數據安全隱患。

技術領域

本申請涉及信息技術領域，尤其涉及一種訓練分類器、預測應用性能擴展性的方法、設備。

背景技術

資源配置是應用在云平臺上部署時的重要步驟，不合理的資源配置會造成資源浪費或者是應用QoS(Quality of Service，服務質量)無法滿足的情況。一次合理的資源配置往往會消耗大量的人力物力與時間，現有的資源配置方式存在下列問題：

1、為了解目標應用在不同配置下的性能表現，需要測試該應用在不同配置下的性能數據，這會消耗大量的資源與時間。且一旦目標應用或者運行環境有了更新或變化，之前的資源配置結果將會失效，需要重新為應用進行資源配置，這極大的拉低了效率，加大了人力、物力、時間成本。

2、在資源配置的過程中，需要技術人員對上層的目標應用以及底層的性能、系統等知識都有詳細的了解，才能保證規劃結果的合理性。這拉高了資源配置的技術門檻。

合理的資源配置的目的是在滿足性能要求的前提下，為應用規劃合理的配置，使得達到資源和性能之間的平衡，即不浪費資源也不會使得應用的QoS無法滿足要求。因此，預測應用性能的擴展性是進行合理資源配置的一項重要前提，若能夠準確、方便地預測應用性能擴展性，那么即可降低資源配置的成本和難度。

目前存在一種通過協同過濾的方式來預測應用擴展性的方法，該方案中擴展性預測的模型分為Offline與Online兩個部分。Offline的部分會分析一些已知應用集合中的應用(可以是基準應用或實際應用組成)。測量這些應用的在不同規格的配置下的性能，得到每個應用的性能擴展矩陣。當一個未知的目標應用到來，Online的部分會復制一份該目標應用到一臺新機器，在新機器上調整分配給該目標應用的資源，得到目標應用在某幾個配置下的性能指標，(即性能擴展矩陣中的幾個點)。最后使用協同過濾的方式，結合Offline部分保存下的各應用的性能擴展矩陣，將目標應用的已知的稀疏的性能擴展矩陣補全完整，得到目標應用的完整的性能擴展矩陣。但是該方案存在以下缺點：

1、只適用于QoS-aware的場景：上面提到的模型在預測應用的性能擴展矩陣時，需要以目標應用的性能擴展矩陣中的某幾個點的值為基礎，使用協同過濾補全。在獲取這幾個點的值的過程中，必須要能夠感知到目標應用在這些配置下的QoS，因此只適用于可以獲取到應用的性能情況的場景中，如私有云。

2、Online的部分在分析一個未知的目標應用時，需要復制該未知應用以及對應的請求到另一臺新機器中。上述操作開銷較大，且復制操作可能會引發用戶對數據安全的擔憂，不適用于公有云的場景。

綜上，現有的預測應用性能擴展性的方案中應用場景單一、操作開銷較大，且存在數據安全隱患。

申請內容

本申請的一個目的是提供一種訓練分類器以及預測應用性能擴展性的方案，用以解決現有方案中應用場景單一、操作開銷較大，且存在數據安全隱患的問題。

本申請實施例中提供了一種預測應用性能擴展性的方法，該方法包括：

采集目標應用在標準配置下的底層特征指標；