[發明專利]基于大規模分布式運維系統的機房資源預測方法及裝置

在審

• 申請號: 201911285148.3
• 申請日: 2019-12-13
• 公開（公告）號: CN112988371A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 劉宇;張小虎;嚴永峰;陳清陽
• 申請（專利權）人: 天翼電子商務有限公司
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06N3/04;G06N3/08
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 陳珊珊

本發明提供基于大規模分布式運維系統的機房資源預測方法及裝置。基于大規模分布式運維系統的機房資源預測方法包括：以各機房服務器為結點，以各所述機房服務器被共用的關系為邊，以各所述機房服務器自身配置為屬性，構建機房圖；對所述機房圖的所有結點進行向量表示；通過各結點向量、各所述機房服務器自身配置及資源使用率組成的時間序列，對未來各所述機房服務器的資源使用率進行預測，以在各所述機房服務器的高峰使用時間段進行預警。本發明能夠準確地預測出機房未來資源使用率的情況，從而便于大規模分布式運維系統后續為機房分配相應的資源，進而提高運維效率。

技術領域

本發明涉及運維技術領域，特別是涉及基于大規模分布式運維系統的機房資源預測方法及裝置。

背景技術

隨著大數據時代的到來，人工智能、云計算技術日漸成熟和火熱，傳統的運維系統已經不能滿足日益增長的需求，智能運維技術成為了大數據時代的熱門話題。目前，越來越多的運維系統逐漸發展成了分布廣、規模大的大規模分布式運維系統。如何高效提升大規模分布式運維系統的運維效率，降低運維成本，維護業務的穩定執行是一個不能忽視的任務。

然而，現有的大規模分布式運維系統缺少機房資源的預測與分配機制，阻礙了運維效率的進一步提升。

發明內容

鑒于以上所述現有技術的缺點，本發明的目的在于提供基于大規模分布式運維系統的機房資源預測方法及裝置，為大規模分布式運維系統添加機房資源的預測與分配機制，從而提高運維效率。

為實現上述目的及其他相關目的，本發明提供一種基于大規模分布式運維系統的機房資源預測方法，包括：以各機房服務器為結點，以各所述機房服務器被共用的關系為邊，以各所述機房服務器自身配置為屬性，構建機房圖；對所述機房圖的所有結點進行向量表示；通過各結點向量、各所述機房服務器自身配置及資源使用率組成的時間序列，對未來各所述機房服務器的資源使用率進行預測，以在各所述機房服務器的高峰使用時間段進行預警。

于本發明一實施例中，對所述機房圖的所有結點進行向量表示的實現方式包括：通過DeepWalk算法在所述機房圖中隨機游走；通過Skip-gram模型對游走序列進行訓練；通過多輪迭代得到每個所述結點的嵌入表示。

于本發明一實施例中，所述對未來資源使用率進行預測之前的訓練采用長短時記憶網絡來實現；所述長短時記憶網絡的輸入特征包括：各所述結點向量、各所述機房服務器自身配置及資源使用率。

于本發明一實施例中，所述方法還包括：基于預測得到的各所述機房服務器的資源使用率趨勢，提供資源分配方案。

為實現上述目的及其他相關目的，本發明提供一種基于大規模分布式運維系統的機房資源預測裝置，包括：機房網絡構建模塊，用于以各機房服務器為結點，以各所述機房服務器被共用的關系為邊，以各所述機房服務器自身配置為屬性，構建機房圖；機房網絡圖嵌入模塊，用于對所述機房圖的所有結點進行向量表示；時間序列預測模塊，用于通過各結點向量、各所述機房服務器自身配置及資源使用率組成的時間序列，對未來各所述機房服務器的資源使用率進行預測，以在各所述機房服務器的高峰使用時間段進行預警。

于本發明一實施例中，對所述機房圖的所有結點進行向量表示的實現方式包括：通過DeepWalk算法在所述機房圖中隨機游走；通過Skip-gram模型對游走序列進行訓練；通過多輪迭代得到每個所述結點的嵌入表示。

于本發明一實施例中，所述時間序列預測模塊對未來資源使用率進行預測之前的訓練采用長短時記憶網絡來實現；所述長短時記憶網絡的輸入特征包括：各所述結點向量、各所述機房服務器自身配置及資源使用率。

于本發明一實施例中，所述裝置還包括：資源調度分配模塊，用于基于預測得到的各所述機房服務器的資源使用率趨勢，提供資源分配方案。