[發明專利]一種基于動態分析模型的虛擬機資源使用率分析方法

在審

• 申請號: 202010594758.8
• 申請日: 2020-06-28
• 公開（公告）號: CN111488200A
• 公開（公告）日: 2020-08-04
• 發明（設計）人: 楊陽;湯浩然;韓晨陽
• 申請（專利權）人: 四川新網銀行股份有限公司
• 主分類號: G06F9/455
• 分類號: G06F9/455;G06F9/50
• 代理公司: 成都智言知識產權代理有限公司 51282
• 代理人: 濮云杉

1.一種基于動態分析模型的虛擬機資源使用率分析方法，其特征包括：

a.對主機A進行間隔時間采集瞬時資源使用率，通過克隆系統得到當前一段時間CPU使用率D和內存使用率E，將CPU使用率D、內存使用率 E和主機A的標簽對象作為同一條數據存入分析引擎；

b.根據當前一段時間的CPU使用率D和內存使用率E，通過分析引擎計算對應的CPU平均使用率D1和內存平均使用率E1，再通過CPU平均使用率D1和內存平均使用率E1的比值，得到當前動態權重比值G;

c.根據主機A當前一段時間的CPU使用率D和內存使用率E，通過動態預測算法，得到相對應的一段時間的CPU未來使用率J和內存未來使用率K;

d.根據得到的一段時間的CPU未來使用率J和內存未來使用率K,計算出這段時間的CPU未來使用率J的未來使用率均值Jm和這段時間的內存未來使用率K的未來使用率均值Km,再通過所述CPU未來使用率均值Jm和內存未來使用率均值Km的比值，得到未來動態權重比值I;

e.根據主機A的服務類型標簽與實現約定服務類型的基礎權重，得到基礎權重比值F；

f.通過當前動態權重比值G、未來動態權重比值I和基礎權重比值F，得到當前資源使用率分析值L，以及未來的資源使用率分析值M。

2.如權利要求1所述的一種基于動態分析模型的虛擬機資源使用率分析方法，其特征為：步驟a中所述通過克隆系統得到CPU使用率D和內存使用率E包括：通過克隆系統Linux中的vmstat命令獲取所述的CPU使用率D，通過克隆系統Linux中的free命令獲得所述的內存使用率E。

3.如權利要求1所述的一種基于動態分析模型的虛擬機資源使用率分析方法，其特征為：步驟c中所述的動態預測算法得到CPU未來使用率J和內存未來使用率K包括：根據fbprophet時序預測模型:y(t)=,其中g(t)表示趨勢項,s(t)表示周期或季節項,h(t)表示節假日項,表示符合高斯分布的誤差,根據得出并記錄的一段時間的CPU使用率D和內存使用率E作為訓練集，分別代入所述的fbprophet時序預測模型進行訓練，從而通過該模型分別預測出與CPU使用率D對應的CPU未來使用率J以及與內存使用率 E對應的內存未來使用率K。

4.如權利要求1所述的一種基于動態分析模型的虛擬機資源使用率分析方法，其特征為：步驟 f包括：

根據分式形式的當前動態權重比值G,通過（G的分子）/(G的分母+G的分子)得到CPU使用率D的當前動態權重G1，通過(G的分母)/(G的分母+G的分子)得到內存使用率E的當前動態權重G2;

根據分式形式的未來動態權重比值I,通過(I的分子)/(I的分母+I的分子)得到CPU使用率D的未來動態權重I1，通過(I的分母)/(I的分母+I的分子)得到內存使用率E的未來動態權重I2;

根據分式形式的基礎權重比值F,通過(F的分子)/(F的分母+F的分子)得到CPU靜態初始權重F1，通過(F的分母)/(F的分母+F的分子)得到內存靜態初始權重F2；

通過公式G1×F1×D + G2×F2×E，得到當前的資源使用率分析值L；

通過公式I1×F1×D + I2×F2×E，得到未來的資源使用率分析值M。