[發(fā)明專利]一種云計算資源彈性伸縮的方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010885509.4
• 申請日: 2020-08-28
• 公開（公告）號: CN112217858A
• 公開（公告）日: 2021-01-12
• 發(fā)明（設(shè)計）人: 楊光龍
• 申請（專利權(quán)）人: 北京思特奇信息技術(shù)股份有限公司
• 主分類號: H04L29/08
• 分類號: H04L29/08;G06N3/04;G06N3/08
• 代理公司: 北京匯信合知識產(chǎn)權(quán)代理有限公司 11335
• 代理人: 林聰源

本發(fā)明公開了一種云計算資源彈性伸縮的方法和系統(tǒng)，所述方法包括對歷史性能數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，獲得第一樣本集；基于時間序列預(yù)測法對第一樣本集進(jìn)行訓(xùn)練，獲得時間序列模型；為第一樣本集定義預(yù)測區(qū)間，并建立第二標(biāo)簽，獲得第三樣本集；基于神經(jīng)網(wǎng)絡(luò)訓(xùn)練第三樣本集，獲得神經(jīng)網(wǎng)絡(luò)模型；判斷當(dāng)前性能數(shù)據(jù)處于預(yù)測區(qū)間時,基于時間序列模型分析當(dāng)前性能數(shù)據(jù)，獲得第一分析結(jié)果；基于神經(jīng)網(wǎng)絡(luò)模型分析當(dāng)前性能數(shù)據(jù)，獲得第二分析結(jié)果；根據(jù)第一分析結(jié)果對第二分析結(jié)果進(jìn)行測試和評估，獲得第三分析結(jié)果。通過時間序列模型分析的第一分析結(jié)果對神經(jīng)網(wǎng)絡(luò)模型的第二分析結(jié)果進(jìn)行測試和評估，以提高第三分析結(jié)果的準(zhǔn)備性和穩(wěn)定性。

技術(shù)領(lǐng)域

本發(fā)明涉及云計算技術(shù)領(lǐng)域，具體涉及一種云計算資源彈性伸縮的方法和系統(tǒng)。

背景技術(shù)

隨著云計算技術(shù)的飛速發(fā)展，各地越來越重視云計算服務(wù)產(chǎn)業(yè)，紛紛將云計算服務(wù)作為國家軟件產(chǎn)業(yè)快速發(fā)展的新機遇。云計算服務(wù)已成為我國國家發(fā)展戰(zhàn)略之一，它為中國經(jīng)濟引擎帶來了新的動力，同時，也帶來了新的挑戰(zhàn)。云計算平臺作為一種新興的資源使用平臺，已形成了比較成熟的服務(wù)模式，更多的用戶可以共享使用資源。

在云計算中，在業(yè)務(wù)不同時期對于資源的需求不同，云計算資源彈性伸縮可以根據(jù)業(yè)務(wù)需求和策略調(diào)整計算資源。云計算資源的容量需求隨業(yè)務(wù)的變化而變化，計算資源需求量較大時，計算資源緊張，容量需要快速增加，簡稱擴容；計算資源需求量較小時，大量資源空閑，為了高效利用資源，容量需要快速減少，簡稱縮容。常見的彈性伸縮產(chǎn)品有云服務(wù)器，云數(shù)據(jù)庫，云存儲，不同的云計算產(chǎn)品使用不同的性能監(jiān)測指標(biāo)，例如，云服務(wù)器的CPU利用率、內(nèi)存利用率等。

目前很多云計算產(chǎn)品都實現(xiàn)了彈性伸縮功能，但是實現(xiàn)的彈性伸縮基本都是規(guī)則簡單，例如基于定時策略、周期策略和闕值策略，所述規(guī)則的粒度較粗，無法適應(yīng)業(yè)務(wù)的穩(wěn)定、消耗的成本、資源的使用率的需求，沒有考慮到通過歷史數(shù)據(jù)對彈性伸縮進(jìn)行預(yù)測。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)中的上述技術(shù)問題，本發(fā)明提供一種云計算資源彈性伸縮的方法和系統(tǒng)，通過對歷史性能數(shù)據(jù)的分析，建立預(yù)測模型，通過預(yù)測模型對當(dāng)前性能數(shù)據(jù)進(jìn)行分析，從而控制云計算資源的彈性伸縮，以維護(hù)業(yè)務(wù)的穩(wěn)定性和提高資源使用率。

本發(fā)明公開了一種云計算資源彈性伸縮的方法，所述方法包括：

獲取云計算的歷史性能數(shù)據(jù)；

對所述歷史性能數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，獲得第一樣本集；

基于時間序列預(yù)測法對第一樣本集進(jìn)行訓(xùn)練，獲得時間序列模型；

為第一樣本集定義預(yù)測區(qū)間，并建立第二標(biāo)簽，獲得第三樣本集，所述第二標(biāo)簽包括擴容標(biāo)簽和縮容標(biāo)簽；

基于神經(jīng)網(wǎng)絡(luò)訓(xùn)練第三樣本集，獲得神經(jīng)網(wǎng)絡(luò)模型；

獲取當(dāng)前性能數(shù)據(jù)；

判斷當(dāng)前性能數(shù)據(jù)是否處于預(yù)測區(qū)間；

若是，基于時間序列模型分析當(dāng)前性能數(shù)據(jù)，獲得第一分析結(jié)果；

基于神經(jīng)網(wǎng)絡(luò)模型分析當(dāng)前性能數(shù)據(jù)，獲得第二分析結(jié)果；

根據(jù)第一分析結(jié)果對第二分析結(jié)果進(jìn)行測試和評估，獲得第三分析結(jié)果；

基于第三分析結(jié)果進(jìn)行云計算資源擴容或縮容。

優(yōu)選的，所述第一樣本集的區(qū)間包括極低區(qū)間、極高區(qū)間和預(yù)測區(qū)間；

判斷當(dāng)前性能數(shù)據(jù)處于極低區(qū)間時，進(jìn)行云計算資源縮容；

判斷當(dāng)前性能數(shù)據(jù)處于極高區(qū)間時，進(jìn)行云計算資源擴容。

優(yōu)選的，獲得時間序列模型的方法包括：

根據(jù)第一樣本集編制時間序列，根據(jù)時序序列繪成統(tǒng)計圖；