[發(fā)明專利]服務(wù)器內(nèi)存容量預(yù)測方法及裝置

在審

• 申請?zhí)枺?/td>: 202010926803.5
• 申請日: 2020-09-07
• 公開（公告）號: CN112114963A
• 公開（公告）日: 2020-12-22
• 發(fā)明（設(shè)計）人: 邵玉杰
• 申請（專利權(quán)）人: 中國銀行股份有限公司
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06N3/04;G06N3/08
• 代理公司: 北京三友知識產(chǎn)權(quán)代理有限公司 11127
• 代理人: 呂俊剛;吳學(xué)鋒

1.一種基于服務(wù)器內(nèi)存容量預(yù)測方法，其特征在于，包括：

獲得內(nèi)存使用量數(shù)據(jù)和對應(yīng)的時間點(diǎn)數(shù)據(jù)；

將所述內(nèi)存使用量數(shù)據(jù)和對應(yīng)的時間點(diǎn)數(shù)據(jù)輸入訓(xùn)練好的LSTM神經(jīng)網(wǎng)絡(luò)模型，預(yù)測服務(wù)器內(nèi)存容量，所述LSTM神經(jīng)網(wǎng)絡(luò)模型根據(jù)內(nèi)存歷史使用量數(shù)據(jù)和對應(yīng)的歷史時間點(diǎn)數(shù)據(jù)進(jìn)行訓(xùn)練。

2.如權(quán)利要求1所述的服務(wù)器內(nèi)存容量預(yù)測方法，其特征在于，在獲得內(nèi)存使用量數(shù)據(jù)和對應(yīng)的時間點(diǎn)數(shù)據(jù)之后，對所述內(nèi)存使用量數(shù)據(jù)和對應(yīng)的時間點(diǎn)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，包括：

對內(nèi)存使用量數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗；

對清洗后的內(nèi)存使用量數(shù)據(jù)和對應(yīng)的時間點(diǎn)數(shù)據(jù)進(jìn)行插值，得到設(shè)定時間間隔的內(nèi)存使用量數(shù)據(jù)和對應(yīng)的時間點(diǎn)數(shù)據(jù)。

3.如權(quán)利要求1所述的服務(wù)器內(nèi)存容量預(yù)測方法，其特征在于，按如下方式訓(xùn)練LSTM神經(jīng)網(wǎng)絡(luò)模型：

獲得預(yù)設(shè)時刻的內(nèi)存歷史使用量數(shù)據(jù)和對應(yīng)的歷史時間點(diǎn)數(shù)據(jù)；

根據(jù)所述內(nèi)存歷史使用量數(shù)據(jù)，對應(yīng)的歷史時間點(diǎn)數(shù)據(jù)，以及LSTM神經(jīng)網(wǎng)絡(luò)模型在上一時刻的輸出數(shù)據(jù)，得到LSTM神經(jīng)網(wǎng)絡(luò)模型在預(yù)設(shè)時刻的輸入數(shù)據(jù)；

利用所述輸入數(shù)據(jù)對LSTM神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。

4.如權(quán)利要求3所述的服務(wù)器內(nèi)存容量預(yù)測方法，其特征在于，利用所述輸入數(shù)據(jù)對LSTM神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，包括：

利用所述輸入數(shù)據(jù)對LSTM神經(jīng)網(wǎng)絡(luò)模型中的權(quán)重參數(shù)進(jìn)行訓(xùn)練，在訓(xùn)練的過程中利用反向傳播算法調(diào)整權(quán)重參數(shù)，直至根據(jù)LSTM神經(jīng)網(wǎng)絡(luò)模型的損失函數(shù)得到的梯度滿足預(yù)設(shè)收斂條件，確定訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型。

5.一種基于服務(wù)器內(nèi)存容量預(yù)測裝置，其特征在于，包括：

數(shù)據(jù)獲得模塊，用于獲得內(nèi)存使用量數(shù)據(jù)和對應(yīng)的時間點(diǎn)數(shù)據(jù)；

容量預(yù)測模塊，用于將所述內(nèi)存使用量數(shù)據(jù)和對應(yīng)的時間點(diǎn)數(shù)據(jù)輸入訓(xùn)練好的LSTM神經(jīng)網(wǎng)絡(luò)模型，預(yù)測服務(wù)器內(nèi)存容量，所述LSTM神經(jīng)網(wǎng)絡(luò)模型根據(jù)內(nèi)存歷史使用量數(shù)據(jù)和對應(yīng)的歷史時間點(diǎn)數(shù)據(jù)進(jìn)行訓(xùn)練。

6.如權(quán)利要求5所述的服務(wù)器內(nèi)存容量預(yù)測裝置，其特征在于，還包括：

預(yù)處理模塊，用于在獲得內(nèi)存使用量數(shù)據(jù)和對應(yīng)的時間點(diǎn)數(shù)據(jù)之后，對所述內(nèi)存使用量數(shù)據(jù)和對應(yīng)的時間點(diǎn)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，其中按如下方式進(jìn)行數(shù)據(jù)預(yù)處理：

對內(nèi)存使用量數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗；

對清洗后的內(nèi)存使用量數(shù)據(jù)和對應(yīng)的時間點(diǎn)數(shù)據(jù)進(jìn)行插值，得到設(shè)定時間間隔的內(nèi)存使用量數(shù)據(jù)和對應(yīng)的時間點(diǎn)數(shù)據(jù)。

7.如權(quán)利要求5所述的服務(wù)器內(nèi)存容量預(yù)測裝置，其特征在于，所述容量預(yù)測模塊進(jìn)一步用于，按如下方式訓(xùn)練LSTM神經(jīng)網(wǎng)絡(luò)模型：

獲得預(yù)設(shè)時刻的內(nèi)存歷史使用量數(shù)據(jù)和對應(yīng)的歷史時間點(diǎn)數(shù)據(jù)；

根據(jù)所述內(nèi)存歷史使用量數(shù)據(jù)，對應(yīng)的歷史時間點(diǎn)數(shù)據(jù)，以及LSTM神經(jīng)網(wǎng)絡(luò)模型在上一時刻的輸出數(shù)據(jù)，得到LSTM神經(jīng)網(wǎng)絡(luò)模型在預(yù)設(shè)時刻的輸入數(shù)據(jù)；

利用所述輸入數(shù)據(jù)對LSTM神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。

8.如權(quán)利要求7所述的服務(wù)器內(nèi)存容量預(yù)測裝置，其特征在于，利用所述輸入數(shù)據(jù)對LSTM神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，包括：

利用所述輸入數(shù)據(jù)對LSTM神經(jīng)網(wǎng)絡(luò)模型中的權(quán)重參數(shù)進(jìn)行訓(xùn)練，在訓(xùn)練的過程中利用反向傳播算法調(diào)整權(quán)重參數(shù)，直至根據(jù)LSTM神經(jīng)網(wǎng)絡(luò)模型的損失函數(shù)得到的梯度滿足預(yù)設(shè)收斂條件，確定訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型。

9.一種計算機(jī)設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運(yùn)行的計算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計算機(jī)程序時實(shí)現(xiàn)權(quán)利要求1至4任一所述方法。

10.一種計算機(jī)可讀存儲介質(zhì)，其特征在于，所述計算機(jī)可讀存儲介質(zhì)存儲有執(zhí)行權(quán)利要求1至4任一所述方法的計算機(jī)程序。