[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

本發(fā)明公開了一種服務(wù)器內(nèi)存容量預(yù)測方法及裝置，其中方法包括：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。本發(fā)明可以預(yù)測服務(wù)器內(nèi)存容量，擴(kuò)大數(shù)據(jù)適用范圍，降低維護(hù)成本。

技術(shù)領(lǐng)域

本發(fā)明涉及服務(wù)器內(nèi)存技術(shù)領(lǐng)域，尤其涉及服務(wù)器內(nèi)存容量預(yù)測方法及裝置。

背景技術(shù)

近年來，隨著我國經(jīng)濟(jì)復(fù)蘇和互聯(lián)網(wǎng)科技的不斷發(fā)展，銀行的很多業(yè)務(wù)都由線下轉(zhuǎn)到 線上辦理，提高了工作效率的同時業(yè)務(wù)辦理也非常的方便快捷。但是，與此同時，銀行的 許多辦公系統(tǒng)每天也會生成大量數(shù)據(jù)，這些數(shù)據(jù)需要一定量級的內(nèi)存去存儲，于是銀行會 在每月月末購置下個月所需的內(nèi)存。但是購置多了會產(chǎn)生浪費(fèi)，少了又不夠使用。

現(xiàn)有技術(shù)中利用差分自回歸滑動平均模型(ARIMA)方法來預(yù)測服務(wù)器內(nèi)存容量。該 方案的主要流程是根據(jù)時間序列的散點(diǎn)圖、自相關(guān)函數(shù)和偏自相關(guān)函數(shù)圖識別其平穩(wěn)性； 對非平穩(wěn)的時間序列數(shù)據(jù)進(jìn)行平穩(wěn)化處理。直到處理后的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的數(shù) 值非顯著非零。根據(jù)所識別出來的特征建立相應(yīng)的時間序列模型。平穩(wěn)化處理后，若偏自 相關(guān)函數(shù)是截尾的，而自相關(guān)函數(shù)是拖尾的，則建立AR模型；若偏自相關(guān)函數(shù)是拖尾的， 而自相關(guān)函數(shù)是截尾的，則建立MA模型；若偏自相關(guān)函數(shù)和自相關(guān)函數(shù)均是拖尾的，則序列適合ARMA模型。最后利用已通過檢驗的模型進(jìn)行預(yù)測。

但是，ARIMA模型對時序數(shù)據(jù)的穩(wěn)定性又要求，只能對穩(wěn)定數(shù)據(jù)進(jìn)行處理，因此這一方法存在很大局限性，并且ARIMA模型復(fù)雜維護(hù)成本高。

因此，亟需一種可以克服上述問題的服務(wù)器內(nèi)存容量數(shù)據(jù)預(yù)測方案。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種服務(wù)器內(nèi)存容量預(yù)測方法，用以預(yù)測服務(wù)器內(nèi)存容量，擴(kuò)大數(shù) 據(jù)適用范圍，降低維護(hù)成本，該方法包括：

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。

本發(fā)明實(shí)施例提供一種服務(wù)器內(nèi)存容量預(yù)測裝置，用以預(yù)測服務(wù)器內(nèi)存容量，擴(kuò)大數(shù) 據(jù)適用范圍，降低維護(hù)成本，該裝置包括：

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。

本發(fā)明實(shí)施例還提供一種計算機(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，所述處理器執(zhí)行所述計算機(jī)程序時實(shí)現(xiàn)上述服務(wù)器內(nèi)存容量 預(yù)測方法。

本發(fā)明實(shí)施例還提供一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)存儲有執(zhí)行 上述服務(wù)器內(nèi)存容量預(yù)測方法的計算機(jī)程序。

相比于現(xiàn)有技術(shù)中利用差分自回歸滑動平均模型(ARIMA)方法來預(yù)測服務(wù)器內(nèi)存容 量的方案而言，本發(fā)明實(shí)施例通過獲得內(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。本 發(fā)明實(shí)施例獲得內(nèi)存使用量數(shù)據(jù)和對應(yīng)的時間點(diǎn)數(shù)據(jù)之后利用訓(xùn)練好的LSTM神經(jīng)網(wǎng)絡(luò)模 型即可以預(yù)測服務(wù)器內(nèi)存容量，采用的LSTM神經(jīng)網(wǎng)絡(luò)模型對數(shù)據(jù)穩(wěn)定性要求低，在保證預(yù)測準(zhǔn)確性的基礎(chǔ)上可以處理更多類型數(shù)據(jù)，并且模型簡單維護(hù)成本低。

附圖說明