[發(fā)明專利]集群容量預測方法及裝置

在審

• 申請?zhí)枺?/td>: 202011038553.8
• 申請日: 2020-09-28
• 公開（公告）號: CN112115036A
• 公開（公告）日: 2020-12-22
• 發(fā)明（設(shè)計）人: 徐凱路
• 申請（專利權(quán)）人: 中國銀行股份有限公司
• 主分類號: G06F11/34
• 分類號: G06F11/34;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 李偉

本申請?zhí)峁┝艘环N集群容量預測方法及裝置，該方法包括：在各個系統(tǒng)應用運行過程中，獲取每個系統(tǒng)應用的各個性能指標值，從各個性能指標值中提取每個預設(shè)指標字段各自對應的性能指標值，并將所提取的每個性能指標值確定為目標性能指標值，將各個目標性能指標值輸入至預先構(gòu)建的容量預測模型中，得到容量預測模型輸出的集群的容量預測結(jié)果?？梢?，本技術(shù)方案，預先構(gòu)建容量預測模型，基于真實生產(chǎn)環(huán)境每個系統(tǒng)應用的各個性能指標，通過容量預測模型對集群容量進行預測，由于集群容量預測的數(shù)據(jù)源自真實生產(chǎn)環(huán)境，且是基于集群整體進行集群容量預測，得到的集群容量預測結(jié)果相比于現(xiàn)有技術(shù)更為準確。

技術(shù)領(lǐng)域

本申請涉及計算機技術(shù)領(lǐng)域，尤其涉及一種集群容量預測方法及裝置。

背景技術(shù)

集群是一組相互獨立的、通過高速網(wǎng)絡(luò)互聯(lián)的系統(tǒng)應用，它們構(gòu)成了一個組，并以單一系統(tǒng)的模式加以管理。隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展和廣泛應用，目前許多的業(yè)務(wù)的處理需要集群處理來滿足性能的需求。

集群容量是指集群整體的承載能力，準確的集群容量預測對于指導生產(chǎn)擴容和縮容具有重要意義。目前，集群容量預測一般是基于測試環(huán)境，先進行單個系統(tǒng)應用容量預測，再依據(jù)所有單個系統(tǒng)應用容量預測的結(jié)果，進行集群容量評估。因為現(xiàn)有的容量預測是基于測試環(huán)境進行的，而測試環(huán)境和線上生成環(huán)境在物理機器和部署上都有較大的差異，且集群處理業(yè)務(wù)涉及到多個系統(tǒng)應用，是多個系統(tǒng)應用聯(lián)動配合，整體對外呈現(xiàn)服務(wù)，通過單個系統(tǒng)用戶的容量評估來評估集群容量，無法體現(xiàn)集群整體的容量情況，因此，現(xiàn)有的集群容量預測準確度較差。

發(fā)明內(nèi)容

本申請?zhí)峁┝艘环N集群容量預測方法及裝置，目的在于解決現(xiàn)有集群容量預測準確性差的問題。

為了實現(xiàn)上述目的，本申請?zhí)峁┝艘韵录夹g(shù)方案：

一種集群容量預測方法，所述集群包括至少兩個系統(tǒng)應用，所述方法包括：

在各個所述系統(tǒng)應用運行過程中，獲取每個所述系統(tǒng)應用的各個性能指標值；

從各個所述性能指標值中提取每個預設(shè)指標字段各自對應的性能指標值，并將所提取的每個性能指標值確定為目標性能指標值；

將各個所述目標性能指標值輸入至預先構(gòu)建的容量預測模型中，得到所述容量預測模型輸出的所述集群的容量預測結(jié)果。

上述的方法，可選的，所述容量預測模型的構(gòu)建過程，包括：

獲取數(shù)據(jù)庫中預先存儲的各個性能指標樣本；

對各個性能指標樣本進行數(shù)據(jù)預處理，得到每個所述性能指標樣本各自對應的初始性能指標樣本；

從各個初始性能樣本中提取每個所述預設(shè)指標字段各自對應的初始性能指標，將所提取的每個初始性能指標確定為目標性能指標樣本；

依據(jù)每個所述目標性能指標樣本對應的時間戳，對各個目標性能指標樣本進行分組，得到多個樣本組；每個所述樣本組的目標性能指標樣本的數(shù)量相同；

獲取每個所述樣本組各自對應的容量值；

建立神經(jīng)網(wǎng)絡(luò)模型，并依據(jù)各個所述樣本組和每個所述樣本組各自對應的容量值，對所述神經(jīng)網(wǎng)絡(luò)模型進行訓練；

將各個所述樣本組中，滿足預設(shè)邊界條件的樣本組確定為優(yōu)化樣本組；

依據(jù)各個優(yōu)化樣本組和每個所述優(yōu)化樣本組各自對應的容量值，對完成訓練的神經(jīng)網(wǎng)絡(luò)模型進行優(yōu)化，得到目標神經(jīng)網(wǎng)絡(luò)模型，并將所述目標神經(jīng)網(wǎng)絡(luò)模型作為容量預測模型。

上述的方法，可選的，各個所述性能指標樣本的存儲的過程，包括：

在各個系統(tǒng)應用運行過程中，按預設(shè)周期獲取每個所述系統(tǒng)應用的各個性能指標值，并將所獲取的每個性能指標值作為性能指標樣本；