[發明專利]一種集群監控平臺CPU負載預測方法、系統、介質及設備

在審

• 申請號: 202011181541.0
• 申請日: 2020-10-29
• 公開（公告）號: CN112463359A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 吳雙艷
• 申請（專利權）人: 蘇州浪潮智能科技有限公司
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06Q10/04
• 代理公司: 北京連和連知識產權代理有限公司 11278
• 代理人: 劉小峰;宋薇薇

本發明提供了一種集群監控平臺CPU負載預測方法、系統、介質及設備，方法包括以下步驟：基于自回歸模型得到當前或之前任一選定時刻的第一CPU負載預測量；基于三次指數平滑模型得到該時刻的第二CPU負載預測量；構建基于該時刻的第一CPU負載預測量和第二CPU負載預測量的分配權重的CPU負載組合預測模型，并解得第一CPU負載預測量的第一權重和第二CPU負載預測量的第二權重；基于第一權重和第二權重得到未來時刻的CPU負載組合預測模型。本發明通過對自回歸模型和三次指數平滑模型依權重進行組合，給出了CPU負載組合預測模型，以提高集群監控平臺中CPU負載量預測的精確度。

技術領域

本發明涉及服務器集群技術領域，尤其涉及一種集群監控平臺CPU負載預測方法、系統、介質及設備。

背景技術

服務器集群就是指將很多服務器集中起來一起進行同一種服務，在客戶端看來就像是只有一個服務器。集群可以利用多個計算機進行并行計算從而獲得很高的計算速度，也可以用多個計算機做備份，從而使得任何一個機器壞了整個系統還是能正常運行。

當前集群服務器CPU負載的短時預測研究，較為成熟的是時間序列預測技術，與新興的預測技術如深度學習、神經網絡技術等相比具有復雜度低的優勢。對于集群監控平臺的負載預測，適宜采用復雜度低的預測算法模型。因此，需要建立一種集群監控平臺中的CPU負載預測方法，以提高集群監控平臺中CPU負載預測的精確度。

發明內容

有鑒于此，本發明的目的在于提出一種集群監控平臺CPU負載預測方法、系統、介質及設備，以提高集群監控平臺中CPU負載預測的精確度。

基于上述目的，本發明一方面提供了一種集群監控平臺CPU負載預測方法，包括如下步驟：

基于自回歸模型得到當前或之前任一選定時刻的第一CPU負載預測量；

基于三次指數平滑模型得到該時刻的第二CPU負載預測量；

構建基于該時刻的第一CPU負載預測量和第二CPU負載預測量的分配權重的CPU負載組合預測模型，并解得第一CPU負載預測量的第一權重和第二CPU負載預測量的第二權重；

基于第一權重和第二權重得到未來時刻的CPU負載組合預測模型。

在一些實施例中，該方法還包括：獲取該時刻的已知CPU負載量。

在一些實施例中，解得第一CPU負載預測量的第一權重和第二CPU負載預測量的第二權重包括：獲得CPU負載組合預測模型在該時刻的預測誤差，其中，預測誤差為CPU負載組合預測模型在該時刻的值和已知CPU負載量的差值；基于預測誤差的絕對值的最小值求解第一權重和第二權重。

在一些實施例中，解得第一CPU負載預測量的第一權重和第二CPU負載預測量的第二權重還包括：建立關于預測誤差的絕對值的最小值的線性規劃模型，并基于線性規劃模型中的約束條件得到第一權重和第二權重。

在一些實施例中，第一權重和第二權重之和為100％。

在一些實施例中，方法還包括：在運用自回歸模型在運用過程中，將采集的原始數據經二階差分后進行數據標準化，再運用自回歸模型。

在一些實施例中，三次指數平滑模型包括平滑系數，平滑系數的值在0.10至0.80內。

本發明的另一方面，還提供了一種集群監控平臺CPU負載預測系統，包括：

自回歸模型模塊，配置用于基于自回歸模型得到當前或之前任一選定時刻的第一CPU負載預測量；

三次指數平滑模型模塊，配置用于基于三次指數平滑模型得到該時刻的第二CPU負載預測量；