[發明專利]一種計算資源調度方法、裝置及存儲介質

在審

• 申請號: 202111283370.7
• 申請日: 2021-11-01
• 公開（公告）號: CN114020460A
• 公開（公告）日: 2022-02-08
• 發明（設計）人: 焦頡;韓瑞萍;郭延軍;張勵;陳學英;劉斌;文彥杰;劉寶麗;楊毛勇;何穎;任彥輝;蘆睿珩;李學蘭;唐俊;閆文貴;劉凱敏
• 申請（專利權）人: 中國電信股份有限公司甘肅分公司
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06K9/62;G06N20/00
• 代理公司: 北京合智同創知識產權代理有限公司 11545
• 代理人: 李杰

1.一種計算資源調度方法，其特征在于，包括：

從日志數據中提取云計算平臺業務服務的關鍵指標，獲取承載所述業務服務性能數據；其中，所述關鍵指標包括：業務量、API接口調用頻次、用戶請求數中的至少一種指標數據，所述性能數據包括：業務負載、處理器負載、內存負載、磁盤負載、網絡IO負載中的至少一種性能數據；

將提取的關鍵指標和性能數據作為樣本數據，通過機器學習算法，構建處理資源預測模型和業務支撐能力指標模型；

根據當前所述云計算平臺的關鍵指標和性能數據，使用所述處理資源預測模型和業務支撐能力指標模型對云計算平臺的計算資源進行分配和調度。

2.根據權利要求1所述的計算資源調度方法，其特征在于，從日志數據中提取業務服務關鍵指標，包括：

配置正則表達式；

通過所述配置的正則表達式，從所述日志數據中提取所述業務服務的關鍵指標。

3.根據權利要求1所述的計算資源調度方法，其特征在于，將提取的關鍵指標和性能數據作為樣本數據，通過機器學習算法，構造處理資源預測模型和業務支撐能力指標模型，包括：

對提取的關鍵指標和性能數據進行聚類分析，獲取各關鍵指標和性能數據的聚類分析結果；

將所述聚類分析結果作為樣本數據，使用機器學習算法，構造所述處理資源預測模型和業務支撐能力模型。

4.根據權利要求3所述的計算資源調度方法，其特征在于，所述對提取的關鍵指標和性能數據進行聚類分析，獲取各關鍵指標和性能數據的聚類分析結果，包括：

對提取的關鍵指標和性能數據進行數據歸一化處理和/或降維處理，對所述預處理后的關鍵指標和性能數據進行聚類分析，獲取各關鍵指標和性能數據的聚類分析結果。

5.根據權利要求3所述的計算資源調度方法，其特征在于，對提取的關鍵指標和性能數據進行聚類分析，獲取各關鍵指標和性能數據的聚類分析結果，包括：

使用DBSCAN算法、Birch算法或K-means算法中的一種算法，對所述提起的關鍵指標和性能數據進行聚類分析，獲取所述關鍵指標和性能數據的聚類分析結果。

6.一種計算資源調度裝置，其特征在于，包括：獲取模塊、構建模塊和預測模塊；

所述獲取模塊用于從日志數據中提取云計算平臺業務服務的關鍵指標，獲取承載所述業務服務性能數據；其中，所述關鍵指標包括：業務量、API接口調用頻次、用戶請求數中的至少一種指標數據，所述性能數據包括業務負載、處理器負載、內存負載、磁盤負載、網絡IO負載中的至少一種性能數據；

所述構建模塊用于將提取的關鍵指標和性能數據作為樣本數據，通過機器學習算法，構造處理資源預測模型和業務支撐能力指標模型；

所述預測模塊用于根據當前云計算平臺的關鍵指標和性能數據，使用所述處理資源預測模型和業務支撐能力指標模型對云計算平臺的計算資源進行分配和調度。

7.根據權利要求6所述的計算資源調度裝置，其特征在于，所述提取模塊還用于配置正則表達式，通過所述配置的正則表達式，從所述日志數據中提取所述業務服務的關鍵指標。

8.根據權利要求6所述的計算資源調度裝置，其特征在于，所述構建模塊還用于對提取的關鍵指標和性能數據進行聚類分析，獲取各關鍵指標和性能數據的聚類分析結果，將所述聚類分析結果作為樣本數據，使用機器學習算法，構造所述處理資源預測模型和業務支撐能力模型。

9.根據權利要求6所述的計算資源調度裝置，其特征在于，所述構建模塊還包括預處理子模塊；

所述預處理子模塊用于對提取的關鍵指標和性能數據進行數據歸一化處理和/或降維處理，對所述預處理后的關鍵指標和性能數據進行聚類分析，獲取各關鍵指標和性能數據的聚類分析結果。

10.一種存儲介質，其特征在于，所述存儲介質上存儲有計算機程序，處理器執行所述存儲介質上存儲的計算機程序時，實現如權利要求1-5任一項所述的計算資源調度方法。