[發(fā)明專利]基于應(yīng)用運(yùn)行負(fù)載數(shù)據(jù)預(yù)測的容器資源彈性預(yù)伸縮方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111285456.3
• 申請(qǐng)日: 2021-11-02
• 公開（公告）號(hào): CN113722108A
• 公開（公告）日: 2021-11-30
• 發(fā)明（設(shè)計(jì)）人: 成運(yùn)暢;文澤鵬;李龔亮;高鵬翔;楊光宏
• 申請(qǐng)（專利權(quán)）人: 中國工程物理研究院計(jì)算機(jī)應(yīng)用研究所
• 主分類號(hào): G06F9/50
• 分類號(hào): G06F9/50
• 代理公司: 北京天奇智新知識(shí)產(chǎn)權(quán)代理有限公司 11340
• 代理人: 許馳

1.一種基于應(yīng)用運(yùn)行負(fù)載數(shù)據(jù)預(yù)測的容器資源彈性預(yù)伸縮方法，其特征在于：包括以下步驟：

步驟1、采用高性能小樣本綜合時(shí)間序列預(yù)測方法對(duì)當(dāng)前容器負(fù)載數(shù)據(jù)進(jìn)行預(yù)測計(jì)算；

步驟2、將步驟1得到的預(yù)測結(jié)果作為容器彈性伸縮的預(yù)期輸入，計(jì)算出容器擴(kuò)展目標(biāo)；

步驟3、若容器擴(kuò)展目標(biāo)在當(dāng)前已就緒資源內(nèi)，則不做彈性伸縮，結(jié)束；若容器擴(kuò)展目標(biāo)高于當(dāng)前已就緒資源，則轉(zhuǎn)至步驟4；

步驟4、容器彈性伸縮至目標(biāo)值；

步驟5、接受實(shí)際的負(fù)載請(qǐng)求量，判斷當(dāng)前資源是否滿足使用預(yù)期目標(biāo)；

步驟6、若滿足目標(biāo)，則轉(zhuǎn)至步驟8；若不滿足目標(biāo)，則轉(zhuǎn)至步驟7；

步驟7、將預(yù)測誤差帶來的容器資源誤差覆蓋的請(qǐng)求轉(zhuǎn)入等待隊(duì)列，并轉(zhuǎn)至步驟4；

步驟8、消費(fèi)請(qǐng)求隊(duì)列，結(jié)束。

2.根據(jù)權(quán)利要求1所述的基于應(yīng)用運(yùn)行負(fù)載數(shù)據(jù)預(yù)測的容器資源彈性預(yù)伸縮方法，其特征在于：所述步驟1中的高性能小樣本綜合時(shí)間序列預(yù)測方法包括以下步驟：

步驟1.1、輸入當(dāng)前容器負(fù)載數(shù)據(jù)；

步驟1.2、將數(shù)據(jù)進(jìn)行降噪處理；

步驟1.3、將降噪后的數(shù)據(jù)作為ARMA模型的輸入變量進(jìn)行初步計(jì)算；

步驟1.4、訓(xùn)練完成后記錄標(biāo)準(zhǔn)結(jié)果，然后將殘差數(shù)據(jù)作為SVM模型的輸入變量進(jìn)行進(jìn)一步計(jì)算；

步驟1.5、將步驟1.3的計(jì)算結(jié)果和步驟1.4的計(jì)算結(jié)果相結(jié)合形成組合預(yù)測結(jié)果。

3.根據(jù)權(quán)利要求2所述的基于應(yīng)用運(yùn)行負(fù)載數(shù)據(jù)預(yù)測的容器資源彈性預(yù)伸縮方法，其特征在于：所述步驟1.3包括以下步驟：

步驟1.3.1、畫時(shí)間序列圖：在確定ARMA模型之前，首先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，并繪制時(shí)間序列圖以觀察數(shù)據(jù)中是否存在季節(jié)性趨勢；

步驟1.3.2、平穩(wěn)性檢測：從自相關(guān)圖、adf檢測、kpss檢測三個(gè)方面對(duì)時(shí)間序列的平穩(wěn)性進(jìn)行檢測；

步驟1.3.3、白噪聲檢測：采取LB統(tǒng)計(jì)量的方法進(jìn)行白噪聲檢測；

步驟1.3.4、模式匹配：采用極大似然比方進(jìn)行模型參數(shù)的估計(jì)，然后針對(duì)各個(gè)不同的模型，根據(jù)BIC信息標(biāo)準(zhǔn)用于對(duì)模型進(jìn)行分類，并且確定最終的參數(shù)值以選擇最優(yōu)模型，從而選出最優(yōu)模型。

4.根據(jù)權(quán)利要求2所述的基于應(yīng)用運(yùn)行負(fù)載數(shù)據(jù)預(yù)測的容器資源彈性預(yù)伸縮方法，其特征在于：所述步驟1.4包括以下步驟：

步驟1.4.1、數(shù)據(jù)歸一化處理：選取ARMA模型預(yù)測的結(jié)果的殘差值作為數(shù)據(jù)輸入，采用sklearn.preprocessing.scale方法對(duì)原始應(yīng)用運(yùn)行負(fù)載數(shù)據(jù)進(jìn)行正規(guī)化處理，使其分布在[0，1]之間；

步驟1.4.2、選擇徑向核函數(shù)RBF來構(gòu)造模型；

步驟1.4.3、對(duì)步驟1.4.1的殘差輸入數(shù)據(jù)進(jìn)行預(yù)測，將預(yù)測結(jié)果與ARMA預(yù)測結(jié)果進(jìn)行組合求取均值。

5.根據(jù)權(quán)利要求1-4中任何一項(xiàng)所述的基于應(yīng)用運(yùn)行負(fù)載數(shù)據(jù)預(yù)測的容器資源彈性預(yù)伸縮方法，其特征在于：所述步驟4中的容器彈性伸縮的伸縮策略采用如下步驟制定的非線性的容器彈性伸縮策略：

步驟4.1、通過負(fù)載變化進(jìn)行預(yù)期容器擴(kuò)展目標(biāo)計(jì)算，取得計(jì)算結(jié)果后與當(dāng)前的容器服務(wù)能力進(jìn)行拆分；

步驟4.2、將拆分結(jié)果向下取整數(shù)，作為標(biāo)注運(yùn)行單元的實(shí)施數(shù)量；

步驟4.3、整合一個(gè)獨(dú)立的標(biāo)準(zhǔn)化容器，依據(jù)當(dāng)前已實(shí)施值與目標(biāo)值的差距，將該容器資源調(diào)整至差距值；

步驟4.4、將所有已實(shí)施集群融合，形成新的服務(wù)集群。