[發明專利]一種負載預測方法、裝置及設備

在審

• 申請號: 202210103339.9
• 申請日: 2022-01-27
• 公開（公告）號: CN114490065A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 楊照軍;陳嵐;張賀;姚振杰
• 申請（專利權）人: 中國科學院微電子研究所
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 柳虹

本申請實施例提供了一種負載預測方法、裝置及設備，獲取所述計算節點中多個負載的時間序列數據，將時間序列數據輸入至預先構建的負載預測模型，得到計算節點的CPU負載預測值，負載預測模型是在基于注意力機制的神經網絡模型和自回歸模型的基礎上訓練得到的，可見，負載預測模型的輸入是多種負載的時間序列數據，不僅關注了不同負載的時間特征，還能夠獲得多種負載之間的依賴關系，有助于負載預測模型輸出CPU負載預測值的準確性，并且負載預測模型是利用基于注意力機制的神經網絡模型和自回歸模型的基礎上訓練得到的，能夠進一步提高CPU負載預測值的準確性，以便得到計算集群系統中每個計算節點的中央處理器CPU負載預測值的準確結果。

技術領域

本發明涉及計算機領域，特別涉及一種負載預測方法及裝置。

背景技術

隨著計算機技術的快速發展，對于計算機的計算資源的需求越來越高。但是單一的計算機的計算資源已經無法滿足對于資源和算力的需求。由此提出了計算集群系統，計算集群系統中包括多臺計算機，可以利用多臺計算機進行并行計算達到高性能的計算效果。

計算集群系統中每個計算機可以作為一個計算節點，完成計算任務中的一部分內容。由于每個計算節點的計算資源是有限的，因此根據每個計算節點的計算資源進行與其匹配的任務分配非常重要。如果任務分配不合理，導致某些計算節點的負載值過高，導致該計算節點任務完成速率較低甚至出現該計算節點無法工作的情況出現。可以通過預測每個計算節點的當前負載狀態，得到當前計算節點的計算資源情況，進而進行合理的任務分配，以提高計算集群系統的計算性能。

因此，現在急需一種計算集群系統的負載預測方法。

發明內容

有鑒于此，本申請的目的在于提供一種負載預測方法，能夠得到計算集群系統中每個計算節點的中央處理器CPU負載預測值，并在后續根據該CPU負載預測值進行任務分配，提高計算集群系統的計算性能。

為實現上述目的，本申請有如下技術方案：

本申請實施例提供了一種負載預測方法，應用于計算集群系統，所述計算集群系統包括多個計算節點，所述方法包括：

獲取所述計算節點中多個負載的時間序列數據；所述多個負載包括中央處理器CPU、內存、磁盤和網絡；

將所述時間序列數據輸入至預先構建的負載預測模型，得到所述計算節點的CPU負載預測值；所述負載預測模型是在基于注意力機制的神經網絡模型和自回歸模型的基礎上訓練得到的。

可選地，所述負載預測模型的構建方式如下：

獲取所述計算節點中多個負載的訓練時間序列數據以及CPU負載訓練值；

利用所述訓練時間序列數據和所述CPU負載訓練值，對初始負載預測模型進行訓練，得到所述負載預測模型。

可選地，所述初始負載預測模型包括預處理層、循環層、卷積層、注意力機制層、自回歸模型和全連接層。

可選地，所述將所述時間序列數據輸入至預先構建的負載預測模型，得到所述計算節點的CPU負載預測值包括：

將所述時間序列數據輸入所述預處理層進行歸一化處理，得到輸入序列；

將所述輸入序列輸入所述自回歸模型，得到線性特征向量；

將所述輸入序列輸入所述循環層，得到隱層狀態矩陣，所述隱層狀態矩陣包括多個時刻的隱層狀態向量；

將所述隱層狀態矩陣輸入所述卷積層，得到所述計算節點中多個負載的依賴關系特征矩陣；

將所述依賴關系特征矩陣輸入所述注意力機制層，得到非線性特征向量；