[發明專利]無服務器背景下函數實例數量自適應方法及應用

在審

• 申請號: 202211271418.7
• 申請日: 2022-10-17
• 公開（公告）號: CN115629858A
• 公開（公告）日: 2023-01-20
• 發明（設計）人: 李鑫;陳子聰;王寧;秦小麟
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06F9/48
• 分類號: G06F9/48;G06F9/50;G06F9/54;G06N3/0442;G06N3/049;G06N3/08
• 代理公司: 蘇州三英知識產權代理有限公司 32412
• 代理人: 潘時偉

1.一種無服務器背景下函數實例數量自適應方法，其特征在于，所述方法包括：

獲取函數實例的歷史請求負載數據，所述歷史請求負載數據包括每個相等時間間隔內所述函數實例接收的任務請求數量；

基于所述歷史請求負載數據訓練預測模型；

將訓練后的所述預測模型輸入遠程過程調用服務器，以使所述遠程過程調用服務器輸出預測任務請求數量；

基于所述預測任務請求數量動態調整所述函數實例數量。

2.如權利要求1所述的無服務器背景下函數實例數量自適應方法，其特征在于，將訓練后的所述預測模型輸入遠程過程調用服務器，以使所述遠程過程調用服務器輸出預測任務請求數量，具體包括：

設置滑動窗口，并將當前時間間隔內所述函數實例接收的任務請求數量加入所述滑動窗口；

將所述滑動窗口以及函數實例的類別輸入所述遠程過程調用服務器，以使所述遠程過程調用服務器加載函數實例對應的目標預測模型；

基于所述目標預測模型以及滑動窗口確定預測任務請求數量。

3.如權利要求2所述的無服務器背景下函數實例數量自適應方法，其特征在于，基于所述目標預測模型以及滑動窗口確定預測任務請求數量，具體包括：

基于所述目標預測模型并采用多步時間序列預測算法，預測所述滑動窗口經過當前時間間隔后下一時間步內加入的任務請求數量，以確定預測任務請求數量。

4.如權利要求1所述的無服務器背景下函數實例數量自適應方法，其特征在于，基于所述預測任務請求數量動態調整所述函數實例數量，具體包括：

比較所述預測任務請求數量與宿主機集群中現有函數實例數量；

若所述預測任務請求數量大于宿主機集群中現有函數實例數量，則在宿主機集群中生成函數實例；

若所述預測任務請求數量小于宿主機集群中現有函數實例數量，則在宿主機集群中刪除函數實例；

其中，所述函數實例的生成數量或刪除數量為所述預測任務請求數量與宿主機集群中現有函數實例數量之間的差值。

5.如權利要求1所述的無服務器背景下函數實例數量自適應方法，其特征在于，所述方法還包括：

基于函數實例的歷史請求負載數據，每經過更新時間間隔對函數實例所對應的預測模型做一次增量式更新。

6.如權利要求1所述的無服務器背景下函數實例數量自適應方法，其特征在于，所述方法還包括：

設置滑動窗口，以所述滑動窗口每滾動一個時間步取一組函數實例的請求負載數據的方式，將所述函數實例的所有請求負載數據劃分成多組，并將多組請求負載數據構建為樣本數據集；

將所述樣本數據集劃分為訓練集和測試集以訓練所述預測模型。

7.如權利要求1所述的無服務器背景下函數實例數量自適應方法，其特征在于，所述預測模型為長短期記憶網絡模型。

8.一種無服務器背景下函數實例數量自適應裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取函數實例的歷史請求負載數據，所述歷史請求負載數據包括每個相等時間間隔內所述函數實例接收的任務請求數量；

訓練模塊，用于基于所述歷史請求負載數據訓練預測模型；

運行模塊，用于將訓練后的所述預測模型輸入遠程過程調用服務器，以使所述遠程過程調用服務器輸出預測任務請求數量；

調整模塊，用于基于所述預測任務請求數量動態調整所述函數實例數量。

9.一種電子設備，其特征在于，所述電子設備包括：

至少一個處理器；以及

存儲器，所述存儲器存儲指令，當所述指令被所述至少一個處理器執行時，使得所述至少一個處理器執行如權利要求1至7中任一項所述的無服務器背景下函數實例數量自適應方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述的無服務器背景下函數實例數量自適應方法。