[发明专利]服务器的配置方法和装置

说明书

技术领域

本申请涉及互联网领域，具体而言，涉及一种服务器的配置方法和装置。

背景技术

计算中心的服务器数量的动态配置一直是行业中的一大难题。动态配置的主要依据是对整个中心的服务器宕机概率进行预测的预测结果。然而，现实中服务器的运行总是伴随着一些有规律的周期性波动（例如：早上或者晚上会存在不同的使用高峰期和使用低谷期，或者节假日会经常出现网络使用高峰期）以及一些不规律的由外在因素造成的波动（例如：自然灾害、停电、以及人为的临时大促销活动等等）。当这些有规律的周期性波动和不规律的临时性波动重叠时，会使得正常的服务器整体宕机的概率预测出现比较大的偏差，从而导致很难从根本上区分在同个时间点发生的突然的高频率宕机事件是由于正常波动引起的还是由外来事件引起的。上述情况的发生，使得在对整条历史宕机概率曲线进行观察和预测时，无法很好地在数量上确定这两种因素各自的所产生的效应。

对于有规律的周期性分解，目前业界比较通行的做法主要包括以下步骤：

S1：估计趋势；

S2：消除序列中的趋势；

S3：估计周期因素；

然后，重复执行上述步骤S1至S3，最终估计出趋势因素和不规则因素。

参考图1，在理想状况下（即，没有外生突发因素的干扰的情况下），实线为实际服务器中心的宕机发生率。根据传统方法，将实线部分不断地进行移动平均平滑后，就可以得到趋势线（虚线表示的线）。然后将实际的宕机发生率减去趋势线，就可以获得在单一指标（宕机发生率）的周期性分解。值得注意的是，图中的周期长短只是示例，事实上没有限制，可以是早上至晚上的周期，也可以是季度的季节性周期。

然而，现实的情况通常比这种情况要复杂的多，外在的不可抗因素或者人为的活动总是不定期的会在某个时间点发生。例如，可能服务器中心的空调突然失灵（图中左边的第一个虚线波动）；或者，某销售旺季导致网站访问量突然猛增（比如图中右边的实线波动）。这些波动可能在整条宕机发生率曲线上面的任何一个时间点上发生（图中只是举了2个例子）。对于这些波动通过单纯的平滑操作后就很难完全消除，即使消除了，当用实际发生率减去趋势线后，这些波动也会干扰正常的周期性波动，从而改变真正的周期性规律。

仍以上述图1为例进行说明，波动部分会将整体的周期性因素拉高，因为单纯的一元数据无法区分这些波动是常规的还是临时的。

上面介绍的现有技术中的方法主要存在以下几个缺点：

1）仅基于一个维度的数据，当这条线出现较大的波动时，趋势线、周期性、以及不规则因素之间很难进行区分。尤其是当外部政策影响正好和周期性波动发生在同一时间点时，这种区别很难在数据上进行区分。

2）由于估计趋势线用的是移动平均，对于最接近现在的几个点的估计通常不如历史数据准确。比如，如果采用6个月移动平均的话，那么2012年1月到2012年6月的平均只能代表3、4月的数，而对于6月份的代表性就相对较差（因为理论上6月需要3-9月的平均才能代表。但是如果站在当前6月份这个点上，6月以后的数据是没有的）

针对上述仅通过实际维度参数所指示的宕机概率对服务器进行配置而导致的对服务器的配置不合理的技术问题，尚未提出有效的解决方法。

发明内容

本申请提供了一种服务器的配置方法和装置，以至少解决了现有技术中仅通过实际维度参数所指示的宕机概率对服务器进行配置而导致的对服务器的配置不合理的技术问题。

根据本申请的一个方面，提供了一种服务器的配置方法，包括：获取运行时长维度参数和实际时间维度参数，其中，运行时长维度参数用于指示不同运行时长下服务器的宕机概率，实际时间维度参数用于指示不同实际时间下服务器的宕机概率；根据运行时长维度参数和实际时间维度参数计算服务器在预定时间点上的宕机概率；根据服务器在预定时间点上的宕机概率对服务器进行配置。

优选地，根据运行时长维度参数和实际时间维度参数计算服务器在预定时间点上的宕机概率包括：根据运行时长维度参数计算得到服务器周期参数，其中，服务器周期参数用于指示服务器在预定的每个运行时长周期上去除了由突发事件所带来的不规律值之后的宕机概率；将服务器周期参数与实际时间维度参数进行叠加得到服务器在预定时间点上的宕机概率。