[发明专利]基于自适应神经网络的服务器负载检测的方法及系统

说明书

技术领域

本发明涉及计算机领域，特别涉及一种基于自适应神经网络的服务器负载检测的方法及系统。

背景技术

当前，云计算逐渐被行业认可，云数据中心操作系统逐渐实现并付诸于实践，在社会生产和生活领域中起到越来越重要的作用。服务器负载信息是衡量服务器运行健康状况的重要指标，是数据中心运维人员关注的重要指标，其主要由服务器的实时CPU性能数据、内存性能数据、磁盘IO性能数据及网卡IO性能数据等综合确定。基于云数据中心操作系统构建的大规模数据中心中设备数量庞大，资源消耗量大，如何准确的确定服务器的负载信息，为数据中心运维人员制定合理的运维策略提供准确的数据支持，是本领域技术人员需要解决的技术问题。

发明内容

本发明的目的是提供一种基于自适应神经网络的服务器负载检测的方法及系统，能够将非线性的神经网络模型应用于负载检测实践中，有效地改进了大多数负载确定方法不够合理、准确的问题。

为解决上述技术问题，本发明提供一种基于自适应神经网络的服务器负载检测的方法，包括：

获取服务器监控的预定样本数据；

对所述预定样本数据进行消噪处理，得到检测样本数据；

将所述检测样本数据作为ART自适应神经网络负载检测模型输入进行计算，得到负载状态结果。

其中，还包括：

将所述负载状态结果发送至数据中心。

其中，得到负载状态结果包括：

将计算结果与所述ART自适应神经网络负载检测模型中的级别区间进行比较，确定所述计算结果所属的级别，其中，所述级别包括良好、正常、较差、糟糕。

其中，构建ART自适应神经网络负载检测模型包括：

构建初级ART自适应神经网络负载检测模型；

获取服务器监控的预定样本数据；

对所述预定样本数据进行消噪处理，得到可用预定样本数据，并将所述可用预定样本数据存储到样本数据库中；

判断所述样本数据库中的样本数量是否满足阈值；

若是，则将所述样本数据库中的数据作为所述初级ART自适应神经网络负载检测模型的输入，对所述初级ART自适应神经网络负载检测模型进行训练，得到所述ART自适应神经网络负载检测模型。

其中，对所述初级ART自适应神经网络负载检测模型进行训练，得到所述ART自适应神经网络负载检测模型包括：

对所述初级ART自适应神经网络负载检测模型进行训练，根据输出层的网络神经元信息对负载情况进行分类，得到每个样本负载类别；

判断得到的每个样本负载类别是否正确；

统计样本负载类别正确的样本的数量，并判断所述数量是否满足预定条件；

若满足，则训练通过，得到所述ART自适应神经网络负载检测模型；

若不满足，则继续对所述初级ART自适应神经网络负载检测模型进行训练。

本发明提供一种基于自适应神经网络的服务器负载检测的系统，包括：

获取模块，用于获取服务器监控的预定样本数据；

消噪模块，用于对所述预定样本数据进行消噪处理，得到检测样本数据；

检测模块，用于将所述检测样本数据作为ART自适应神经网络负载检测模型输入进行计算，得到负载状态结果。

其中，还包括：

发送模块，用于将所述负载状态结果发送至数据中心。

其中，所述检测模块包括：

确定单元，用于将计算结果与所述ART自适应神经网络负载检测模型中的级别区间进行比较，确定所述计算结果所属的级别，其中，所述级别包括良好、正常、较差、糟糕。

其中，构建ART自适应神经网络负载检测模型包括：

构建模块，用于构建初级ART自适应神经网络负载检测模型；

样本数据模块，用于获取服务器监控的预定样本数据；

可用数据模块，用于对所述预定样本数据进行消噪处理，得到可用预定样本数据，并将所述可用预定样本数据存储到样本数据库中；

比较模块，用于判断所述样本数据库中的样本数量是否满足阈值；

若是，则触发训练模块将所述样本数据库中的数据作为所述初级ART自适应神经网络负载检测模型的输入，对所述初级ART自适应神经网络负载检测模型进行训练，得到所述ART自适应神经网络负载检测模型。

其中，所述训练模块包括：

类别单元，用于对所述初级ART自适应神经网络负载检测模型进行训练，根据输出层的网络神经元信息对负载情况进行分类，得到每个样本负载类别；