[发明专利]一种负载预测方法、装置以及网元

说明书

一种负载预测方法、装置以及网元，该方法包括：获取第一应用的应用信息及所需历史负载数据长度，其中，所述应用信息包括应用标识、负载类型；根据所述应用信息获取所述第一应用的与所述负载类型对应的第一历史负载数据；若所述第一历史负载数据的长度小于所述所需历史负载数据长度，则获取与所述第一应用相似的第二应用的与所述负载类型对应的第二历史负载数据；根据所述第二历史负载数据对所述第一应用的所述负载类型进行负载预测。通过该方法，可以解决新应用上线初期无法进行负载预测的问题。

技术领域

本发明涉及云算机技术领域，尤其涉及一种负载预测方法、装置以及网元。

背景技术

云计算可以被理解为一种通过互联网向用户提供硬件和软件服务的模式，其中软件和硬件资源可以按需进行动态扩展和配置。

在云计算中，弹性伸缩是指根据用户的业务需求和策略，经济地自动调整其弹性计算资源的管理服务，能够在业务增长时自动增加计算资源(如虚拟机或容器)，并在业务下降时自动减少计算资源。现有技术中的一种弹性伸缩技术为基于预测的弹性伸缩，可以理解为基于对未来负载的预测值进行弹性伸缩。例如，预测2分钟后用户访问量将增加一倍，那么在当前时刻立即开始扩容操作，并在2分钟内完成扩容，可以保证应用性能满足需求。基于预测的弹性伸缩的关键在于如何准确地进行负载预测。

现有技术中实现负载预测的基本思路为：手机待预测负载指标的历史运行数据作为训练集，然后选择特定的数学模型建立预测模型，预测模型将近期负载数据作为输入，其输出为将来时刻的负载预测数据。该种负载预测的方式依赖于先前的实际运行数据，即历史数据。通常为了能够建立较为准确的预测模型，需要一定量的历史数据，例如几分钟、几个小时的实际运行数据。然而对于新部署的应用，其历史数据较少甚至为零，不足以支撑预测模型建模，所以在部署的新应用刚开始运行的开始时段，无法对应用的将来时刻的运行数据进行预测。

发明内容

本发明提供一种负载预测方法、装置以及网元，用以解决现有技术中无法在新部署的应用的上线初期进行负载预测的技术问题。

第一方面，本发明实施例提供一种负载预测方法。该方法从负载预测模块的角度进行描述。在该方法中，负载预测模块获取第一应用的应用信息及所需历史负载数据长度；其中，所述应用信息包括应用标识、负载类型。负载预测模块根据所述应用信息获取所述第一应用的与所述负载类型对应的第一历史负载数据。然后，若所述第一历史负载数据的长度小于所述所需历史负载数据长度，负载预测模块则获取与所述第一应用相似的第二应用的与所述负载类型对应的第二历史负载数据。之后，负载预测模块根据第二历史负载数据对所述第一应用的所述负载类型进行负载预测。因为第二应用与第一应用相似，所以可以根据第二应用的历史负载数据对第一应用进行负载预测，所以可以解决新应用在上线初期因为历史负载数据不足而无法进行负载预测的技术问题。

在一个可能的设计中，所述根据所述第二历史负载数据对所述第一应用的所述负载类型进行负载预测，包括：根据所述第一历史负载数据和所述第二历史负载数据对所述第一应用的所述负载类型进行负载预测。因为同时采用了第一历史负载数据和第二历史负载数据，所以负载预测的结果也会更加准确。

在一个可能的设计中，所述根据所述第一历史负载数据和所述第二历史负载数据对所述第一应用的所述负载类型进行负载预测，包括：

分别计算所述第二历史负载数据中的每个连续子序列与所述第一历史负载数据之间的皮尔森相关系数，其中，所述每个连续子序列的长度为所述第一历史负载数据的长度；确定包括皮尔森相关系数的绝对值大于阈值的连续子序列在内的N个连续子序列为N个相似子序列；N为正整数；根据所述N个相似子序列与所述第一历史负载数据进行线性拟合，获得线性函数；根据所述线性函数以及所述N个相似子序列中每一个相似子序列的下一时刻的值进行预测获得N个预测值；根据所述N个相似子序列的皮尔森相关系数的绝对值和所述N个预测值确定所述第一应用的预测值。在本实施例中，因为只挑选与第一历史数据相关性较大的第二历史负载数据进行负载预测，所以可以使得预测的结果更加准确。