[发明专利]用于管理云服务器的容量的方法和装置

说明书

技术领域

本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及用于管理云服务器的容量的方法和装置。

背景技术

云服务器是一种简单高效、安全可靠、处理能力可弹性伸缩的计算服务。其管理方式比物理服务器更简单高效。用户无需提前购买硬件，即可迅速创建或释放任意多台云服务器。云服务器通常采用虚拟化技术，虚拟化平台一般可以将一千台以上的服务器集群虚拟为多个性能可配的虚拟机(Kernel-based Virtual Machine，KVM)，对整个集群系统中所有虚拟机进行监控和管理，并根据实际资源使用情况灵活分配和调度资源池。

现有的对云服务器进行容量管理的方案通常需要用户自主设置自动扩容或者缩容的条件，当云服务器的各项指标符合自动扩容或者缩容的条件时，对云服务器进行扩容操作或者缩容操作。然而，这种方法缺乏一定的“预见性”，往往是已经对用户的业务产生一定的影响时才开始执行扩容操作。

发明内容

本申请的目的在于提出一种改进的用于管理云服务器的容量的方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请实施例提供了一种用于管理云服务器的容量的方法，该方法包括：获取对目标云服务器的至少一个指标进行监控的监控数据；针对每个指标，将该指标的监控数据导入预先训练的指标预测模型中得到该指标对应的指标预测结果，其中，指标预测模型用于表征监控数据与指标预测结果的对应关系；基于至少一个指标的指标预测结果中的指标预测峰值、指标预测谷值、预设的第一峰值阈值和预设的第一谷值阈值，针对至少一个指标对目标云服务器执行扩容操作或缩容操作。

在一些实施例中，获取对目标云服务器的至少一个指标进行监控的监控数据，包括：确定对目标云服务器的至少一个指标的监控数据进行采集的采集时间段是否大于预设的采集时间段阈值；若是，则获取监控数据。

在一些实施例中，将该指标的监控数据导入预先训练的指标预测模型中得到该指标对应的指标预测结果，包括：将采集时间段划分为预设数目个时间区间；针对每个时间区间，获取该指标在该时间区间的监控数据中大于预设的第二峰值阈值的数据峰值；确定数据峰值的数量是否大于预设的数量阈值；若数据峰值的数量大于数量阈值，则获取各个数据峰值的各个发生时间点，并确定各个发生时间点的差值中的最小差值；确定各个时间区间的各个最小差值的和值，并确定和值是否小于预设的和值阈值；若和值小于预设的和值阈值，则将该指标的监控数据导入预先训练的指标预测模型中得到该指标对应的指标预测结果。

在一些实施例中，针对至少一个指标对目标云服务器执行扩容操作或缩容操作，包括：针对至少一个指标中的每个指标，基于该指标对应的指标预测结果，确定在预设的第一时间段内的该指标的指标预测峰值是否大于预设的第一峰值阈值；若是，则针对该指标对目标云服务器执行扩容操作。

在一些实施例中，针对该指标对目标云服务器执行扩容操作，包括：获取目标云服务器的配置信息；为目标云服务器分配具有配置信息的临时云服务器；对目标云服务器和临时云服务器执行负载均衡操作。

在一些实施例中，至少一个指标包括中央处理器利用率；以及针对该指标对目标云服务器执行扩容操作，包括：增加目标云服务器运行所占据的中央处理器的处理器内核的数量，并重新启动目标云服务器。

在一些实施例中，至少一个指标包括内存使用率；以及针对该指标对目标云服务器执行扩容操作，包括：增加目标云服务器运行所占据的内存容量，并重新启动目标云服务器。

在一些实施例中，针对至少一个指标对目标云服务器执行扩容操作或缩容操作，包括：针对至少一个指标中的每个指标，基于该指标对应的指标预测结果，确定在预设的第一时间段内的该指标的指标预测峰值是否小于等于预设的第一峰值阈值；响应于确定出在第一时间段内的该指标的指标预测峰值小于等于预设的第一峰值阈值，则进一步确定在第一时间段内的指标预测谷值是否小于预设的第一谷值阈值；响应于确定出在第一时间段内的指标预测谷值小于第一谷值阈值，针对该指标对目标云服务器执行缩容操作。

在一些实施例中，该方法还包括训练指标预测模型的步骤，包括：获取对目标云服务器的至少一个指标进行监控的历史监控数据；针对每个指标，将该指标的历史监控数据中时间在前的历史监控数据确定为输入样本；将该指标的历史监控数据中时间在后、除确定为输入样本的历史监控数据之外的历史监控数据确定为输出样本；利用机器学习方法，基于输入样本和输出样本，训练得到该指标的指标预测模型。