[发明专利]一种基于神经网络模型的负载确定方法、装置及系统

说明书

本申请实施例公开了一种基于神经网络模型的负载确定方法、装置及系统，所述方法包括基于负载监控样本数据，训练获得神经网络模型，所述神经网络模型用于确定虚拟机的负载值；根据第一时间段内的负载监控数据，计算所述第一时间段内的负载监控数据的平均值；将所述负载监控数据的平均值输入所述神经网络模型，输出所述第一时间段内的负载值。在本申请实施例中，基于神经网络模型，并结合一个时间段内的负载监控数据来确定一个时间段内虚拟机的负载值，可以在一定程度上提高虚拟机负载确定的准确性。

技术领域

本申请涉及云计算技术领域，特别是涉及一种基于神经网络模型的负载确定方法、装置及系统。

背景技术

云计算(cloud computing)是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展的资源。随着技术的发展，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。

云计算的核心载体是虚拟机，虚拟机及其上业务的稳定性、虚拟机运行时的负载精准确定和动态调整是衡量云数据中心操作系统健壮性的重要指标之一。目前业界在虚拟机负载确定时，往往只是根据某一时刻点的CPU、内存、磁盘IO和网络IO值进行一定程度的综合确定，不能正确反映虚拟机的负载情况，存在较大的误差。

发明内容

本申请实施例中提供了一种基于神经网络模型的负载确定方法、装置及系统，以解决现有技术中不能正确反映虚拟机的负载，存在较大的误差的问题。

第一方面，本申请实施例提供了一种基于神经网络模型的负载确定方法，所述方法包括：基于负载监控样本数据，训练获得神经网络模型，所述神经网络模型用于确定虚拟机的负载值；

根据第一时间段内的负载监控数据，计算所述第一时间段内的负载监控数据的平均值；

将所述负载监控数据的平均值输入所述神经网络模型，输出所述第一时间段内的负载值。

可选地，所述负载监控样本数据和所述负载监控数据为五维输入向量，所述五维输入向量包括CPU负载比例、内存负载比例、磁盘IO负载比例、网络带宽负载比例和磁盘利用率负载比例。

可选地，所述神经网络模型包括输入层、中间层和输出层，所述输入层包括5个神经元，所述中间层包括4个神经元，所述输出层包括1个神经元。

可选地，所述方法还包括：按照预设的时间间隔采集负载监控数据，并存储所述负载监控数据；所述第一时间段内的负载监控数据为当前时间节点前的时间区间内存储的负载监控数据。

可选地，所述方法还包括：存储所述神经网络模型输出的负载值。

第二方面，本申请实施例提供了一种基于神经网络模型的负载确定装置，包括：

训练模块，用于基于负载监控样本数据，训练获得神经网络模型，所述神经网络模型用于确定虚拟机的负载值；

平均值计算模块，用于根据第一时间段内的负载监控数据，计算所述第一时间段内的负载监控数据的平均值；

负载值计算模块，用于将所述负载监控数据的平均值输入所述神经网络模型，输出所述第一时间段内的负载值。

可选地，所述负载监控样本数据和所述负载监控数据为五维输入向量，所述五维输入向量包括CPU负载比例、内存负载比例、磁盘IO负载比例、网络带宽负载比例和磁盘利用率负载比例。

可选地，所述神经网络模型包括输入层、中间层和输出层，所述输入层包括5个神经元，所述中间层包括4个神经元，所述输出层包括1个神经元。