[发明专利]一种计算资源智能分配方法及系统

权利要求书

1.一种计算资源智能分配方法，其特征在于，包括：

S1、获取各计算资源的第一预测使用率；

S2、根据所述第一预测使用率及计算业务的第一实例数目计算资源综合使用率R(Total)，所述资源综合使用率表征计算资源在以成本为考虑指标时是否得到充分使用，判断所述资源综合使用率R(Total)是否为最佳值；

S3、如果所述资源综合使用率不是最佳值，则利用预测模型将所述第一预测使用率、第一实例数目调整成最优预测使用率、最优实例数目，根据所述最优预测使用率、最优实例数目计算的所述资源综合使用率R(Total)为最佳值；

S4、根据所述最优预测使用率、最优实例数目分配各计算资源到各计算业务；

步骤S2中：资源综合使用率其中，SaaS0N表示一种计算业务，B_x表示一种计算资源，M_N为计算业务SaaS0N的实例数目，A_Nx为计算业务SaaS0N对计算资源B_x的使用率，C(B_x)为计算资源B_x的购买成本，C(Total)为各计算资源的成本之和。

2.如权利要求1所述的计算资源智能分配方法，其特征在于，步骤S2中判断所述资源综合使用率R(Total)是否为最佳值的方法为：

根据第二预测使用率和第二实例数目计算并获取多个R(Total)，第二预测使用率不低于第一预测使用率并动态调整，第二实例数目动态调整，获取的多个R(Total)组成对比集合，在对比集合中筛选掉高于预设标准值的R(Total)；

判断S2中计算出的R(Total)是否小于或等于预设标准值且高于对比集合中的所有元素；如果是，则步骤S2计算出的R(Total)为最佳值，否则步骤S2计算出的R(Total)不为最佳值。

3.如权利要求1所述的计算资源智能分配方法，其特征在于，步骤S1中获取各计算资源的所述第一预测使用率的方法为：

采集各计算资源的历史使用率，根据各计算资源的历史使用率计算并获取各计算资源未来的所述第一预测使用率。

4.如权利要求1所述的计算资源智能分配方法，其特征在于，步骤S3中所述预测模型为机器学习模型，在利用所述预测模型将所述第一预测使用率、第一实例数目调整成最优预测使用率、最优实例数目之前，还包括：

根据第一预测使用率、对应的实际使用率计算该第一预测使用率对应的最优预测使用率，将多组第一预测使用率及第一预测使用率对应的实际使用率、最优预测使用率输入所述预测模型，对所述预测模型进行训练，获取更准确的预测模型。

5.一种计算资源智能分配系统，其特征在于，包括：

预测使用率获取模块：获取各计算资源的第一预测使用率；

判断模块：根据所述第一预测使用率及计算业务的第一实例数目计算资源综合使用率R(Total)，所述资源综合使用率表征计算资源在以成本为考虑指标时是否得到充分使用，判断所述资源综合使用率R(Total)是否为最佳值；

调整模块：如果所述资源综合使用率不是最佳值，则利用预测模型将所述第一预测使用率、第一实例数目调整成最优预测使用率、最优实例数目，根据所述最优预测使用率、最优实例数目计算的所述资源综合使用率R(Total)为最佳值；

资源分配模块：根据所述最优预测使用率、最优实例数目分配各计算资源到各计算业务；

判断模块用于计算资源综合使用率其中，SaaS0N表示一种计算业务，B_x表示一种计算资源，M_N为计算业务SaaS0N的实例数目，A_Nx为计算业务SaaS0N对计算资源B_x的使用率，C(B_x)为计算资源B_x的购买成本，C(Total)为各计算资源的成本之和。