[发明专利]应用系统扩容方法、装置和设备

权利要求书

1.一种应用系统扩容方法，其特征在于，包括：

若判断获知预测业务指标值对应的预测响应时间大于预设时间阈值，则对应用系统中优先级最高的层进行扩容；

其中，所述应用系统每一层的优先级与每一层对应的权重相关，每一层对应的权重根据Logistic回归算法获取；

其中，每一层对应的权重根据Logistic回归算法，通过下述步骤获取：

基于所述应用系统各层的资源负载参数，获取所述应用系统任一实体的资源负载表达式，其中，所述资源负载参数包括CPU使用率、内存使用率，磁盘I/O使用率，网络I/O使用率；

基于所述应用系统任一实体的资源负载表达式，获取所述任一实体所处层的集群负载表达式，其中，所述系统任一层包括若干个集群，任一集群包括若干个实体；

基于所述任一实体所处层的集群负载表达式，以及所述任一实体所处层对于所述应用系统的影响权重，获取所述应用系统的总负载表达式；

基于所述应用系统的总负载表达式，通过Logistic回归算法进行训练，获取所述应用系统每一层对应的权重。

2.根据权利要求1所述的扩容方法，其特征在于，所述预测业务指标值对应的预测响应时间通过下述步骤获取：

将所述应用系统的业务指标值和响应时间作为训练样本，通过Logistic回归算法对所述应用系统的每一时间切片下的业务指标值和响应时间进行训练，获取训练好的预测业务指标值-预测响应时间曲线模型；

基于所述训练好的预测业务指标值-预测响应时间曲线模型，获取与预测业务指标值对应的预测响应时间。

3.根据权利要求2所述的扩容方法，其特征在于，所述通过Logistic回归算法对所述应用系统的每一时间切片下的业务指标值和响应时间进行训练，获取训练好的预测业务指标值-预测响应时间曲线模型，具体包括：

获取所述应用系统的业务指标值和响应时间的高阶伯努利分布，并获取所述高阶伯努利分布的代价函数；

对所述高阶伯努利分布的代价函数最小用梯度下降法进行迭代，获取出现梯度收敛时的业务指标值和响应时间的对应关系，并将所述对应关系作为所述训练好的预测业务指标值-预测响应时间曲线模型。

4.根据权利要求1所述的扩容方法，其特征在于，所述基于所述应用系统的总负载表达式，通过Logistic回归算法进行训练，获取所述应用系统每一层对应的权重，具体包括：

将所述应用系统的总负载表达式带入层权重-负载曲线模型的代价函数中，获取带入后的层权重-负载曲线模型的代价函数；

对所述带入后的层权重-负载曲线模型的代价函数最小用梯度下降法进行迭代，获取出现梯度收敛时的所述任一实体所处层的影响权重，并将所述任一实体所处层影响权重作为所述任一实体所处层的权重。

5.根据权利要求1所述的扩容方法，其特征在于，所述对应用系统中优先级最高的层进行扩容，具体包括：

基于所述应用系统各层的权重值大小，为权重值较大的层赋予较高的优先级，为权重值较小的层赋予较低的优先级；

基于各层对应的优先级，对优先级最高的层进行扩容。

6.根据权利要求1所述的扩容方法，其特征在于，所述若判断获知预测业务指标值对应的预测响应时间大于预设时间阈值，则对应用系统中优先级最高的层进行扩容，之后还包括：

若判断获知下回预测业务指标值对应的下回预测响应时间大于下回预设时间阈值，则对应用系统中优先级最高的层进行扩容；

其中，所述应用系统每一层的优先级与每一层对应的下回权重相关，每一层对应的下回权重根据Logistic回归算法获取。