[发明专利]云平台资源使用预测方法及终端设备

权利要求书

1.一种云平台资源使用预测方法，其特征在于，包括：

获取云平台的历史使用数据；所述历史使用数据包括历史资源使用量以及每个所述历史资源使用量对应的使用时刻；

确定所述历史资源使用量及其所述使用时刻之间的相关性，并根据所述相关性调整预设的线性回归模型的权重以及预设的神经网络模型的权重；所述线性回归模型和所述神经网络模型为预先根据云平台的历史使用数据训练得到，用于对所述云平台的使用情况进行预测；

将所述历史使用数据分别输入所述线性回归模型和所述神经网络模型预测得到所述云平台在预设时段内的第一资源使用量和第二资源使用量，再根据所述线性回归模型和所述神经网络模型调整之后的权重计算所述第一资源使用量和所述第二资源使用量之间的加权和，得到所述云平台在预设时段内的资源使用量；

所述确定所述历史资源使用量及其所述使用时刻之间的相关性，并根据所述相关性调整预设的线性回归模型的权重以及预设的神经网络模型的权重之前，还包括：

检测并删除所述历史使用数据中的异常数据；

以月份为单位，对删除所述异常数据之后的历史数据进行归档，并确定每月中的历史数据的最大值；

将所述每月中的历史数据的最大值识别为每个月的历史资源使用量。

2.如权利要求1所述的云平台资源使用预测方法，其特征在于，所述确定所述历史资源使用量及其所述使用时刻之间的相关性，并根据所述相关性调整预设的线性回归模型的权重以及预设的神经网络模型的权重，包括：

计算所述历史资源使用量和所述使用时刻之间的相关系数；

根据所述相关系数和预设的相关阈值，判断所述历史资源使用量和所述使用时刻之间是否线性相关；

若线性相关，则增加所述线性回归模型的第一权重；若不线性相关，则增加所述神经网络模型的第二权重。

3.如权利要求2所述的云平台资源使用预测方法，其特征在于，所述计算所述历史资源使用量和所述使用时刻之间的相关系数，包括：

通过如下公式计算所述历史资源使用量和所述使用时刻之间的相关系数：；其中，用于表示所述历史资源使用量的值；用于表示所述历史资源使用量的使用时刻；i用于表示所述使用时刻的总数目。

4.如权利要求1所述的云平台资源使用预测方法，其特征在于，所述将所述历史使用数据分别输入所述线性回归模型和所述神经网络模型预测得到所述云平台在预设时段内的第一资源使用量和第二资源使用量，再根据所述线性回归模型和所述神经网络模型调整之后的权重计算所述第一资源使用量和所述第二资源使用量之间的加权和，得到所述云平台在预设时段内的资源使用量之后，包括：

获取所述云平台中每个云主机的当前资源使用量；

根据预测出的所述资源使用量以及所述每个云主机的当前资源使用量，对所述云主机中的负载情况进行调整。

5.一种终端设备，其特征在于，包括存储器以及处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现如下步骤：

获取云平台的历史使用数据；所述历史使用数据包括历史资源使用量以及每个所述历史资源使用量对应的使用时刻；

确定所述历史资源使用量及其所述使用时刻之间的相关性，并根据所述相关性调整预设的线性回归模型的权重以及预设的神经网络模型的权重；所述线性回归模型和所述神经网络模型为预先根据云平台的历史使用数据训练得到，用于对所述云平台的使用情况进行预测；

将所述历史使用数据分别输入所述线性回归模型和所述神经网络模型预测得到所述云平台在预设时段内的第一资源使用量和第二资源使用量，再根据所述线性回归模型和所述神经网络模型调整之后的权重计算所述第一资源使用量和所述第二资源使用量之间的加权和，得到所述云平台在预设时段内的资源使用量；

所述确定所述历史资源使用量及其所述使用时刻之间的相关性，并根据所述相关性调整预设的线性回归模型的权重以及预设的神经网络模型的权重之前，还包括：

检测并删除所述历史使用数据中的异常数据；

以月份为单位，对删除所述异常数据之后的历史数据进行归档，并确定每月中的历史数据的最大值；

将所述每月中的历史数据的最大值识别为每个月的历史资源使用量。