[发明专利]基于大规模分布式运维系统的机房资源预测方法及装置

说明书

本发明提供基于大规模分布式运维系统的机房资源预测方法及装置。基于大规模分布式运维系统的机房资源预测方法包括：以各机房服务器为结点，以各所述机房服务器被共用的关系为边，以各所述机房服务器自身配置为属性，构建机房图；对所述机房图的所有结点进行向量表示；通过各结点向量、各所述机房服务器自身配置及资源使用率组成的时间序列，对未来各所述机房服务器的资源使用率进行预测，以在各所述机房服务器的高峰使用时间段进行预警。本发明能够准确地预测出机房未来资源使用率的情况，从而便于大规模分布式运维系统后续为机房分配相应的资源，进而提高运维效率。

技术领域

本发明涉及运维技术领域，特别是涉及基于大规模分布式运维系统的机房资源预测方法及装置。

背景技术

随着大数据时代的到来，人工智能、云计算技术日渐成熟和火热，传统的运维系统已经不能满足日益增长的需求，智能运维技术成为了大数据时代的热门话题。目前，越来越多的运维系统逐渐发展成了分布广、规模大的大规模分布式运维系统。如何高效提升大规模分布式运维系统的运维效率，降低运维成本，维护业务的稳定执行是一个不能忽视的任务。

然而，现有的大规模分布式运维系统缺少机房资源的预测与分配机制，阻碍了运维效率的进一步提升。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供基于大规模分布式运维系统的机房资源预测方法及装置，为大规模分布式运维系统添加机房资源的预测与分配机制，从而提高运维效率。

为实现上述目的及其他相关目的，本发明提供一种基于大规模分布式运维系统的机房资源预测方法，包括：以各机房服务器为结点，以各所述机房服务器被共用的关系为边，以各所述机房服务器自身配置为属性，构建机房图；对所述机房图的所有结点进行向量表示；通过各结点向量、各所述机房服务器自身配置及资源使用率组成的时间序列，对未来各所述机房服务器的资源使用率进行预测，以在各所述机房服务器的高峰使用时间段进行预警。

于本发明一实施例中，对所述机房图的所有结点进行向量表示的实现方式包括：通过DeepWalk算法在所述机房图中随机游走；通过Skip-gram模型对游走序列进行训练；通过多轮迭代得到每个所述结点的嵌入表示。

于本发明一实施例中，所述对未来资源使用率进行预测之前的训练采用长短时记忆网络来实现；所述长短时记忆网络的输入特征包括：各所述结点向量、各所述机房服务器自身配置及资源使用率。

于本发明一实施例中，所述方法还包括：基于预测得到的各所述机房服务器的资源使用率趋势，提供资源分配方案。

为实现上述目的及其他相关目的，本发明提供一种基于大规模分布式运维系统的机房资源预测装置，包括：机房网络构建模块，用于以各机房服务器为结点，以各所述机房服务器被共用的关系为边，以各所述机房服务器自身配置为属性，构建机房图；机房网络图嵌入模块，用于对所述机房图的所有结点进行向量表示；时间序列预测模块，用于通过各结点向量、各所述机房服务器自身配置及资源使用率组成的时间序列，对未来各所述机房服务器的资源使用率进行预测，以在各所述机房服务器的高峰使用时间段进行预警。

于本发明一实施例中，对所述机房图的所有结点进行向量表示的实现方式包括：通过DeepWalk算法在所述机房图中随机游走；通过Skip-gram模型对游走序列进行训练；通过多轮迭代得到每个所述结点的嵌入表示。

于本发明一实施例中，所述时间序列预测模块对未来资源使用率进行预测之前的训练采用长短时记忆网络来实现；所述长短时记忆网络的输入特征包括：各所述结点向量、各所述机房服务器自身配置及资源使用率。

于本发明一实施例中，所述装置还包括：资源调度分配模块，用于基于预测得到的各所述机房服务器的资源使用率趋势，提供资源分配方案。