[发明专利]计算机性能数据确定方法、装置、计算机设备及存储介质

说明书

本发明涉及区块链技术，提供一种计算机性能数据确定方法及相关设备，所述方法获取计算机的多个历史性能数据序列；使用多个历史性能数据序列对长短期记忆网络进行预训练；对多个历史性能数据序列进行分类，得到N个序列类型和与所述N个序列类型一一对应的N个历史性能数据序列子集；用每个历史性能数据序列子集训练一个由预训练后的长短期记忆网络和位于预训练后的长短期记忆网络后的全连接层构成的性能预判模型，得到与N个序列类型一一对应的N个训练后的性能预判模型；通过与计算机的待预判性能数据序列的序列类型对应的训练后的性能预判模型，预判计算机的性能数据。此外，本申请还涉及区块链技术，所述性能数据可存储于区块链中。

技术领域

本发明涉及区块链技术，具体涉及一种计算机性能数据确定方法、装置、计算机设备及计算机可读存储介质。

背景技术

在云计算平台服务厂商，性能(如容量)预测是一个重要的AIOPS(基于人工智能的IT运营)应用场景。现有的性能预测方法对云计算平台服务厂商进行性能预测的精准度不高，对长期的性能预测效果不好。当存在大规模性能指标需要进行预测时，如果对每个性能指标使用一个模型进行预测，同时不同的性能指标需要调节模型的参数大不想同，导致需要的人力投入成本巨大。另一方面，当某一个性能指标的训练数据较少时，对性能指标的预测可能出现过拟合。

发明内容

鉴于以上内容，有必要提出一种计算机性能数据确定方法、装置、计算机设备及计算机可读存储介质，其可以根据计算机的历史性能数据预判计算机性能。

本申请的第一方面提供一种计算机性能数据确定方法，所述方法包括：

获取计算机的多个历史性能数据序列；

使用所述多个历史性能数据序列对长短期记忆网络进行预训练，得到预训练后的长短期记忆网络；

对所述多个历史性能数据序列进行分类，得到N个序列类型和与所述N个序列类型一一对应的N个历史性能数据序列子集；

用每个历史性能数据序列子集训练一个由所述预训练后的长短期记忆网络和位于所述预训练后的长短期记忆网络后的全连接层构成的性能预判模型，得到与所述N个序列类型一一对应的N个训练后的性能预判模型；

通过与所述计算机的待预判性能数据序列的序列类型对应的训练后的性能预判模型，预判所述计算机的性能数据。

本申请的第二方面提供一种计算机性能数据确定装置，所述装置包括：

获取模块，用于获取计算机的多个历史性能数据序列；

第一训练模块，用于使用所述多个历史性能数据序列对长短期记忆网络进行预训练，得到预训练后的长短期记忆网络；

分类模块，用于对所述多个历史性能数据序列进行分类，得到N个序列类型和与所述N个序列类型一一对应的N个历史性能数据序列子集；

第二训练模块，用于用每个历史性能数据序列子集训练一个由所述预训练后的长短期记忆网络和位于所述预训练后的长短期记忆网络后的全连接层构成的性能预判模型，得到与所述N个序列类型一一对应的N个训练后的性能预判模型；

预判模块，用于通过与所述计算机的待预判性能数据序列的序列类型对应的训练后的性能预判模型，预判所述计算机的性能数据。

本申请的第三方面提供一种计算机设备，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现所述计算机性能数据确定方法。

本申请的第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述计算机性能数据确定方法。