[发明专利]集群容量预测方法及装置

权利要求书

1.一种集群容量预测方法，其特征在于，所述集群包括至少两个系统应用，所述方法包括：

在各个所述系统应用运行过程中，获取每个所述系统应用的各个性能指标值；

从各个所述性能指标值中提取每个预设指标字段各自对应的性能指标值，并将所提取的每个性能指标值确定为目标性能指标值；

将各个所述目标性能指标值输入至预先构建的容量预测模型中，得到所述容量预测模型输出的所述集群的容量预测结果。

2.根据权利要求1所述的方法，其特征在于，所述容量预测模型的构建过程，包括：

获取数据库中预先存储的各个性能指标样本；

对各个性能指标样本进行数据预处理，得到每个所述性能指标样本各自对应的初始性能指标样本；

从各个初始性能样本中提取每个所述预设指标字段各自对应的初始性能指标，将所提取的每个初始性能指标确定为目标性能指标样本；

依据每个所述目标性能指标样本对应的时间戳，对各个目标性能指标样本进行分组，得到多个样本组；每个所述样本组的目标性能指标样本的数量相同；

获取每个所述样本组各自对应的容量值；

建立神经网络模型，并依据各个所述样本组和每个所述样本组各自对应的容量值，对所述神经网络模型进行训练；

将各个所述样本组中，满足预设边界条件的样本组确定为优化样本组；

依据各个优化样本组和每个所述优化样本组各自对应的容量值，对完成训练的神经网络模型进行优化，得到目标神经网络模型，并将所述目标神经网络模型作为容量预测模型。

3.根据权利要求2所述的方法，其特征在于，各个所述性能指标样本的存储的过程，包括：

在各个系统应用运行过程中，按预设周期获取每个所述系统应用的各个性能指标值，并将所获取的每个性能指标值作为性能指标样本；

确定每个所述性能指标样本所属的业务类型；

针对每个所述性能指标样本，将所述性能指标样本存储至数据库中与所述性能指标样本所属的业务类型对应的位置中。

4.根据权利要求2所述的方法，其特征在于，所述依据各个优化样本组和每个所述优化样本组各自对应的容量值，对完成训练的神经网络模型进行优化，得到目标神经网络模型，包括：

从各个所述优化样本组中选取一个所述优化样本组；

以所选取的优化样本组和该优化样本组的容量值，对当前的神经网络模型进行训练，得到第一结果；

依据当前的第一结果和与当前的第一结果对应的优化样本组的容量值，计算误差率；

判断当前的误差率是否小于预设误差阈值；

若否，则从剩余未选取的各个优化样本组中选取一个所述优化样本组，并返回执行所述以所选取的优化样本组对当前的神经网络模型进行训练，得到第一结果的步骤，直至当前的误差率满足所述预设误差阈值，完成对神经网络模型的优化；

将完成优化后的神经网络模型作为目标神经网络模型。

5.根据权利要求1所述的方法，其特征在于，所述得到所述容量预测模型输出的所述集群的容量预测结果之后，还包括：

将所述集群的容量预测结果发送至可视化界面进行展示。

6.根据权利要求1所述的方法，其特征在于，还包括：

获取每个所述预设指标字段各自对应满负荷指标值；

将各个所述满负荷指标值输入至所述容量预测模型中，得到所述容量预测模型输出的所述集群的极限容量预测结果。

7.一种集群容量预测装置，其特征在于，所述集群包括至少两个系统应用，所述装置包括：

第一获取单元，用于在各个所述系统应用运行过程中，获取每个所述系统应用的各个性能指标值；

第一提取单元，用于从各个所述性能指标值中提取每个预设指标字段各自对应的性能指标值，并将所提取的每个性能指标值确定为目标性能指标值；

第一预测单元，用于将各个所述目标性能指标值输入至预先构建的容量预测模型中，得到所述容量预测模型输出的所述集群的容量预测结果。