[发明专利]负载预测方法、装置、计算机设备和存储介质

说明书

本申请涉及网络技术中的负载均衡技术，提供了一种负载预测方法、装置、计算机设备和存储介质。所述方法包括：获取与各趋势分析时间节点对应的目标负载样本数据；当对目标负载样本数据的均值验证通过时，根据已训练的支持向量机对目标负载样本数据进行负载趋势预测，得到负载趋势预测结果；当负载趋势预测结果为上涨时，获取与目标负载样本数据对应的待预测负载样本数据；根据已训练的时序预测模型对待预测负载样本数据进行时序预测，得到预测负载数据；比对预测负载数据和预设服务配额，得到负载预测结果。采用本方法能够降低负载预测的复杂度，加快预测速度且提高预测效率。

技术领域

本申请涉及计算机技术领域，特别是涉及一种负载预测方法、装置、计算机设备和存储介质。

背景技术

随着计算机技术的发展，出现了云计算技术。在云计算技术中，当一个服务托管在云平台上时，如果服务出现了高负载，需要及时对服务容量进行扩增，否则服务将出现异常。

传统技术中，主要通过事后扩容和重点保障两种方式来对服务容量进行扩增，其中的重点保障是指不对全量的服务进行实时负载预测，而是只对少量的重要服务基于神经网络等深度学习方法进行负载预测，通过分析服务历史负载数据，提取负载特征，对服务未来的负载进行预测扩容。

然而，传统方法，由于神经网络等深度学习方法的算法复杂度相当高，每次数据分析耗时很长，存在预测速度慢、预测效率低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够加快预测速度且提高预测效率的负载预测方法、装置、计算机设备和存储介质。

一种负载预测方法，所述方法包括：

获取与各趋势分析时间节点对应的目标负载样本数据；

当对目标负载样本数据的均值验证通过时，根据已训练的支持向量机对目标负载样本数据进行负载趋势预测，得到负载趋势预测结果；

当负载趋势预测结果为上涨时，获取与目标负载样本数据对应的待预测负载样本数据；

根据已训练的时序预测模型对待预测负载样本数据进行时序预测，得到预测负载数据；

比对预测负载数据和预设服务配额，得到负载预测结果。

一种负载预测装置，所述装置包括：

第一获取模块，用于获取与各趋势分析时间节点对应的目标负载样本数据；

趋势预测模块，用于当对目标负载样本数据的均值验证通过时，根据已训练的支持向量机对目标负载样本数据进行负载趋势预测，得到负载趋势预测结果；

第二获取模块，用于当负载趋势预测结果为上涨时，获取与目标负载样本数据对应的待预测负载样本数据；

时序预测模块，用于根据已训练的时序预测模型对待预测负载样本数据进行时序预测，得到预测负载数据；

比对模块，用于比对预测负载数据和预设服务配额，得到负载预测结果。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取与各趋势分析时间节点对应的目标负载样本数据；

当对目标负载样本数据的均值验证通过时，根据已训练的支持向量机对目标负载样本数据进行负载趋势预测，得到负载趋势预测结果；

当负载趋势预测结果为上涨时，获取与目标负载样本数据对应的待预测负载样本数据；

根据已训练的时序预测模型对待预测负载样本数据进行时序预测，得到预测负载数据；

比对预测负载数据和预设服务配额，得到负载预测结果。