[发明专利]基于机器学习的弹性部署服务的方法及系统

权利要求书

1.基于机器学习的弹性部署服务的方法，其特征在于，包括以下步骤：

步骤1、获取当用户下发开启服务和关闭服务的指令时，服务器接口调用的日志信息和服务器的硬件资源的使用信息，所述服务器接口调用的日志信息至少包括：当前接口调用的时间、接口的调用量和接口的响应时间，所述硬件资源的使用信息至少包括：服务器已使用内存大小、服务器的CPU负载和服务器的网卡流量；

步骤2、将开启服务和关闭服务的指令对应的日志信息和硬件资源的使用信息作为机器学习的样本，分别训练得到开启服务模型和关闭服务模型，所述开启服务模型和关闭服务模型基于逻辑回归算法训练得到；

步骤3、实时采集服务器接口调用的日志信息和服务器的硬件资源的使用信息，基于所述开启服务模型和关闭服务模型判断是否开启或关闭服务，并根据判断结果进行服务的开启或关闭。

2.如权利要求1所述的基于机器学习的弹性部署服务的方法，其特征在于，所述步骤3之前还包括：基于召回率算法计算所述开启服务模型和关闭服务模型的准确性，当所述准确性达到预设值，则进入步骤3，否则，进入步骤1。

3.如权利要求1所述的基于机器学习的弹性部署服务的方法，其特征在于，所述服务器接口调用的日志信息使用logstash组件采集得到。

4.如权利要求1所述的基于机器学习的弹性部署服务的方法，其特征在于，所述服务器的硬件资源的使用信息使用zabbix组件采集得到。

5.基于机器学习的弹性部署服务的系统，其特征在于，包括：

获取单元，用于实时采集服务器接口调用的日志信息和服务器的硬件资源的使用信息，以及获取当用户下发开启服务和关闭服务的指令时，服务器接口调用的日志信息和服务器的硬件资源的使用信息，所述服务器接口调用的日志信息至少包括：当前接口调用的时间、接口的调用量和接口的响应时间，所述硬件资源的使用信息至少包括：服务器已使用内存大小、服务器的CPU负载和服务器的网卡流量；

训练单元，用于将开启服务和关闭服务的指令对应的日志信息和硬件资源的使用信息作为机器学习的样本，分别训练得到开启服务模型和关闭服务模型，所述开启服务模型和关闭服务模型基于逻辑回归算法训练得到；

服务部署单元，用于基于所述开启服务模型和关闭服务模型判断是否开启或关闭服务，并根据判断结果进行服务的开启或关闭。