[发明专利]基于机器学习的弹性部署服务的方法及系统

说明书

本发明涉及计算机技术领域，本发明旨在解决现有服务部署存在不及时以及人力和资源浪费的问题，提出一种基于机器学习的弹性部署服务的方法及系统，方案概括为：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；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；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。本发明能够节约服务资源和人力资源。

技术领域

本发明涉及计算机技术领域，具体来说涉及一种基于机器学习的弹性部署服务的方法及系统。

背景技术

目前一般使用zabbix监控系统来监视服务器的各种网络参数和硬件使用情况，zabbix只能用来提供服务器的监控报警功能，不能解决当服务的用户量暴涨时服务接口响应超时等问题，当服务的负载情况过高，如果需要保证服务的稳定性就需要手动的增加服务的集群数，当服务的负载较低的时候，又要手动的关闭一些服务来减少资源的浪费，如果基于人为的判断操作加减服务器，可能会造成服务部署不及时，以及太浪费人力。

发明内容

本发明旨在解决现有服务部署存在不及时以及人力和资源浪费的问题，提出一种基于机器学习的弹性部署服务的方法及系统。

本发明解决上述技术问题所采用的技术方案是：基于机器学习的弹性部署服务的方法，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；

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；

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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，所述服务器接口调用的日志信息使用logstash组件采集得到。

进一步的，所述服务器的硬件资源的使用信息使用zabbix组件采集得到。

本发明还提出一种基于机器学习的弹性部署服务的系统，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；

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；

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。

进一步的，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。

进一步的，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。