[发明专利]一种集群监控平台CPU负载预测方法、系统、介质及设备

说明书

本发明提供了一种集群监控平台CPU负载预测方法、系统、介质及设备，方法包括以下步骤：基于自回归模型得到当前或之前任一选定时刻的第一CPU负载预测量；基于三次指数平滑模型得到该时刻的第二CPU负载预测量；构建基于该时刻的第一CPU负载预测量和第二CPU负载预测量的分配权重的CPU负载组合预测模型，并解得第一CPU负载预测量的第一权重和第二CPU负载预测量的第二权重；基于第一权重和第二权重得到未来时刻的CPU负载组合预测模型。本发明通过对自回归模型和三次指数平滑模型依权重进行组合，给出了CPU负载组合预测模型，以提高集群监控平台中CPU负载量预测的精确度。

技术领域

本发明涉及服务器集群技术领域，尤其涉及一种集群监控平台CPU负载预测方法、系统、介质及设备。

背景技术

服务器集群就是指将很多服务器集中起来一起进行同一种服务，在客户端看来就像是只有一个服务器。集群可以利用多个计算机进行并行计算从而获得很高的计算速度，也可以用多个计算机做备份，从而使得任何一个机器坏了整个系统还是能正常运行。

当前集群服务器CPU负载的短时预测研究，较为成熟的是时间序列预测技术，与新兴的预测技术如深度学习、神经网络技术等相比具有复杂度低的优势。对于集群监控平台的负载预测，适宜采用复杂度低的预测算法模型。因此，需要建立一种集群监控平台中的CPU负载预测方法，以提高集群监控平台中CPU负载预测的精确度。

发明内容

有鉴于此，本发明的目的在于提出一种集群监控平台CPU负载预测方法、系统、介质及设备，以提高集群监控平台中CPU负载预测的精确度。

基于上述目的，本发明一方面提供了一种集群监控平台CPU负载预测方法，包括如下步骤：

基于自回归模型得到当前或之前任一选定时刻的第一CPU负载预测量；

基于三次指数平滑模型得到该时刻的第二CPU负载预测量；

构建基于该时刻的第一CPU负载预测量和第二CPU负载预测量的分配权重的CPU负载组合预测模型，并解得第一CPU负载预测量的第一权重和第二CPU负载预测量的第二权重；

基于第一权重和第二权重得到未来时刻的CPU负载组合预测模型。

在一些实施例中，该方法还包括：获取该时刻的已知CPU负载量。

在一些实施例中，解得第一CPU负载预测量的第一权重和第二CPU负载预测量的第二权重包括：获得CPU负载组合预测模型在该时刻的预测误差，其中，预测误差为CPU负载组合预测模型在该时刻的值和已知CPU负载量的差值；基于预测误差的绝对值的最小值求解第一权重和第二权重。

在一些实施例中，解得第一CPU负载预测量的第一权重和第二CPU负载预测量的第二权重还包括：建立关于预测误差的绝对值的最小值的线性规划模型，并基于线性规划模型中的约束条件得到第一权重和第二权重。

在一些实施例中，第一权重和第二权重之和为100％。

在一些实施例中，方法还包括：在运用自回归模型在运用过程中，将采集的原始数据经二阶差分后进行数据标准化，再运用自回归模型。

在一些实施例中，三次指数平滑模型包括平滑系数，平滑系数的值在0.10至0.80内。

本发明的另一方面，还提供了一种集群监控平台CPU负载预测系统，包括：

自回归模型模块，配置用于基于自回归模型得到当前或之前任一选定时刻的第一CPU负载预测量；

三次指数平滑模型模块，配置用于基于三次指数平滑模型得到该时刻的第二CPU负载预测量；