[发明专利]云原生资源动态预测方法、装置、计算机设备及存储介质

权利要求书

1.一种云原生资源动态预测方法，其特征在于，包括下述步骤：

接收用户终端发送的动态预测请求；

响应所述动态预测请求，读取本地数据库，获取云原生集群中容器负载的待预测资源数据以及性能指标数据；

基于皮尔森相关系数对所述待预测资源数据以及所述性能指标数据进行相关度排序，得到所述待预测资源数据以及所述性能指标数据之间的相关性关系；

基于所述相关性关系定义相关度阈值；

将大于或等于所述相关度阈值的性能指标数据作为性能指标时序数据；

将所述性能指标时序数据进行横向数据扩展，得到训练数据以及测试数据；

将所述训练数据输入至构建好的时序神经网络模型中进行训练，得到训练好的时序神经网络预测模型；

将所述测试数据输入至所述时序神经网络预测模型中进行预测操作，得到资源预测结果。

2.根据权利要求1所述的云原生资源动态预测方法，其特征在于，在所述响应所述动态预测请求，读取本地数据库，获取云原生集群中容器负载的待预测资源数据以及性能指标数据的步骤之前，所述方法还包括：

基于预设的时间间隔对云原生集群中容器负载的历史资源数据进行采集；

对所述历史资源数据进行预处理，得到所述待预测资源数据。

3.根据权利要求2所述的云原生资源动态预测方法，其特征在于，所述对所述历史资源数据进行预处理，得到所述待预测资源数据的步骤包括：

删除所述历史资源数据中的无效或异常数据，得到有效时序数据；

对所述有效时序数据进行归一化处理，得到所述待预测资源数据。

4.根据权利要求1所述的云原生资源动态预测方法，其特征在于，在所述将所述测试数据输入至所述时序神经网络预测模型中进行预测操作，得到资源预测结果的步骤之后，所述方法还包括：

重复执行所述预测操作过程，得到实时预测数据；

将所述实时预测数据反馈至所述用户终端。

5.根据权利要求1所述的云原生资源动态预测方法，其特征在于，在所述将所述训练数据输入至构建好的时序神经网络模型中进行训练，得到训练好的时序神经网络预测模型的步骤之前，所述方法还包括：

将预设的全连接层以及注意力机制添加至时序神经网络基础模型架构中，得到所述时序神经网络模型。

6.一种云原生资源动态预测装置，其特征在于，包括：

请求接收模块，用于接收用户终端发送的动态预测请求；

请求响应模块，用于响应所述动态预测请求，读取本地数据库，获取云原生集群中容器负载的待预测资源数据以及性能指标数据；

相关度排序模块，用于基于皮尔森相关系数对所述待预测资源数据以及所述性能指标数据进行相关度排序，得到所述待预测资源数据以及所述性能指标数据之间的相关性关系；

阈值定义模块，用于基于所述相关性关系定义相关度阈值；

时序数据获取模块，用于将大于或等于所述相关度阈值的性能指标数据作为性能指标时序数据；

数据扩展模块，用于将所述性能指标时序数据进行横向数据扩展，得到训练数据以及测试数据；

模型训练模块，用于将所述训练数据输入至构建好的时序神经网络模型中进行训练，得到训练好的时序神经网络预测模型；

数据预测模块，用于将所述测试数据输入至所述时序神经网络预测模型中进行预测操作，得到资源预测结果。

7.根据权利要求6所述的云原生资源动态预测装置，其特征在于，所述装置还包括：

数据采集模块，用于基于预设的时间间隔对云原生集群中容器负载的历史资源数据进行采集；

预处理模块，用于对所述历史资源数据进行预处理，得到所述待预测资源数据。

8.根据权利要求7所述的云原生资源动态预测装置，其特征在于，所述预处理模块包括：

数据删除单元，用于删除所述历史资源数据中的无效或异常数据，得到有效时序数据；

归一化处理单元，用于对所述有效时序数据进行归一化处理，得到所述待预测资源数据。