[发明专利]基于机器学习的智能扩缩容方法、装置、设备及存储介质

权利要求书

1.一种基于机器学习的智能扩缩容方法，其特征在于，包括：

获取监控指标对应的历史数据，将所述历史数据作为训练集进行模型训练，得到对应的第一预测模型；

若检测到运维平台中上传的需求信息中所包括的预测时间段，获取与所述预测时间段对应的先验信息，并通过将所述预测时间段输入至所述第一预测模型进行运算得到对应的第一预测信息；

将所述第一预测信息根据所述先验信息进行修正，得到与所述预测时间段对应的修正结果；

获取与所述训练集中每一历史数据对应的负载资源参数以组成与所述训练集对应的调整后训练集，通过调整后训练集进行模型训练，得到对应的第二预测模型；

将所述修正结果输入至所述第二预测模型进行运算，得到对应的第二预测结果；

判断所述第二预测结果是否满足预设的服务器扩容条件，或者是否满足预设的服务器缩容条件；

若所述第二预测结果满足所述服务器扩容条件，对应进行虚拟机扩容；以及

若所述第二预测结果满足所述服务器缩容条件，对应进行虚拟机缩容；

其中，所述将所述第一预测信息根据所述先验信息进行修正，得到与所述预测时间段对应的修正结果，包括：

获取与所述第一预测信息对应的第一权重值，并获取与所述先验信息对应的第二权重值；

计算获取所述第一预测信息与所述第一权重值相乘对应的第一运算结果，计算获取所述先验信息与所述第二权重值相乘对应的第二运算结果；

将所述第一运算结果与所述第一运算结果求和，得到与所述预测时间段对应的修正结果。

2.根据权利要求1所述的基于机器学习的智能扩缩容方法，其特征在于，所述监控指标为被监测网址的每小时点击量；

所述将所述历史数据作为训练集进行模型训练，得到对应的第一预测模型，包括：

由多个每小时点击量组成训练集，将训练集对待训练SARIMA模型进行模型训练得到SARIMA模型超参数，并得到对应的第一预测模型。

3.根据权利要求1所述的基于机器学习的智能扩缩容方法，其特征在于，所述获取与所述预测时间段对应的先验信息，包括：

通过OCR识别获取所述需求信息中的目标关键词及目标关键词取值，将目标关键词取值作为与所述预测时间段对应的先验信息。

4.根据权利要求1所述的基于机器学习的智能扩缩容方法，其特征在于，所述获取与所述训练集中每一历史数据对应的负载资源参数以组成与所述训练集对应的调整后训练集，通过调整后训练集进行模型训练，得到对应的第二预测模型，包括：

获取所述训练集中每一历史数据对应的负载资源参数；其中，所述负载资源参数包括虚拟机数量，CPU使用量、内存使用量；

由每一历史数据对应的时间段、点击量、虚拟机数量、CPU使用量、内存使用量组成与各历史数据对应的调整历史数据，由各历史数据对应的调整历史数据组成调整后训练集；

由每一调整历史数据中的时间段、点击量、虚拟机数量组成各调整历史数据对应的输入特征，由每一调整历史数据中的CPU使用量、内存使用量组成各调整历史数据对应的输出特征；

获取待训练第二预测模型，将调整后训练集中各调整历史数据对应的输入特征和输出特征输入至待训练第二预测模型进行模型训练，得到对应的第二预测模型。