[发明专利]一种规则优化的方法及装置

说明书

本申请公开了一种规则优化的方法，包括：根据第一训练数据训练第一模型，该第一训练数据包括云计算系统中的第一数据处理规则信息和第一处理结果，所述第一处理结果包括第一业务的处理状态的采集结果，其中，所述第一数据处理规则信息包括根据专家经验库确定的用于处理所述第一业务的规则；使用第一模型对第一数据处理规则进行处理得到优化后的规则，从而使得该优化后的规则适用于复杂场景。

技术领域

本申请涉及云计算领域，尤其涉及一种规则优化的方法及装置。

背景技术

云计算系统中存在着大量自动化规则，例如：网络访问控制列表(access controllist，ACL)ACL规则，物联网平台(internet of things if this then that，IoT IFTTT)规则，虚拟机(virtual machine，VM)或容器的弹性伸缩规则，运维系统中的硬盘故障检测规则。这些规则均为IF-THEN的形式，这种形式能够很容易将专家经验转变成规则的形态，快速解决单一的功能性问题，但通常准确性不高。

随着深度学习渐渐延伸到开发领域，催生出了学习型软件架构。这种学习型架构利用深度学习强大的学习能力，通过数据驱动，自动学习出最优策略。而深度学习这种纯黑盒模型可解释性差，依赖大量样本，在实际生产系统中可落地性差，并且，纯黑盒模型浪费了宝贵的专家经验。

如何针对复杂场景实现规则的深度学习，使得云计算系统中的规则能够适用于复杂场景，成为业界亟需解决的问题。

发明内容

本申请提供一种规则优化的方法及装置，能够针对复杂场景实现规则的深度学习，使得云计算系统中的规则能够适用于复杂的业务场景。

第一方面，提供了一种规则优化的方法，该方法包括：获取第一模型，所述第一模型是基于第一训练数据训练获得的，所述第一训练数据包括云计算系统中的第一数据处理规则信息和第一处理结果，所述第一处理结果包括第一业务的处理状态的采集结果，其中，所述第一数据处理规则信息包括根据专家经验库确定的用于处理所述第一业务的规则；根据所述第一模型对所述第一数据处理规则信息进行处理获得第二数据处理规则信息，所述第二数据处理规则信息包括所述第一数据处理规则信息的优化结果。

根据本申请的技术方案，根据第一数据处理规则和第一处理结果训练第一模型，使用第一模型处理第一数据处理规则得到适优化的规则，从而适用于更加复杂的业务场景。

本申请中，第一数据处理规则可以是云计算系统中存在的大量自动化规则，一种可能的实现方式中，该规则是基于专家经验库确定的，即在历史运行过程中的人工经验来确定的。

例如，该规则可以是，网络ACL规则，IoT IFTTT规则，VM或容器的弹性伸缩规则，运维系统中的硬盘故障检测规则等。

本申请中，第一处理结果和该第一数据处理规则针对同一业务，例如，第一数据处理规则为弹性伸缩规则中的CPU分配率的阈值规则，则，第一处理结果包括用户设备120在历史运行中处理弹性伸缩业务时的CPU分配率的大小和状态结果。

在一种实现方式中，还可以获取初始模型；根据所述初始模型对所述第一数据处理规则信息进行处理，得到第二处理结果；根据所述第一处理结果和所述第二处理结果，调整所述初始模型的参数，以获得所述第一模型。

根据该技术方案，根据第一处理结果和第一数据处理规则对初始模型进行训练，得到第一模型，从而使得第一模型在后续规则训练中能向第一处理结果收敛，进而保证训练得到的规则适应于复杂的场景。

在一种实现方式中，所述第一数据处理规则信息包括M个规则，所述根据所述第一模型对第一数据处理规则信息进行处理获得第二数据处理规则信息，包括：根据所述M个规则及所述M个规则之间的逻辑关系，得到组合后的规则，其中，M为大于等于2的正整数；根据所述第一模型对所述组合后的规则进行处理获得所述第二数据处理规则信息。