[发明专利]实例使用状态的识别方法及设备

权利要求书

1.一种实例使用状态的识别方法，其特征在于，包括：

获取目标实例在一个识别周期内的至少一个性能指标的运行数据；

针对每个性能指标，对一个识别周期内的所述运行数据进行特征提取，获得各性能指标的特征数据；

对所述性能指标的特征数据进行计算获得目标实例的性能指数；

根据所述目标实例的性能指数获得所述目标实例的使用状态。

2.根据权利要求1所述的识别方法，其特征在于，每个识别周期包括多个时间区间；针对每个性能指标，对一个识别周期内的所述运行数据进行特征提取，获得各性能指标的特征数据，具体包括以下至少一项：

针对每个性能指标，对每个时间区间内的所述运行数据进行统计分析，获得所述性能指标在每个时间区间内的统计结果；

针对每个性能指标，利用机器学习算法对每个时间区间内的所述运行数据进行特征提取，获得所述性能指标在每个时间区间内的时序特征数据；

针对每个性能指标，利用机器学习算法对一个识别周期内的所述运行数据进行画像分析，获得所述目标实例的画像数据。

3.根据权利要求1或2所述的识别方法，其特征在于，对所述性能指标的特征数据进行计算获得目标实例的性能指数，具体包括：

利用机器学习算法对每个所述性能指标的特征数据进行处理，获得每个所述性能指标的权重；

根据每个所述性能指标的权重和每个所述性能指标的特征数据计算获得所述目标实例的性能指数。

4.根据权利要求3所述的识别方法，其特征在于，利用机器学习算法对每个所述性能指标的特征数据进行处理，获得每个所述性能指标的权重，具体包括：

利用机器学习算法对所述性能指标在每个时间区间内的统计结果、所述性能指标在每个时间区间内的时序特征数据、所述目标实例的画像数据以及每个性能指标的预设初始权重进行处理，获得每个性能指标的权重。

5.根据权利要求4所述的识别方法，其特征在于，根据每个所述性能指标的权重和每个所述性能指标的特征数据计算获得所述目标实例的性能指数，具体包括：

针对每个时间区间，对每个性能指标的统计结果、时序特征数据以及画像数据进行归一化处理；并对归一化处理后的统计结果、时序特征数据以及画像数据进行相加，获得在每个时间区间内每个性能指标的指标数据；

利用每个性能指标的权重对每个时间区间内每个性能指标的指标数据进行加权求和处理，获得每个时间区间内的目标实例的性能指数；

对每个时间区间内的目标实例的性能指数和预设时间权重进行加权求和，获得所述识别周期内的目标实例的性能指数。

6.根据权利要求1或2所述的识别方法，其特征在于，根据所述目标实例的性能指数获得所述目标实例的使用状态，具体包括：

当所述目标实例的性能指数小于第一阈值时，确定所述目标实例处于空闲状态；

当所述目标实例的性能指数大于或等于所述第一阈值，且小于第二阈值时，确定所述目标实例处于低负载状态；

当所述目标实例的性能指数大于或等于所述第二阈值，且小于第三阈值时，确定所述目标实例处于正常负载状态；

当所述目标实例的性能指数大于或等于所述第三阈值时，确定所述目标实例处于高负载状态。

7.根据权利要求6所述的识别方法，其特征在于，所述方法还包括：

获取所述目标实例在上一个识别周期内的至少一个性能指标的运行数据和在上一个识别周期内的目标实例的性能指数；

使用机器学习算法对在上一个识别周期内的至少一个性能指标的运行数据和目标实例的性能指数进行处理，获得所述第一阈值、所述第二阈值以及所述第三阈值。