[发明专利]实例使用状态的识别方法及设备

说明书

本申请提供一种实例使用状态的识别方法及设备，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运行数据进行特征提取，获得各性能指标的特征数据，对性能指标的特征数据进行计算获得目标实例的性能指数，根据目标实例的性能指数获得目标实例的使用状态，本申请通过对实例的各性能指标的运行数据进行处理获得目标实例的性能指数，再基于性能指数确定目标实例的使用状态，提高使用状态的识别准确性。

技术领域

本申请涉及计算机技术领域，尤其涉及一种实例使用状态的识别方法及设备。

背景技术

实例为具体的云服务器(Cloud Virtual Machine，简称，CVM)，是包含CPU、内存、操作系统、网络、磁盘等最基础的计算组件，是云服务厂商提供云服务的基本单元，每个服务器内可以运行多个实例。云服务厂商为了精细化管理众多实例，需要对实例的使用状态进行识别。

通常情况下，在对实例的使用状态进行识别时，对于同一类型同一规格的实例，采用固定的阈值进行使用状态识别。当某一性能指标的运行数据大于或者等于设定的阈值，则将该实例的使用状态设定为高负载状态，某一性能指标的运行数据小于设定的阈值，则将该实例的使用状态设定为空闲状态。

然而，通常实例的各性能指标的运行数据的数量级达到百万级别，需要逐一将运行数据与设定阈值比较，数据计算量大，计算耗时，并且需要人工设置合适的阈值，若阈值设置不当，容易导致识别结果错误。

发明内容

本申请提供一种实例使用状态的识别方法及设备，用以解决现有技术无法准确识别实例使用状态的技术问题。

本申请一实施例提供一种实例使用状态的识别方法，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运行数据进行特征提取，获得各性能指标的特征数据；

对性能指标的特征数据进行计算获得目标实例的性能指数；

根据目标实例的性能指数获得目标实例的使用状态。

在一实施例中，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运行数据进行统计分析，获得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运行数据进行特征提取，获得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运行数据进行画像分析，获得目标实例的画像数据。

在一实施例中，对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性能指标的特征数据进行处理，获得每个性能指标的权重；

根据每个性能指标的权重和每个性能指标的特征数据计算获得目标实例的性能指数。

在一实施例中，利用机器学习算法对每个性能指标的特征数据进行处理，获得每个性能指标的权重，具体包括：

利用机器学习算法对性能指标在每个时间区间内的统计结果、性能指标在每个时间区间内的时序特征数据、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。

在一实施例中，根据每个性能指标的权重和每个性能指标的特征数据计算获得目标实例的性能指数，具体包括：