[发明专利]基础设施资源的处理方法、装置及服务器

说明书

本申请提供一种基础设施资源的处理方法、装置及服务器，涉及数据处理技术，该方法包括：接收用于采购资源的采购请求。基于采购请求，确定需要采购资源的当前时间点、以及与当前时间点相邻的上一次已采购资源的历史时间点。确定当前时间点与历史时间点之间的对应所采购资源的监测对象的运行状态数据，并根据预设的卷积神经网络模型对运行状态数据进行资源预测，得到当前时间点的资源采购量；根据资源采购量，执行相应的采购操作处理，以完成资源的采购。本申请的方法，极大的提高了资源采购量的准确性，尽可能做到既不浪费资源又不因为资源不够而影响系统运行，解决了物理资源的扩容需求的准确度较低的技术问题。

技术领域

本申请涉及数据处理技术，尤其涉及一种基础设施资源的处理方法、装置及服务器。

背景技术

目前，在数据中心基础设施中，所有虚拟化的存储、网络、内存、计算、输入/输出(Input/Output，I/O)等虚拟资源都是附着于实际的物理资源(例如，实际的中央处理器(Central Processing Unit，CPU)，内存，硬盘等)，因此，需要对实际的物理资源进行维护。

现有技术中，传统的数据中心基础设施资源需要不断根据系统运行情况和业务情况进行调整(主要是扩容)，也就是说，经常需要根据虚拟资源的使用情况人工确定扩容需求，从而增购和补充物理资源。

然而现有技术中，由于根据虚拟资源的使用情况人工确定扩容需求，确定的扩容需求的准确度较低，导致系统运行受限。

发明内容

本申请提供一种基础设施资源的处理方法、装置及服务器，用以解决物理资源的扩容需求的准确度较低的技术问题。

第一方面，本申请提供一种基础设施资源的处理方法，包括：

接收用于采购资源的采购请求；

基于所述采购请求，确定需要采购资源的当前时间点、以及与所述当前时间点相邻的上一次已采购资源的历史时间点；

确定所述当前时间点与所述历史时间点之间的对应所采购资源的监测对象的运行状态数据，并根据预设的卷积神经网络模型对所述运行状态数据进行资源预测，得到所述当前时间点的资源采购量；其中，所述预设的卷积神经网络模型是根据多份历史的运行状态数据-资源采购量数据对训练得到的；

根据所述资源采购量，执行相应的采购操作处理，以完成资源的采购。

进一步地，在所述确定所述当前时间点与所述历史时间点之间的对应所采购资源的监测对象的运行状态数据之后，还包括：

对所述运行状态数据进行预处理，得到预处理后的对应所采购资源的监测对象的运行状态数据。

进一步地，对所述运行状态数据进行预处理，得到预处理后的对应所采购资源的监测对象的运行状态数据，包括：

根据均匀的采样间隔，在所述运行状态数据中确定预设数量的数据，确定所述预设数量的数据为预处理后的对应所采购资源的监测对象的运行状态数据。

进一步地，所述方法还包括：

获取针对所述监测对象在多个时间点的历史的运行状态数据、以及在多个时间点的资源采购量；

分别对所述历史的运行状态数据和所述资源采购量进行预处理，得到预处理后的运行状态数据、以及预处理后的资源采购量；

根据相邻两个时间点中的用于采购资源采购量的前一个时间点、以及相邻两个时间点中的用于采购资源采购量的后一个时间点，确定所述前一个时间点与所述后一个时间点之间的历史的运行状态数据；

根据所述前一个时间点与所述后一个时间点之间的历史的运行状态数据、以及所述后一个时间点采购的资源采购量，生成历史的运行状态数据-资源采购量数据对；