本發(fā)明涉及計算機領(lǐng)域，特別涉及計算機領(lǐng)域中的預(yù)測云軟件性能的方法和裝置。

背景技術(shù)：

隨著電信網(wǎng)絡(luò)的發(fā)展，電信產(chǎn)業(yè)將進入網(wǎng)絡(luò)功能虛擬化(Network Functions Virtualization，簡稱“NFV”)的時代，多個廠商分層集成未來的NFV產(chǎn)品將成為主流，電信產(chǎn)品將以應(yīng)用程序(Application，簡稱“APP”)的形式運行在不同廠商硬件，不同的云平臺上。目前電信產(chǎn)品在不同的廠商硬件和不同的云平臺上的性能的預(yù)測是通過專家經(jīng)驗人工進行預(yù)測，但是僅依靠專家經(jīng)驗評估電信產(chǎn)品的性能影響評估的準(zhǔn)確性。

技術(shù)實現(xiàn)要素：

本發(fā)明實施例提供的預(yù)測云軟件性能的方法和裝置，可以提高評估電信產(chǎn)品的性能的準(zhǔn)確性。

第一方面，提供了一種預(yù)測云軟件性能的方法，該方法包括：獲取目標(biāo)業(yè)務(wù)的輸入?yún)?shù)，所述目標(biāo)業(yè)務(wù)的輸入?yún)?shù)包括：第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)、所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的虛擬網(wǎng)絡(luò)功能VNF業(yè)務(wù)參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的網(wǎng)絡(luò)功能虛擬化基礎(chǔ)設(shè)施NFVI的容量參數(shù)中的至少一種；將所述目標(biāo)業(yè)務(wù)的所述輸入?yún)?shù)輸入到所述目標(biāo)業(yè)務(wù)的預(yù)測模型得到所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的性能參數(shù)。

網(wǎng)絡(luò)功能虛擬化產(chǎn)品包括基礎(chǔ)設(shè)施層和虛擬網(wǎng)絡(luò)功能層，虛擬網(wǎng)絡(luò)功能層上的目標(biāo)業(yè)務(wù)，運行基礎(chǔ)設(shè)施層上形成了云化軟件，也即云軟件，例如，目標(biāo)業(yè)務(wù)可以是APP，也即可以稱為云化APP。

因此，通過獲取目標(biāo)業(yè)務(wù)的輸入?yún)?shù)，然后將輸入?yún)?shù)輸入到預(yù)測模型中，得到性能參數(shù)，利用預(yù)測模型預(yù)測產(chǎn)品的性能，避免了采用專家經(jīng)驗進行主觀的評估，可以提高評估產(chǎn)品性能的準(zhǔn)確度，進一步地可以提高自動化程度，降低人力成本。

在第一方面的第一種可能的實現(xiàn)方式中，在所述獲取目標(biāo)業(yè)務(wù)的輸入?yún)?shù)之前，所述方法還包括：獲取至少一個業(yè)務(wù)中每個業(yè)務(wù)的樣本數(shù)據(jù)，所述每個業(yè)務(wù)的樣本數(shù)據(jù)包括：至少一個基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)、所述每個業(yè)務(wù)在所述至少一個基礎(chǔ)設(shè)施層中每個基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)、所述每個業(yè)務(wù)在所述每個基礎(chǔ)設(shè)施層的NFVI容量參數(shù)，所述至少一個業(yè)務(wù)包括所述目標(biāo)業(yè)務(wù)，所述至少一個基礎(chǔ)設(shè)施層包括所述第一基礎(chǔ)設(shè)施層；根據(jù)所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型。

換句話說，在利用預(yù)測模型對目標(biāo)業(yè)務(wù)的輸入?yún)?shù)進行預(yù)測得到性能參數(shù)時，需要提前建立好預(yù)測模型，例如可以提前建立好至少一個業(yè)務(wù)中每個業(yè)務(wù)的預(yù)測模型，然后目標(biāo)業(yè)務(wù)在其對應(yīng)的預(yù)測模型中進行預(yù)測，得到性能參數(shù)。

結(jié)合第一方面的上述可能的實現(xiàn)方式，在第一方面的第二種可能的實現(xiàn)方式中，所述每個業(yè)務(wù)的預(yù)測模型的輸入?yún)?shù)為所述每個基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述每個業(yè)務(wù)在所述每個基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)，所述預(yù)測模型的性能參數(shù)為所述每個業(yè)務(wù)在所述每個基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)，所述目標(biāo)業(yè)務(wù)的輸入?yún)?shù)為所述第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)，所述目標(biāo)業(yè)務(wù)的性能參數(shù)為所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)。

建立的預(yù)測模型的輸入?yún)?shù)是所述每個基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述每個業(yè)務(wù)在所述每個基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)，則目標(biāo)業(yè)務(wù)的輸入?yún)?shù)就為所述第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)。

結(jié)合第一方面的上述可能的實現(xiàn)方式，在第一方面的第三種可能的實現(xiàn)方式中，所述每個業(yè)務(wù)的預(yù)測模型的輸入?yún)?shù)為所述每個基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述每個業(yè)務(wù)在所述每個基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)，所述預(yù)測模型的性能參數(shù)為所述每個業(yè)務(wù)在所述每個基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)，所述目標(biāo)業(yè)務(wù)的輸入?yún)?shù)為所述第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)，所述目標(biāo)業(yè)務(wù)的性能參數(shù)為所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)。

建立的預(yù)測模型的輸入?yún)?shù)是所述每個基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述每個業(yè)務(wù)在所述每個基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)，則目標(biāo)業(yè)務(wù)的輸入?yún)?shù)就為所述第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)。

結(jié)合第一方面的上述可能的實現(xiàn)方式，在第一方面的第四種實現(xiàn)方式中，在所述獲取至少一個業(yè)務(wù)中每個業(yè)務(wù)的樣本數(shù)據(jù)之前，所述方法還包括：所述至少一個業(yè)務(wù)中每個業(yè)務(wù)的業(yè)務(wù)激勵源激勵NFV產(chǎn)品服務(wù)器產(chǎn)生所述每個業(yè)務(wù)的樣本數(shù)據(jù)；其中，所述獲取至少一個業(yè)務(wù)中每個業(yè)務(wù)的樣本數(shù)據(jù)，包括：獲取所述NFV產(chǎn)品服務(wù)器產(chǎn)生的所述每個業(yè)務(wù)的樣本數(shù)據(jù)。

即獲取每個業(yè)務(wù)的樣本數(shù)據(jù)可以是通過每個業(yè)務(wù)的業(yè)務(wù)激勵源激勵NFV產(chǎn)品服務(wù)器產(chǎn)生每個業(yè)務(wù)的樣本數(shù)據(jù)。

結(jié)合第一方面的上述可能的實現(xiàn)方式，在第一方面的第五種實現(xiàn)方式中，在所述根據(jù)所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型之前，所述方法還包括：利用所述每個業(yè)務(wù)的樣本數(shù)據(jù)的至少部分樣本數(shù)據(jù)進行規(guī)則訓(xùn)練，形成學(xué)習(xí)規(guī)則，所述學(xué)習(xí)規(guī)則用于對所述每個業(yè)務(wù)的樣本數(shù)據(jù)進行分類；對所述每個業(yè)務(wù)的樣本數(shù)據(jù)利用所述學(xué)習(xí)規(guī)則進行分類，得到分類后的所述每個業(yè)務(wù)的樣本數(shù)據(jù)；其中，所述根據(jù)所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型，包括：根據(jù)所述分類后的所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型。

換句話說，在建立每個業(yè)務(wù)的預(yù)測模型之前，可以利用每個業(yè)務(wù)的樣本數(shù)據(jù)的第一部分?jǐn)?shù)據(jù)進行規(guī)則訓(xùn)練，形成學(xué)習(xí)規(guī)則，利用每個業(yè)務(wù)的樣本數(shù)據(jù)的第二部分?jǐn)?shù)據(jù)進行建模，建立預(yù)測模型；或者可以利用每個業(yè)務(wù)的全部樣本數(shù)據(jù)進行規(guī)則訓(xùn)練，形成學(xué)習(xí)規(guī)則，并且利用每個業(yè)務(wù)的全部樣本數(shù)據(jù)進行規(guī)則訓(xùn)練，建立預(yù)測模型。

結(jié)合第一方面的上述可能的實現(xiàn)方式，在第一方面的第六種實現(xiàn)方式中，在所述根據(jù)所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型之前，所述方法還包括：對所述每個業(yè)務(wù)的樣本數(shù)據(jù)進行預(yù)處理操作，得到預(yù)處理后的所述每個業(yè)務(wù)的樣本數(shù)據(jù)，所述預(yù)處理操作包括：歸一化處理、特征提取和噪聲處理中的至少一種；其中，所述根據(jù)所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型，包括：根據(jù)所述預(yù)處理后的所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型。

可選地，可以對每個業(yè)務(wù)的樣本數(shù)據(jù)既進行預(yù)處理操作又進行規(guī)則訓(xùn)練操作，但是預(yù)處理操作或規(guī)則訓(xùn)練操作的先后順序不作限定，可以先進行預(yù)處理操作，再進行規(guī)則訓(xùn)練操作，或者，先進行規(guī)則訓(xùn)練操作，再進行預(yù)處理操作。

結(jié)合第一方面的上述可能的實現(xiàn)方式，在第一方面的第七種實現(xiàn)方式中，所述根據(jù)所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型，包括：利用神經(jīng)網(wǎng)絡(luò)算法或支持向量機算法根據(jù)所述每個業(yè)務(wù)樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型。

可選地，也可以采用多元線性回歸的方法、插值算法、遺傳算法、動態(tài)規(guī)劃方法根據(jù)每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型。

結(jié)合第一方面的上述可能的實現(xiàn)方式，在第一方面的第八種實現(xiàn)方式中，當(dāng)所述目標(biāo)業(yè)務(wù)的所述輸入?yún)?shù)包括第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)時，所述方法還包括：獲取所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的NFVI容量參數(shù)，利用所述性能參數(shù)與所述第一基礎(chǔ)設(shè)施層的NFVI容量參數(shù)確定第一誤差，若所述第一誤差超過第一閾值，則重新建立所述目標(biāo)業(yè)務(wù)的預(yù)測模型；或者，當(dāng)所述目標(biāo)業(yè)務(wù)的輸入?yún)?shù)包括所述第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)時，所述方法還包括：獲取所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)，利用所述性能參數(shù)與所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)確定第二誤差，若所述第二誤差超過第二閾值，則重新建立所述目標(biāo)業(yè)務(wù)的預(yù)測模型。

結(jié)合第一方面的上述可能的實現(xiàn)方式，在第一方面的第九種實現(xiàn)方式中，所述基準(zhǔn)性能參數(shù)包括以下至少一種：核心基準(zhǔn)性能測試參數(shù)coreMark、操作系統(tǒng)基準(zhǔn)性能測試unixbench單進程參數(shù)、操作系統(tǒng)基準(zhǔn)性能測試unixbench多進程參數(shù)、標(biāo)準(zhǔn)性能評估組織中央處理器整數(shù)性能specint參數(shù)和標(biāo)準(zhǔn)性能評估組織中央處理器浮點數(shù)性能specfp參數(shù)。

結(jié)合第一方面的上述可能的實現(xiàn)方式，在第一方面的第十種實現(xiàn)方式中，所述VNF業(yè)務(wù)參數(shù)包括以下至少一種：每秒試呼次數(shù)CAPS和每秒報文數(shù)PPS。

結(jié)合第一方面的上述可能的實現(xiàn)方式，在第一方面的第十一種實現(xiàn)方式中，所述NFVI的容量參數(shù)包括以下至少一種：中央處理器CPU的占用率、內(nèi)存的占用率、磁盤每秒讀寫次數(shù)和網(wǎng)絡(luò)的吞吐率。

第二方面，提供了一種預(yù)測云軟件性能的裝置，用于執(zhí)行第一方面或第一方面任意可能的實現(xiàn)方式中的方法。

第三方面，提供了一種預(yù)測云軟件性能的裝置，該裝置包括：接收器、發(fā)送器、存儲器、處理器和總線系統(tǒng)。其中，該接收器、該發(fā)送器、該存儲器和該處理器通過該總線系統(tǒng)相連，該存儲器用于存儲指令，該處理器用于執(zhí)行該存儲器存儲的指令，以控制接收器接收信號，并控制發(fā)送器發(fā)送信號，并且當(dāng)該處理器執(zhí)行該存儲器存儲的指令時，該執(zhí)行使得該處理器執(zhí)行第一方面或第一方面的任意可能的實現(xiàn)方式中的方法。

第四方面，提供了一種計算機可讀介質(zhì)，用于存儲計算機程序，該計算機程序包括用于執(zhí)行第一方面或第一方面的任意可能的實現(xiàn)方式中的方法的指令。

附圖說明

為了更清楚地說明本發(fā)明實施例的技術(shù)方案，下面將對本發(fā)明實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面所描述的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1示出了本發(fā)明實施例的應(yīng)用場景的示意圖。

圖2示出了根據(jù)本發(fā)明實施例的預(yù)測云軟件性能的方法的示意圖。

圖3示出了根據(jù)本發(fā)明實施例的另一預(yù)測云軟件性能的方法的示意圖。

圖4示出了根據(jù)本發(fā)明實施例的又一預(yù)測云軟件性能的方法的示意圖。

圖5示出了根據(jù)本發(fā)明實施例的又一預(yù)測云軟件性能的方法的示意圖。

圖6示出了根據(jù)本發(fā)明實施例的又一預(yù)測云軟件性能的方法的示意圖。

圖7示出了根據(jù)本發(fā)明實施例的又一預(yù)測云軟件性能的方法的示意圖。

圖8示出了根據(jù)本發(fā)明實施例的又一預(yù)測云軟件性能的方法的示意圖。

圖9示出了根據(jù)本發(fā)明實施例的又一預(yù)測云軟件性能的方法的示意圖。

圖10示出了根據(jù)本發(fā)明實施例的又一預(yù)測云軟件性能的方法的示意圖。

圖11示出了根據(jù)本發(fā)明實施例的又一預(yù)測云軟件性能的方法的示意圖。

圖12示出了根據(jù)本發(fā)明實施例的又一預(yù)測云軟件性能的方法的示意圖。

圖13示出了根據(jù)本發(fā)明實施例的預(yù)測云軟件性能的裝置的示意性框圖。

圖14示出了根據(jù)本發(fā)明實施例的另一預(yù)測云軟件性能的裝置的示意性框圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚描述，顯然，所描述的實施例是本發(fā)明的一部分實施例，而不是全部實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動的前提下所獲得的所有其他實施例，都應(yīng)屬于本發(fā)明保護的范圍。

圖1示出了本發(fā)明實施例的應(yīng)用場景示意圖，包括：

Web控制服務(wù)器110，用于控制與Web前端的交互，實現(xiàn)用戶使用的接口，并且用于控制云化APP120、NFV產(chǎn)品服務(wù)器130、數(shù)據(jù)庫服務(wù)器140和預(yù)測模型服務(wù)器150。

云化APP120，用于發(fā)起NFV網(wǎng)元輸入激勵產(chǎn)生性能激勵源，并將激勵源輸入到NFV產(chǎn)品服務(wù)器130，云化APP120由Web控制器服務(wù)器110部署網(wǎng)元性能激勵程序。

NFV產(chǎn)品服務(wù)器130，用于產(chǎn)生樣本數(shù)據(jù)，即進行測試NFV基礎(chǔ)設(shè)施(NFV Infrastructure，簡稱“NFVI”)的基準(zhǔn)性能參數(shù)、NFVI的容量參數(shù)和監(jiān)控虛擬網(wǎng)絡(luò)功能(Virtualized Network Function，簡稱“VNF”)業(yè)務(wù)參數(shù)，并將基準(zhǔn)性能參數(shù)、NFVI的容量參數(shù)和監(jiān)控VNF業(yè)務(wù)參數(shù)這些樣本數(shù)據(jù)輸出到數(shù)據(jù)庫服務(wù)器140。NFV產(chǎn)品服務(wù)器130的測試程序和監(jiān)控程序由Web控制服務(wù)器110部署。NFV產(chǎn)品服務(wù)器130由基礎(chǔ)設(shè)施(Infrastructure，簡稱“I”)層和VNF層組成，其中I層包括虛擬機(Virtual Machine，簡稱“VM”)和商用現(xiàn)貨(Commercial Off-the-Shelf，簡稱“COTS”)。

數(shù)據(jù)庫服務(wù)器140，用于接收NFV產(chǎn)品服務(wù)器130輸出的樣本數(shù)據(jù)，并保存，并且可以將預(yù)測模型服務(wù)器150得到的預(yù)測模型進行保存。

預(yù)測模型服務(wù)器150，用于從數(shù)據(jù)庫服務(wù)器140獲取樣本數(shù)據(jù)，并建立預(yù)測模型，并將預(yù)測模型輸出到數(shù)據(jù)庫服務(wù)器140。

云化APP120、NFV產(chǎn)品服務(wù)器130、數(shù)據(jù)庫服務(wù)器140和預(yù)測模型服務(wù)器150的板卡的數(shù)量取決于網(wǎng)絡(luò)所需的NFVI的容量參數(shù)和VNF業(yè)務(wù)參數(shù)的規(guī)模。Web控制服務(wù)器110、云化APP120、NFV產(chǎn)品服務(wù)器130、數(shù)據(jù)庫服務(wù)器140和預(yù)測模型服務(wù)器150可以包含基本的中央處理器(Central Processing Unit，簡稱“CPU”)、內(nèi)存、網(wǎng)卡、磁盤等，每個服務(wù)器上運行著相應(yīng)的程序，通過對服務(wù)器編程來完成各服務(wù)器間的訪問請求，并對服務(wù)器內(nèi)的數(shù)據(jù)進行處理。

應(yīng)理解，圖1中的Web控制服務(wù)器110、云化APP120、NFV產(chǎn)品服務(wù)器130、數(shù)據(jù)庫服務(wù)器140和預(yù)測模型服務(wù)器150只是示意性的舉例，在具體實現(xiàn)過程中Web控制服務(wù)器110、云化APP120、NFV產(chǎn)品服務(wù)器130、數(shù)據(jù)庫服務(wù)器140和預(yù)測模型服務(wù)器150可以是集成的一個或者是多個服務(wù)器，本發(fā)明實施例對此不作限制。

本發(fā)明實施例中提到的NFVI的容量參數(shù)可以為CPU的占用率、內(nèi)存的占用率、磁盤每秒讀寫次數(shù)和網(wǎng)絡(luò)的吞吐率中的至少一種。

本發(fā)明實施例中提到的VNF業(yè)務(wù)參數(shù)可以為：每秒試呼次數(shù)(Call Attempts Per Second，簡稱“CAPS”)和每秒報文數(shù)(Packets Per Second，簡稱“PPS”)中的至少一種。

本發(fā)明實施中提到的基準(zhǔn)性能參數(shù)包括coreMark、unixbench單進程、unixbench多進程、specint和specfp下列中的至少一種。

圖2示出了根據(jù)本發(fā)明實施例提供的預(yù)測云軟件性能的方法200，網(wǎng)絡(luò)功能虛擬化產(chǎn)品包括基礎(chǔ)設(shè)施層和虛擬網(wǎng)絡(luò)功能層，虛擬網(wǎng)絡(luò)功能層上的目標(biāo)業(yè)務(wù)運行在第一基礎(chǔ)設(shè)施層上形成了云軟件，該方法200包括：

S210，獲取目標(biāo)業(yè)務(wù)的輸入?yún)?shù)，所述目標(biāo)業(yè)務(wù)的輸入?yún)?shù)包括：第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)、所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的虛擬網(wǎng)絡(luò)功能VNF業(yè)務(wù)參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的網(wǎng)絡(luò)功能虛擬化基礎(chǔ)設(shè)施NFVI的容量參數(shù)中的至少一種。

在S210之前，方法200還包括：預(yù)測模型服務(wù)器150獲取至少一個業(yè)務(wù)中每個業(yè)務(wù)的樣本數(shù)據(jù)，所述每個業(yè)務(wù)的樣本數(shù)據(jù)包括：至少一個基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)、所述每個業(yè)務(wù)在所述至少一個基礎(chǔ)設(shè)施層中每個基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)、所述每個業(yè)務(wù)在所述每個基礎(chǔ)設(shè)施層的NFVI容量參數(shù)，所述至少一個業(yè)務(wù)包括所述目標(biāo)業(yè)務(wù)，所述至少一個基礎(chǔ)設(shè)施層包括所述第一基礎(chǔ)設(shè)施層；根據(jù)所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型。

作為一個可選實施例，在所述根據(jù)所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型之前，方法200還包括：預(yù)測模型服務(wù)器150利用所述每個業(yè)務(wù)的樣本數(shù)據(jù)的至少部分樣本數(shù)據(jù)進行規(guī)則訓(xùn)練，形成學(xué)習(xí)規(guī)則，所述學(xué)習(xí)規(guī)則用于對所述至少一個樣本數(shù)據(jù)進行分類；對所述至少一個樣本數(shù)據(jù)利用所述學(xué)習(xí)規(guī)則進行分類，得到分類后的至少一個樣本數(shù)據(jù)；其中，所述根據(jù)所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型，包括：根據(jù)所述分類后的至少一個樣本數(shù)據(jù)建立所述預(yù)測模型。

作為一個可選實施例，在所述根據(jù)所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型之前，方法200還包括：預(yù)測模型服務(wù)器150對所述至少一個樣本數(shù)據(jù)進行預(yù)處理操作，得到預(yù)處理后的樣本數(shù)據(jù)，所述預(yù)處理操作包括：歸一化處理、特征提取和噪聲處理中的至少一種；其中，所述根據(jù)所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型，包括：根據(jù)所述預(yù)處理后的樣本數(shù)據(jù)建立所述預(yù)測模型。

具體地，上述在建立預(yù)測模型的過程中需要對每個業(yè)務(wù)的樣本數(shù)據(jù)進行規(guī)則訓(xùn)練和/或預(yù)處理操作，即可以只進行規(guī)則訓(xùn)練，對規(guī)則訓(xùn)練形成的學(xué)習(xí)規(guī)則對每個業(yè)務(wù)的樣本數(shù)據(jù)進行分類，利用分類后的樣本數(shù)據(jù)建立預(yù)測模型；或者，有可能本身每個業(yè)務(wù)的樣本數(shù)據(jù)就存在一定的規(guī)則，不需要進行規(guī)則訓(xùn)練，則只需要對樣本數(shù)據(jù)進行預(yù)處理操作，例如，丟掉噪聲較大的樣本數(shù)據(jù)，又例如，對樣本數(shù)據(jù)進行歸一化處理或標(biāo)準(zhǔn)化處理，使得預(yù)處理后的數(shù)據(jù)有利于建立預(yù)測模型；或者可以對每個業(yè)務(wù)的樣本數(shù)據(jù)既進行預(yù)處理操作又進行規(guī)則訓(xùn)練操作，但是預(yù)處理操作或規(guī)則訓(xùn)練操作的先后順序不作限定，可以先進行預(yù)處理操作，再進行規(guī)則訓(xùn)練操作，或者，先進行規(guī)則訓(xùn)練操作，再進行預(yù)處理操作，本發(fā)明實施例不限于此。

可選地，所述根據(jù)所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型，包括：利用神經(jīng)網(wǎng)絡(luò)算法或支持向量機算法對所述每個業(yè)務(wù)的所述至少一個樣本數(shù)據(jù)建立所述預(yù)測模型。

當(dāng)然，也可以采用其他算法建立預(yù)測模型，例如，多元線性回歸的方法、插值算法、遺傳算法、動態(tài)規(guī)劃方法等等，本發(fā)明實施例不限于此。

作為一個可選實施例，如何獲取至少一個業(yè)務(wù)中每個業(yè)務(wù)的樣本數(shù)據(jù)，可以通過所述至少一個業(yè)務(wù)中每個業(yè)務(wù)的業(yè)務(wù)激勵源激勵NFV產(chǎn)品服務(wù)器產(chǎn)生所述每個業(yè)務(wù)的樣本數(shù)據(jù)；獲取所述NFV產(chǎn)品服務(wù)器產(chǎn)生的所述每個業(yè)務(wù)的樣本數(shù)據(jù)。樣本數(shù)據(jù)的產(chǎn)生過程可以是云化APP120產(chǎn)生性能激勵源，將性能激勵源輸入到NFV產(chǎn)品服務(wù)器130中，NFV產(chǎn)品服務(wù)器130根據(jù)激勵源產(chǎn)生至少一個樣本數(shù)據(jù)，NFV產(chǎn)品服務(wù)器130將至少一個樣本數(shù)據(jù)輸出到數(shù)據(jù)庫服務(wù)器140。

作為一個可選實施例，形成的每個業(yè)務(wù)的預(yù)測模型可能有兩種預(yù)測模型:

第一種預(yù)測模型，該模型的輸入?yún)?shù)為所述至少一個基礎(chǔ)設(shè)施層中每個基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述每個業(yè)務(wù)在所述每個基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)，則所述預(yù)測模型的性能參數(shù)為所述每個業(yè)務(wù)在所述每個基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)；若采用第一種預(yù)測模型，則所述目標(biāo)業(yè)務(wù)的輸入?yún)?shù)為所述第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)，所述目標(biāo)業(yè)務(wù)的性能參數(shù)為所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)。具體地，獲取目標(biāo)業(yè)務(wù)的輸入?yún)?shù)可以是：所述目標(biāo)業(yè)務(wù)激勵源激勵NFV產(chǎn)品服務(wù)器產(chǎn)生所述目標(biāo)業(yè)務(wù)的第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)。

第二種預(yù)測模型，該模型的輸入?yún)?shù)為所述每個基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述每個業(yè)務(wù)在所述每個基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)，則所述預(yù)測模型的性能參數(shù)為所述每個業(yè)務(wù)在所述每個基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)；若采用第二種預(yù)測模型，則所述目標(biāo)業(yè)務(wù)的性能參數(shù)為所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)。具體地，獲取目標(biāo)業(yè)務(wù)的輸入?yún)?shù)可以是：所述目標(biāo)業(yè)務(wù)激勵源激勵NFV產(chǎn)品服務(wù)器產(chǎn)生所述目標(biāo)業(yè)務(wù)的所述第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)。

具體地，所述目標(biāo)業(yè)務(wù)的輸入?yún)?shù)的產(chǎn)生過程可以是云化APP120產(chǎn)生性能激勵源，將性能激勵源輸入到NFV產(chǎn)品服務(wù)器130中，NFV產(chǎn)品服務(wù)器130根據(jù)激勵源產(chǎn)生輸入?yún)?shù)，NFV產(chǎn)品服務(wù)器130將輸入?yún)?shù)輸出到數(shù)據(jù)庫服務(wù)器140，預(yù)測模型服務(wù)器150根據(jù)數(shù)據(jù)庫服務(wù)器中的輸入?yún)?shù)選擇預(yù)測模型，例如，當(dāng)輸入?yún)?shù)是第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)，選擇第一種預(yù)測模型；當(dāng)輸入?yún)?shù)是所述第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)，選擇第二種預(yù)測模型。

S220，將所述目標(biāo)業(yè)務(wù)的所述輸入?yún)?shù)輸入到所述目標(biāo)業(yè)務(wù)的預(yù)測模型得到所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的性能參數(shù)。

當(dāng)預(yù)測模型是第一種預(yù)測模型時，第一種預(yù)測模型的輸入?yún)?shù)可以為所述至少一個基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述每個業(yè)務(wù)在所述至少一個基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)，第一預(yù)測模型的性能參數(shù)為所述每個業(yè)務(wù)在所述至少一個基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)，則在S220中獲取的是目標(biāo)業(yè)務(wù)的第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)，將獲取到的輸入?yún)?shù)輸入到預(yù)測模型中得到的性能參數(shù)是目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)。當(dāng)預(yù)測模型時第二種預(yù)測模型時，第二種預(yù)測模型的輸入?yún)?shù)可以為所述至少一個基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述每個業(yè)務(wù)在所述至少一個基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)，所述預(yù)測模型的性能參數(shù)為所述每個業(yè)務(wù)在所述至少一個基礎(chǔ)設(shè)備層的VNF業(yè)務(wù)參數(shù)，則在S220中獲取的是目標(biāo)業(yè)務(wù)的所述第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)，將獲取到的輸入?yún)?shù)輸入到預(yù)測模型中得到的性能參數(shù)是目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)。

作為一個例子，下面結(jié)合圖3描述獲取樣本數(shù)據(jù)的過程，例如，在一個平臺上的樣本采集過程可以包括：

S301，樣本采集開始；

S302，NFV平臺測試目標(biāo)選擇；

S303，NFVI基準(zhǔn)性能程序部署；

S304，根據(jù)S303中基準(zhǔn)形成程序的部署進行NFVI基準(zhǔn)性能測試；

S305，根據(jù)S304中的NFVI基準(zhǔn)性能測試得到NFVI基準(zhǔn)性能樣本；

S306，部署VNF業(yè)務(wù)測試激勵程序，部署VNF進程，部署VNF業(yè)務(wù)壓力性能，部署NFVI容量性能監(jiān)控程序，具體地，部署VNF業(yè)務(wù)測試激勵程序可以是發(fā)送側(cè)的，部署VNF進程可以是接收側(cè)的，部署VNF業(yè)務(wù)壓力性能可以是接收側(cè)的，部署NFVI容量性能監(jiān)控程序可以是接收側(cè)的；

應(yīng)理解，S306和S303可以同時進行也可以分別進行，并且S303和S306的順序不作任何限定，S303可以在S306之前，或者S306可以在S303之前，本發(fā)明實施例對此不作限定。

S307，根據(jù)S306的部署，得到業(yè)務(wù)性能壓力-NFVI容量性能樣本曲線；

S308，將S350和S307得到的樣本數(shù)據(jù)進行合并上傳至數(shù)據(jù)庫；

應(yīng)理解，在S308之前，S303-S307之間的順序并不作任何限定，只要在S308時得到NFVI基準(zhǔn)性能樣本和業(yè)務(wù)性能壓力-NFVI容量性能樣本曲線即可。

S309，樣本采集結(jié)束。

應(yīng)理解，上述的在一個平臺上樣本數(shù)據(jù)的采集只是示意性的舉例，若需要在多個平臺上采集樣本數(shù)據(jù)，則可以重復(fù)實現(xiàn)上述步驟，當(dāng)然，上述樣本數(shù)據(jù)的采集過程只是示意性的舉例，也可以采用其他的樣本數(shù)據(jù)采集方法，本發(fā)明實施例對此不作限定。

也應(yīng)理解，圖3中，S303是最小組網(wǎng)時NFVI基準(zhǔn)性能測試程序的部署，S306是實際組網(wǎng)時APP的部署，具體APP的部署可以包括四部分：VNF業(yè)務(wù)測試激勵程序部署、VNF進程部署、VNF業(yè)務(wù)壓力性能部署和NFVI容量性能監(jiān)控程序部署。也即S303是APP還沒有在開始運行時，基礎(chǔ)設(shè)施層的一些基準(zhǔn)性能參數(shù)的測試，S306是APP在基礎(chǔ)設(shè)施層上運行時部署的運行程序和監(jiān)控程序，得到的是業(yè)務(wù)性能壓力-NFVI容量性能曲線。

作為一個例子，下面結(jié)合圖4描述建立預(yù)測模型的過程，例如，建立業(yè)務(wù)的預(yù)測模型的過程主要包括：S401-S404屬于規(guī)則學(xué)習(xí)的過程，最終形成學(xué)習(xí)規(guī)則用于建立預(yù)測模型；S405-S409屬于建立預(yù)測模型的過程。

S401，將業(yè)務(wù)的VNF業(yè)務(wù)參數(shù)和NFVI容量參數(shù)輸入到S402進行預(yù)處理；

S402，對輸入的VNF業(yè)務(wù)參數(shù)和NFVI容量參數(shù)進行預(yù)處理，例如，預(yù)處理可以為誤差擬合、樣本數(shù)據(jù)標(biāo)準(zhǔn)化和歸一化等，進一步通過對樣本數(shù)據(jù)的預(yù)處理降低樣本數(shù)據(jù)的噪聲，進而提高確定的學(xué)習(xí)規(guī)則的準(zhǔn)確性。

S403，將預(yù)處理后的不同基準(zhǔn)性能參數(shù)下的VNF業(yè)務(wù)參數(shù)和NFVI容量參數(shù)樣本數(shù)據(jù)進行分類特征分析生成學(xué)習(xí)規(guī)則，例如，該分類特征分析可以是鉆取分析。

S404，將S403生成的學(xué)習(xí)訓(xùn)練規(guī)則輸出以便于建立預(yù)測模型。

可以將S401至S404可以理解形成規(guī)則的過程。

S405，輸入建立預(yù)測模型的輸入?yún)?shù)：VNF業(yè)務(wù)參數(shù)、NFVI容量參數(shù)和基準(zhǔn)性能參數(shù)。

S406，對輸入?yún)?shù)利用學(xué)習(xí)規(guī)則進行分類。

S407，對分類后的數(shù)據(jù)進行預(yù)處理操作，當(dāng)然該步驟的預(yù)處理操作可以與S402中的預(yù)處理操作相同或者不同，本發(fā)明實施例不限于此。

S408，對預(yù)處理后的數(shù)據(jù)進行特征提取，例如采用主成分分析法分析輸入的參數(shù)對建立模型是否有影響，將不重要的輸入?yún)?shù)篩選掉，同時將測量誤差較大的樣本剔除，確定與性能參數(shù)有關(guān)的輸入?yún)?shù)。

應(yīng)理解，S406，S407和S408的執(zhí)行順序并不做限定，S406可以在S407和S408之后或之前等等。

S409，對處理后的樣本數(shù)據(jù)進行機器學(xué)習(xí)訓(xùn)練生成預(yù)測模型。

S401-S409完成了預(yù)測模型的建立過程，目標(biāo)業(yè)務(wù)利用該建立的預(yù)測模型進行參數(shù)預(yù)測時，對輸入?yún)?shù)也執(zhí)行S406-S408，然后再輸入操預(yù)測模型進行預(yù)測，得到預(yù)測值。

應(yīng)理解，S401和S405中輸入的：VNF業(yè)務(wù)參數(shù)和NFVI容量參數(shù)可以相同或者不同，即S401和S405采用相同的輸入?yún)?shù)分別訓(xùn)練學(xué)習(xí)規(guī)則和建立預(yù)測模型，或者S401中輸入第一部分參數(shù)用于訓(xùn)練學(xué)習(xí)規(guī)則，S405中輸入第二部分參數(shù)用于建立預(yù)測模型等等，本發(fā)明實施例不限于此。

也應(yīng)理解，樣本數(shù)據(jù)可能本身就有一定的規(guī)則，因此，對于樣本數(shù)據(jù)可以沒有規(guī)則學(xué)習(xí)過程，即S401-S404屬于可選步驟。

作為一個例子，下面結(jié)合圖5描述對目標(biāo)業(yè)務(wù)進行預(yù)測的過程，假設(shè)在圖4的步驟中已經(jīng)建立了目標(biāo)業(yè)務(wù)的第一種預(yù)測模型，在第一種預(yù)測模型下，所述目標(biāo)業(yè)務(wù)的輸入?yún)?shù)為所述第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)，所述目標(biāo)業(yè)務(wù)的性能參數(shù)為所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)，下面結(jié)合圖5介紹如何利用圖4中建立的目標(biāo)業(yè)務(wù)的預(yù)測模型預(yù)測目標(biāo)業(yè)務(wù)的性能參數(shù)。

S501，輸入目標(biāo)業(yè)務(wù)的輸入?yún)?shù)，該輸入?yún)?shù)可以為所述第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)。

S502，利用S404建立預(yù)測模型過程中生成的學(xué)習(xí)規(guī)則對目標(biāo)業(yè)務(wù)的輸入?yún)?shù)進行分類；

S503，利用S403中的預(yù)處理方法對目標(biāo)業(yè)務(wù)的輸入?yún)?shù)進行預(yù)處理，當(dāng)然，也可以對S502之后的輸入?yún)?shù)進行預(yù)處理，例如，預(yù)處理可以為誤差擬合、樣本數(shù)據(jù)標(biāo)準(zhǔn)化和歸一化等，進一步通過對樣本數(shù)據(jù)的預(yù)處理降低樣本數(shù)據(jù)的噪聲，進而提高確定的學(xué)習(xí)規(guī)則的準(zhǔn)確性；

S504，利用S408中的特征提取方法對目標(biāo)業(yè)務(wù)的輸入?yún)?shù)進行特征提取，當(dāng)然，也可以對S503預(yù)處理后的輸入?yún)?shù)進行特征提??；

S505，將通過S502、S503和S504的步驟處理后的輸入?yún)?shù)輸入到目標(biāo)業(yè)務(wù)的預(yù)測模型中，根據(jù)第一種預(yù)測模型的預(yù)測結(jié)果為所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)。

應(yīng)理解，S502，S503和S504的執(zhí)行順序并不做限定，S502可以在S503和S504之后或之前等等。

S506，輸出預(yù)測結(jié)果，所述預(yù)測結(jié)果為所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)。

可選地，在S503中，當(dāng)預(yù)處理過程包括對目標(biāo)業(yè)務(wù)的輸入?yún)?shù)進行歸一化處理時，在S505之后，S506之前需要對輸出的預(yù)測結(jié)果進行反歸一化處理，得到預(yù)測結(jié)果。

下面舉一個例子，每個業(yè)務(wù)對應(yīng)一個預(yù)測模型，在該例子中，測試的是目標(biāo)業(yè)務(wù)對應(yīng)的模型的準(zhǔn)確性，因此該例子主要描述如何建立目標(biāo)業(yè)務(wù)的預(yù)測模型，以及利用目標(biāo)業(yè)務(wù)的預(yù)測模型做預(yù)測的過程。

第一步，產(chǎn)生樣本數(shù)據(jù)：云化APP120產(chǎn)生至少一個業(yè)務(wù)的性能激勵源，NFV產(chǎn)品服務(wù)器130利用性能激勵源產(chǎn)生至少一個業(yè)務(wù)中每個業(yè)務(wù)的樣本數(shù)據(jù)，樣本數(shù)據(jù)保存在數(shù)據(jù)庫服務(wù)器140。例如，樣本數(shù)據(jù)可以為標(biāo)準(zhǔn)測試程序(benchmark)APP在不同I層上的基準(zhǔn)性能參數(shù)、目標(biāo)業(yè)務(wù)在不同NFV產(chǎn)品服務(wù)器上的VNF業(yè)務(wù)參數(shù)和NFVI的容量參數(shù)，NFV產(chǎn)品服務(wù)器130的I層由虛擬機和COTS組成，由三種類型的虛擬機和四種類型的COTS公組成十二個不同的I層，三種類型的VM分別為：FusionCompute(簡稱“FC”)、FusionSphere(簡稱“FS”)和VMware，該例子中下面的VMware簡稱為“VM”。四種類型的COTS分別為：E9000、RH2288(簡稱“2288”)、CN21BRSA R7(簡稱“R7”)和CN21UPSA R5(簡稱“R5”)。目標(biāo)業(yè)務(wù)在十二個不同的I層和VNF層上運行產(chǎn)生十二組樣本數(shù)據(jù)，每組樣本數(shù)據(jù)為：基準(zhǔn)性能參數(shù)i、NFVI的容量參數(shù)i和目標(biāo)業(yè)務(wù)在I層上運行的VNF業(yè)務(wù)參數(shù)i，i的取值為1至12。基準(zhǔn)性能參數(shù)i包括四個虛擬機利用benchmark APP測得的coreMark、unixbench單進程、unixbench多進程、specint、specfp等測試值，以及COTS上所測得的相同基準(zhǔn)測試程序的測試值，NFVI的容量參數(shù)i為虛擬機的CPU％，VNF業(yè)務(wù)參數(shù)i為CAPS。得到十二組樣本數(shù)據(jù)中可以將NFVI的容量參數(shù)i和VNF業(yè)務(wù)參數(shù)i進行可視化處理，如圖6所示，例如橫坐標(biāo)表示接收側(cè)NFVI的容量參數(shù)為CPU的平均占用率(RX CPU％AVG)，縱坐標(biāo)表示VNF業(yè)務(wù)參數(shù)為CAPS。

第二步，規(guī)則訓(xùn)練：原始的圖6中的十二組樣本數(shù)據(jù)并無明顯特征，預(yù)測模型服務(wù)器150在建立目標(biāo)業(yè)務(wù)的預(yù)測模型之前可以利用目標(biāo)業(yè)務(wù)的樣本數(shù)據(jù)通過分類特征分析法，例如向下鉆取分析法進行規(guī)則訓(xùn)練，例如形成的學(xué)習(xí)規(guī)則是按照虛擬機分類后呈現(xiàn)一定的規(guī)律，則按照虛擬機分類后的樣本數(shù)據(jù)用圖7、圖8和圖9表示，發(fā)現(xiàn)每種虛擬機中，不同的COTS的RXCPU％AVG測量值的最大值接近，也就是每種虛擬機以RX CPU％AVG為輸入時量程一致，例如，F(xiàn)usionCompute樣本的RX CPU％AVG的最大值均為80％，VMware樣本的CPU％AVG的最大值均為90％，而FusionSphere樣本的RX CPU％AVG的最大值均為100％。這樣，就可以分析每種VM內(nèi)不同COTS對CAPS＝f(RX CPU％AVG)梯度曲線的影響。同時發(fā)現(xiàn)，每種VM中，不同COTS的CAPS＝f(RX CPU％AVG)曲線呈現(xiàn)相似的梯度差異，曲線位置按E9000、RH2288、R5、R7分別降低，也就是組內(nèi)CAPS＝f(CPU％AVG)樣本曲線非飽和段斜率與NFVI基準(zhǔn)性能指標(biāo)的排序呈正相關(guān)關(guān)系。因此可以認(rèn)為每種虛擬機分組內(nèi)，COTS分類提取出的特征就是I層基準(zhǔn)測試性能指標(biāo)。也就是虛擬機類型決定CAPS和RX CPU％AVG之間的映射關(guān)系，因此在該場景下可以根據(jù)RX CPU％AVG預(yù)測CAPS，或者根據(jù)CAPS預(yù)測RX CPU％AVG。也就是說，虛擬機類型決定CPU容量性能最大值(CPU％MAX)；而在每種虛擬機分組內(nèi)部，NFVI基準(zhǔn)測試性能參數(shù)決定CAPS＝f(CPU％AVG)樣本曲線的梯度位置或斜率。

第三步，根據(jù)第二步的規(guī)則對第一步的樣本數(shù)據(jù)進行分類，得到分類后的樣本數(shù)據(jù)，然后對分類后的樣本數(shù)據(jù)進行分析，例如可以設(shè)定函數(shù)關(guān)系為CAPS＝f(RX CPU％AVG，按虛擬機分類的NFVI基準(zhǔn)性能參數(shù)，按COTS分類的基準(zhǔn)性能參數(shù))，利用主成分分析發(fā)現(xiàn)RX CPU％AVG、按虛擬機分類的NFVI基準(zhǔn)性能參數(shù)、按COTS分類的基準(zhǔn)性能參數(shù)中的按COTS分類的基準(zhǔn)性能參數(shù)對函數(shù)的影響呈現(xiàn)不規(guī)則性，也即COTS分類的基準(zhǔn)性能參數(shù)占影響CAPS的因子較低，因此，函數(shù)關(guān)系可以為CAPS＝f(RX CPU％AVG，按虛擬機分類的NFVI基準(zhǔn)性能參數(shù))。將VM+RH2288這組樣本的基準(zhǔn)性能參數(shù)的實驗結(jié)果作為基準(zhǔn)，其他十一組樣本數(shù)據(jù)的相對于VM+RH2288這組數(shù)據(jù)的結(jié)果如表1所示：

表1

從表1可以看出，每種虛擬機內(nèi)，不同的COTS的排序按照CAPS＝f(RX CPU％AVG)梯度曲線位置依次降低排列，而[coreMark，unixbench單進程，unixbench多進程，specint，specfp]的相對值也幾乎按照該順序排列，因此，準(zhǔn)性能參數(shù)、VNF業(yè)務(wù)參數(shù)和NFVI的容量參數(shù)三個參數(shù)呈現(xiàn)較強的相關(guān)性。

第四步，對樣本數(shù)據(jù)進行預(yù)處理，由于樣本數(shù)據(jù)中CAPS＝f(RX CPU％AVG)梯度曲線經(jīng)過原點處，也就是輸入輸出數(shù)據(jù)都離零比較近，這樣會造成后續(xù)機器學(xué)習(xí)訓(xùn)練時過擬合，需要將樣本數(shù)據(jù)預(yù)處理，刪除離原點較近的樣本點；同時需要刪除導(dǎo)致誤差的波動較大點和飽和段的點；最后將預(yù)處理后的樣本數(shù)據(jù)進行擬合，得到平滑的、單調(diào)的樣本梯度曲線。

第五步，建立預(yù)測模型，利用反向傳播(Back Propagation，簡稱“BP”)神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)算法進行訓(xùn)練，三組虛擬機樣本都能較快的收斂，且樣本本身預(yù)測值均滿足SSE誤差要求。

第六步，評價預(yù)測模型的準(zhǔn)確性：

步驟1，標(biāo)準(zhǔn)測試程序(benchmark)APP測試目標(biāo)業(yè)務(wù)在目標(biāo)I層上的基準(zhǔn)性能參數(shù)作為第五步形成的預(yù)測模型的第一個輸入?yún)?shù)，目標(biāo)業(yè)務(wù)在目標(biāo)NFV服務(wù)器上的NFVI的容量參數(shù)作為第五步得到的預(yù)測模型的第二個輸入?yún)?shù)，得到預(yù)測模型的性能參數(shù)為目標(biāo)業(yè)務(wù)在目標(biāo)NFV服務(wù)器上的VNF業(yè)務(wù)參數(shù)；或者標(biāo)準(zhǔn)測試程序(benchmark)APP測試目標(biāo)業(yè)務(wù)在目標(biāo)I層上的基準(zhǔn)性能參數(shù)作為第五步形成的預(yù)測模型的第一個輸入?yún)?shù)，目標(biāo)業(yè)務(wù)在目標(biāo)NFV服務(wù)器上的VNF業(yè)務(wù)參數(shù)，得到預(yù)測模型的性能參數(shù)為目標(biāo)業(yè)務(wù)在NFV服務(wù)器上的NFVI的容量參數(shù)。

步驟2，將上面3組虛擬機的分類樣本中每組樣本分為3個COTS訓(xùn)練樣本、1個COTS預(yù)測樣本，訓(xùn)練收斂后預(yù)測，F(xiàn)C虛擬機內(nèi)的性能梯度曲線如圖10所示，VM虛擬機內(nèi)的性能梯度曲線如圖11所示，F(xiàn)S虛擬機內(nèi)的性能梯度曲線如圖12所示，圖10、圖11和圖12中，由點組成的線每個虛擬機內(nèi)不同的COTS的擬合后的訓(xùn)練樣本曲線，星線表示目標(biāo)NFV服務(wù)器上的實際的CAPS-RX CPU％AVG曲線，倒三角組成的線表示目標(biāo)業(yè)務(wù)在目標(biāo)NFV服務(wù)器上的利用預(yù)測模型預(yù)測的CAPS-RX CPU％AVG曲線。其中，圖10中FC預(yù)測結(jié)果中倒三角形組成的線與星線的平均誤差15％，圖11中VM預(yù)測結(jié)果中倒三角形組成的線與星線的平均誤差10％，圖12中FS預(yù)測結(jié)果中倒三角形組成的線與星線的平均誤差21％，基本都可以滿足誤差需求。

圖13示出了根據(jù)本發(fā)明實施例提供的預(yù)測云軟件性能的裝置600示意圖，該裝置600包括：

獲取模塊610，用于獲取目標(biāo)業(yè)務(wù)的輸入?yún)?shù)，所述目標(biāo)業(yè)務(wù)的輸入?yún)?shù)包括：第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)、所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的虛擬網(wǎng)絡(luò)功能VNF業(yè)務(wù)參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的網(wǎng)絡(luò)功能虛擬化基礎(chǔ)設(shè)施NFVI的容量參數(shù)中的至少一種；

輸入模塊620，用于將所述目標(biāo)業(yè)務(wù)的所述輸入?yún)?shù)輸入到所述目標(biāo)業(yè)務(wù)的預(yù)測模型得到所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的性能參數(shù)。

作為一個可選實施例，所述獲取模塊610還用于：在所述獲取目標(biāo)業(yè)務(wù)的輸入?yún)?shù)之前，獲取至少一個業(yè)務(wù)中每個業(yè)務(wù)的樣本數(shù)據(jù)，所述每個業(yè)務(wù)的樣本數(shù)據(jù)包括：至少一個基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)、所述每個業(yè)務(wù)在所述至少一個基礎(chǔ)設(shè)施層中每個基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)、所述每個業(yè)務(wù)在所述每個基礎(chǔ)設(shè)施層的NFVI容量參數(shù)，所述至少一個業(yè)務(wù)包括所述目標(biāo)業(yè)務(wù)，所述至少一個基礎(chǔ)設(shè)施層包括所述第一基礎(chǔ)設(shè)施層；

所述裝置600還包括：建立模塊，用于根據(jù)所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型。

作為一個可選實施例，所述每個業(yè)務(wù)的預(yù)測模型的輸入?yún)?shù)為所述每個基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述每個業(yè)務(wù)在所述每個基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)，所述預(yù)測模型的性能參數(shù)為所述每個業(yè)務(wù)在所述每個基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)，所述目標(biāo)業(yè)務(wù)的輸入?yún)?shù)為所述第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)，所述目標(biāo)業(yè)務(wù)的性能參數(shù)為所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)。

作為一個可選實施例，所述每個業(yè)務(wù)的預(yù)測模型的輸入?yún)?shù)為所述每個基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述每個業(yè)務(wù)在所述每個基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)，所述預(yù)測模型的性能參數(shù)為所述每個業(yè)務(wù)在所述每個基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)，所述目標(biāo)業(yè)務(wù)的輸入?yún)?shù)為所述第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)，所述目標(biāo)業(yè)務(wù)的性能參數(shù)為所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)。

作為一個可選實施例，所述裝置600還包括：生成模塊，用于在所述獲取至少一個業(yè)務(wù)中每個業(yè)務(wù)的樣本數(shù)據(jù)之前，所述至少一個業(yè)務(wù)中每個業(yè)務(wù)的業(yè)務(wù)激勵源激勵NFV產(chǎn)品服務(wù)器產(chǎn)生所述每個業(yè)務(wù)的樣本數(shù)據(jù)；所述獲取模塊610具體用于：獲取所述NFV產(chǎn)品服務(wù)器產(chǎn)生的所述每個業(yè)務(wù)的樣本數(shù)據(jù)。

作為一個可選實施例，所述裝置600還包括：處理模塊，用于在所述根據(jù)所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型之前，利用對所述每個業(yè)務(wù)的樣本數(shù)據(jù)的至少部分樣本數(shù)據(jù)進行規(guī)則訓(xùn)練，形成學(xué)習(xí)規(guī)則，所述學(xué)習(xí)規(guī)則用于對所述每個業(yè)務(wù)的樣本數(shù)據(jù)進行分類；對所述每個業(yè)務(wù)的樣本數(shù)據(jù)利用所述學(xué)習(xí)規(guī)則進行分類，得到分類后的所述每個業(yè)務(wù)的樣本數(shù)據(jù)；所述建立模塊具體用于：根據(jù)所述分類后的所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型。

作為一個可選實施例，所述裝置600還包括：預(yù)處理模塊，用于在所述根據(jù)所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型之前，對所述每個業(yè)務(wù)的樣本數(shù)據(jù)進行預(yù)處理操作，得到預(yù)處理后的所述每個業(yè)務(wù)的樣本數(shù)據(jù)，所述預(yù)處理操作包括：歸一化處理、特征提取和噪聲處理中的至少一種；所述建立模塊具體還用于：根據(jù)所述預(yù)處理后的所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型。

作為一個可選實施例，所述建立模塊具體還用于：利用神經(jīng)網(wǎng)絡(luò)算法或支持向量機算法根據(jù)所述每個業(yè)務(wù)樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型。

作為一個可選實施例，所述獲取模塊610還用于：當(dāng)所述目標(biāo)業(yè)務(wù)的所述輸入?yún)?shù)包括第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)時，獲取所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的NFVI容量參數(shù)；所述裝置600還包括：確定模塊，用于通過所述性能參數(shù)與所述第一基礎(chǔ)設(shè)施層的NFVI容量參數(shù)確定第一誤差，若所述第一誤差超過第一閾值，則重新建立所述目標(biāo)業(yè)務(wù)的預(yù)測模型；或者

所述獲取模塊610還用于：當(dāng)所述目標(biāo)業(yè)務(wù)的輸入?yún)?shù)包括所述第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)時，獲取所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)；

所述確定模塊還用于：利用所述性能參數(shù)與所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)確定第二誤差，若所述第二誤差超過第二閾值，則重新建立所述目標(biāo)業(yè)務(wù)的預(yù)測模型。

作為一個可選實施例，所述基準(zhǔn)性能參數(shù)包括以下至少一種：coreMark、unixbench單進程、unixbench多進程、specint和specfp。

作為一個可選實施例，所述VNF業(yè)務(wù)參數(shù)包括每秒試呼次數(shù)CAPS和每秒報文數(shù)PPS中的至少一種。

作為一個可選實施例，所述NFVI的容量參數(shù)包括以下至少一種：中央處理器CPU的占用率、內(nèi)存的占用率、磁盤每秒讀寫次數(shù)和網(wǎng)絡(luò)的吞吐率。

應(yīng)理解，這里的裝置600以功能模塊的形式體現(xiàn)。這里的術(shù)語“模塊”可以指應(yīng)用特有集成電路(Application Specific Integrated Circuit，ASIC)、電子電路、用于執(zhí)行一個或多個軟件或固件程序的處理器(例如共享處理器、專有處理器或組處理器等)和存儲器、合并邏輯電路和/或其它支持所描述的功能的合適組件。

圖14示出了本申請實施例提供的預(yù)測云軟件性能的裝置700，該裝置700包括：接收器710、處理器720、發(fā)送器730、存儲器740和總線系統(tǒng)750。其中，接收器710、處理器720、發(fā)送器730和存儲器740通過總線系統(tǒng)750相連，該存儲器740用于存儲指令，該處理器720用于執(zhí)行該存儲器740存儲的指令，以控制該接收器710接收信號，并控制該發(fā)送器730發(fā)送指令。

其中，接收器710用于獲取目標(biāo)業(yè)務(wù)的輸入?yún)?shù)，所述目標(biāo)業(yè)務(wù)的輸入?yún)?shù)包括：第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)、所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的虛擬網(wǎng)絡(luò)功能VNF業(yè)務(wù)參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的網(wǎng)絡(luò)功能虛擬化基礎(chǔ)設(shè)施NFVI的容量參數(shù)中的至少一種，發(fā)送器730用于將所述目標(biāo)業(yè)務(wù)的所述輸入?yún)?shù)輸入到所述目標(biāo)業(yè)務(wù)的預(yù)測模型得到所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的性能參數(shù)。

作為一個可選實施例，接收器710還用于在所述獲取目標(biāo)業(yè)務(wù)的輸入?yún)?shù)之前，獲取至少一個業(yè)務(wù)中每個業(yè)務(wù)的樣本數(shù)據(jù)，所述每個業(yè)務(wù)的樣本數(shù)據(jù)包括：至少一個基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)、所述每個業(yè)務(wù)在所述至少一個基礎(chǔ)設(shè)施層中每個基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)、所述每個業(yè)務(wù)在所述每個基礎(chǔ)設(shè)施層的NFVI容量參數(shù)，所述至少一個業(yè)務(wù)包括所述目標(biāo)業(yè)務(wù)，所述至少一個基礎(chǔ)設(shè)施層包括所述第一基礎(chǔ)設(shè)施層；處理器720用于根據(jù)所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型。

作為一個可選實施例，所述每個業(yè)務(wù)的預(yù)測模型的輸入?yún)?shù)為所述每個基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述每個業(yè)務(wù)在所述每個基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)，所述預(yù)測模型的性能參數(shù)為所述每個業(yè)務(wù)在所述每個基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)，所述目標(biāo)業(yè)務(wù)的輸入?yún)?shù)為所述第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)，所述目標(biāo)業(yè)務(wù)的性能參數(shù)為所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)。

作為一個可選實施例，所述每個業(yè)務(wù)的預(yù)測模型的輸入?yún)?shù)為所述每個基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述每個業(yè)務(wù)在所述每個基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)，所述預(yù)測模型的性能參數(shù)為所述每個業(yè)務(wù)在所述每個基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)，所述目標(biāo)業(yè)務(wù)的輸入?yún)?shù)為所述第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)，所述目標(biāo)業(yè)務(wù)的性能參數(shù)為所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)。

作為一個可選實施例，處理器720還用于在所述獲取至少一個業(yè)務(wù)中每個業(yè)務(wù)的樣本數(shù)據(jù)之前，所述至少一個業(yè)務(wù)中每個業(yè)務(wù)的業(yè)務(wù)激勵源激勵NFV產(chǎn)品服務(wù)器產(chǎn)生所述每個業(yè)務(wù)的樣本數(shù)據(jù)；接收器710具體用于獲取所述NFV產(chǎn)品服務(wù)器產(chǎn)生的所述每個業(yè)務(wù)的樣本數(shù)據(jù)。

作為一個可選實施例，處理器720還用于：在所述根據(jù)所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型之前，利用對所述每個業(yè)務(wù)的樣本數(shù)據(jù)的至少部分樣本數(shù)據(jù)進行規(guī)則訓(xùn)練，形成學(xué)習(xí)規(guī)則，所述學(xué)習(xí)規(guī)則用于對所述每個業(yè)務(wù)的樣本數(shù)據(jù)進行分類；對所述每個業(yè)務(wù)的樣本數(shù)據(jù)利用所述學(xué)習(xí)規(guī)則進行分類，得到分類后的所述每個業(yè)務(wù)的樣本數(shù)據(jù)；根據(jù)所述分類后的所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型。

作為一個可選實施例，處理器720還用于：所述根據(jù)所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型之前，對所述每個業(yè)務(wù)的樣本數(shù)據(jù)進行預(yù)處理操作，得到預(yù)處理后的所述每個業(yè)務(wù)的樣本數(shù)據(jù)；根據(jù)所述預(yù)處理后的所述每個業(yè)務(wù)的樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型，所述預(yù)處理操作包括：歸一化處理、特征提取和噪聲處理中的至少一種。

作為一個可選實施例，處理器720還用于：利用神經(jīng)網(wǎng)絡(luò)算法或支持向量機算法根據(jù)所述每個業(yè)務(wù)樣本數(shù)據(jù)建立所述每個業(yè)務(wù)的預(yù)測模型。

作為一個可選實施例，接收器710還用于：當(dāng)所述目標(biāo)業(yè)務(wù)的所述輸入?yún)?shù)包括第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)時，獲取所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的NFVI容量參數(shù)；處理器720還用于：通過所述性能參數(shù)與所述第一基礎(chǔ)設(shè)施層的NFVI容量參數(shù)確定第一誤差，若所述第一誤差超過第一閾值，則重新建立所述目標(biāo)業(yè)務(wù)的預(yù)測模型。

作為一個可選實施例，接收器710還用于：當(dāng)所述目標(biāo)業(yè)務(wù)的輸入?yún)?shù)包括所述第一基礎(chǔ)設(shè)施層的基準(zhǔn)性能參數(shù)和所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的NFVI的容量參數(shù)時，獲取所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)；處理器720還用于：利用所述性能參數(shù)與所述目標(biāo)業(yè)務(wù)在所述第一基礎(chǔ)設(shè)施層的VNF業(yè)務(wù)參數(shù)確定第二誤差，若所述第二誤差超過第二閾值，則重新建立所述目標(biāo)業(yè)務(wù)的預(yù)測模型。

作為一個可選實施例，所述基準(zhǔn)性能參數(shù)包括以下至少一種：coreMark、unixbench單進程、unixbench多進程、specint和specfp。

作為一個可選實施例，所述VNF業(yè)務(wù)參數(shù)包括每秒試呼次數(shù)CAPS和每秒報文數(shù)PPS中的至少一種。

作為一個可選實施例，所述NFVI的容量參數(shù)包括以下至少一種：中央處理器CPU的占用率、內(nèi)存的占用率、磁盤每秒讀寫次數(shù)和網(wǎng)絡(luò)的吞吐率。

本領(lǐng)域普通技術(shù)人員可以意識到，結(jié)合本文中所公開的實施例中描述的各方法步驟和單元，能夠以電子硬件、計算機軟件或者二者的結(jié)合來實現(xiàn)，為了清楚地說明硬件和軟件的可互換性，在上述說明中已經(jīng)按照功能一般性地描述了各實施例的步驟及組成。這些功能究竟以硬件還是軟件方式來執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計約束條件。本領(lǐng)域普通技術(shù)人員可以對每個特定的應(yīng)用來使用不同方法來實現(xiàn)所描述的功能，但是這種實現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。

所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為了描述的方便和簡潔，上述描述的系統(tǒng)、裝置和單元的具體工作過程，可以參考前述方法實施例中的對應(yīng)過程，在此不再贅述。

在本申請所提供的幾個實施例中，應(yīng)該理解到，所揭露的系統(tǒng)、裝置和方法，可以通過其它的方式實現(xiàn)。例如，以上所描述的裝置實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，例如多個單元或組件可以結(jié)合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另外，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口、裝置或單元的間接耦合或通信連接，也可以是電的，機械的或其它的形式連接。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實際的需要選擇其中的部分或者全部單元來實現(xiàn)本發(fā)明實施例方案的目的。

另外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以是兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能單元的形式實現(xiàn)。

所述集成的單元如果以軟件功能單元的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，可以存儲在一個計算機可讀取存儲介質(zhì)中?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻的部分，或者該技術(shù)方案的全部或部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機設(shè)備(可以是個人計算機，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質(zhì)包括：U盤、移動硬盤、只讀存儲器(Read-Only Memory，簡稱為“ROM”)、隨機存取存儲器(Random Access Memory，簡稱為“RAM”)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

以上所述，僅為本發(fā)明的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到各種等效的修改或替換，這些修改或替換都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應(yīng)以權(quán)利要求的保護范圍為準(zhǔn)。