本申請涉及計(jì)算機(jī)，尤其涉及一種云資源負(fù)載預(yù)測方法、裝置、存儲介質(zhì)及電子設(shè)備。

背景技術(shù)：

1、在大云運(yùn)營管理平臺上，需要對大量云服務(wù)資源進(jìn)行監(jiān)控管理，同時(shí)需要對用戶的資源進(jìn)行擴(kuò)容調(diào)度等管理?？梢酝ㄟ^歷史資源指標(biāo)數(shù)據(jù)對云資源負(fù)載進(jìn)行周期性預(yù)測，并基于預(yù)測結(jié)果進(jìn)行資源預(yù)警。

2、目前，對云資源進(jìn)行預(yù)測主要通過神經(jīng)網(wǎng)絡(luò)構(gòu)建預(yù)測模型，例如通過基于長短期記憶(lstm)網(wǎng)絡(luò)構(gòu)建的預(yù)測模型對云資源數(shù)據(jù)進(jìn)行歸一化處理、數(shù)據(jù)降維處理、選取特征數(shù)據(jù)處理等等，得到云資源負(fù)載的預(yù)測結(jié)果。

3、然而，在云資源負(fù)載變化為非線性的情況下，使用神經(jīng)網(wǎng)絡(luò)構(gòu)建的預(yù)測模型進(jìn)行預(yù)測，會出現(xiàn)預(yù)測模型陷入局部最優(yōu)的情況，導(dǎo)致預(yù)測模型收斂速度慢，進(jìn)而導(dǎo)致模型訓(xùn)練成本增大，甚至影響預(yù)測準(zhǔn)確性和預(yù)測精確度。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本申請?zhí)峁┝艘环N云資源負(fù)載預(yù)測方法、裝置、存儲介質(zhì)及電子設(shè)備，主要目的在于改善目前現(xiàn)有技術(shù)在云資源負(fù)載變化為非線性的情況下，使用神經(jīng)網(wǎng)絡(luò)構(gòu)建的預(yù)測模型進(jìn)行預(yù)測，會出現(xiàn)預(yù)測模型陷入局部最優(yōu)的情況，導(dǎo)致預(yù)測模型收斂速度慢，進(jìn)而導(dǎo)致模型訓(xùn)練成本增大，甚至影響預(yù)測準(zhǔn)確性和預(yù)測精確度的技術(shù)問題。

2、第一方面，本申請?zhí)峁┝艘环N云資源負(fù)載預(yù)測方法，包括：

3、獲取云資源的待預(yù)測時(shí)間序列數(shù)據(jù)；

4、將所述待預(yù)測時(shí)間序列數(shù)據(jù)輸入到差分自回歸移動平均(arima)模型中，所述arima模型用于所述云資源的負(fù)載預(yù)測，所述arima模型的模型系數(shù)是根據(jù)所述云資源的歷史時(shí)間序列數(shù)據(jù)進(jìn)行負(fù)載預(yù)測的負(fù)載預(yù)測結(jié)果、與所述云資源的歷史負(fù)載信息之間的負(fù)載預(yù)測誤差，對所述arima模型的初始模型系數(shù)進(jìn)行迭代更新得到的；

5、依據(jù)所述arima模型的輸出結(jié)果，生成所述待預(yù)測時(shí)間序列數(shù)據(jù)的預(yù)測負(fù)載信息。

6、第二方面，本申請?zhí)峁┝艘环N云資源負(fù)載預(yù)測裝置，包括：

7、獲取模塊，被配置為獲取云資源的待預(yù)測時(shí)間序列數(shù)據(jù)；

8、輸入模塊，被配置為將所述待預(yù)測時(shí)間序列數(shù)據(jù)輸入到arima模型中，所述arima模型用于所述云資源的負(fù)載預(yù)測，所述arima模型的模型系數(shù)是根據(jù)所述云資源的歷史時(shí)間序列數(shù)據(jù)進(jìn)行負(fù)載預(yù)測的負(fù)載預(yù)測結(jié)果、與所述云資源的歷史負(fù)載信息之間的負(fù)載預(yù)測誤差，對所述arima模型的初始模型系數(shù)進(jìn)行迭代更新得到的；

9、生成模塊，被配置為依據(jù)所述arima模型的輸出結(jié)果，生成所述待預(yù)測時(shí)間序列數(shù)據(jù)的預(yù)測負(fù)載信息。

10、第三方面，本申請?zhí)峁┝艘环N計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)第一方面的云資源負(fù)載預(yù)測方法。

11、第四方面，本申請?zhí)峁┝艘环N電子設(shè)備，包括存儲介質(zhì)、處理器及存儲在存儲介質(zhì)上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，處理器執(zhí)行計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)第一方面的云資源負(fù)載預(yù)測方法。

12、第五方面，本申請?zhí)峁┝艘环N計(jì)算機(jī)程序產(chǎn)品，計(jì)算機(jī)程序產(chǎn)品包括計(jì)算機(jī)程序，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)第一方面的云資源負(fù)載預(yù)測方法。

13、借由上述技術(shù)方案，本申請?zhí)峁┑囊环N云資源負(fù)載預(yù)測方法、裝置、存儲介質(zhì)及電子設(shè)備，首先獲取云資源的待預(yù)測時(shí)間序列數(shù)據(jù)；將所述待預(yù)測時(shí)間序列數(shù)據(jù)輸入到arima模型中，所述arima模型用于所述云資源的負(fù)載預(yù)測，所述arima模型的模型系數(shù)是根據(jù)所述云資源的歷史時(shí)間序列數(shù)據(jù)進(jìn)行負(fù)載預(yù)測的負(fù)載預(yù)測結(jié)果、與所述云資源的歷史負(fù)載信息之間的負(fù)載預(yù)測誤差，對所述arima模型的初始模型系數(shù)進(jìn)行迭代更新得到的；依據(jù)所述arima模型的輸出結(jié)果，生成所述待預(yù)測時(shí)間序列數(shù)據(jù)的預(yù)測負(fù)載信息。與目前現(xiàn)有技術(shù)相比，本申請通過arima模型對待預(yù)測時(shí)間序列數(shù)據(jù)進(jìn)行云資源負(fù)載預(yù)測，本申請使用的arima模型的模型系數(shù)為基于負(fù)載預(yù)測誤差對初始模型系數(shù)進(jìn)行迭代更新處理得到的，使得arima模型具有更高的預(yù)測精度和更好的適應(yīng)性和更低的訓(xùn)練成本，還可以避免出現(xiàn)陷入局部最優(yōu)和收斂速度慢的情況，由于arima模型能夠自適應(yīng)地調(diào)整模型參數(shù)，使用包含模型系數(shù)的arima模型進(jìn)行云資源負(fù)載預(yù)測可以精確預(yù)測云資源負(fù)載率，提高預(yù)測精度，有助于制定有效的資源分配策略和能源節(jié)能，還可以有效地提高云服務(wù)的穩(wěn)定性和可靠性。

14、上述說明僅是本申請技術(shù)方案的概述，為了能夠更清楚了解本申請的技術(shù)手段，而可依照說明書的內(nèi)容予以實(shí)施，并且為了讓本申請的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本申請的具體實(shí)施方式。

技術(shù)特征：

1.一種云資源負(fù)載預(yù)測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述arima模型的訓(xùn)練過程包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對所述歷史時(shí)間序列數(shù)據(jù)進(jìn)行預(yù)處理，確定所述arima模型的初始模型系數(shù)，按照所述初始模型系數(shù)建立所述arima模型，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述確定所述多個(gè)歷史區(qū)間數(shù)據(jù)分別對應(yīng)的arima模型的初始模型系數(shù)，按照所述初始模型系數(shù)分別建立多個(gè)arima模型，包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述基于所述arima模型對所述歷史時(shí)間序列數(shù)據(jù)進(jìn)行負(fù)載預(yù)測，根據(jù)負(fù)載預(yù)測結(jié)果與所述歷史負(fù)載信息之間的負(fù)載預(yù)測誤差對所述初始模型系數(shù)進(jìn)行迭代更新處理，得到滿足預(yù)設(shè)收斂條件的模型系數(shù)，包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述方法還包括：

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述方法還包括：

8.根據(jù)權(quán)利要求1至7中任一項(xiàng)所述的方法，其特征在于，依據(jù)所述arima模型的輸出結(jié)果，生成所述待預(yù)測時(shí)間序列數(shù)據(jù)的預(yù)測負(fù)載信息，包括：

9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述依據(jù)包含所述模型系數(shù)的arima模型對所述待預(yù)測時(shí)間序列數(shù)據(jù)進(jìn)行負(fù)載預(yù)測，得到所述云資源的中央處理器預(yù)測值、內(nèi)存預(yù)測值和磁盤預(yù)測值，包括：

10.一種云資源負(fù)載預(yù)測裝置，其特征在于，包括：

11.一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至9中任一項(xiàng)所述的方法。

12.一種電子設(shè)備，包括存儲介質(zhì)、處理器及存儲在存儲介質(zhì)上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至9中任一項(xiàng)所述的方法。

13.一種計(jì)算機(jī)程序產(chǎn)品，所述計(jì)算機(jī)程序產(chǎn)品包括計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至9任意一項(xiàng)所述的方法。

技術(shù)總結(jié)
本申請公開了一種云資源負(fù)載預(yù)測方法、裝置、存儲介質(zhì)及電子設(shè)備，涉及計(jì)算機(jī)技術(shù)領(lǐng)域，其中方法包括：首先獲取云資源的待預(yù)測時(shí)間序列數(shù)據(jù)；將待預(yù)測時(shí)間序列數(shù)據(jù)輸入到ARIMA模型，ARIMA模型用于云資源的負(fù)載預(yù)測，ARIMA模型的模型系數(shù)是根據(jù)云資源的歷史時(shí)間序列數(shù)據(jù)進(jìn)行負(fù)載預(yù)測的負(fù)載預(yù)測結(jié)果、與云資源的歷史負(fù)載信息之間的負(fù)載預(yù)測誤差，對ARIMA模型的初始模型系數(shù)進(jìn)行迭代更新得到的；依據(jù)ARIMA模型的輸出結(jié)果，生成待預(yù)測時(shí)間序列數(shù)據(jù)的預(yù)測負(fù)載信息。與目前現(xiàn)有技術(shù)相比，本申請可以提高預(yù)測精度。

技術(shù)研發(fā)人員：劉海波
受保護(hù)的技術(shù)使用者：中移（蘇州）軟件技術(shù)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/28