This application discloses a method and device for server performance prediction, which relates to the computer field and is used to realize prediction of server performance in combination with user behavior. The method includes: filtering user requests in the first access log to obtain the first request sequence; obtaining the first set of eigenvectors according to the first request sequence; each eigenvector in the first set of eigenvectors corresponds to a user request in the first request sequence, which is used to indicate the type of corresponding user requests; generating the model according to the load and the first set of eigenvectors. The predicted request sequence is obtained, and the second request sequence is obtained according to the predicted request sequence and the time probability model. The predicted request sequence is used to indicate the type of predicted user request, and the second request sequence is used to indicate the predicted user request time sequence. The predicted server performance index is obtained according to the performance prediction model and the second request sequence. The embodiment of this application is applied to server performance prediction.
【技术实现步骤摘要】
服务器性能预测方法和装置
本申请涉及计算机领域,尤其涉及一种服务器性能预测方法和装置。
技术介绍
随着计算机应用的日益增长和普及,应用系统变得越来越复杂。同时,随着浏览器/服务器(Browser/Server,B/S)应用结构的推广,数据处理进一步向服务器集中,这对服务器的性能管理提出了新的挑战,而正确有效地预测服务器性能负载,确保服务器的服务质量,是计算机系统性能管理系统的一个重要环节。传统的服务器性能预测方法包括最小二乘法、二次指数平滑法、递归神经网络(RecurrentNeuralNetwork,RNN)等。这些方法的原理是采集服务器性能随时间的变化曲线,之后通过算法进行拟合以建立性能与时间轴的关系,以此来对未来时间的服务器性能进行预测。上述方法相当于认为影响服务器性能的仅仅是时间因素,而这与网站架设的一般规律相违背,例如购物节、降价促销等活动期间会因为用户行为因素介入使得服务器性能剧烈变化,此时的服务器性能与时间不再符合拟合出的关系。
技术实现思路
本申请的实施例提供一种服务器性能预测方法和装置,用于实现结合用户行为来预测服务器性能。为达到上述目的,本申请的实施例采用如下技术方案:第一方面,提供了一种服务器性能预测方法和装置,该方法包括:对第一访问日志中的用户请求进行过滤,得到第一请求序列;根据第一请求序列得到对应的第一特征向量集合,第一特征向量集合中的每个特征向量对应于第一请求序列中的一个用户请求,并且用于指示对应的用户请求所属的种类;根据负载生成模型和第一特征向量集合得到预测请求序列,并根据预测请求序列和时间概率模型得到第二请求序列,预测请求序列用 ...
【技术保护点】
1.一种服务器性能预测方法,其特征在于,包括:对第一访问日志中的用户请求进行过滤,得到第一请求序列;根据所述第一请求序列得到对应的第一特征向量集合,所述第一特征向量集合中的每个特征向量对应于第一请求序列中的一个用户请求,并且用于指示对应的用户请求所属的种类;根据负载生成模型和所述第一特征向量集合得到预测请求序列,并根据所述预测请求序列和时间概率模型得到第二请求序列,所述预测请求序列用于指示预测的各个用户请求所属的种类,所述第二请求序列用于指示预测的各个用户请求的时间序列;根据性能预测模型和所述第二请求序列得到预测的服务器性能指标,所述性能预测模型用于指示用户请求与服务器性能指标的对应关系。
【技术特征摘要】
1.一种服务器性能预测方法,其特征在于,包括:对第一访问日志中的用户请求进行过滤,得到第一请求序列;根据所述第一请求序列得到对应的第一特征向量集合,所述第一特征向量集合中的每个特征向量对应于第一请求序列中的一个用户请求,并且用于指示对应的用户请求所属的种类;根据负载生成模型和所述第一特征向量集合得到预测请求序列,并根据所述预测请求序列和时间概率模型得到第二请求序列,所述预测请求序列用于指示预测的各个用户请求所属的种类,所述第二请求序列用于指示预测的各个用户请求的时间序列;根据性能预测模型和所述第二请求序列得到预测的服务器性能指标,所述性能预测模型用于指示用户请求与服务器性能指标的对应关系。2.根据权利要求1所述的方法,其特征在于,在所述对第一访问日志中的用户请求进行过滤,得到第一请求序列之前,所述方法还包括:对第二访问日志中的用户请求进行过滤,得到第二请求序列;根据所述第二请求序列得到对应的第二特征向量集合,所述第二特征向量集合中的每个特征向量对应于所述第二请求序列中的一个用户请求,并且用于指示对应的用户请求所属的种类;根据所述第二特征向量集合和目标函数对所述负载生成模型进行训练;根据所述第二请求序列构造所述时间概率模型。3.根据权利要求2所述的方法,其特征在于,所述根据所述第二特征向量集合和目标函数对所述负载生成模型进行训练,包括:将所述第二特征向量集合按照时序顺序排序,或者按照用户排序;将经排序后的第二特征向量集合划分为长度均为M的子集合;以各个子集合中的第1~a个特征向量作为输入来获取所述负载生成模型的模拟输出,以第a+1~M个特征向量作为实际输出;将所述模拟输出和所述实际输出根据所述目标函数对所述负载生成模型进行训练,其中,1<=a<M,a、M为整数。4.根据权利要求3所述的方法,其特征在于,所述目标函数为其中,fi(W)为所述目标函数,L(W)为所述模拟输出,Yi为所述实际输出,W为所述负载生成模型的参数,gj()函数用于统计所述模拟输出或所述实际输出的个数,λ为比例系数,i为向量标号,j为gj()函数标号,所述模拟输出的个数与所述实际输出的个数相同。5.根据权利要求3所述的方法,其特征在于,所述目标函数为其中,fi(W)为所述目标函数,L(W)为所述模拟输出,Yi为所述实际输出,W为所述负载生成模型的参数,λ为比例系数,i为向量标号。6.根据权利要求1所述的方法,其特征在于,在所述对第一访问日志中的用户请求进行过滤,得到第一请求序列之前,所述方法还包括:对第三访问日志中的用户请求进行过滤,得到第三请求序列;根据所述第三时间序列得到第三特征向量集合,所述第三特征向量集合包括至少一个N维特征向量,所述N维特征向量的一个维度对应一种用户请求在单位时间窗口内的访问次数;根据所述第三访问日志获得与所述第三特征向量集合对应的性能指标;根据所述第三特征向量集合和所述对应的性能指标对所述性能预测模型进行训练。7.一种服务器性能预测装置,其特征在于,包...
【专利技术属性】
技术研发人员:程捷,黄征,彭家骏,
申请(专利权)人:华为技术有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。