用于减少计算实例启动时间的系统、方法及存储介质技术方案

描述了一种用于预测计算实例的启动时间的技术。示例方法可包括接收对在计算服务环境内的物理主机上启动计算实例的预测启动时间的请求。然后可获得与计算实例的启动特征相关联的数据，其中所述启动特征可被确定为对所述计算实例在计算服务环境内的物理主机上的启动时间具有影响。所述计算实例的所述启动特征然后可被输入至机器学习模型，所述机器学习模型输出用于在所述计算服务环境内启动所述计算实例的所述预测启动时间。

【技术实现步骤摘要】
【国外来华专利技术】计算实例启动时间专利技术背景用于计算资源的虚拟化技术的出现关于为具有不同需求的许多客户管理大规模计算资源提供了益处并且已经允许由多个客户有效且安全地共享各种计算资源或计算服务。例如，虚拟化技术可通过使用管理程序向每个客户提供由单个物理计算机器托管的一个或多个计算实例来允许在多个客户之间共享单个物理计算机器。每个计算实例可以是充当不同逻辑计算系统的客户机，其向客户提供客户是给定虚拟化硬件计算资源的唯一操作者和管理员的感觉。在单个物理计算机器上启动一个或多个计算实例可需要识别在其上可加载并执行计算实例的可用计算资源(例如，物理主机)。在主机服务器上加载并启动计算实例的时间可由于包含物理主机的计算环境的各个方面和正被启动的计算实例的方面而变化。因此，计算实例的启动时间可从几分钟到几分钟变化。附图简述图1是示出用于预测计算服务环境内计算实例的启动时间的示例系统的框图。图2是示出包括在用于预测计算实例启动时间的系统中的各种示例组件的框图。图3是示出包括预测启动时间服务的示例计算服务环境的框图。图4是示出用于配置和训练用于生成预测启动时间的机器学习模型的示例方法的图。图5是示出用于使用预测启动时间本文档来自技高网...

【技术保护点】
一种计算机实现的方法，其包括：在配置有可执行指令的一个或多个计算机系统的控制下，接收对在计算服务环境内的物理主机上启动计算实例的预测启动时间的请求；使用处理器获得与计算实例的启动特征相关联的数据，所述计算实例的所述启动特征被确定为对所述计算实例在计算服务环境内的物理主机上的启动时间具有影响；以及使用所述处理器,将所述计算实例的所述启动特征输入至机器学习模型，所述机器学习模型输出用于在所述计算服务环境内启动计算实例的预测启动时间。

【技术特征摘要】
【国外来华专利技术】2014.09.10 US 14/482,841;2014.09.10 US 14/482,812;1.一种计算机实现的方法，其包括：在配置有可执行指令的一个或多个计算机系统的控制下，接收对在计算服务环境内的物理主机上启动计算实例的预测启动时间的请求；使用处理器获得与计算实例的启动特征相关联的数据，所述计算实例的所述启动特征被确定为对所述计算实例在计算服务环境内的物理主机上的启动时间具有影响；以及使用所述处理器,将所述计算实例的所述启动特征输入至机器学习模型，所述机器学习模型输出用于在所述计算服务环境内启动计算实例的预测启动时间。2.如权利要求1所述的方法，其中获得与启动特征相关联的所述数据还包括获得与机器映像启动特征、物理主机启动特征和客户配置启动特征相关联的数据。3.如权利要求1所述的方法，其还包括在将所述启动特征输入至所述机器学习模型之前使所述启动特征标准化。4.如权利要求1所述的方法，其还包括对机器学习参数进行参数值搜索，所述机器学习参数引起所述机器学习模型对所述启动特征的拟合优度。5.如权利要求4所述的方法，其中进行所述参数值搜索还包括,使用分布式遗传算法进行机器学习参数的参数值搜索。6.如权利要求1所述的方法，其中获得与启动特征相关联的数据还包括,获得表示多个先前计算实例启动的启动特征的活动训练数据；从与所述启动特征相关联的所述活动训练数据提取特征；以及使用来自所述活动训练数据的所述特征训练所述机器学习模型。7.如权利要求1所述的方法，其中将所述启动特征输入至机器学习模型还包括：将所述启动特征输入至选自以下中的至少一个的机器学习模型：随机森林模型、超随机树模型、AdaBoost模型、随机梯度下降模型或支持向量机器模型。8.如权利要求1所述的方法，其中将所述启动特征输入至机器学习模型还包括，将所述计算实例的所述启动特征输入至机器学...

【专利技术属性】
技术研发人员：A·A·艾彻，M·J·埃迪，R·A·哈曼，
申请(专利权)人：亚马逊技术公司，
类型：发明
国别省市：美国,US