一种资源负载异常检测方法、装置及设备制造方法及图纸

本申请公开了一种资源负载异常检测方法、装置及设备。方法包括：采集运算资源在目标时间段的实际资源负载；利用预测模型计算运算资源在目标时间段的预测资源负载；预测模型基于样本时间段以及与样本时间段对应的样本资源负载训练产生；计算实际资源负载与预测资源负载之间的负载差值，并根据负载差值执行资源负载异常检测操作。本方法利用预测模型预测目标时间段的预测资源负载，并采集该目标时间段的实际资源负载，进而以理想状态与实际状态之间的资源负载差异，即预测资源负载与实际资源负载之间的负载差异作为检测依据，实现了对运算资源的资源负载异常检测，确保了云计算整体可靠性。此外，本申请还提供一种资源负载异常检测装置及设备，有益效果同上所述。

【技术实现步骤摘要】
一种资源负载异常检测方法、装置及设备
本申请涉及云计算领域，特别是涉及一种资源负载异常检测方法、装置及设备。
技术介绍
随着大数据和人工智能的迅猛发展，各行各业对于计算资源的需求量也越来越大，因此云计算应运而生。云计算的核心思想是通过网络统一调度管理存储或计算等类型的硬件资源，实现资源的合理分配和利用。云计算的资源负载情况对于云计算中心的管理和维护具有重要的意义，当前往往需要根据云计算的资源负载对云计算设备进行有针对性地维护和管理，因此实现对运算资源的资源负载异常检测，是确保云计算整体可靠性的关键。由此可见，提供一种资源负载异常检测方法，以实现对运算资源的资源负载异常检测，进而确保云计算的整体可靠性，是本领域技术人员需要解决的问题。
技术实现思路
本申请的目的是提供一种资源负载异常检测方法、装置及设备，以实现对运算资源的资源负载异常检测，进而确保云计算的整体可靠性。为解决上述技术问题，本申请提供一种资源负载异常检测方法，包括：采集运算资源在目标时间段的实际资源负载；利用预测模型计算运算本文档来自技高网...

【技术保护点】
1.一种资源负载异常检测方法，其特征在于，包括：/n采集运算资源在目标时间段的实际资源负载；/n利用预测模型计算所述运算资源在所述目标时间段的预测资源负载；其中，所述预测模型基于样本时间段以及与所述样本时间段对应的样本资源负载训练产生；/n计算所述实际资源负载与所述预测资源负载之间的负载差值，并根据所述负载差值执行资源负载异常检测操作。/n

【技术特征摘要】
1.一种资源负载异常检测方法，其特征在于，包括：
采集运算资源在目标时间段的实际资源负载；
利用预测模型计算所述运算资源在所述目标时间段的预测资源负载；其中，所述预测模型基于样本时间段以及与所述样本时间段对应的样本资源负载训练产生；
计算所述实际资源负载与所述预测资源负载之间的负载差值，并根据所述负载差值执行资源负载异常检测操作。


2.根据权利要求1所述的资源负载异常检测方法，其特征在于，所述根据所述负载差值执行资源负载异常检测操作，包括：
判断所述负载差值是否达到预设差别阈值；
若所述负载差值达到预设差别阈值，则发起检测异常告警。


3.根据权利要求2所述的资源负载异常检测方法，其特征在于，在所述发起检测异常告警之前，所述方法还包括：
获取告警变量，并对所述告警变量的初始值累加预设增量值；
判断累加所述预设增量值后的告警变量是否达到告警阈值；
若累加所述预设增量值后的告警变量达到所述告警阈值，则执行所述发起检测异常告警的步骤。


4.根据权利要求3所述的资源负载异常检测方法，其特征在于，若所述负载差值未达到预设差别阈值，所述方法还包括：
将所述告警变量的值清零。


5.根据权利要求3所述的资源负载异常检测方法，其特征在于，若累加所述预设增量值后的告警变量未达到所述告警阈值时，所述方法还包括：
判断是否存在下一个所述目标时间段；
若存在下一个所述目标时间段，则基于所述下一个目标时间段执行所述采集运算资源在目标时间段的实际资源负载的步骤。


6.根据权利要求1至5任意一项所述的资源负载异常检测方法，其特征在于，所述预测模型包括ESN预测模型；
所述ESN预测模型的生成过程包括：
获取所述样本时间段采集的样本实际资源负载；
调整ESN初始模型中的模型参数，直至所述ESN初始模型在样本时间段计算的...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：北京浪潮数据技术有限公司，
类型：发明
国别省市：北京;11