【技术实现步骤摘要】
应用程序负载数据预测方法、装置及存储介质
[0001]本申请涉及计算机
，尤其涉及一种应用程序负载数据预测方法、装置及存储介质。
技术介绍
[0002]近年来云计算技术得到飞速发展，越来越多的用户将自己的应用程序部署到云平台以获得高效快速的计算服务。在云平台中，用户可将应用程序部署到虚拟机中，虚拟机的实际计算资源分配来自于云平台服务端的服务器集群。应用程序的负载预测是指采用一定的技术方法预测得到应用程序未来一段时间工作负载数据的过程，对于云平台的资源分配和任务管理工作具有重要意义。
[0003]现有技术中，可基于深度学习相关技术对应用程序进行负载预测，具体的，对于云平台中某个已部署运行一段时间的应用程序进行负载预测时，需要依据该应用程序的历史负载数据来预测该应用程序未来的负载数据。
[0004]然而现有技术的负载预测方法过度依赖需要预测的应用程序的历史负载数据，对于未部署应用程序，由于应用程序还没有部署运行，没有历史负载数据，因此现有技术的负载预测方法无法对未部署的应用程序进行负载预测，适用场景有限。<...
【技术保护点】
【技术特征摘要】
1.一种应用程序负载数据预测方法，其特征在于，包括：获取待预测应用程序的静态特征；根据所述待预测应用程序的静态特征以及预先训练的应用程序分类模型，确定所述待预测应用程序所属的应用程序类别；其中各应用程序类别是根据已部署应用程序样本的负载数据进行聚类得到；获取所述待预测应用程序所属的应用程序类别中的各已部署应用程序样本的平均负载数据，将所述平均负载数据确定为所述待预测应用程序的预测负载数据。2.根据权利要求1所述的方法，其特征在于，所述获取所述待预测应用程序所属的应用程序类别中的各已部署应用程序样本的平均负载数据，包括：根据所述待预测应用程序所属的应用程序类别，获取该应用程序类别中的各已部署应用程序样本的负载数据，并根据该应用程序类别中的各已部署应用程序样本的负载数据计算平均值，得到所述平均负载数据；或者根据所述待预测应用程序所属的应用程序类别，查询该应用程序类别对应的预设平均负载数据，其中所述预设平均负载数据为预先根据该应用程序类别中的各已部署应用程序样本的负载数据计算的平均值。3.一种应用程序分类模型的训练方法，其特征在于，包括：获取多个已部署应用程序样本的静态特征以及负载数据；根据所述多个已部署应用程序样本的负载数据对所述多个已部署应用程序样本进行聚类，得到不同的应用程序类别；将所述多个已部署应用程序样本的静态特征以及对应的应用程序类别作为训练数据，根据训练数据对应用程序分类模型进行训练。4.根据权利要求3所述的方法，其特征在于，所述已部署应用程序样本的负载数据包括：已部署应用程序样本在预定时长内目标负载指标的平均值和/或峰值，所述目标负载指标包括CPU占用率和/或内存占用率；所述静态特征包括以下至少一项：应用程序安装包大小、功能类型、虚拟机信息、使用者信息。5.根据权利要求3或4所述的方法，其特征在于，所述将所述多个已部署应用程序样本的静态特征以及对应的应用程序类别作为训练数据前，还包括：将所述多个已部署应用程序样本的静态特征以及对应的应用程序类别输入特征重要性评价模型，获取在选择不同静态特征组合的情况下对应用程序类别预测的准确度以及所选择的静态特征的基尼系数；基于预测的准确度以及静态特征的基尼系数...
【专利技术属性】
技术研发人员：杨扬，金靖雯，徐文政，白栩豪，张乔，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：
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。