网络性能指标预测方法、装置、设备及存储介质制造方法及图纸

本申请实施例提供了一种网络性能指标预测方法、装置、设备及存储介质，涉及人工智能技术领域，包括：获取两个性能预测模型，分别调用每个性能预测模型对目标服务器的历史网络性能指标进行预测处理，得到每个性能预测模型对目标服务器的预测处理结果，对每个性能预测模型的预测处理结果指示的参考网络性能指标进行注意力处理，确定目标服务器的目标网络性能指标。通过采用两个性能预测模型对历史性能指标数据进行预测处理，有助于提升目标网络性能指标预测的准确性。本申请可以涉及区块链技术，如可将目标网络性能指标写入区块链中。本申请还涉及数字医疗技术领域，如目标服务器用于提供数据医疗技术领域的服务。于提供数据医疗技术领域的服务。于提供数据医疗技术领域的服务。

【技术实现步骤摘要】
网络性能指标预测方法、装置、设备及存储介质


[0001]本申请涉及数据处理
，尤其涉及一种网络性能指标预测方法、装置、设备及存储介质。

技术介绍

[0002]随着社会不断发展与成熟，互联网业务需要更多的服务器提供计算或应用服务。然而，服务器在运行过程中可能会出现异常。为了保障互联网业务的正常执行，需要提前预测服务器的网络性能指标，以便提前进行运维，避免服务崩溃。因此，如何准确的预测网络性能指标是一个亟需解决的问题。

技术实现思路

[0003]本申请实施例提供了一种网络性能指标预测方法、装置、设备及存储介质。通过采用两个性能预测模型对目标服务器进行预测处理，有助于网络性能指标预测设备准确预测目标服务器的网络性能指标，以便提前运维，避免服务崩溃。
[0004]第一方面，本申请实施例提供了一种网络性能指标预测方法，该网络性能指标预测方法包括：
[0005]响应于对目标服务器进行预测处理的触发操作，获取目标服务器的历史网络性能指标；
[0006]获取两个性能预测模型，其中，两个性能预测模型分别对应不同的神经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网络性能指标预测方法，其特征在于，包括：响应于对目标服务器进行预测处理的触发操作，获取所述目标服务器的历史网络性能指标；获取两个性能预测模型，其中，所述两个性能预测模型分别对应不同的神经网络算法；分别调用每个性能预测模型对所述历史网络性能指标进行预测处理，得到每个性能预测模型对所述目标服务器的预测处理结果；对所述每个性能预测模型的预测处理结果指示的参考网络性能指标进行注意力处理，确定所述目标服务器的目标网络性能指标。2.如权利要求1所述的方法，其特征在于，所述历史网络性能指标包括多个历史时间段内的历史网络性能指标，所述性能预测模型包括基于长短期记忆LSTM算法构建的双向LSTM网络；所述分别调用每个性能预测模型对所述历史网络性能指标进行预测处理，得到每个性能预测模型对所述目标服务器的预测处理结果，包括：分别对每个历史时间段内的历史网络性能指标进行编码，得到历史特征序列；将所述历史特征序列按照正向序列和反向序列输入到所述双向LSTM网络中，得到所述目标服务器的预测处理结果。3.如权利要求2所述的方法，其特征在于，在所述分别调用每个性能预测模型对所述历史网络性能指标进行预测处理之前，所述方法还包括：获取样本数据，所述样本数据包括预设数量的多个时间段内的网络性能指标；基于时间段的先后顺序将所述样本数据划分为训练样本集和验证样本集，并利用所述训练样本集和所述验证样本集对初始模型进行训练，得到所述性能预测模型。4.如权利要求1所述的方法，其特征在于，所述获取目标服务器的历史网络性能指标，包括：获取多个历史时间段的接口访问日志；获取网络性能指标对应的性能指标因子，从所述每个历史时间段的接口访问日志中查找所述性能指标因子对应的数值，并将所述性能指标因子对应的数值代入性能指标函数，得到每个历史时间段的历史网络性能指标。5.如权利要求1所述的方法，其特征在于，所述历史网络性能指标为预处理后的历史网络性能指标，所述分别调用每个性能预测模型对所述历史网络性能指标进行预测处理，得到每个性能预测模型对所述目标服务器的预测处理结果，包括：获取所述每个历史时间段的历史网络性能指标中大于预设峰值的历史网络性能指标，并将大于预设峰值的历史网络性能指标替换为预设峰值；获取替换了所述预设峰值后的各个历史网络性能指标中的最大网络性能指标和最小网络性能指标；基于所述最大网络性能指标和所述最小网络性能指标对替换后的各个历史网络性能指标进行归...

【专利技术属性】
技术研发人员：黄一格，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：