一种服务节点容量调整方法、设备及计算机可读存储介质技术

本发明专利技术公开了一种服务节点容量调整方法、设备及计算机可读存储介质，该服务节点容量调整方法包括：对服务节点进行负载预测，得到预测负载信息；基于预测负载信息调整服务节点的容量；其中，预测负载信息是利用负载预测模型预测得到的，负载预测模型是利用服务节点的融合负载信息进行训练得到的；融合负载信息是服务节点的当前负载信息与历史负载信息的融合。通过上述方式，本发明专利技术能够增加应对负载变化的调整时间，保证系统的平稳性。保证系统的平稳性。保证系统的平稳性。

【技术实现步骤摘要】
一种服务节点容量调整方法、设备及计算机可读存储介质


[0001]本专利技术涉及计算机
，特别是涉及一种服务节点容量调整方法、设备及计算机可读存储介质。

技术介绍

[0002]目前随着大数据技术的不断发展，应用领域及数据规模不断增长，需要投入的计算资源也越来越大，如早晚高峰地铁人像采集数据分析，工作日节假日商场人流监控数据分析等。
[0003]而目前服务节点的扩缩容方法中，扩缩容时机具有滞后性，缩容滞后造成资源短期空闲但是能提升系统平滑性，但是扩容滞后会造成系统响应缓慢，而且任务突发增多会对系统造成冲击。

技术实现思路

[0004]本专利技术主要解决的技术问题是提供一种服务节点容量调整方法、设备及计算机可读存储介质，能够增加应对负载变化的调整时间，保证系统的平稳性。
[0005]为解决上述技术问题，本专利技术采用的一个技术方案是：提供一种服务节点容量调整方法，该服务节点容量调整方法包括：对服务节点进行负载预测，得到预测负载信息；基于预测负载信息调整服务节点的容量；其中，预测负载信息是利用负载预测模型预测得到的，负载预测模型是利用服务节点的融合负载信息进行训练得到的；融合负载信息是服务节点的当前负载信息与历史负载信息的融合。
[0006]其中，获取服务节点的当前负载信息和历史负载信息，历史负载信息为多个，将当前负载信息与多个历史负载信息进行加权平均，得到融合负载信息。
[0007]其中，获取服务节点的多个时间的多个融合负载信息；对多个融合负载信息进行周期拟合，得到负载预测模型，负载预测模型是负载信息与时间的关系模型。
[0008]其中，负载预测模型包括负载预测函数，负载预测函数为负载信息关于时间的多项式函数。
[0009]其中，负载预测函数为：其中，t
m
为时间，L
m
为t
m
时间对应的融合负载信息，ω
i
为预测系数。
[0010]其中，服务节点的负载信息为服务节点的服务设备的负载的总和。
[0011]其中，负载信息包括多种负载指标，负载信息为各负载指标的加权相加。
[0012]其中，负载指标包括服务节点的任务数、CPU使用率、内存的占有率、线程数和IO负载中的一种或多个。
[0013]其中，基于预测负载信息调整服务节点的容量包括：响应于预测负载信息大于第一负载阈值，则在预测负载信息对应的预测时间点之前扩大服务节点的容量；响应于预测负载信息小于第二负载阈值，则在预测负载信息对应的预测时间点之后缩小服务节点的容量。
[0014]其中，第一负载阈值为当前负载信息与扩容触发阈值的乘积，扩容触发阈值大于一。
[0015]为解决上述技术问题，本专利技术采用的另一个技术方案是：提供一种服务节点容量调整设备，该服务节点容量调整设备包括处理器，处理器用于执行以实现上述的服务节点容量调整方法。
[0016]为解决上述技术问题，本专利技术采用的另一个技术方案是：提供一种计算机可读存储介质，计算机可读存储介质用于存储指令/程序数据，指令/程序数据能够被执行以实现上述的服务节点容量调整方法。
[0017]本专利技术的有益效果是：区别于现有技术的情况，本专利技术通过对服务节点的当前负载信息和历史负载信息进行学习，以构建负载预测模型，并利用负载预测模型预测未来时间点的服务节点的负载情况，从而提前了解未来的负载变化并提前采取措施，对服务节点的容量进行提前调整，以应对负载突发情况下的变化，相对于分析近实时的负载进行被动扩容的方法，本申请更据有主动性，可以为负载变化争取更多的应对时间，而且在高负载接入处理上不存在滞后性，更能保证系统的平稳性。
附图说明
[0018]图1是本申请实施方式中一服务节点容量调整方法的流程示意图；
[0019]图2是本申请实施方式中另一服务节点容量调整方法的流程示意图；
[0020]图3是本申请实施方式中服务节点容量调整方法的流程结构图；
[0021]图4是本申请实施方式中服务节点容量调整装置的结构示意图；
[0022]图5是本申请实施方式中服务节点容量调整设备的结构示意图；
[0023]图6是本申请实施方式中计算机可读存储介质的结构示意图。
具体实施方式
[0024]为使本专利技术的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本专利技术进一步详细说明。
[0025]目前在大数据各个应用领域中，许多场景下服务的负载变化均具有周期性，如早晚高峰地铁人像采集数据分析，工作日节假日商场人流监控数据分析等。在这些场景下，服务的负载状况会同时间变化周期出现强烈的关联性，而且时间变化周期也存在着较为明显的规律。因此通过对历史服务负载状况进行统计分析，并通过算法进行处理，可以较为准确的预测近期一段时间内服务的负载变化。
[0026]因此，本申请提供一种服务节点容量调整方法，通过对服务节点的当前负载信息和历史负载信息进行学习，以构建负载预测模型，并利用负载预测模型预测未来时间点的服务节点的负载情况，从而提前了解未来的负载变化并提前采取措施，对服务节点的容量进行提前调整，以应对负载突发情况下的变化，相对于分析近实时的负载进行被动扩容的方法，本申请更据有主动性，可以为负载变化争取更多的应对时间，而且在高负载接入处理上不存在滞后性，更能保证系统的平稳性。
[0027]请参阅图1，图1是本申请实施方式中一服务节点容量调整方法的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图1所示的流程顺序为限。如图1所示，
本实施方式包括：
[0028]S110：对服务节点进行负载预测，得到预测负载信息。
[0029]将服务节点的当前负载信息与历史负载信息进行融合，得到综合多个时间点的负载信息的融合负载信息，并利用服务节点的融合负载信息训练得到负载预测模型，利用负载预测模型预测得到未来时间的预测负载信息。
[0030]S130：基于预测负载信息调整服务节点的容量。
[0031]基于预测得到的预测负载信息提前获取未来的预测时间点时服务节点的使用情况，以及时调整服务节点的容量。当未来时间的预测负载信息升高，则可以进行提前扩容。
[0032]该实施方式中，通过对服务节点的当前负载信息和历史负载信息进行学习，以构建负载预测模型，并利用负载预测模型预测未来时间点的服务节点的负载情况，从而提前了解未来的负载变化并提前采取措施，对服务节点的容量进行提前调整，以应对负载突发情况下的变化，相对于分析近实时的负载进行被动扩容的方法，本申请更据有主动性，可以为负载变化争取更多的应对时间，而且在高负载接入处理上不存在滞后性，更能保证系统的平稳性。
[0033]请参阅图2，图2是本申请实施方式中另一服务节点容量调整方法的流程示意图。请参阅图3，图3是本申请实施方式中服务节点容量调整方法的流程结构图。需注意的是，若有实质上相同的结果，本实施例并不以图2所示的流程顺序为限。如图2所示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种服务节点容量调整方法，其特征在于，所述方法包括：对服务节点进行负载预测，得到预测负载信息；基于所述预测负载信息调整所述服务节点的容量；其中，所述预测负载信息是利用负载预测模型预测得到的，所述负载预测模型是利用所述服务节点的融合负载信息进行训练得到的；所述融合负载信息是所述服务节点的当前负载信息与历史负载信息的融合。2.根据权利要求1所述的服务节点容量调整方法，其特征在于，获取所述服务节点的当前负载信息和历史负载信息，所述历史负载信息为多个；将所述当前负载信息与所述多个历史负载信息进行加权平均，得到所述融合负载信息。3.根据权利要求1所述的服务节点容量调整方法，其特征在于，获取所述服务节点的多个时间的多个融合负载信息；对所述多个融合负载信息进行周期拟合，得到所述负载预测模型，所述负载预测模型是负载信息与时间的关系模型。4.根据权利要求3所述的服务节点容量调整方法，其特征在于，所述负载预测模型包括负载预测函数，所述负载预测函数为负载信息关于时间的多项式函数。5.根据权利要求4所述的服务节点容量调整方法，其特征在于，所述负载预测函数为：其中，t
m
为时间，L
m
为t
m
时间对应的所述融合负载信息，ω
i
为预测系数。6.根据权利要求1所述的服务节点容量调整方法，其特征在...

【专利技术属性】
技术研发人员：江文龙，文江，斯奇能，李原，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：