本公开提供了一种应用性能容量预估方法，可以应用于人工智能技术领域。该方法包括：获取测试环境单节点性能指标数据；根据所述测试环境单节点性能指标数据和预先训练的单节点性能容量预估模型确定生产环境单节点性能容量；根据所述生产环境单节点性能容量、节点数和预先构建的生产环境单架构层性能容量预估模型确定生产环境单架构层性能容量；根据多个生产环境单架构层性能容量确定生产环境应用性能容量。本公开还提供了一种应用性能容量预估装置、设备、存储介质和程序产品。存储介质和程序产品。存储介质和程序产品。
【技术实现步骤摘要】
应用性能容量预估方法及装置
[0001]本公开涉及人工智能领域，具体涉及软件测试领域，更具体地涉及一种应用性能容量预估方法、装置、设备、存储介质和程序产品。
技术介绍
[0002]随着分布式系统的发展，越来越多应用系统架构由基于IBM(International Business Machines，简称IBM)大型主机的集中式处理架构转变为基于x86服务器的分布式系统框架，由于分布式系统把之前各个业务模块拆分成了子系统，一次交易通常需要调用多个子系统才能完成，交易链路变长，导致联机业务场景变得越来越复杂，再叠加业务交易量的增长等因素，任何一个子系统的性能隐患都有可能带来全局影响，导致系统服务质量下降。因此，针对新应用版本下系统整体表现的性能容量预估格外重要。
[0003]然而现有的性能预估方法主要存在几个问题：
[0004](1)分布式架构下，各个子系统结构各异，没有一种通用的性能容量评估方法。
[0005](2)子系统在生产环境的节点数、容器规格与测试环境有差异。无法通过测试环境的测试结果准确预估生产环境表现。
[0006](3)生产环境物理机CPU、内存、磁盘等硬件配置优于测试环境。硬件性能差异较大，无法直接通过测试环境相关数据直接评估。
[0007]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
[0008]鉴于上述问题，本公开提供了应用性能容量预估方法、装置、设备、介质和程序产品。
[0009]根据本公开的第一个方面，提供了一种应用性能容量预估方法，应用于分布式架构，所述分布式架构包括多个单架构层，包括：获取测试环境单节点性能指标数据；
[0010]根据所述测试环境单节点性能指标数据和预先训练的单节点性能容量预估模型确定生产环境单节点性能容量；
[0011]根据所述生产环境单节点性能容量、节点数和预先构建的生产环境单架构层性能容量预估模型确定生产环境单架构层性能容量；以及
[0012]根据多个生产环境单架构层性能容量确定生产环境应用性能容量，
[0013]其中，所述单节点性能容量预估模型包括测试环境单节点性能容量预估模型和生产环境单节点性能容量转换模型。
[0014]根据本公开的实施例，所述根据所述测试环境单节点性能指标数据和预先训练的单节点性能容量预估模型确定生产环境单节点性能容量包括：
[0015]根据所述测试环境单节点性能指标数据和所述测试环境单节点性能容量预估模型确定测试环境单节点性能容量；以及
[0016]根据所述测试环境单节点性能容量和所述生产环境单节点性能容量转换模型确定生产环境单节点性能容量。
[0017]根据本公开的实施例，所述根据多个生产环境单架构层性能容量确定生产环境应用性能容量包括：
[0018]获取多个生产环境单架构层性能容量；以及
[0019]确定所述多个生产环境单架构层性能容量的最小值为生产环境应用性能容量。
[0020]根据本公开的实施例，所述预先训练的单节点性能容量预估模型的训练方法包括：
[0021]收集第一训练样本数据，所述第一训练样本数据包括测试环境下单节点在不同交易率下的CPU使用率；
[0022]根据所述第一训练样本数据确定单节点容量与CPU使用率的映射关系，以确定测试环境单节点性能容量预估模型；
[0023]收集第二训练样本数据，所述第二训练样本数据包括生产环境下CPU使用率和交易率；
[0024]将所述第一训练样本数据和所述第二训练样本数据进行特征化处理，以生成多组多维度的样本特征；
[0025]对所述样本特征进行机器学习训练得到单节点性能容量转换模型；
[0026]根据所述测试环境单节点性能容量预估模型和所述单节点性能容量转换模型确定单节点性能容量预估模型。
[0027]根据本公开的实施例，所述预先构建的生产环境单架构层性能容量预估模型的构建方法包括：
[0028]在测试环境对应用进行多次梯度发压测试；
[0029]获取测试环境中不同节点在指定比例的CPU使用率下的联机交易率；
[0030]根据节点数、CPU使用率和联机交易率确定测试环境单架构层性能容量预估模型；
[0031]根据所述生产环境单节点性能容量和所述测试环境单架构层性能容量预估模型确定生产环境单架构层性能容量预估模型。
[0032]根据本公开的实施例，所述单节点性能指标数据包括系统环境指标数据和系统运行状况指标数据，其中，所述系统环境指标数据包括测试环境信息、CPU信息、内存信息和磁盘信息；所述系统运行状况指标数据包括CPU运行信息、内存使用率、磁盘运行信息、网络IO信息和平台服务响应信息。
[0033]根据本公开的实施例，所述方法还包括：
[0034]根据所述生产环境应用性能容量确定扩容策略。
[0035]本公开的第二方面提供了一种应用性能容量预估装置，包括：获取模块，用于获取测试环境单节点性能指标数据；
[0036]第一确定模块，用于根据所述测试环境单节点性能指标数据和预先训练的单节点性能容量预估模型确定生产环境单节点性能容量；
[0037]第二确定模块，用于根据所述生产环境单节点性能容量、节点数和预先构建的生产环境单架构层性能容量预估模型确定生产环境单架构层性能容量；以及
[0038]第三确定模块，用于根据多个生产环境单架构层性能容量确定生产环境应用性能
容量，
[0039]其中，所述单节点性能容量预估模型包括测试环境单节点性能容量预估模型和生产环境单节点性能容量转换模型。
[0040]根据本公开的实施例，第一确定模块包括：
[0041]第一确定子模块，用于根据所述测试环境单节点性能指标数据和所述测试环境单节点性能容量预估模型确定测试环境单节点性能容量；
[0042]第二确定子模块，用于根据所述测试环境单节点性能容量和所述生产环境单节点性能容量转换模型确定生产环境单节点性能容量。
[0043]根据本公开的实施例，第三确定模块包括：
[0044]第一获取子模块，用于获取多个生产环境单架构层性能容量；
[0045]第三确定子模块，用于确定所述多个生产环境单架构层性能容量的最小值为生产环境应用性能容量。
[0046]根据本公开的实施例，该装置还包括：
[0047]模型训练模块，用于训练单节点性能容量预估模型。
[0048]根据本公开的实施例，第一训练模块包括：
[0049]第一样本收集子模块，用于收集第一训练样本数据，所述第一训练样本数据包括测试环境下单节点在不同交易率下的CPU使用率；
[0050]第四确定子模块，用于根据所述训练样本数据确定单节点容量与CPU使用率的映射关系，以确定测试环境单节点性能容量预估模型；
[0051本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种应用性能容量预估方法，应用于分布式架构，所述分布式架构包括多个单架构层，其特征在于，包括：获取测试环境单节点性能指标数据；根据所述测试环境单节点性能指标数据和预先训练的单节点性能容量预估模型确定生产环境单节点性能容量；根据所述生产环境单节点性能容量、节点数和预先构建的生产环境单架构层性能容量预估模型确定生产环境单架构层性能容量；以及根据多个生产环境单架构层性能容量确定生产环境应用性能容量，其中，所述单节点性能容量预估模型包括测试环境单节点性能容量预估模型和生产环境单节点性能容量转换模型。2.根据权利要求1所述的方法，其特征在于，所述根据所述测试环境单节点性能指标数据和预先训练的单节点性能容量预估模型确定生产环境单节点性能容量包括：根据所述测试环境单节点性能指标数据和所述测试环境单节点性能容量预估模型确定测试环境单节点性能容量；以及根据所述测试环境单节点性能容量和所述生产环境单节点性能容量转换模型确定生产环境单节点性能容量。3.根据权利要求2所述的方法，其特征在于，所述根据多个生产环境单架构层性能容量确定生产环境应用性能容量包括：获取多个生产环境单架构层性能容量；以及确定所述多个生产环境单架构层性能容量的最小值为生产环境应用性能容量。4.根据权利要求1所述的方法，其特征在于，所述预先训练的单节点性能容量预估模型的训练方法包括：收集第一训练样本数据，所述第一训练样本数据包括测试环境下单节点在不同交易率下的CPU使用率；根据所述第一训练样本数据确定单节点容量与CPU使用率的映射关系，以确定测试环境单节点性能容量预估模型；收集第二训练样本数据，所述第二训练样本数据包括生产环境下CPU使用率和交易率；将所述第一训练样本数据和所述第二训练样本数据进行特征化处理，以生成多组多维度的样本特征；对所述样本特征进行机器学习训练得到单节点性能容量转换模型；根据所述测试环境单节点性能容量预估模型和所述单节点性能...
【专利技术属性】
技术研发人员：陈耀文，易蕾，李秀婧，朱怡雯，
申请(专利权)人：中国工商银行股份有限公司，
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。