资源预测方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种资源预测方法、装置、计算机设备及存储介质，涉及计算机应用技术。该方法包括：获取目标平台的异质网络，异质网络用于表示目标平台中部署模块的拓扑关系；根据目标节点在异质网络中的拓扑关系确定节点向量，目标节点为异质网络中的任意一个节点；获取目标时间的资源向量，资源向量包括多个资源在目标时间的资源需求；根据节点向量和资源向量确定目标时间的目标向量；通过预测模型对多个时间的目标向量进行训练，得到用于预测资源需求的目标模型；根据目标模型对当前平台的资源需求进行预测，得到预测的资源需求。能够实现部署模块的快速配置，提高应用资源分配速度。度。度。

【技术实现步骤摘要】
资源预测方法、装置、计算机设备及存储介质


[0001]本专利技术实施例涉及计算机应用技术，尤其涉及一种资源预测方法、装置、计算机设备及存储介质。

技术介绍

[0002]随着云计算的发展，越来越多的应用选择部署在平台即服务(PaaS)，平台即服务用于动态调整资源来帮助运行在PaaS上的应用从而更好地应对突发流量。当应用负载提升时，平台即服务为应用增加相应的资源。
[0003]然而，当应用负载提升后，向平台请求资源，并获取平台分配的资源，该过程存在时间消耗，在该时间内应用负载无法获取资源。此外，平台运行的应用数量较多时，分别响应每个应用的资源请求将导致应用资源申请缓慢。
[0004]如何实现快速的为应用分配资源成为亟待解决的问题。

技术实现思路

[0005]本专利技术提供一种资源预测方法、装置、计算机设备及存储介质，以实现准确预测平台资源，进而提高应用资源分配速度。
[0006]第一方面，本专利技术实施例提供了一种资源预测方法，包括：
[0007]获取目标平台的异质网络，所述异质网络用于表示所述目标平台中部署模块的拓扑关系；
[0008]根据目标节点在所述异质网络中的拓扑关系确定节点向量，所述目标节点为所述异质网络中的任意一个节点；
[0009]获取目标时间的资源向量，所述资源向量包括多个资源在所述目标时间的资源需求；
[0010]根据所述节点向量和所述资源向量确定所述目标时间的目标向量；
[0011]通过预测模型对多个时间的目标向量进行训练，得到用于预测资源需求的目标模型；
[0012]根据所述目标模型对当前平台的资源需求进行预测，得到预测的资源需求。
[0013]第二方面，本专利技术实施例还提供了一种资源预测装置，包括：
[0014]异质网络获取模块，用于获取目标平台的异质网络，所述异质网络用于表示所述目标平台中部署模块的拓扑关系；
[0015]节点向量确定模块，用于根据目标节点在所述异质网络中的拓扑关系确定节点向量，所述目标节点为所述异质网络中的任意一个节点；
[0016]资源向量获取模块，用于获取目标时间的资源向量，所述资源向量包括多个资源在所述目标时间的资源需求；
[0017]目标向量确定模块，用于根据所述节点向量和所述资源向量确定所述目标时间的目标向量；
[0018]模型训练模块，用于通过预测模型对多个时间的目标向量进行训练，得到用于预测资源需求的目标模型；
[0019]预测模块，用于根据所述目标模型对当前平台的资源需求进行预测，得到预测的资源需求。
[0020]第三方面，本专利技术实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本专利技术实施例所示的资源预测方法。
[0021]第四方面，本专利技术实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本专利技术实施例所示的资源预测方法。
[0022]本专利技术实施例提供的资源预测方法，获取目标平台的异质网络，所述异质网络用于表示所述目标平台中部署模块的拓扑关系；根据目标节点在所述异质网络中的拓扑关系确定节点向量，所述目标节点为所述异质网络中的任意一个节点；获取目标时间的资源向量，所述资源向量包括多个资源在所述目标时间的资源需求；根据所述节点向量和所述资源向量确定所述目标时间的目标向量；通过预测模型对多个时间的目标向量进行训练，得到用于预测资源需求的目标模型；根据所述目标模型对当前平台的资源需求进行预测，得到预测的资源需求。以目标平台的异质网络为基础，确定每个目标节点的节点向量，节点向量表示节点执行过程中关联的其余部署模块，获取的资源向量可以表示目标时间目标平台上各种资源的需求情况，将资源向量与节点向量进行结合得到的目标向量能够将资源需求与部署模块相结合。通过预测模型对目标向量进行训练，可得到能够准确预测资源使用情况的目标模型。通过目标模型得到的目标平台的资源需求进行资源配置，能够实现部署模块的快速配置，提高应用资源分配速度。
附图说明
[0023]图1是本专利技术实施例一中的资源预测方法的流程图；
[0024]图2是本专利技术实施例一中的复杂网络示意图；
[0025]图3是本专利技术实施例一中异质网络示意图；
[0026]图4是本专利技术实施例二中的资源预测方法的流程图；
[0027]图5是本专利技术实施例三中的资源预测方法的流程图；
[0028]图6是本专利技术实施例四中的资源预测方法的流程图；
[0029]图7是本专利技术实施例五中的资源预测装置的结构示意图；
[0030]图8是本专利技术实施例六中的计算机设备的结构示意图。
具体实施方式
[0031]下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。
[0032]实施例一
[0033]图1为本专利技术实施例一提供的资源预测方法的流程图，本实施例可适用于平台即
服务中为部署模块分配资源的情况，该方法可以由进行资源部署的计算机设备来执行，具体包括如下步骤：
[0034]步骤110、获取目标平台的异质网络，异质网络用于表示目标平台中部署模块的拓扑关系。
[0035]目标平台可以为平台即服务(PaaS)。复杂网络是一种利用网络拓扑结构性质对网络中的节点以及连边关系进行分析的一种方法。通过图论可以对复杂网络进行数学表示，如图2所示，复杂网络的正式定义如下：一个无向网络(有向网络)G＝(V,E)包含了两个集合V和E，其中并且E是一个无序的(有序的)节点对，其中的节点都属于集合V。集合V中的元素V＝{v1,v2,...,v
N
}就是网络G的节点，集合E中的元素E＝{e1,e2,
…
,e
M
}就是网络G的连边。
[0036]图2给出一个复杂网络G＝(V,E)，其中节点类型映射为边类型映射为ψ:E
→
R。对于复杂网络中的任意一个节点v∈V的类型都属于集合任意一条边的e∈E的类型属于集合R:ψ(e)∈R。如果节点类型的数量|A|＞1或者连边类型的数量|R|＞1，那么这个复杂网络就是一个异质信息网络，简称异质网络。
[0037]可选的，目标平台中部署模块包括：前端应用、后端应用、移动端应用、关系型数据库、非关系型数据库、负载均衡或缓存应用。
[0038]PaaS应用关系拓扑结构的提取与生成。部署在PaaS平台的各应用模块往往不是独立存在的，不同应用之间进行交互和通信，从而共同为用户提供优质的服务。可以通过PaaS管理平台、应用间网络连通性以及应用部署架构图等方式，获得应用之间的关联关系，这些关联关系可以作为构建PaaS应用关系网络的基础。目标平台包含了不同的部署模块，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种资源预测方法，其特征在于，包括：获取目标平台的异质网络，所述异质网络用于表示所述目标平台中部署模块的拓扑关系；根据目标节点在所述异质网络中的拓扑关系确定节点向量，所述目标节点为所述异质网络中的任意一个节点；获取目标时间的资源向量，所述资源向量包括多个资源在所述目标时间的资源需求；根据所述节点向量和所述资源向量确定所述目标时间的目标向量；通过预测模型对多个时间的目标向量进行训练，得到用于预测资源需求的目标模型；根据所述目标模型对当前平台的资源需求进行预测，得到预测的资源需求。2.根据权利要求1所述的方法，其特征在于，在根据目标节点在所述异质网络中的拓扑关系确定节点向量之后，还包括：根据预设优先搜索算法确定节点之间转移函数的概率；根据所述转移函数的概率优化随机游走路径；根据优化后的随机游走路径，确定优化节点向量；相应的，根据所述节点向量和所述资源向量确定所述目标时间的目标向量，包括：根据所述优化节点向量和所述资源向量确定所述目标时间的目标向量。3.根据权利要求2所述的方法，其特征在于，在确定优化节点向量之后，还包括：获取目标节点的多个节点特征；根据所述多个节点特征确定节点特征向量；相应的，根据所述优化节点向量和所述资源向量确定所述目标时间的目标向量，包括：根据所述优化节点向量、所述节点特征向量和所述资源向量确定所述目标时间的目标向量。4.根据权利要求3所述的方法，其特征在于，所述根据目标节点在所述异质网络中的拓扑关系确定节点向量，包括：根据目标节点在所述异质网络中的拓扑关系，随机向相邻节点移动；通过多次的相邻节点移动，得到游走路径；根据所述游走路径确定节点向量。5.根据权利要求1所述的方法，其特征在于，通过预测模型对多...

【专利技术属性】
技术研发人员：艾小翔，贾欣，
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：