【技术实现步骤摘要】
一种云环境下基于资源需求预测的微服务弹性伸缩方法
[0001]本专利技术属于用云计算领域，更具体地，本专利技术涉及一种云环境下基于资源需求预测的微服务弹性伸缩方法。
技术介绍
[0002]当前，云计算平台用于部署应用程序，主要特性包括用户按照资源使用量付费和云服务提供商提供资源动态供应，这对企业和个人用户都具有吸引力。云计算平台的动态资源供应机制为应用程序提供了高效自动伸缩能力，可以有效满足服务级别目标(SLO,Service Level Object)约束条件中的响应时间指标。响应时间是应用程序的关键SLO之一，这是由于响应时间过长会降低应用执行效率，影响用户体验，造成用户流失。因此，保持良好的响应时间，对于在云计算平台托管的应用程序非常重要。
[0003]云计算平台使用虚拟化技术来托管应用程序，传统硬件级虚拟化也称为基于虚拟机管理程序的虚拟化，用于管理云数据中心的虚拟机，需要相当长的时间来启动和终止虚拟机。与基于虚拟机的虚拟化相比，操作系统级虚拟化的容器技术具有更好的可移植性、轻量级和易伸缩性，适用于管理基于微服...
【技术保护点】
【技术特征摘要】
1.一种云环境下基于资源需求预测的微服务弹性伸缩方法，其特征在于，所述方法具体包括：S1、基于最近k个时间间隔的工作负载向量来预测下一时间间隔t+1的工作负载X
t+1
；S2、将下一时间间隔t+1的工作负载X
t+1
及设置的响应时间阈值RT
thr
输入微服务资源需求预测模型，输出下一时间间隔t+1所需的为服务器容器实例数量cn
t+1
预测值。2.如权利要求1所述云环境下基于资源需求预测的微服务弹性伸缩方法，其特征在于，微服务资源需求预测模型是基于XGBoost模型构建。3.如权利要求2所述云环境下基于资源需求预测的微服务弹性伸缩方法，其特征在于，微服务资源需求预测模型的构建方法具体包括如下步骤：S12、构建样本集，将样本集中的样本分为测试集和训练集；S22、基于训练集对XGBoost模型进行训练，基于测试集对训练后的XGBoost模型进行测试，在XGBoost模型的识别精度达到设定标准后，即形成微服务资源需求预测模型。4.如权利要求3所述云环境下基于资源需求预测的微服务弹性伸缩方法，其特征在于，样本集的构建方法具体如下：采用工作负载生成器模拟生成用户请求，以设定的步长逐渐线性增加工作负载的并发数量，在微服务中的设定比例的用户请求响应时间超过时间阈值时，则增加一个微服务容器；每隔T秒记录一次工作负载请求数量及该工作负载请求数量下的微服务容器数量，形成一个样本，放入样本集中。5.如权利要求1所述云环境下基于资源需求预测的微服务弹性伸缩方法，其特征在于，下一时间间隔t+1的工作负载X
t+1
的获取方法具体如下：将最近k个时间间隔的工作负载向量输入微服务工作负载预测模型，微服务工作负载预测模型输出下一时间间隔t+...
【专利技术属性】
技术研发人员：王延松，霍龙双，左鹏飞，章程，冯威，
申请(专利权)人：奇瑞徽银汽车金融股份有限公司，
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。