一种QoS预测方法、装置、电子设备及可读存储介质制造方法及图纸

本申请提供了一种QoS预测方法、装置、电子设备及可读存储介质。所述方法包括：获取待预测数据集，待预测数据集包括多种指标数据，指标数据包括表征应用底层性能指标的不同实际场景的实际值；将待预测数据集输入至已训练的特征提取模块，获得已训练的特征提取模块输出的对应待预测数据集预测特征向量；将预测特征向量输入至已训练的回归模块，获得已训练的回归模块输出的对应待预测数据集的QoS预测值。本申请对反映云服务的指标数据提取特征向量，根据特征向量预测QoS值，能够及时、准确获得QoS值，提高模块的泛化能力，同时根据多种指标数据预测QoS值，能够提高在复杂的云环境场景下的预测精度。

【技术实现步骤摘要】

本申请属于qos，尤其涉及一种qos预测方法、装置、电子设备及可读存储介质。

技术介绍

1、服务质量(quality of service，qos)反应的是云服务的性能表现，其通常具有基线性能。若qos低于基线性能则反应云服务可能出现性能的劣化，因此及时地预测和发现qos的劣化对维护云服务的稳定非常重要。

2、现有的预测方法通常根据具有明显的应用特征的指标的数据进行qos预测。但这类指标需要根据实际的应用场景和特性进行设计和选择，而且这类指标反映多是应用瞬时的性能情况，不能反映服务的qos。

技术实现思路

1、本申请实施例提供了一种qos预测方法、装置、电子设备、可读存储介质及计算机程序产品，可以解决现有预测方法不能反映服务的qos的问题。

2、第一方面，本申请实施例提供了一种qos预测方法，包括：

3、获取待预测数据集，所述待预测数据集包括多种指标数据，所述指标数据包括表征应用底层性能指标的不同实际场景的实际值；

4、将所述待预测数据集输入至已训练的特征提取模本文档来自技高网...

【技术保护点】

1.一种QoS预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述待预测数据集包括多个连续历史时刻的子数据集，所述子数据集包括多种所述指标数据。

3.根据权利要求2所述的方法，其特征在于，所述已训练的特征提取模块包括至少一个特征提取块，所述特征提取块包括卷积自注意层、线性神经元层和激活函数层；

4.根据权利要求1所述的方法，其特征在于，所述将所述待预测数据集输入至已训练的特征提取模块之前，还包括：

5.根据权利要求1所述的方法，其特征在于，所述将所述待预测数据集输入至已训练的特征提取模块之前，还包括：

6...

【技术特征摘要】

1.一种qos预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述待预测数据集包括多个连续历史时刻的子数据集，所述子数据集包括多种所述指标数据。

3.根据权利要求2所述的方法，其特征在于，所述已训练的特征提取模块包括至少一个特征提取块，所述特征提取块包括卷积自注意层、线性神经元层和激活函数层；

4.根据权利要求1所述的方法，其特征在于，所述将所述待预测数据集输入至已训练的特征提取模块之前，还包括：

5.根据权利要求1所述的方法，其特征在于，所述将所述待预测数据集输入至已训练的特征提取模块之前，还包括：

...

【专利技术属性】
技术研发人员：李凌杰，伍峻弘，曹伟朋，顾炯炯，明仲，
申请(专利权)人：人工智能与数字经济广东省实验室深圳，
类型：发明
国别省市：