[发明专利]一种资源的动态调整方法和装置

说明书

技术领域

本发明涉及通信技术领域，尤其涉及一种资源的动态调整方法和装置。

背景技术

随着互联网技术的不断发展，尤其是云计算技术的迅速发展，目前可以为一个应用配置多个资源，如实例资源，一个实例资源可以就是一个虚拟机，这多个资源共同完成该应用的处理。例如，针对web(万维网)应用，为web应用配置资源1、资源2和资源3，由这3个资源共同实现web应用。

由于应用使用的性能不断发生变化，当应用使用的性能较多时，如资源的CPU(CentralProcessingUnit，中央处理器)使用率已达到90％，则资源将无法保证应用的正常运行，需要给应用分配更多资源，保证应用的可用性。

为了实现这一过程，通常对资源的性能数据进行监控，并判断该性能数据是否大于预设阈值，如果是，则为该应用分配更多资源。例如，在资源1、资源2和资源3共同实现web应用的过程中，如果资源1、资源2和资源3的CPU使用率均大于预设阈值85％，则为web应用分配新的资源4。

但是，由于分配新资源的过程需要一定时间，且监控到性能数据大于预设阈值时，资源被使用的性能已经较高了，因此在完成新资源分配之前，会导致应用出现卡顿现象，降低用户应用体验。而且，如果系统中已经没有可用资源，则需要通知管理员创建新资源，分配新资源的过程需要更长时间。

发明内容

本发明提供一种资源的动态调整方法，所述方法包括以下步骤：

针对为应用配置的资源，获得所述资源对应的性能数据；

利用所述性能数据，使用神经网络预测后续一段时间内的性能数据走势情况；

当预测的性能数据走势情况为：从第一时间开始，预测的性能数据大于预设第一阈值，则在所述第一时间之前，增加所述应用的资源；或者，从第二时间开始，预测的性能数据小于预设第二阈值，且当前存在为所述应用配置的空闲资源，则在所述第二时间之前，减少为所述应用配置的空闲资源；其中，所述预设第一阈值大于所述预设第二阈值。

所述获得所述资源对应的性能数据的过程，具体包括：

在所述资源中配置监控代理

接收所述监控代理上报的所述资源对应的性能数据。

所述利用所述性能数据，使用神经网络预测后续一段时间内的性能数据走势情况的过程，具体包括：使用神经网络对所述性能数据进行训练，并进行参数寻优，以得到所述神经网络的训练模型，并利用所述训练模型预测后续一段时间内的性能数据走势情况；所述神经网络具体包括支持向量机SVM神经网络。

所述增加所述应用的资源的过程，具体包括：

如果当前已经没有可用资源，则通知管理员在所述第一时间之前创建新资源，并在新资源创建完成之后，增加所述应用的资源。

所述方法还包括：在获得所述资源对应的性能数据之后，如果所述性能数据大于预设第三阈值，则增加所述应用的资源；在增加所述应用的资源时，如果当前已经没有可用资源，则通知管理员创建新资源，并在新资源创建完成之后，增加所述应用的资源；或者，如果所述性能数据小于预设第四阈值，则减少所述应用的资源；所述预设第三阈值大于所述预设第四阈值。

本发明提供一种资源的动态调整装置，所述装置具体包括：

获得模块，用于针对为应用配置的资源，获得所述资源对应的性能数据；

预测模块，用于利用所述性能数据，使用神经网络预测后续一段时间内的性能数据走势情况；

调整模块，用于当预测的性能数据走势情况为：从第一时间开始，预测的性能数据大于预设第一阈值，则在所述第一时间之前，增加所述应用的资源；或者，从第二时间开始，预测的性能数据小于预设第二阈值，且当前存在为所述应用配置的空闲资源，则在所述第二时间之前，减少为所述应用配置的空闲资源；其中，所述预设第一阈值大于所述预设第二阈值。

所述获得模块，具体用于在获得所述资源对应的性能数据的过程中，在所述资源中配置监控代理，并接收所述监控代理上报的所述资源对应的性能数据。

所述预测模块，具体用于在利用所述性能数据，使用神经网络预测后续一段时间内的性能数据走势情况的过程中，使用神经网络对所述性能数据进行训练，并进行参数寻优，以得到所述神经网络的训练模型，并利用所述训练模型预测后续一段时间内的性能数据走势情况；所述神经网络具体包括SVM神经网络。

所述调整模块，具体用于在增加所述应用的资源的过程中，如果当前已经没有可用资源，则通知管理员在所述第一时间之前创建新资源，并在新资源创建完成之后，增加所述应用的资源。