[发明专利]服务器性能预测方法和装置

说明书

本申请公开了一种服务器性能预测方法和装置，涉及计算机领域，用于实现结合用户行为来预测服务器性能。该方法包括：对第一访问日志中的用户请求进行过滤得到第一请求序列；根据第一请求序列得到第一特征向量集合，第一特征向量集合中的每个特征向量对应第一请求序列中的一个用户请求，用于指示对应用户请求所属的种类；根据负载生成模型和第一特征向量集合得到预测请求序列，并根据预测请求序列和时间概率模型得到第二请求序列，预测请求序列用于指示预测的用户请求所属的种类，第二请求序列用于指示预测的用户请求的时间序列；根据性能预测模型和第二请求序列得到预测的服务器性能指标。本申请实施例应用于服务器性能预测。

技术领域

本申请涉及计算机领域，尤其涉及一种服务器性能预测方法和装置。

背景技术

随着计算机应用的日益增长和普及，应用系统变得越来越复杂。同时，随着浏览器/服务器(Browser/Server，B/S)应用结构的推广，数据处理进一步向服务器集中，这对服务器的性能管理提出了新的挑战，而正确有效地预测服务器性能负载，确保服务器的服务质量，是计算机系统性能管理系统的一个重要环节。

传统的服务器性能预测方法包括最小二乘法、二次指数平滑法、递归神经网络(Recurrent Neural Network，RNN)等。这些方法的原理是采集服务器性能随时间的变化曲线，之后通过算法进行拟合以建立性能与时间轴的关系，以此来对未来时间的服务器性能进行预测。

上述方法相当于认为影响服务器性能的仅仅是时间因素，而这与网站架设的一般规律相违背，例如购物节、降价促销等活动期间会因为用户行为因素介入使得服务器性能剧烈变化，此时的服务器性能与时间不再符合拟合出的关系。

发明内容

本申请的实施例提供一种服务器性能预测方法和装置，用于实现结合用户行为来预测服务器性能。

为达到上述目的，本申请的实施例采用如下技术方案：

第一方面，提供了一种服务器性能预测方法和装置，该方法包括：对第一访问日志中的用户请求进行过滤，得到第一请求序列；根据第一请求序列得到对应的第一特征向量集合，第一特征向量集合中的每个特征向量对应于第一请求序列中的一个用户请求，并且用于指示对应的用户请求所属的种类；根据负载生成模型和第一特征向量集合得到预测请求序列，并根据预测请求序列和时间概率模型得到第二请求序列，预测请求序列用于指示预测的各个用户请求所属的种类，第二请求序列用于指示预测的各个用户请求的时间序列；根据性能预测模型和第二请求序列得到预测的服务器性能指标，性能预测模型用于指示用户请求与服务器性能指标的对应关系。本申请实施例提供的服务器性能预测方法，通过访问日志中的用户请求进行数学抽象后得到向量集合，输入负载生成模型以得到估计的未来的用户请求，结合时间概率模型得到未来的具体的用户请求序列，最后输入性能预测模型得到预测的服务器性能指标。由于预测结果不仅与时间相关，而且与具体的用户请求(用户行为相关)，实现结合用户行为来预测服务器性能。

在一种可能的设计中，在对第一访问日志中的用户请求进行过滤，得到第一请求序列之前，该方法还包括：对第二访问日志中的用户请求进行过滤，得到第二请求序列；根据第二请求序列得到对应的第二特征向量集合，第二特征向量集合中的每个特征向量对应于第二请求序列中的一个用户请求，并且用于指示对应的用户请求所属的种类；根据第二特征向量集合和目标函数对负载生成模型进行训练；根据第二请求序列构造时间概率模型。该设计提供了训练负载生成模型的方法。

在一种可能的设计中，根据第二特征向量集合和目标函数对负载生成模型进行训练，包括：将第二特征向量集合按照时序顺序排序，或者按照用户排序；将经排序后的第二特征向量集合划分为长度均为M的子集合；以各个子集合中的第1～a个特征向量作为输入来获取负载生成模型的模拟输出，以第a+1～M个特征向量作为实际输出；将模拟输出和实际输出根据目标函数对负载生成模型进行训练，其中，1＝aM，a、M为整数。该设计提供了训练负载生成模型的具体方式。