[发明专利]资源瓶颈预测方法、设备、系统及可读存储介质

说明书

本发明公开了一种资源瓶颈预测方法，应用于分布式业务系统，包括以下步骤：通过机器学习方式，建立单个主机的消息量与资源使用之间的数学模型；基于消息总线的消息调用关系，生成各服务场景所对应业务的调用树；基于所述数学模型与所述调用树，对所述业务进行资源瓶颈预测。本发明还提供一种资源瓶颈预测设备、分布式业务系统及计算机可读存储介质。本发明实现了对资源使用的量化，并建立了业务与资源的关联关系，进而能够基于业务维度对资源瓶颈进行科学化地预测。

技术领域

本发明涉及机器资源预测技术领域，尤其涉及一种资源瓶颈预测方法、设备、分布式业务系统及计算机可读存储介质。

背景技术

为提升机器资源的利用效率，现有业务系统大都采用混布的分布式部署架构，在这样的模式下资源被充分利用，同时也能大大降低系统维护成本。

为最大程度地利用机器资源，在现有的分布式业务系统中常常出现多个服务同时部署在同一个机器上的情况，而这些服务之间的资源抢占是一个比较难以预估问题。现有方式只能根据测试环境的运行，大概估计生产可能出现的情况。但是由于测试环境与生产环境各方面都存在很大的差异，模拟完全吻合的情况时间成本太高，因此，由于资源抢占而导致的资源瓶颈问题，已大大影响到了业务系统的正常运行。

发明内容

本发明的主要目的在于提供一种资源瓶颈预测方法、设备、分布式业务系统及计算机可读存储介质，旨在解决现有技术中由于资源抢占而导致的资源瓶颈问题无法科学预测，进而不能得到解决而影响业务系统正常运行的技术问题。

为实现上述目的，本发明提供一种资源瓶颈预测方法，应用于分布式业务系统，所述资源瓶颈预测方法包括以下步骤：

通过机器学习方式，建立单个主机的消息量与资源使用之间的数学模型；

基于消息总线的消息调用关系，生成各服务场景所对应业务的调用树；

基于所述数学模型与所述调用树，对所述业务进行资源瓶颈预测。

可选地，所述通过机器学习方式，建立单个主机的消息量与资源使用之间的数学模型包括：

以一个主机为一个训练模型、以该主机上每个服务的每种调用方式的数据使用量作为该训练模型的输入量、以该主机的资源使用的量化数据为该训练模型的输出量、采用机器学习算法对所述输入量与所述输出量的取值样本进行训练，得到单个主机对应的消息量与资源使用的数学模型。

可选地，所述训练模型如下所示：

其中，n为自然数、表示该主机具有n种服务，i为自然数、表示第i种服务，x_i表示第i种服务下的每种调用方式的数据使用量，f_i(x_i)表示第i种服务所在场景下的消息量与资源使用的函数关系，b表示主机自身运行n种服务所需使用的常驻资源量，F(x)表示n种服务各自所在场景下的消息量与资源使用的函数关系。

可选地，所述基于消息总线的消息调用关系，生成各服务场景所对应业务的调用树包括：

基于消息总线的消息调用关系，确定各消息量各自对应的服务场景以及各服务场景对应服务之间的线上调用关系；

基于各服务场景对应服务之间的线上调用关系，拼凑生成各服务场景所对应的同一业务的调用树，其中，所述调用树包括多个节点且每一节点对应一种服务场景。

可选地，所述基于所述数学模型与所述调用树，对所述业务进行资源瓶颈预测包括：

以所述业务的实际业务量作为消息量，计算所述调用树中每一个节点上的每一台主机所平摊的消息量；

将每一台主机所平摊的消息量分别代入各自主机对应的数学模型中进行计算，得到所述调用树中每一个节点上的每一台主机所平摊的资源使用量；