[发明专利]使用机器学习方法支持对分布式系统内的计算环境的修改的实验评估

说明书

本公开提供了一种用于分布式系统中的计算环境的实验框架。机器学习模型可以被创建，该机器学习模型基于被提供给计算环境的至少一个输入预测由该计算环境产生的至少一个输出。在对计算环境的至少一个修改被做出之后的评估时间段期间，由计算环境产生的至少一个修改输出被确定。机器学习模型可以被用于计算如果至少一个修改未被做出时、计算环境将会在评估时间段期间产生的至少一个预测输出。还可以基于至少一个修改输出与至少一个预测输出的比较，来做出关于至少一个修改如何影响计算环境的确定。

背景技术

分布式系统是一种计算机系统，其部件位于多个计算设备上。例如，分布式系统可以包括由一个或多个通信网络连接的多个独特的处理部件、存储器部件、存储部件、以及通信部件。分布式系统的各种部件可以彼此通信以便协调它们的动作。

分布式系统关于它们包括的部件的数目和类型以及关于这些部件之间的交互正变得更加复杂。另外，分布式系统的用户的数目可以相当大(例如，成百万的用户)。由于分布式系统的复杂性和所涉及的用户的巨大数目，分布式系统可能被部署在大量的(例如，成千的)计算设备上。在一些情况下，这些计算设备可能被分散在遍及广阔的地理区域。

云计算系统使用分布式系统的原则而被构建。云计算使对可配置的计算资源(例如，网络、服务器、存储装置、应用、服务)的共享池的访问变成可能，该共享池可以以最少的管理工作量或者服务提供方交互被快速供给(provision)和发布。对第三方云计算系统的使用可以使组织能够更紧密地集中于它们的核心业务，而不是在计算机基础架构和维护上消耗资源。

发明内容

公开了一种用于实验对分布式系统内的计算环境的修改的方法。根据该方法，针对计算环境的机器学习模型可以被创建。该机器学习模型可以基于被提供给该计算环境的至少一个输入来预测由计算环境产生的至少一个输出。当对计算环境的至少一个修改被做出时，该方法可以包括确定在至少一个修改被做出之后的评估时间段期间由该计算环境产生的至少一个修改输出。另外，机器学习模型可以被用于计算如果对计算环境的至少一个修改未被做出时、该计算环境将会在评估时间段期间产生的至少一个预测输出。至少一个修改输出与至少一个预测输出可以被比较以产生比较信息，该比较信息示出至少一个修改输出与至少一个预测输出之间的一个或多个差异。该至少一个修改如何影响计算环境的指示可以被输出。

该方法可以附加地包括验证机器学习模型，以核实至少一个预测输出满足关于至少一个修改输出的至少一个验证条件。在一些实现中，在机器学习模型已经被创建并且被验证之后，对计算环境的至少一个修改可以被做出。

计算至少一个预测输出可以包括在评估时间段期间向模拟的计算环境提供至少一个输入。模拟的计算环境可以利用机器学习模型来模拟犹如对计算环境的至少一个修改未被做出时、计算环境的性能。

在一些实现中，在对计算环境的至少一个修改被做出之后，机器学习模型可以被创建。在这样的实现中，机器学习模型可以基于历史数据而被创建。

对计算环境的至少一个修改可以涉及计算环境的软件配置、计算环境的硬件配置、或者与计算环境相关联的业务载荷中的至少一项。

输出指示可以响应于检测到至少一个修改输出与至少一个预测输出之间的差异超过阈值而发生。在一些实现中，该方法可以附加地包括响应于指示采取关于计算环境的纠正动作。

还公开了一种用于实验对分布式系统内的计算环境的修改的系统。该系统包括一个或多个处理器以及包括指令的存储器，该指令由一个或多个处理器可执行，以执行以上所描述的操作。还公开了一种非瞬态计算机可读介质。该非瞬态计算机可读介质包括被存储在其上的计算机可执行指令，该计算机可执行指令当被执行时使一个或多个处理器执行以上所描述的操作。

附图说明

图1A-图1C图示了根据本公开的实验框架的各方面。

图2图示了由计算环境产生的实际观测输出与由计算环境的模拟的版本产生的预测输出的比较的示例。