[发明专利]一种基于动态分析模型的虚拟机资源使用率分析方法

权利要求书

1.一种基于动态分析模型的虚拟机资源使用率分析方法，其特征包括：

a.对主机A进行间隔时间采集瞬时资源使用率，通过克隆系统得到当前一段时间CPU使用率D和内存使用率E，将CPU使用率D、内存使用率 E和主机A的标签对象作为同一条数据存入分析引擎；

b.根据当前一段时间的CPU使用率D和内存使用率E，通过分析引擎计算对应的CPU平均使用率D1和内存平均使用率E1，再通过CPU平均使用率D1和内存平均使用率E1的比值，得到当前动态权重比值G;

c.根据主机A当前一段时间的CPU使用率D和内存使用率E，通过动态预测算法，得到相对应的一段时间的CPU未来使用率J和内存未来使用率K;

d.根据得到的一段时间的CPU未来使用率J和内存未来使用率K,计算出这段时间的CPU未来使用率J的未来使用率均值Jm和这段时间的内存未来使用率K的未来使用率均值Km,再通过所述CPU未来使用率均值Jm和内存未来使用率均值Km的比值，得到未来动态权重比值I;

e.根据主机A的服务类型标签与实现约定服务类型的基础权重，得到基础权重比值F；

f.通过当前动态权重比值G、未来动态权重比值I和基础权重比值F，得到当前资源使用率分析值L，以及未来的资源使用率分析值M。

2.如权利要求1所述的一种基于动态分析模型的虚拟机资源使用率分析方法，其特征为：步骤a中所述通过克隆系统得到CPU使用率D和内存使用率E包括：通过克隆系统Linux中的vmstat命令获取所述的CPU使用率D，通过克隆系统Linux中的free命令获得所述的内存使用率E。

3.如权利要求1所述的一种基于动态分析模型的虚拟机资源使用率分析方法，其特征为：步骤c中所述的动态预测算法得到CPU未来使用率J和内存未来使用率K包括：根据fbprophet时序预测模型:y(t)=,其中g(t)表示趋势项,s(t)表示周期或季节项,h(t)表示节假日项,表示符合高斯分布的误差,根据得出并记录的一段时间的CPU使用率D和内存使用率E作为训练集，分别代入所述的fbprophet时序预测模型进行训练，从而通过该模型分别预测出与CPU使用率D对应的CPU未来使用率J以及与内存使用率 E对应的内存未来使用率K。

4.如权利要求1所述的一种基于动态分析模型的虚拟机资源使用率分析方法，其特征为：步骤 f包括：

根据分式形式的当前动态权重比值G,通过（G的分子）/(G的分母+G的分子)得到CPU使用率D的当前动态权重G1，通过(G的分母)/(G的分母+G的分子)得到内存使用率E的当前动态权重G2;

根据分式形式的未来动态权重比值I,通过(I的分子)/(I的分母+I的分子)得到CPU使用率D的未来动态权重I1，通过(I的分母)/(I的分母+I的分子)得到内存使用率E的未来动态权重I2;

根据分式形式的基础权重比值F,通过(F的分子)/(F的分母+F的分子)得到CPU静态初始权重F1，通过(F的分母)/(F的分母+F的分子)得到内存静态初始权重F2；

通过公式G1×F1×D + G2×F2×E，得到当前的资源使用率分析值L；

通过公式I1×F1×D + I2×F2×E，得到未来的资源使用率分析值M。