[发明专利]用于预测性能指标的模型训练方法、装置及可读存储介质

说明书

本发明公开用于预测性能指标的模型训练方法、装置及可读存储介质质。该训练方法的步骤包括：采集待迁移虚拟设备历史N个周期内的性能指标；根据该性能指标，获得训练用输入输出数据集；将该训练用输入输出数据集输入预设第一模型中进行训练；当训练达到第一预设条件时，结束训练并获得模型最佳性能参数；该预设第一模型是一种基于时间循环神经网络的模型，模型中包括忘记门层、输入门层和输出门层，通过忘记门层决定需要丢弃的信息，通过输入门层确定需要更新的信息；通过输出门层输出更新最终状态。本发明可以缩短现有的虚拟设备迁移过程中的中断时间。

技术领域

本申请为2020年5月27日递交的，申请号为“202010460191.5”，发明创造名称为“一种虚拟设备最优空闲时间迁移法、装置及可读存储介质”的中国申请的分案申请。

本发明涉及虚拟化技术领域，特别是涉及用于预测性能指标的模型训练方法、装置及可读存储介质。

背景技术

系统的迁移是指把源主机上的操作系统和应用程序移动到目的主机，并且能够在目的主机上正常运行。在没有虚拟设备的时代，物理机之间的迁移依靠的是系统备份和恢复技术。在源主机上实时备份操作系统和应用程序的状态，然后把存储介质连接到目标主机上，最后在目标主机上恢复系统。随着虚拟设备技术的发展，系统的迁移更加灵活和多样化。虚拟设备的迁移方法为服务器的虚拟化提供简便的方法，虚拟设备迁移的方式包括静态迁移（离线迁移）和动态迁移（在线迁移），所谓静态迁移就是在虚拟设备关机或暂停的情况下从一台物理机迁移到另一台物理机，这种方式的迁移过程需要停止虚拟设备的运行，从用户角度看，有明确的一段停机时间，虚拟设备上的服务不可用。所谓动态迁移就是在保证虚拟设备上的服务正常运行的同时，将一个虚拟设备系统从一个物理主机移动到另一个物理主机，该过程不会对最终用户造成明显的影响，从而使得管理员能够在不影响用户正常使用的情况下，对物理服务器进行离线维修或者升级。虽然动态迁移与与静态迁移相比，可以保证迁移过程中虚拟设备服务的可用，但迁移过程仍然难以避免要有一定的停机时间。

发明内容

本发明的目的在于提供用于预测性能指标的模型训练方法、装置及可读存储介质，进一步缩短现有的虚拟设备迁移过程中的中断时间。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明提供一种用于预测性能指标的模型训练方法，其至少包括以下步骤：

S1.采集待迁移虚拟设备历史N个周期内的性能指标；

S2.根据所述性能指标，获得训练用输入输出数据集；

S3.将所述训练用输入输出数据集输入预设第一模型中进行训练；

S4.当训练达到第一预设条件时，结束训练并获得模型最佳性能参数；

所述预设第一模型是一种基于时间循环神经网络的模型，模型中包括忘记门层、输入门层和输出门层，通过忘记门层决定需要丢弃的信息，通过输入门层确定需要更新的信息；通过输出门层输出更新最终状态；所述预设第一模型中的各门层输出0和1之间的数字，这个数字描述每个门层有多少数据信息可以通过，0表示不通过任何数据信息，1表示数据信息全部通过，通过各门层对待通过的数据信息进行筛选。

本发明的一个实施例中，还包括对历史N个周期内的性能指标进行预处理，所述预处理包括对数据进行平稳性测试，如果不平稳，进行平稳性处理；数据平稳后，对数据进行白噪声检验，获得训练用输入输出数据集；所述平稳性测试利用单位根检验的方法或者绘制性能指标的时序图检验平稳性；所述白噪音检验利用LB统计量的方法对差分后的数据检验白噪音。

本发明的一个实施例中，所述忘记门层的输出数据通过以下公式获取：

；