[发明专利]一种计算资源调度方法、装置及存储介质

权利要求书

1.一种计算资源调度方法，其特征在于，包括：

从日志数据中提取云计算平台业务服务的关键指标，获取承载所述业务服务性能数据；其中，所述关键指标包括：业务量、API接口调用频次、用户请求数中的至少一种指标数据，所述性能数据包括：业务负载、处理器负载、内存负载、磁盘负载、网络IO负载中的至少一种性能数据；

将提取的关键指标和性能数据作为样本数据，通过机器学习算法，构建处理资源预测模型和业务支撑能力指标模型；

根据当前所述云计算平台的关键指标和性能数据，使用所述处理资源预测模型和业务支撑能力指标模型对云计算平台的计算资源进行分配和调度。

2.根据权利要求1所述的计算资源调度方法，其特征在于，从日志数据中提取业务服务关键指标，包括：

配置正则表达式；

通过所述配置的正则表达式，从所述日志数据中提取所述业务服务的关键指标。

3.根据权利要求1所述的计算资源调度方法，其特征在于，将提取的关键指标和性能数据作为样本数据，通过机器学习算法，构造处理资源预测模型和业务支撑能力指标模型，包括：

对提取的关键指标和性能数据进行聚类分析，获取各关键指标和性能数据的聚类分析结果；

将所述聚类分析结果作为样本数据，使用机器学习算法，构造所述处理资源预测模型和业务支撑能力模型。

4.根据权利要求3所述的计算资源调度方法，其特征在于，所述对提取的关键指标和性能数据进行聚类分析，获取各关键指标和性能数据的聚类分析结果，包括：

对提取的关键指标和性能数据进行数据归一化处理和/或降维处理，对所述预处理后的关键指标和性能数据进行聚类分析，获取各关键指标和性能数据的聚类分析结果。

5.根据权利要求3所述的计算资源调度方法，其特征在于，对提取的关键指标和性能数据进行聚类分析，获取各关键指标和性能数据的聚类分析结果，包括：

使用DBSCAN算法、Birch算法或K-means算法中的一种算法，对所述提起的关键指标和性能数据进行聚类分析，获取所述关键指标和性能数据的聚类分析结果。

6.一种计算资源调度装置，其特征在于，包括：获取模块、构建模块和预测模块；

所述获取模块用于从日志数据中提取云计算平台业务服务的关键指标，获取承载所述业务服务性能数据；其中，所述关键指标包括：业务量、API接口调用频次、用户请求数中的至少一种指标数据，所述性能数据包括业务负载、处理器负载、内存负载、磁盘负载、网络IO负载中的至少一种性能数据；

所述构建模块用于将提取的关键指标和性能数据作为样本数据，通过机器学习算法，构造处理资源预测模型和业务支撑能力指标模型；

所述预测模块用于根据当前云计算平台的关键指标和性能数据，使用所述处理资源预测模型和业务支撑能力指标模型对云计算平台的计算资源进行分配和调度。

7.根据权利要求6所述的计算资源调度装置，其特征在于，所述提取模块还用于配置正则表达式，通过所述配置的正则表达式，从所述日志数据中提取所述业务服务的关键指标。

8.根据权利要求6所述的计算资源调度装置，其特征在于，所述构建模块还用于对提取的关键指标和性能数据进行聚类分析，获取各关键指标和性能数据的聚类分析结果，将所述聚类分析结果作为样本数据，使用机器学习算法，构造所述处理资源预测模型和业务支撑能力模型。

9.根据权利要求6所述的计算资源调度装置，其特征在于，所述构建模块还包括预处理子模块；

所述预处理子模块用于对提取的关键指标和性能数据进行数据归一化处理和/或降维处理，对所述预处理后的关键指标和性能数据进行聚类分析，获取各关键指标和性能数据的聚类分析结果。

10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，处理器执行所述存储介质上存储的计算机程序时，实现如权利要求1-5任一项所述的计算资源调度方法。