[发明专利]一种计算资源调度方法、装置及存储介质

说明书

本申请提供一种计算资源调度方法、装置及存储介质，该计算资源调度方法包括：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的性能数据，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，构造处理资源预测模型和业务支撑能力指标模型，根据当前云计算平台的关键指标和性能数据，使用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，避免了依靠人工经验判断进行资源调度产生的资源浪费和调度误差，降低了人力成本，提高了对云计算平台的管理效率，实现了云计算平台资源的动态自动调度，改善了资源利用率和分配的准确度。

技术领域

本申请涉及互联网技术领域，尤其涉及一种计算资源调度方法、装置及存储介质。

背景技术

随着互联网技术的发展，通过设置云计算平台进行资源管辖的应用需求越来越多，目前行业内缺乏对云计算平台的自动化的智能化的控制和管理手段，其采用的常规控制和管理方法是通过首先由用户提出对云计算平台资源分配和调度的工作需求、再经过系统对需求申请进行审批，最后凭借管理人员根据自身的工作经验对云计算平台的计算资源的进行分配和调度，这种计算资源的分配和调度方式成本高，且缺乏可靠的评估标准，容易因经验不足是判断失误造成计算资源的浪费，制约了云计算平台对资源的管理效率，阻碍了对云计算平台管理水平的提高。

发明内容

有鉴于此，本申请实施例解决的技术问题之一在于计算资源调度方法、装置及存储介质，在降低调度成本的同时，通过同一的评估调度标准，实时的对云计算平台的计算资源实现智能化的控制和管理，以提高云计算平台的资源利用率和调度精确度，改善云计算平台的管理水平。

第一方面，本申请提供一种计算资源调度方法，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。

可选地，在本申请的一种实施例中，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。

可选地，在本申请的一种实施例中，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。

可选地，在本申请的一种实施例中，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预处理，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；

其中，所述预处理包括归一化处理和/或降维处理。

可选地，在本申请的一种实施例中，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：