[发明专利]云资源规划方法、装置以及存储介质

说明书

本公开提供了一种云资源规划方法、装置以及存储介质，其中的方法包括：使用机器学习模型并基于云资源当前需求信息，确定预设规划期内的云资源需求预测量；使用云资源需求预测量生成与预测目标网络相对应的云资源需求热力图；基于云资源当前配置信息，生成与预测目标网络相对应的云资源分区信息；将云资源需求热力图与资源分区域信息进行比对处理，用以确定云资源扩容量。本公开的方法、装置以及存储介质，能够充分考虑云资源需求和现有云计算资源的空间特性，提升建设投资的准确性；可以减少规划匹配时间，提升规划效率，并且能够提升网络建设的资源利用率，有效降低了运营建设成本。

技术领域

本发明涉及云计算技术领域，尤其涉及一种云资源规划方法、装置以及存储介质。

背景技术

随着5G、云计算等新兴技术产业的兴起，以IDC(Internet Data Center，互联网数据中心)为主要承载的基础设施建设量快速增加。IDC网络中的云资源包括网络设备、带宽、存储设备等，云资源的建设投资是运营商重要资本支出。因为IDC网络中的云资源的需求快速增加，因此需要一种用于云资源需求规划的技术方案。

发明内容

有鉴于此，本发明要解决的一个技术问题是提供一种云资源规划方法、装置以及存储介质。

根据本公开的第一方面，提供一种云资源规划方法，包括：获取预测目标网络中的云资源当前需求信息；使用机器学习模型并基于所述云资源当前需求信息，确定预设规划期内的云资源需求预测量；使用所述云资源需求预测量生成与所述预测目标网络相对应的云资源需求热力图；获取所述预测目标网络中的云资源当前配置信息；基于所述云资源当前配置信息，生成与所述预测目标网络相对应的云资源分区信息；将所述云资源需求热力图与所述资源分区域信息进行比对处理，用以确定云资源扩容量。

可选地，所述获取预测目标网络中的云资源当前需求信息包括：从网络运营数据库中获取与所述预测目标网络中的数据中心相对应的云资源当前需求信息；其中，所述云资源当前需求信息包括：网络设备、带宽、存储设备的当前需求信息。

可选地，所述使用机器学习模型并基于所述云资源当前需求信息，确定预设规划期内的云资源需求预测量包括：使用所述机器学习模型并基于所述网络设备、带宽、存储设备的当前需求信息和所述数据中心信息，确定与所述数据中心信息相对应的云资源需求预测量；其中，所述机器学习模型包括：LSTM模型。

可选地，所述使用所述云资源需求预测量生成与所述预测目标网络相对应的云资源需求热力图包括：生成与所述数据中心相对应的热力区域；基于与所述数据中心相对应的云资源需求预测量，生成与所述热力区域相对应的渲染色彩；基于所述热力区域和对应的渲染色彩生成所述云资源需求热力图。

可选地，所述获取所述预测目标网络中的云资源当前配置信息包括：从网络运营数据库中获取与所述预测目标网络中的数据中心相对应的云资源当前配置信息；其中，所述云资源当前配置信息包括：网络设备、带宽、存储设备的当前配置信息。

可选地，所述基于所述云资源当前配置信息，生成与所述预测目标网络相对应的云资源分区信息包括：使用图形绘制法生成以所述数据中心的坐标值为顶点的多边形，并基于所述数据中心对应的所述网络设备、带宽、存储设备的当前配置信息填充所述多边形，用以生成云资源分区图；其中，所述图形绘制法包括：Voronoi图绘制法；所述云资源分区图包括：Voronoi图。

可选地，所述将所述云资源需求热力图与所述资源分区域信息进行比对处理，用以确定云资源扩容量包括：基于所述云资源需求热力图和所述云资源分区图，获取与所述数据中心相对应的云资源需求预测量与云资源当前配置量，用以确定与所述数据中心相对应的云资源扩容量。

可选地，所述预测目标网络包括：IDC网络；所述网络设备包括：路由器、网关、交换机；所述存储设备包括：硬盘、服务器。