[发明专利]应用程序负载数据预测方法、装置及存储介质

说明书

本申请提供一种应用程序负载数据预测方法、装置及存储介质，通过获取待预测应用程序的静态特征，输入预先训练的应用程序分类模型，确定待预测应用程序所属的应用程序类别，其中各应用程序类别是根据已部署应用程序样本的负载数据聚类得到；将待预测应用程序所属的应用程序类别中各已部署应用程序样本的平均负载数据确定为待预测应用程序的预测负载数据。预先对已部署应用程序的负载数据聚类，通过应用程序分类模型确定待预测应用程序所属的应用程序类别，将该应用程序类别中各已部署应用程序样本的平均负载数据作为待预测应用程序的预测负载数据，不依赖待预测应用程序的历史负载数据，可对未部署应用程序进行负载预测，扩展负载预测的适用场景。

技术领域

本申请涉及计算机技术领域，尤其涉及一种应用程序负载数据预测方法、装置及存储介质。

背景技术

近年来云计算技术得到飞速发展，越来越多的用户将自己的应用程序部署到云平台以获得高效快速的计算服务。在云平台中，用户可将应用程序部署到虚拟机中，虚拟机的实际计算资源分配来自于云平台服务端的服务器集群。应用程序的负载预测是指采用一定的技术方法预测得到应用程序未来一段时间工作负载数据的过程，对于云平台的资源分配和任务管理工作具有重要意义。

现有技术中，可基于深度学习相关技术对应用程序进行负载预测，具体的，对于云平台中某个已部署运行一段时间的应用程序进行负载预测时，需要依据该应用程序的历史负载数据来预测该应用程序未来的负载数据。

然而现有技术的负载预测方法过度依赖需要预测的应用程序的历史负载数据，对于未部署应用程序，由于应用程序还没有部署运行，没有历史负载数据，因此现有技术的负载预测方法无法对未部署的应用程序进行负载预测，适用场景有限。

发明内容

本申请提供一种应用程序负载数据预测方法、装置及存储介质，以不依赖待预测应用程序的历史负载数据实现对待预测应用程序的负载数据的预测。

第一方面，本申请提供一种应用程序负载数据预测方法，包括：

获取待预测应用程序的静态特征；

根据所述待预测应用程序的静态特征以及预先训练的应用程序分类模型，确定所述待预测应用程序所属的应用程序类别；其中各应用程序类别是根据已部署应用程序样本的负载数据进行聚类得到；

获取所述待预测应用程序所属的应用程序类别中的各已部署应用程序样本的平均负载数据，将所述平均负载数据确定为所述待预测应用程序的预测负载数据。

在一种可能的设计中，所述获取所述待预测应用程序所属的应用程序类别中的各已部署应用程序样本的平均负载数据，包括：

根据所述待预测应用程序所属的应用程序类别，获取该应用程序类别中的各已部署应用程序样本的负载数据，并根据该应用程序类别中的各已部署应用程序样本的负载数据计算平均值，得到所述平均负载数据；或者

根据所述待预测应用程序所属的应用程序类别，查询该应用程序类别对应的预设平均负载数据，其中所述预设平均负载数据为预先根据该应用程序类别中的各已部署应用程序样本的负载数据计算的平均值。

在一种可能的设计中，负载数据包括：目标负载指标的平均值和/或峰值，所述目标负载指标包括CPU占用率和/或内存占用率；

所述静态特征包括以下至少一项：应用程序安装包大小、功能类型、虚拟机信息、使用者信息。

第二方面，本申请提供一种应用程序分类模型的训练方法，包括：

获取多个已部署应用程序样本的静态特征以及负载数据；

根据所述多个已部署应用程序样本的负载数据对所述多个已部署应用程序样本进行聚类，得到不同的应用程序类别；