[发明专利]虚拟机的功耗预测模型训练方法、功耗预测方法及装置

说明书

本公开提供了一种虚拟机的功耗预测模型训练方法、功耗预测方法及装置，属于计算机技术领域。该方法获取虚拟机的第一配置数据与第一负载动态数据，以及物理机的第一测量功耗数据，再构建虚拟机负载类型对应神经网络结构的功耗预测模型，并将第一配置数据与第一负载动态数据作为功耗预测模型的输入，基于第一测量功耗数据进行监督训练，获得虚拟机的功耗预测模型。该方案能够更针对性地描述不同负载类型虚拟机的功耗变化情况，保证了对功耗变化预测的准确性与实时性；并且采用物理机总测量功耗数据进行监督训练，无需为每个虚拟机独立统计功耗，保证训练过程基于真实数据进行，进一步提高了功耗预测模型的准确性和实时性。

技术领域

本公开属于计算机技术领域，具体涉及一种虚拟机的功耗预测模型训练方法、功耗预测方法及装置。

背景技术

随着云计算技术的发展，公有云以其成本低、易用性好、可弹性伸缩的特点逐渐在不同应用领域中普及，但是随着公有云应用规模的扩大，其部署与运行成本、运行功耗也逐渐提升。其中，公有云的虚拟机功耗是影响其部署与运行成本、运行功耗重要因素，而虚拟机的功耗与其负载相关。因此，通过虚拟机的负载预测其功耗，对公有云成本、功耗的评测和控制，以及公有云的资源调度具有重要意义。

目前，不同虚拟机基于不同用户需求建立，其负载情况差别较大，在运行过程中负载与功耗的关系变化关系复杂，因此难以准确统计具体虚拟机功耗；而且基于虚拟机负载的功耗预测常采用简单的线性模型、二维表映射模型实现，其中，线性模型由基础功耗以及随负载线性变化的功耗两部分组成，该模型不能描述多虚拟机情况下负载与功耗间复杂的非线性关系，对功耗预测不准确，二维表映射模型实时性较差，也不能及时反应功耗的变化。

发明内容

本公开实施例的目的是提供一种虚拟机的功耗预测模型训练方法、功耗预测方法及装置，能够提高对虚拟机功耗预测的准确性和实时性。

为了解决上述技术问题，本公开是这样实现的：

第一方面，本公开提供了一种虚拟机的功耗预测模型训练方法，该虚拟机配置在公有云的物理机上，该方法可以包括：获取虚拟机的第一配置数据与第一负载动态数据，以及物理机的第一测量功耗数据；根据虚拟机的负载类型构建对应神经网络结构的功耗预测模型，并将第一配置数据与第一负载动态数据作为功耗预测模型的输入，基于第一测量功耗数据进行监督训练，获得虚拟机的功耗预测模型。

可选地，根据虚拟机的负载类型构建对应神经网络结构的功耗预测模型，并将第一配置数据与第一负载动态数据作为功耗预测模型的输入，基于第一测量功耗数据进行监督训练，获得虚拟机的功耗预测模型，包括：根据第一负载动态数据确定虚拟机的负载类型；根据负载类型构建对应神经网络结构的功耗预测模型；将第一配置数据与第一负载动态数据输入功耗预测模型，并获得功耗预测模型输出的第一预测功耗数据；根据第一预测功耗数据与第一测量功耗数据对功耗预测模型进行监督训练。

可选地，根据第一预测功耗数据与第一测量功耗数据对功耗预测模型进行监督训练，包括：根据第一预测功耗数据确定物理机的总第一预测功耗数据；在第一测量功耗数据与总第一预测功耗数据的第一差值不符合收敛条件的情况下，根据第一差值调整功耗预测模型的模型参数；在第一差值符合收敛条件的情况下，确定功耗预测模型的模型参数。

可选地，相同负载类型的虚拟机为两个以上，根据第一差值调整功耗预测模型的模型参数之后，还包括：在神经网络结构对应的功耗预测模型间共享模型参数。