[发明专利]一种云计算环境的机器状态预测方法及装置

说明书

本发明实施例提供了一种云计算环境的机器状态预测方法及装置，方法包括：在确定目标机器的待利用的目标属性项目及目标属性项目对应的目标项目数据以后，从目标属性矩阵中，确定各个目标属性项目分别对应的目标属性向量；根据目标属性向量、目标项目数据以及预设的向量合并公式，计算目标数据合并向量；根据目标反应矩阵、目标数据合并向量、预设的多个初始机器状态向量以及预设的概率计算公式，计算每个初始机器状态向量的第一概率值；根据第一概率值，确定目标机器对应的第一机器状态预测向量；根据第一机器状态预测向量，确定目标机器的机器状态的预测结果。应用本发明实施例，实现了对动态异构的云环境中的机器状态的实时预测。

技术领域

本发明涉及云计算技术领域，特别是涉及一种云计算环境的机器状态预测方法及装置。

背景技术

云计算(Cloud Computing)，是分布式计算技术的一种，能够透过网络将庞大的计算处理程序自动分拆成无数个较小的子程序，再交由多部服务器所组成的庞大系统经搜寻、计算分析之后将处理结果回传给用户。通过云计算技术，网络服务提供者可以在数秒之内，处理数以千万计甚至亿计的信息，具有和超级计算机同样强大效能的网络服务能力。

为了提高云计算环境所提供的服务的可靠性，并尽量减小服务崩溃所带来的经济损失，需要对云计算环境中的机器状态进行实时监测和预测，这样，就能够在系统崩溃之前提前采取行动，防患于未然。云计算环境中的机器包括物理机器和虚拟机，机器状态是指物理机器或虚拟机在文件丢失、删除或者崩溃前的状态、网络状态和内存状态等。但是，目前已有的研究方法都忽略了实际的云计算环境的几个特征，因而对云计算中心的机器状态预测的效果并不好。这些特征如下：(1)云环境是动态变化的，需要算法能够实时响应；(2)云环境包含了许多异构的物理机器和虚拟机，会带来不用的属性项目集合需要处理，如风扇转速、CPU温度、内存、硬盘错误等，这种情况下组成云计算环境的硬件架构和软件架构可能是异构的，有某些属性的缺失，如某些可能没有硬件如GPU配置，或者软件如某些应用平台，需要算法能够适应不同的情况；(3)由于能够监测到的属性项目非常多，如风扇转速、CPU温度、内存、硬盘错误等，这些不同的属性项目对虚拟机的状态预测的作用是不同的，用人工定义的特征需要相关领域的专家知识和大量的时间，代价很高，因此要求算法能够自动从数据中学习有用特征，过滤无用信息。

因此，提供一种机器状态预测方案，以利用自动从云环境中学习出的有用特征，来对动态异构的云环境中的机器状态进行实时预测，是一个亟待解决的问题。

发明内容

本发明实施例的目的在于提供一种云计算环境的机器状态预测方法及装置，以利用自动从云环境中学习出的有用特征，来对动态异构的云环境中的机器状态进行实时预测。具体技术方案如下：

第一方面，本发明实施例提供了一种云计算环境的机器状态预测方法，所述方法包括：

确定目标机器的待利用的目标属性项目及所述目标属性项目对应的目标项目数据；

从目标属性矩阵中，确定各个目标属性项目分别对应的目标属性向量；其中，所述目标属性矩阵为预先基于目标样本集训练得到的用于状态预测的矩阵，所述目标属性矩阵中包括样本集所涵盖的多个属性项目对应的属性向量；

根据所述目标属性向量、所述目标项目数据以及预设的向量合并公式，计算目标数据合并向量；

根据目标反应矩阵、所述目标数据合并向量、预设的多个初始机器状态向量以及预设的概率计算公式，计算每个所述初始机器状态向量的第一概率值；其中，所述目标反应矩阵为预先基于所述目标样本集训练而获得的用于状态预测的调整矩阵，所述多个初始机器状态向量均不相同，每个初始机器状态向量所包括的元素均分别唯一对应一个状态项目，且每个元素表示所对应状态项目的机器状态；

根据所述第一概率值，确定所述目标机器对应的第一机器状态预测向量；