[发明专利]一种服务器自动智能扩缩容方法及系统

权利要求书

1.一种服务器自动智能扩缩容方法，其特征在于，该方法包括：

获取当前服务器的容量、扩缩容评价指标数据和历史扩缩容记录数据；其中，扩缩容评价指标数据包括服务器的基本指标数据和业务指标数据；

根据历史扩缩容记录数据，获取对服务器容量产生影响的辅助参考指标数据；

依据当前服务器的容量、扩缩容评价指标数据和辅助参考指标数据，计算服务器的期望容量；

根据当前服务器的容量和服务器的期望容量，计算当前需要扩缩容的容量差值；

依据容量差值，执行服务器的扩缩容操作；

其中，服务器的期望容量计算公式为：

；

其中，表示服务器的期望容量；表示基本指标的权重；表示业务指标的权重；表示辅助指标的权重；表示第个基本指标；表示基本指标的总数量；表示第个基本指标的当前服务器的容量；表示第个基本指标的实测值；表示第个基本指标的期望值；表示第个业务指标；表示业务指标的总数量；表示第个业务指标的当前服务器的容量；表示第个业务指标的实测值；表示第个业务指标的期望值；表示第个辅助指标；表示辅助指标的总数量；表示第个辅助指标的当前服务器的容量；表示第个辅助指标的阈值;

其中，基本指标数据包括：CPU利用率、内存占用率、网络带宽和磁盘占用率；业务指标数据包括：并发量、响应时间和内部计算资源线程池；辅助指标包括：特定时间和特定事件；

其中，基本指标和业务指标权重为0.45，辅助指标权重为0.1；

其中，根据历史扩缩容记录数据，获取对服务器容量产生影响的辅助参考指标数据的方法包括如下步骤：

判断训练数据集中的所有实例是否为同一类，若是，则机器学习选择决策树模型置为单点决策树，并将该类作为当前节点的类标记，返回决策树；否则，计算历史扩缩容记录数据的特征集A对训练数据集D的信道增益，并选择信息增益最大的特征Ag；

比较最大的信息增益与阈值的大小，若最大的信息增益小于阈值，则机器学习选择决策树模型置为单结点树，并将训练数据集中实例数最大的类为当前节点的类标记，返回决策树；否则，对信息增益最大的特征Ag的每一可能值ai，依Ag=ai将训练数据集D分割为若干非空子集Di，将若干非空子集Di中实例数最大的类作为当前节点的类标记，构建子节点，由节点及其子节点构成决策树，返回决策树；

对第i个子节点，以若干非空子集Di为训练集，以A-{Ag}为特征集，递归训练，得到子决策树。

2.根据权利要求1所述的服务器自动智能扩缩容方法，其特征在于，获取辅助参考指标数据的方法包括：基于机器学习选择决策树模型，将历史扩缩容记录数据作为训练数据集进行分析，获取对服务器容量产生影响的辅助参考指标数据。

3.根据权利要求2所述的服务器自动智能扩缩容方法，其特征在于，辅助参考指标数据包括辅助指标和对应的阈值。

4.根据权利要求3所述的服务器自动智能扩缩容方法，其特征在于，预先对基本指标、业务指标和辅助指标进行权重配比。

5.根据权利要求4所述的服务器自动智能扩缩容方法，其特征在于，将基本指标和软件指标的权重设定为0.45，辅助指标的权重设定为0.1。

6.根据权利要求1所述的服务器自动智能扩缩容方法，其特征在于，容量差值的计算方法为：

；

其中，表示容量差值；表示服务器的期望容量；表示当前服务器的容量。

7.根据权利要求1所述的服务器自动智能扩缩容方法，其特征在于，若容量差值为正数，则扩大服务器的容量，扩大的大小为容量差值的绝对值；若容量差值为负数，则缩小服务器的容量，缩小的大小为容量差值的绝对值。