用于管理云服务器的容量的方法和装置与流程
本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及用于管理云服务器的容量的方法和装置。
背景技术：
云服务器是一种简单高效、安全可靠、处理能力可弹性伸缩的计算服务。其管理方式比物理服务器更简单高效。用户无需提前购买硬件，即可迅速创建或释放任意多台云服务器。云服务器通常采用虚拟化技术，虚拟化平台一般可以将一千台以上的服务器集群虚拟为多个性能可配的虚拟机(kernel-basedvirtualmachine，kvm)，对整个集群系统中所有虚拟机进行监控和管理，并根据实际资源使用情况灵活分配和调度资源池。
现有的对云服务器进行容量管理的方案通常需要用户自主设置自动扩容或者缩容的条件，当云服务器的各项指标符合自动扩容或者缩容的条件时，对云服务器进行扩容操作或者缩容操作。然而，这种方法缺乏一定的“预见性”，往往是已经对用户的业务产生一定的影响时才开始执行扩容操作。
技术实现要素：
本申请的目的在于提出一种改进的用于管理云服务器的容量的方法和装置，来解决以上背景技术部分提到的技术问题。
第一方面，本申请实施例提供了一种用于管理云服务器的容量的方法，该方法包括：获取对目标云服务器的至少一个指标进行监控的监控数据；针对每个指标，将该指标的监控数据导入预先训练的指标预测模型中得到该指标对应的指标预测结果，其中，指标预测模型用于表征监控数据与指标预测结果的对应关系；基于至少一个指标的指标预测结果中的指标预测峰值、指标预测谷值、预设的第一峰值阈值和预设的第一谷值阈值，针对至少一个指标对目标云服务器执行扩容操作或缩容操作。
在一些实施例中，获取对目标云服务器的至少一个指标进行监控的监控数据，包括：确定对目标云服务器的至少一个指标的监控数据进行采集的采集时间段是否大于预设的采集时间段阈值；若是，则获取监控数据。
在一些实施例中，将该指标的监控数据导入预先训练的指标预测模型中得到该指标对应的指标预测结果，包括：将采集时间段划分为预设数目个时间区间；针对每个时间区间，获取该指标在该时间区间的监控数据中大于预设的第二峰值阈值的数据峰值；确定数据峰值的数量是否大于预设的数量阈值；若数据峰值的数量大于数量阈值，则获取各个数据峰值的各个发生时间点，并确定各个发生时间点的差值中的最小差值；确定各个时间区间的各个最小差值的和值，并确定和值是否小于预设的和值阈值；若和值小于预设的和值阈值，则将该指标的监控数据导入预先训练的指标预测模型中得到该指标对应的指标预测结果。
在一些实施例中，针对至少一个指标对目标云服务器执行扩容操作或缩容操作，包括：针对至少一个指标中的每个指标，基于该指标对应的指标预测结果，确定在预设的第一时间段内的该指标的指标预测峰值是否大于预设的第一峰值阈值；若是，则针对该指标对目标云服务器执行扩容操作。
在一些实施例中，针对该指标对目标云服务器执行扩容操作，包括：获取目标云服务器的配置信息；为目标云服务器分配具有配置信息的临时云服务器；对目标云服务器和临时云服务器执行负载均衡操作。
在一些实施例中，至少一个指标包括中央处理器利用率；以及针对该指标对目标云服务器执行扩容操作，包括：增加目标云服务器运行所占据的中央处理器的处理器内核的数量，并重新启动目标云服务器。
在一些实施例中，至少一个指标包括内存使用率；以及针对该指标对目标云服务器执行扩容操作，包括：增加目标云服务器运行所占据的内存容量，并重新启动目标云服务器。
在一些实施例中，针对至少一个指标对目标云服务器执行扩容操作或缩容操作，包括：针对至少一个指标中的每个指标，基于该指标对应的指标预测结果，确定在预设的第一时间段内的该指标的指标预测峰值是否小于等于预设的第一峰值阈值；响应于确定出在第一时间段内的该指标的指标预测峰值小于等于预设的第一峰值阈值，则进一步确定在第一时间段内的指标预测谷值是否小于预设的第一谷值阈值；响应于确定出在第一时间段内的指标预测谷值小于第一谷值阈值，针对该指标对目标云服务器执行缩容操作。
在一些实施例中，该方法还包括训练指标预测模型的步骤，包括：获取对目标云服务器的至少一个指标进行监控的历史监控数据；针对每个指标，将该指标的历史监控数据中时间在前的历史监控数据确定为输入样本；将该指标的历史监控数据中时间在后、除确定为输入样本的历史监控数据之外的历史监控数据确定为输出样本；利用机器学习方法，基于输入样本和输出样本，训练得到该指标的指标预测模型。
第二方面，本申请实施例提供了一种用于管理云服务器的容量的装置，该装置包括：第一获取单元，配置用于获取对目标云服务器的至少一个指标进行监控的监控数据；导入单元，配置用于针对每个指标，将该指标的监控数据导入预先训练的指标预测模型中得到该指标对应的指标预测结果，其中，指标预测模型用于表征监控数据与指标预测结果的对应关系；执行单元，配置用于基于至少一个指标的指标预测结果中的指标预测峰值、指标预测谷值、预设的第一峰值阈值和预设的第一谷值阈值，针对至少一个指标对目标云服务器执行扩容操作或缩容操作。
在一些实施例中，第一获取单元，包括：确定模块，配置用于确定对目标云服务器的至少一个指标的监控数据进行采集的采集时间段是否大于预设的采集时间段阈值；获取模块，配置用于若对目标云服务器的至少一个指标的监控数据进行采集的采集时间段大于预设的采集时间段阈值，则获取监控数据。
在一些实施例中，导入单元进一步配置用于：将采集时间段划分为预设数目个时间区间；针对每个时间区间，获取该指标在该时间区间的监控数据中大于预设的第二峰值阈值的数据峰值；确定数据峰值的数量是否大于预设的数量阈值；若数据峰值的数量大于数量阈值，则获取各个数据峰值的各个发生时间点，并确定各个发生时间点的差值中的最小差值；确定各个时间区间的各个最小差值的和值，并确定和值是否小于预设的和值阈值；若和值小于预设的和值阈值，则将该指标的监控数据导入预先训练的指标预测模型中得到该指标对应的指标预测结果。
在一些实施例中，执行单元进一步配置用于：针对至少一个指标中的每个指标，基于该指标对应的指标预测结果，确定在预设的第一时间段内的该指标的指标预测峰值是否大于预设的第一峰值阈值；若是，则针对该指标对目标云服务器执行扩容操作。
在一些实施例中，执行单元，包括：获取模块，配置用于获取目标云服务器的配置信息；分配模块，配置用于为目标云服务器分配具有配置信息的临时云服务器；执行模块，配置用于对目标云服务器和临时云服务器执行负载均衡操作。
在一些实施例中，至少一个指标包括中央处理器利用率；以及执行单元进一步配置用于：增加目标云服务器运行所占据的中央处理器的处理器内核的数量，并重新启动目标云服务器。
在一些实施例中，至少一个指标包括内存使用率；以及执行单元进一步配置用于：增加目标云服务器运行所占据的内存容量，并重新启动目标云服务器。
在一些实施例中，执行单元进一步配置用于：针对至少一个指标中的每个指标，基于该指标对应的指标预测结果，确定在预设的第一时间段内的该指标的指标预测峰值是否小于等于预设的第一峰值阈值；响应于确定出在第一时间段内的该指标的指标预测峰值小于等于预设的第一峰值阈值，则进一步确定在第一时间段内的指标预测谷值是否小于预设的第一谷值阈值；响应于确定出在第一时间段内的指标预测谷值小于第一谷值阈值，针对该指标对目标云服务器执行缩容操作。
在一些实施例中，该装置还包括：第二获取单元，配置用于获取对目标云服务器的至少一个指标进行监控的历史监控数据；训练单元，配置用于针对每个指标，将该指标的历史监控数据中时间在前的历史监控数据确定为输入样本；将该指标的历史监控数据中时间在后、除确定为输入样本的历史监控数据之外的历史监控数据确定为输出样本；利用机器学习方法，基于输入样本和输出样本，训练得到该指标的指标预测模型。
第三方面，本申请实施例还提供了一种服务器，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现本申请提供的用于管理云服务器的容量的方法。
第四方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本申请提供的用于管理云服务器的容量的方法。
本申请提供的用于管理云服务器的容量的方法和装置，通过获取对云服务器的至少一个指标进行监控的监控数据；之后，可以将每个指标的监控数据输入到预先训练的指标预测模型中得到该指标对应的指标预测结果；最后，可以基于上述指标预测结果，对云服务器执行扩容操作或者缩容操作，从而，有效利用了对云服务器进行监控的各项历史监控数据，实现了对云服务器的容量管理。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的用于管理云服务器的容量的方法的一个实施例的流程图；
图3是根据本申请的用于管理云服务器的容量的方法的一个应用场景的示意图；
图4是根据本申请的用于管理云服务器的容量的方法的又一个实施例的流程图；
图5是根据本申请的用于管理云服务器的容量的装置的一个实施例的结构示意图；
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于管理云服务器的容量的方法或用于管理云服务器的容量的装置的示例性系统架构100。
如图1所示，系统架构100可以包括云服务器101、102、103，网络104、105，服务器106和终端设备107、108、109。网络104用以在云服务器101、102、103和服务器106之间提供通信链路的介质，网络105用以在云服务器101、102、103和终端设备107、108、109之间提供通信链路的介质。网络104、105可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
云服务器101、102、103可以通过网络104与服务器105交互，以供服务器对云服务器的各项指标数据进行监控以及容量管理等。云服务器101、102、103还可以通过网络105与终端设备107、108、109交互，以为终端设备提供各种数据服务，例如数据上传和/或下载服务等。
终端设备107、108、109上可以安装有各种通讯客户端应用，例如数据存储类应用、视频类应用等。终端设备107、108、109可以是具有显示屏并且支持信息交互的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。
服务器106可以是提供各种服务的服务器，例如对云服务器101、102、103进行容量管理的后台管理服务器。后台管理服务器可以对云服务器的监控数据进行分析等处理，并根据处理结果(例如扩容操作或者缩容操作)对云服务器进行容量管理。例如，后台管理服务器可以首先获取对云服务器的至少一个指标进行监控的监控数据；之后，可以将每个指标的监控数据输入到预先训练的指标预测模型中得到该指标对应的指标预测结果；最后，基于上述指标预测结果，可以对云服务器执行扩容操作或者缩容操作。
需要说明的是，本申请实施例所提供的用于管理云服务器的容量的方法一般由服务器106执行，相应地，用于管理云服务器的容量的装置一般设置于服务器106中。
应该理解，图1中的云服务器、网络、服务器和终端设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的云服务器、网络、服务器和终端设备。
继续参考图2，示出了根据本申请的用于管理云服务器的容量的方法的一个实施例的流程200。该用于管理云服务器的容量的方法，包括以下步骤：
步骤201，获取对目标云服务器的至少一个指标进行监控的监控数据。
在本实施例中，用于管理云服务器的容量的方法运行于其上的电子设备(例如图1所示的服务器)可以对目标云服务器的至少一个指标进行实时的或者周期性的监控；之后，可以获取监控到的监控数据。上述至少一个指标可以包括磁盘吞吐量、虚拟网卡流量等等。
在本实施例中，上述电子设备对云服务器进行监控通常也可以看作是对由云服务器集群模拟的虚拟机的至少一个指标的监控。上述目标云服务器可以是指上述电子设备所监控、并进行管理的任一台云服务器。
步骤202，针对每个指标，将该指标的监控数据导入预先训练的指标预测模型中得到该指标对应的指标预测结果。
在本实施例中，针对上述至少一个指标中的每个指标，上述电子设备可以将步骤201中获取到的该指标的监控数据导入到预先训练的指标预测模型中得到该指标对应的指标预测结果。上述电子设备中可以存储有多个预先训练的指标预测模型，所存储的每一个指标预测模型与一个指标相对应，可以将该指标的监控数据输入到该指标所对应的指标预测模型中得到该指标对应的指标预测结果；上述电子设备中也可以仅存储一个预先训练的指标预测模型，所存储的指标预测模型与各个指标相对应，上述监控数据中可以包含所监控的指标的标识，当将监控数据输入到指标预测模型中，可以输出上述标识所关联的指标对应的指标预测结果。此处，所得到的指标预测结果可以用于指示上述指标在未来的一段时间的预测情况，指标预测结果可以是一个或者多个数值。
需要说明的是，指标预测模型可以用于表征监控数据与指标预测结果的对应关系。作为示例，指标预测模型可以是技术人员基于大量的对各个指标的历史监控数据的统计而预先制定的、存储有监控数据与指标预测结果的对应关系的对应关系表；也可以是技术人员基于对大量数据的统计而预先设置并存储至上述电子设备中的、对监控数据中的一个或多个数值进行数值计算以得到用于表征指标预测结果的计算结果的计算公式。
在本实施例的一些可选的实现方式中，上述电子设备可以预先按照以下步骤训练指标预测模型：
首先，上述电子设备可以获取在历史时间段内(例如当前日期的前30天内、当前日期的前60天内等)对上述目标云服务器的至少一个指标进行监控的监控数据，并将所获取的监控数据确定为历史监控数据。
之后，针对上述至少一个指标中的每个指标，上述电子设备可以将该指标的历史监控数据中时间在前的历史监控数据确定为输入样本，并可以将时间在后、且除上述确定为输入数据的历史监控数据之外的历史监控数据确定为输出样本。上述电子设备可以在时间在前的历史监控数据中选取时间长度大于预设的时间阈值的多个历史监控数据作为输入数据，以提高训练出的指标预测模型的准确性。
作为示例，当获取到该指标在历史30天内的监控数据，且上述时间阈值为15天时，上述电子设备可以将前15天的监控数据确定为输入样本，并可以将后15天的监控数据确定为输出样本。
最后，上述电子设备可以利用机器学习方法，基于上述输入样本和上述输出样本，训练得到指标预测模型。具体的，上述电子设备可以使用初始指标预测模型，上述初始指标预测模型可以为技术人员预先编写的指数预测方程，将上述时间在前的历史监控数据确定为输入样本，将上述时间在后、且除上述确定为输入数据的历史监控数据之外的历史监控数据作为输出样本，利用机器学习方法，对上述初始指标预测模型进行训练，得到该指标所对应的指标预测模型。上述技术人员预先编写的指数预测方程可以为下述公式(1)，(2)，(3)。
其中，t为以小时为单位的当前时段(例如，上午从8点钟开始的一个小时)，τ为以小时为单位、距离当前时段的时间长度，τ＝1,2,3,…,24，y为指标预测结果，
在本实施例的一些可选的实现方式中，上述电子设备可以将对上述目标云服务器的至少一个指标的监控数据进行采集的采集时间段划分为预设数目个时间区间，例如，可以按天将上述采集时间段进行划分；针对每个时间区间，上述电子设备可以获取该指标在该时间区间内的监控数据中大于预设的第二峰值阈值的数据峰值，上述数据峰值可以是指监控数据的最大瞬间值，一个时间区间内可以存在多个数据峰值；之后，可以确定上述数据峰值的数量是否大于预设的数量阈值，例如，当上述数量阈值为2时，则确定上述数据峰值的数量是否大于2；若大于上述数量阈值，则获取各个数据峰值的各个发生时间点，其中，一个数据峰值对应一个发生时间点，并可以确定各个发生时间点的差值中的最小差值，具体的，可以首先确定各个相邻发生时间点之间的差值，之后在各个差值中选取最小的差值作为最小差值；而后，可以确定各个时间区间的各个最小差值的和值，并可以确定上述和值是否小于预设的和值阈值，例如，上述和值阈值可以为5小时；若确定出上述和值小于预设的和值阈值，则可以将该指标的监控数据导入预先训练的指标预测模型中得到该指标对应的指标预测结果。
步骤203，基于至少一个指标的指标预测结果中的指标预测峰值、指标预测谷值、预设的第一峰值阈值和预设的第一谷值阈值，针对至少一个指标对目标云服务器执行扩容操作或缩容操作。
在本实施例中，上述电子设备可以基于上述至少一个指标的指标预测结果中的指标预测峰值和预设的第一峰值阈值，针对上述至少一个指标对目标云服务器执行扩容操作；也可以基于上述至少一个指标的指标预测结果中的指标预测谷值和预设的第一谷值阈值，针对至少一个指标对目标云服务器执行缩容操作。
在本实施例的一些可选的实现方式中，若确定出对上述目标云服务器执行扩容操作，上述电子设备可以对上述目标云服务器进行横向扩容。具体的，上述电子设备可以首先获取上述目标云服务器的配置信息，例如，中央处理器(centralprocessingunit，cpu)的处理器内核(也称为处理器核心)的数量，内存容量等等；之后，可以为上述目标云服务器分配具有上述配置信息的临时云服务器；最后，可以对上述目标云服务器和上述临时云服务器执行负载均衡操作，负载均衡操作就是将任务分摊到多个操作单元上进行执行。作为示例，当获取到上述目标云服务器的配置信息为cpu：1核，内存：1gb，则可以为上述目标云服务器分配一个cpu为1核、内存为1gb的临时云服务器。
在本实施例的一些可选的实现方式中，若确定出对上述目标云服务器执行扩容操作，上述电子设备也可以对上述目标云服务器进行纵向扩容。具体的，上述至少一个指标可以包括中央处理器利用率，上述电子设备可以增加上述目标云服务器运行时所占据的中央处理器的处理器内核的数量(如由1核增加为2核)，并重新启动上述目标云服务器。
继续参见图3，图3是本实施例的用于管理云服务器的容量的方法的应用场景的一个示意图。在图3的应用场景中，服务器301首先获取到对云服务器302的至少一个指标进行监控的监控数据303；之后，针对每个指标，服务器301将该指标的监控数据303导入到预先训练的指标预测模型中得到该指标对应的指标预测结果304；最后，服务器301基于至少一个指标的指标预测结果304对云服务器302执行扩容操作305或者执行缩容操作306。
本申请的上述实施例提供的方法可以首先获取对云服务器的至少一个指标进行监控的监控数据；之后，可以将每个指标的监控数据输入到预先训练的指标预测模型中得到该指标对应的指标预测结果；最后，可以基于上述指标预测结果，对云服务器执行扩容操作或者缩容操作，从而，有效利用了对云服务器进行监控的各项历史监控数据，实现了对云服务器的容量管理。
进一步参考图4，其示出了用于管理云服务器的容量的方法的又一个实施例的流程400。该用于管理云服务器的容量的方法的流程400，包括以下步骤：
步骤401，确定对目标云服务器的至少一个指标的监控数据进行采集的采集时间段是否大于预设的采集时间段阈值。
在本实施例中，用于管理云服务器的容量的方法运行于其上的电子设备(例如图1所示的服务器)可以首先获取对目标云服务器的至少一个指标的监控数据进行采集的采集时间段，之后，可以确定上述采集时间段是否大于预设的采集时间段阈值，若上述采集时间段大于预设的采集时间段阈值，则可以执行步骤402。例如，上述采集时间长度阈值为14天时，当采集监控数据的天数大于14天，则可以执行步骤402。
步骤402，获取监控数据。
在本实施例中，当步骤401中确定出上述采集时间段大于预设的采集时间段阈值时，上述电子设备可以获取上述目标云服务器的至少一个指标的监控数据，上述至少一个指标可以包括中央处理器利用率、内存使用率、磁盘吞吐量、虚拟网卡流量等等。
步骤403，针对每个指标，将该指标的监控数据导入预先训练的指标预测模型中得到该指标对应的指标预测结果。
在本实施例中，步骤403的操作与步骤202的操作基本相同，在此不再赘述。
步骤404，基于该指标对应的指标预测结果，确定在预设的第一时间段内的该指标的指标预测峰值是否大于预设的第一峰值阈值。
在本实施例中，上述电子设备可以确定在预设的第一时间段内(例如未来6小时内)的该指标的指标预测结果中的指标预测峰值是否大于预设的第一峰值阈值；若上述指标预测峰值大于上述第一峰值阈值，则可以执行步骤405；若上述指标预测峰值小于等于上述第一峰值阈值，则可以执行步骤406。上述指标预测峰值可以为指标预测结果中的最大瞬间值，在上述第一时间段内可以存在多个指标预测峰值。作为示例，当该指标为cpu利用率，cpu利用率对应的第一峰值阈值为80％时，若在未来6小时内，该指标存在两个指标预测峰值75％和93％，指标预测峰值93％大于上述第一峰值阈值，则说明在未来6小时内存在cpu资源过于紧张的情况。
步骤405，针对该指标对目标云服务器执行扩容操作。
在本实施例中，当步骤404中确定出上述指标预测峰值大于上述第一峰值阈值，上述电子设备可以针对该指标对上述目标云服务器执行扩容操作。
在本实施例中，上述至少一个指标可以包括内存使用率，上述电子设备可以增加上述目标云服务器运行时所占据的内存容量(如由1gb增加为2gb)，并重新启动上述目标云服务器。
在本实施例中，上述电子设备还可以确定在预设的第二时间段内的该指标的指标预测峰值是否大于预设的第一峰值阈值，上述第二时间段通常大于上述第一时间段，若在上述第二时间段内该指标的指标预测峰值大于预设的第一峰值阈值，则可以向技术人员推送在第二时间段内资源紧张的提示信息。
步骤406，确定在第一时间段内的指标预测谷值是否小于预设的第一谷值阈值。
在本实施例中，当步骤404中确定出上述指标预测峰值小于等于上述第一峰值阈值时，上述电子设备可以确定在第一时间段内的指标预测谷值是否小于预设的第一谷值阈值，若上述指标预测谷值小于预设的第一谷值阈值，则可以执行步骤407。上述指标预测谷值可以为指标预测结果中的最小瞬间值，在上述第一时间段内可以存在多个指标预测谷值。
步骤407，针对该指标对目标云服务器执行缩容操作。
在本实施例中，当在步骤406中确定出上述指标预测谷值小于预设的第一谷值阈值时，上述电子设备可以针对该指标对上述目标云服务器执行缩容操作。
在本实施例中，当该指标为中央处理器利用率时，上述电子设备可以减少上述目标云服务器运行时所占据的中央处理器的处理器内核的数量(如由2核减少为1核)，并重新启动上述目标云服务器。
在本实施例中，当该指标为内存使用率时，上述电子设备可以减少上述目标云服务器运行时所占据的内存容量(如由2gb减少为1gb)，并重新启动上述目标云服务器。
从图4中可以看出，与图2对应的实施例相比，本实施例中的用于管理云服务器的容量的方法的流程400突出了获取监控数据的时机的步骤和基于得到的指标预测结果进行扩容操作或者缩容操作的步骤。由此，本实施例描述的方案可以获取到更多的监控数据，从而使得对云服务器进行扩容操作或者缩容操作的时机更准确。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于管理云服务器的容量的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的用于管理云服务器的容量的装置500包括：第一获取单元501、导入单元502和执行单元503。其中，第一获取单元501配置用于获取对目标云服务器的至少一个指标进行监控的监控数据；导入单元502配置用于针对每个指标，将该指标的监控数据导入预先训练的指标预测模型中得到该指标对应的指标预测结果，其中，指标预测模型用于表征监控数据与指标预测结果的对应关系；执行单元503配置用于基于至少一个指标的指标预测结果中的指标预测峰值、指标预测谷值、预设的第一峰值阈值和预设的第一谷值阈值，针对至少一个指标对目标云服务器执行扩容操作或缩容操作。
在本实施例中，用于管理云服务器的容量的装置500的第一获取单元501、导入单元502和执行单元503的具体处理可以参考图2对应实施例中的步骤201、步骤202和步骤203。
在本实施例的一些可选的实现方式中，上述第一获取单元501可以包括确定模块(图中未示出)和获取模块(图中未示出)。上述确定模块可以首先获取对目标云服务器的至少一个指标的监控数据进行采集的采集时间段，之后，可以确定上述采集时间段是否大于预设的采集时间段阈值，若上述采集时间段大于预设的采集时间段阈值，则上述获取模块可以获取上述目标云服务器的至少一个指标的监控数据，上述至少一个指标可以包括中央处理器利用率、内存使用率、磁盘吞吐量、虚拟网卡流量等等。
在本实施例的一些可选的实现方式中，上述导入单元502可以将对上述目标云服务器的至少一个指标的监控数据进行采集的采集时间段划分为预设数目个时间区间，例如，可以按天将上述采集时间段进行划分；针对每个时间区间，上述电子设备可以获取该指标在该时间区间内的监控数据中大于预设的第二峰值阈值的数据峰值，上述数据峰值可以是指监控数据的最大瞬间值，一个时间区间内可以存在多个数据峰值；之后，可以确定上述数据峰值的数量是否大于预设的数量阈值，例如，当上述数量阈值为2时，则确定上述数据峰值的数量是否大于2；若大于上述数量阈值，则获取各个数据峰值的各个发生时间点，其中，一个数据峰值对应一个发生时间点，并可以确定各个发生时间点的差值中的最小差值，具体的，可以首先确定各个相邻发生时间点之间的差值，之后在各个差值中选取最小的差值作为最小差值；而后，可以确定各个时间区间的各个最小差值的和值，并可以确定上述和值是否小于预设的和值阈值，例如，上述和值阈值可以为5小时；若确定出上述和值小于预设的和值阈值，则可以将该指标的监控数据导入预先训练的指标预测模型中得到该指标对应的指标预测结果。
在本实施例的一些可选的实现方式中，上述执行单元503可以确定在预设的第一时间段内的该指标的指标预测结果中的指标预测峰值是否大于预设的第一峰值阈值；若指标预测峰值大于上述第一峰值阈值，则可以针对该指标对上述目标云服务器执行扩容操作。上述指标预测峰值可以为指标预测结果中的最大瞬间值，在上述第一时间段内可以存在多个指标预测峰值。
在本实施例的一些可选的实现方式中，上述执行单元503可以包括获取模块(图中未示出)、分配模块(图中未示出)和执行模块(图中未示出)。具体的，上述获取模块可以首先获取上述目标云服务器的配置信息；之后，上述分配模块可以为上述目标云服务器分配具有上述配置信息的临时云服务器；最后，上述执行模块可以对上述目标云服务器和上述临时云服务器执行负载均衡操作，负载均衡操作就是将任务分摊到多个操作单元上进行执行。
在本实施例的一些可选的实现方式中，上述至少一个指标可以包括中央处理器利用率，上述执行单元503可以增加上述目标云服务器运行时所占据的中央处理器的处理器内核的数量，并重新启动上述目标云服务器。
在本实施例的一些可选的实现方式中，上述至少一个指标可以包括内存使用率，上述执行单元503可以增加上述目标云服务器运行时所占据的内存容量，并重新启动上述目标云服务器。
在本实施例的一些可选的实现方式中，上述执行单元503可以确定在预设的第一时间段内的该指标的指标预测结果中的指标预测峰值是否小于等于预设的第一峰值阈值；当确定出上述指标预测峰值小于等于上述第一峰值阈值时，上述执行单元503可以确定在第一时间段内的指标预测谷值是否小于预设的第一谷值阈值，若上述指标预测谷值小于预设的第一谷值阈值，则可以针对该指标对上述目标云服务器执行缩容操作。上述指标预测谷值可以为指标预测结果中的最小瞬间值，在上述第一时间段内可以存在多个指标预测谷值。
在本实施例的一些可选的实现方式中，上述用于管理云服务器的容量的装置500还可以包括第二获取单元(图中未示出)和训练单元(图中未示出)。上述第二获取单元可以获取在历史时间段内对上述目标云服务器的至少一个指标进行监控的监控数据，并将所获取的监控数据确定为历史监控数据。针对上述至少一个指标中的每个指标，上述训练单元可以将该指标的历史监控数据中时间在前的历史监控数据确定为输入样本，并可以将时间在后、且除上述确定为输入数据的历史监控数据之外的历史监控数据确定为输出样本，最后，可以利用机器学习方法，基于上述输入样本和上述输出样本，训练得到指标预测模型。
下面参考图6，其示出了适于用来实现本发明实施例的服务器的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有系统600操作所需的各种程序和数据。cpu601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如液晶显示器(lcd)以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一获取单元、导入单元和执行单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。例如，第一获取单元还可以被描述为“获取对目标云服务器的至少一个指标进行监控的监控数据的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取对目标云服务器的至少一个指标进行监控的监控数据；针对每个指标，将该指标的监控数据导入预先训练的指标预测模型中得到该指标对应的指标预测结果，其中，指标预测模型用于表征监控数据与指标预测结果的对应关系；基于至少一个指标的指标预测结果中的指标预测峰值、指标预测谷值、预设的第一峰值阈值和预设的第一谷值阈值，针对至少一个指标对目标云服务器执行扩容操作或缩容操作。
以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本发明中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
- 还没有人留言评论。精彩留言会获得点赞！