【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及云平臺，特別涉及一種基于大模型的云平臺容量預(yù)警方法及系統(tǒng)。
技術(shù)介紹
1、隨著隨著云計算技術(shù)的飛速發(fā)展，云平臺已經(jīng)成為支撐各類企業(yè)和服務(wù)的關(guān)鍵基礎(chǔ)設(shè)施。隨著業(yè)務(wù)量的激增，云平臺所承載的業(yè)務(wù)規(guī)模呈現(xiàn)出持續(xù)擴(kuò)大的趨勢，這使得資源容量管理成為了云平臺運(yùn)營中的核心問題。
2、在傳統(tǒng)的云平臺管理中，資源容量預(yù)警方法往往依賴于固定的經(jīng)驗閾值，傳統(tǒng)的容量預(yù)警方法依賴于人工設(shè)定的經(jīng)驗閾值，這些閾值往往基于歷史數(shù)據(jù)的一定范圍內(nèi)的統(tǒng)計規(guī)律，但由于云計算環(huán)境的動態(tài)性和復(fù)雜性，這些經(jīng)驗閾值很難準(zhǔn)確反映資源容量變化的真實情況。因此，這種方法在判斷資源容量是否超額時，準(zhǔn)確性不高，容易產(chǎn)生誤報或漏報。
技術(shù)實現(xiàn)思路
1、有鑒于此，本申請實施例提供一種基于大模型的云平臺容量預(yù)警方法及系統(tǒng)，應(yīng)用本申請可以動態(tài)設(shè)置預(yù)警閾值，適用于云平臺的復(fù)雜業(yè)務(wù)需求，提高預(yù)警的準(zhǔn)確性。
2、為實現(xiàn)上述目的，本申請實施例提供如下技術(shù)方案：
3、一種基于大模型的云平臺容量預(yù)警方法，包括：
4、實時獲取待預(yù)測的云平臺的資源使用數(shù)據(jù)；
5、從所述資源使用數(shù)據(jù)中提取特征數(shù)據(jù)；
6、應(yīng)用預(yù)先訓(xùn)練完成的預(yù)測大模型對所述特征數(shù)據(jù)進(jìn)行處理，輸出資源容量預(yù)測值；
7、獲取所述云平臺的歷史資源使用數(shù)據(jù)，以及確定所述云平臺的當(dāng)前業(yè)務(wù)需求；
8、基于所述歷史資源使用數(shù)據(jù)，設(shè)置初始容量閾值，并基于所述當(dāng)前業(yè)務(wù)需求調(diào)整所述初始容量閾值，得到容量預(yù)警閾值；
9、當(dāng)所述資源容量預(yù)測值大于所述容量預(yù)警閾值時，觸發(fā)預(yù)警。
10、上述的方法，可選的，還包括：
11、在觸發(fā)預(yù)警后，生成所述云平臺的預(yù)警信息；
12、對于預(yù)設(shè)的每種通知渠道，將所述預(yù)警信息轉(zhuǎn)換成滿足所述通知渠道的數(shù)據(jù)格式的信息，并將轉(zhuǎn)換后的預(yù)警信息通過所述通知渠道通知管理員。
13、上述的方法，可選的，訓(xùn)練預(yù)測大模型的過程，包括：
14、獲取樣本數(shù)據(jù)；
15、對所述樣本數(shù)據(jù)進(jìn)行預(yù)處理，得到訓(xùn)練數(shù)據(jù)；
16、提取所述訓(xùn)練數(shù)據(jù)的數(shù)據(jù)特性，選擇與所述數(shù)據(jù)特性對應(yīng)的模型架構(gòu)；
17、基于所述模型架構(gòu)，構(gòu)建預(yù)測大模型；
18、使用所述訓(xùn)練數(shù)據(jù)對所述預(yù)測大模型進(jìn)行訓(xùn)練，在訓(xùn)練的過程中對所述預(yù)測大模型的模型參數(shù)進(jìn)行優(yōu)化，直到預(yù)測大模型滿足預(yù)設(shè)的訓(xùn)練結(jié)束條件時，結(jié)束對預(yù)測大模型的訓(xùn)練，得到訓(xùn)練完成的預(yù)測大模型。
19、上述的方法，可選的，所述獲取樣本數(shù)據(jù)，包括：
20、使用預(yù)設(shè)的數(shù)據(jù)采集模塊定時執(zhí)行數(shù)據(jù)采集任務(wù)，并將所述數(shù)據(jù)采集模塊執(zhí)行所述數(shù)據(jù)采集任務(wù)時，采集的所述云平臺在各個關(guān)鍵性能指標(biāo)的數(shù)據(jù)確定為樣本數(shù)據(jù)。
21、上述的方法，可選的，所述從所述資源使用數(shù)據(jù)中提取特征數(shù)據(jù)，包括：
22、使用預(yù)設(shè)的數(shù)據(jù)處理工具將所述資源使用數(shù)據(jù)中的無效數(shù)據(jù)、錯誤數(shù)據(jù)以及重復(fù)數(shù)據(jù)清洗掉，得到請求數(shù)據(jù)；
23、對所述清洗數(shù)據(jù)進(jìn)行歸一化處理，得到歸一化數(shù)據(jù)；
24、從所述歸一化數(shù)據(jù)中提取特征數(shù)據(jù)。
25、一種基于大模型的云平臺容量預(yù)警系統(tǒng)，包括：
26、獲取模塊，用于實時獲取待預(yù)測的云平臺的資源使用數(shù)據(jù)；
27、數(shù)據(jù)預(yù)處理模塊，用于從所述資源使用數(shù)據(jù)中提取特征數(shù)據(jù)；
28、預(yù)測模塊，用于應(yīng)用預(yù)先訓(xùn)練完成的預(yù)測大模型對所述特征數(shù)據(jù)進(jìn)行處理，輸出資源容量預(yù)測值；
29、預(yù)警判斷模塊，用于獲取所述云平臺的歷史資源使用數(shù)據(jù)，以及確定所述云平臺的當(dāng)前業(yè)務(wù)需求；基于所述歷史資源使用數(shù)據(jù)，設(shè)置初始容量閾值，并基于所述當(dāng)前業(yè)務(wù)需求調(diào)整所述初始容量閾值，得到容量預(yù)警閾值；當(dāng)所述資源容量預(yù)測值大于所述容量預(yù)警閾值時，觸發(fā)預(yù)警。
30、上述的系統(tǒng)，可選的，還包括：
31、模型訓(xùn)練模塊，用于訓(xùn)練預(yù)測大模型；
32、所述模型訓(xùn)練模塊訓(xùn)練預(yù)測大模型的過程包括：
33、獲取樣本數(shù)據(jù)；
34、對所述樣本數(shù)據(jù)進(jìn)行預(yù)處理，得到訓(xùn)練數(shù)據(jù)；
35、提取所述訓(xùn)練數(shù)據(jù)的數(shù)據(jù)特性，選擇與所述數(shù)據(jù)特性對應(yīng)的模型架構(gòu)；
36、基于所述模型架構(gòu)，構(gòu)建預(yù)測大模型；
37、使用所述訓(xùn)練數(shù)據(jù)對所述預(yù)測大模型進(jìn)行訓(xùn)練，在訓(xùn)練的過程中對所述預(yù)測大模型的模型參數(shù)進(jìn)行優(yōu)化，直到預(yù)測大模型滿足預(yù)設(shè)的訓(xùn)練結(jié)束條件時，結(jié)束對預(yù)測大模型的訓(xùn)練，得到訓(xùn)練完成的預(yù)測大模型。
38、上述的系統(tǒng)，可選的，還包括：
39、預(yù)警通知模塊；
40、所述預(yù)警通知模塊，用于在觸發(fā)預(yù)警后，生成所述云平臺的預(yù)警信息；對于預(yù)設(shè)的每種通知渠道，將所述預(yù)警信息轉(zhuǎn)換成滿足所述通知渠道的數(shù)據(jù)格式的信息，并將轉(zhuǎn)換后的預(yù)警信息通過所述通知渠道通知管理員。
41、上述的系統(tǒng)，可選的，所述模型訓(xùn)練模塊執(zhí)行獲取樣本數(shù)據(jù)的過程，包括：
42、使用預(yù)設(shè)的數(shù)據(jù)采集模塊定時執(zhí)行數(shù)據(jù)采集任務(wù)，并將所述數(shù)據(jù)采集模塊執(zhí)行所述數(shù)據(jù)采集任務(wù)時采集的所述云平臺在各個關(guān)鍵性能指標(biāo)的數(shù)據(jù)確定為樣本數(shù)據(jù)。
43、上述的系統(tǒng)，可選的，所述數(shù)據(jù)預(yù)處理模塊執(zhí)行從所述資源使用數(shù)據(jù)中提取特征數(shù)據(jù)的過程，包括：
44、使用預(yù)設(shè)的數(shù)據(jù)處理工具將所述資源使用數(shù)據(jù)中的無效數(shù)據(jù)、錯誤數(shù)據(jù)以及重復(fù)數(shù)據(jù)清洗掉，得到請求數(shù)據(jù)；
45、對所述清洗數(shù)據(jù)進(jìn)行歸一化處理，得到歸一化數(shù)據(jù)；
46、從所述歸一化數(shù)據(jù)中提取特征數(shù)據(jù)。
47、與現(xiàn)有技術(shù)相比，本申請具有以下有益效果：
48、本申請?zhí)峁┮环N基于大模型的云平臺容量預(yù)警方法及系統(tǒng)，包括：實時獲取待預(yù)測的云平臺的資源使用數(shù)據(jù)；從資源使用數(shù)據(jù)中提取特征數(shù)據(jù)；應(yīng)用預(yù)測大模型對特征數(shù)據(jù)進(jìn)行處理，輸出資源容量預(yù)測值；獲取云平臺的歷史資源使用數(shù)據(jù)，以及確定云平臺的當(dāng)前業(yè)務(wù)需求；基于歷史資源使用數(shù)據(jù)，設(shè)置初始容量閾值，并基于當(dāng)前業(yè)務(wù)需求調(diào)整所述初始容量閾值，得到容量預(yù)警閾值；當(dāng)資源容量預(yù)測值大于容量預(yù)警閾值時，觸發(fā)預(yù)警。本申請使用預(yù)測大模型預(yù)測出資源容量預(yù)測值后，基于當(dāng)前業(yè)務(wù)需求和歷史資源使用數(shù)據(jù)確定動態(tài)變化的容量預(yù)警閾值，由此適應(yīng)云計算環(huán)境的動態(tài)變化，提供更加精確的預(yù)警方式。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于大模型的云平臺容量預(yù)警方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，訓(xùn)練預(yù)測大模型的過程，包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述獲取樣本數(shù)據(jù)，包括：
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述從所述資源使用數(shù)據(jù)中提取特征數(shù)據(jù)，包括：
6.一種基于大模型的云平臺容量預(yù)警系統(tǒng)，其特征在于，包括：
7.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，還包括：
8.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，還包括：
9.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，所述模型訓(xùn)練模塊執(zhí)行獲取樣本數(shù)據(jù)的過程，包括：
10.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，所述數(shù)據(jù)預(yù)處理模塊執(zhí)行從所述資源使用數(shù)據(jù)中提取特征數(shù)據(jù)的過程，包括：
【技術(shù)特征摘要】
1.一種基于大模型的云平臺容量預(yù)警方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，訓(xùn)練預(yù)測大模型的過程，包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述獲取樣本數(shù)據(jù)，包括：
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述從所述資源使用數(shù)據(jù)中提取特征數(shù)據(jù)，包括：
6.一種...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李昌浩，馬順安，李騰飛，張目飛，陳堯，
申請(專利權(quán))人：浪潮云信息技術(shù)股份公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。