CN111475772A - 一种容量评估方法及装置 - Google Patents

一种容量评估方法及装置 Download PDF

Info

Publication number
CN111475772A
CN111475772A CN202010233545.2A CN202010233545A CN111475772A CN 111475772 A CN111475772 A CN 111475772A CN 202010233545 A CN202010233545 A CN 202010233545A CN 111475772 A CN111475772 A CN 111475772A
Authority
CN
China
Prior art keywords
historical
capacity
service
service system
fitting
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010233545.2A
Other languages
English (en)
Other versions
CN111475772B (zh
Inventor
王道沁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Weimeng Chuangke Network Technology China Co Ltd
Original Assignee
Weimeng Chuangke Network Technology China Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Weimeng Chuangke Network Technology China Co Ltd filed Critical Weimeng Chuangke Network Technology China Co Ltd
Priority to CN202010233545.2A priority Critical patent/CN111475772B/zh
Publication of CN111475772A publication Critical patent/CN111475772A/zh
Application granted granted Critical
Publication of CN111475772B publication Critical patent/CN111475772B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q50/40—

Abstract

本申请公开了一种容量评估方法及装置，用以解决现有技术中对业务系统进行容量评估时，评估结果的准确度较低的问题。容量评估方法包括：获取业务系统的预估业务量；获取预先确定得到的容量评估公式，所述容量评估公式通过最小二乘法对所述业务系统的历史业务数据进行拟合得到，所述历史业务数据包括历史业务量和在所述历史业务量下所述业务系统的历史容量；根据所述预估业务量和所述容量评估公式，对所述业务系统的预估容量进行评估。这样，由于容量评估公式是基于最小二乘法对历史业务数据进行拟合得到，最小二乘法的拟合结果准确度较高，效果较好，因此，基于容量评估公式对业务系统的预估容量进行评估，评估结果的准确度较高。

Description

一种容量评估方法及装置
技术领域
本申请涉及数据处理领域，尤其涉及一种容量评估方法及装置。
背景技术
通常，业务系统可以针对用户的需求对外提供各种各样的服务，用户可以访问这些服务以满足自身的需求。一般地，为了防止大量的用户同时访问这些服务造成业务系统宕机，需要预先对业务系统进行容量评估，以便根据容量评估结果确定业务系统对外提供服务时所需的系统资源。
目前，在对业务系统进行容量评估时，通常根据人工经验进行评估。然而，在实际应用中，根据人工经验得到的评估结果通常与业务系统的实际容量差异较大，导致无法对业务系统的容量进行准确评估。
发明内容
本申请实施例提供一种容量评估方法，用以解决现有技术中对业务系统进行容量评估时，评估结果的准确度较低的问题。
本申请实施例还提供一种容量评估装置，用以解决现有技术中对业务系统进行容量评估时，评估结果的准确度较低的问题。
本申请实施例采用下述技术方案：
一种容量评估方法，包括：
获取业务系统的预估业务量；
获取预先确定得到的容量评估公式，所述容量评估公式通过最小二乘法对所述业务系统的历史业务数据进行拟合得到，所述历史业务数据包括历史业务量和在所述历史业务量下所述业务系统的历史容量；
根据所述预估业务量和所述容量评估公式，对所述业务系统的预估容量进行评估。
一种容量评估装置，包括：
第一获取单元，用于获取业务系统的预估业务量；
第二获取单元，用于获取预先确定得到的容量评估公式，所述容量评估公式通过最小二乘法对所述业务系统的历史业务数据进行拟合得到，所述历史业务数据包括历史业务量和在所述历史业务量下所述业务系统的历史容量；
评估单元，用于根据所述预估业务量和所述容量评估公式，对所述业务系统的预估容量进行评估。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
采用本申请实施例提供的技术方案，可以预先采用最小二乘法对业务系统的历史业务数据进行拟合，得到容量评估公式，在对业务系统进行容量评估时，可以获取预先得到的容量评估公式，基于容量评估公式和预估业务量，确定业务系统的预估容量。由于容量评估公式是基于最小二乘法对历史业务数据进行拟合得到，最小二乘法的拟合结果准确度较高，效果较好，因此，基于容量评估公式对业务系统的预估容量进行评估，评估结果的准确度较高。
此外，由于对业务系统进行容量评估的准确度较高，因此，可以根据评估结果准确得到业务系统对外提供服务时所需的系统资源，既可以保证向用户正常提供服务，又可以避免系统资源浪费。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例提供的一种容量评估方法的具体流程示意图；
图2为本申请的一个实施例对历史业务数据拟合得到的拟合曲线图；
图3为本申请实施例提供的一种容量评估方法的具体流程示意图；
图4为本申请实施例提供的一种容量评估装置的具体结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
目前，在对业务系统进行容量评估时，可以获取业务系统的预估业务量，针对该预估业务量，可以根据人工经验进行容量评估。具体地，可以假设业务系统的业务量与业务系统的容量呈一定的线性关系，这样，在已知业务系统的预估业务量的情况下，通过线性推演的方式对业务系统的容量评估，得到业务系统的预估容量。
然而，在业务系统实际对外提供服务过程中，业务系统的业务量与容量之间并不是线性关系，且在相同的业务量下容量也很有可能不同。
以业务系统提供直播服务为例，在正常直播的某个时刻，总观看人数为60万(可以视为业务系统的业务量)，该时刻新增的观看人数为20万(可以视为业务系统的容量)，在第二时刻，由于直播进入低峰时段，因此，该时刻的总观看人数降低为50万，但该时刻仍有新增观看人数为5万(有15万人在该时刻取消了观看)，在第三时刻，由于直播进入高峰时段，因此，该时刻的总观看人数可以达到120万，且新增的观看人数为50万，在第四时刻，由于直播进入了稳定时段，因此，第四时刻的观看人数将保持120万不变，但在第四时刻仍有新增观看人数3万(有3万人在该时刻取消了观看)。由此可见，不同时刻的观看人数和新增观看人数之间并不是线性关系，且在总观看人数相同的情况下，新增观看人数也有可能不同。
这样，由于业务系统的业务量与容量之间并不是线性关系，且在相同时间段内，相同业务量对应的业务系统的容量也不一定相同，因此，根据人工经验对业务系统进行容量评估的准确度较低。
通常，在对业务系统的容量进行评估后，还可以根据容量评估结果确定业务系统对外提供服务所需的系统资源。然而，由于目前对业务系统进行容量评估的准确度较低，因此，也无法准确得到业务系统所需的系统资源，在这种情况下就会出现以下问题：若对业务系统的容量评估过小，则会由于大流量涌入时承受不住冲击导致系统宕机，若对业务系统的容量评估过大，则会由于达不到如此大的流量导致系统资源浪费。
为了解决上述问题，本申请实施例提出一种容量评估方法及装置，该方法包括：获取业务系统的预估业务量；获取预先确定得到的容量评估公式，所述容量评估公式通过最小二乘法对所述业务系统的历史业务数据进行拟合得到，所述历史业务数据包括历史业务量和在所述历史业务量下所述业务系统的历史容量；根据所述预估业务量和所述容量评估公式，对所述业务系统的预估容量进行评估。
这样，由于容量评估公式是基于最小二乘法对历史业务数据进行拟合得到，最小二乘法的拟合结果准确度较高，效果较好，因此，基于容量评估公式对业务系统的预估容量进行评估，评估结果的准确度较高。
此外，由于对业务系统进行容量评估的准确度较高，因此，可以根据评估结果准确得到业务系统对外提供服务时所需的系统资源，既可以保证向用户正常提供服务，又可以避免系统资源浪费。
以下结合附图，详细说明本申请各实施例提供的技术方案。
本申请实施例提供的一种容量评估方法，用以解决现有技术中对业务系统进行容量评估时，评估结果的准确度较低的问题。
本申请实施例所提供的容量评估方法的具体实现流程示意图如图1所示，主要包括下述步骤：
步骤11，获取业务系统的预估业务量。
在步骤11中，在对业务系统进行容量评估时，可以获取业务系统的预估业务量。其中，预估业务量可以由产品部门或者运营部门利用软件或根据历史经验确定得到，具体可以是对未来某一时刻或某一时间段(可以根据实际的业务情况确定)内的业务量进行预估后得到的业务量。
以业务系统对外提供直播服务为例，在对业务系统进行容量评估时，可以预估业务系统在未来某一时刻可能的总观看人数，该总观看人数可以视为上述预估业务量。其中，对于直播而言，业务系统的预估容量可以是每秒进入直播间的观看人数。
为了便于理解，还可以以业务系统对外提供网络购物服务为例，在对业务系统进行容量评估时，可以预估业务系统在未来某一时刻可能的总订单数量，该总订单数据可以视为上述预估业务量。其中，对于网络购物而言，业务系统的预估容量可以是每秒产生的订单数量。
步骤12，获取预先确定得到的容量评估公式，所述容量评估公式通过最小二乘法对所述业务系统的历史业务数据进行拟合得到，所述历史业务数据包括历史业务量和在所述历史业务量下所述业务系统的历史容量。
在步骤12中，容量评估公式可以通过以下步骤确定得到：
第一步：获取业务系统的历史业务数据。
业务系统的历史业务数据可以包括历史业务量和在历史业务量下的历史容量。以业务系统对外提供直播服务为例，历史业务量可以理解为业务系统在某一时刻的总观看人数，该总观看人数可以等于在该时刻之前的总观看人数和在该时刻新增的观看人数的和(假设该时刻没有人取消观看，若该时刻有人取消观看，则还需减去取消观看的人数)，历史容量可以理解为在该时刻新增的观看人数。
其中，为了保证基于业务系统的历史业务数据拟合得到的容量评估公式的准确度，在获取历史业务数据时，可以获取业务系统在不同情况下的历史业务数据。比如，以业务系统对外提供直播服务为例，在获取历史业务数据时，可以获取直播低峰时段的历史业务数据，直播高峰时段的历史业务数据，以及大流量的网红或者明星直播时的历史业务数据，等等，从而可以将不同的情况考虑在内，提高后续拟合得到的容量评估公式的准确度。
第二步：对历史业务数据下采样，得到多个目标历史业务量和多个目标历史容量。
通常，历史业务数据中可以包括高峰数据段和低峰数据段，高峰数据段和低峰数据段可以基于业务系统的容量进行划分。具体地，可以根据业务的实际情况设定容量阈值，历史业务数据中历史容量大于或等于该容量阈值的时段可以划分为高峰数据段，历史业务数据中历史容量小于该容量阈值的时段可以划分为低峰数据段，通常，高峰数据段出现的次数或时长少于低峰数据段出现的次数或时长。
由于低峰数据段出现的次数或时长往往会多于高峰数据段出现的次数或时长，因此，低峰数据段的数据量也会多与高峰数据段的数据量。在这种情况下，如果直接对历史业务数据中的历史业务量和历史容量进行公式拟合，就会导致拟合得到的容量评估公式受低峰数据段的影响较大，受高峰数据段的影响较小，容量评估公式的准确度较低。
为了减少低峰数据段对容量评估公式的影响以及增加高峰数据段对容量评估公式的影响，在发明实施例在进行公式拟合之前，可以对历史业务数据进行下采样，以保证低峰数据段和高峰数据段对容量评估公式的影响权重相同，进而提高拟合得到的容量评估公式的准确度。
在对历史业务数据进行下采样时，具体实现方式如下：
首先，可以确定低峰数据段和高峰数据段。
在本实施例中，可以根据历史容量确定高峰数据段和低峰数据段，比如，业务系统的容量可以视为每秒查询率(QPS，Queries-per-second)的情况下，可以根据QPS确定高峰数据段和低峰数据段，QPS相对较高的时段可以确定为高峰数据段，QPS相对较低的时段可以确定为低峰数据段。
以业务系统提供直播服务为例，QPS可以理解为每秒新增观看人数，低峰数据段一般为在直播低峰时段(比如0点至18点，每秒新增观看人数相对较少)，高峰数据段一般为在直播高峰时段(比如18点至24点，每秒新增观看人数相对较多)，此外，当有大流量的网红或者明星直播的时段也可以视为高峰数据段。
其次，采用第一步长对低峰数据段下的历史业务量进行下采样，以及采用第二步长对高峰数据段下的历史业务量进行下采样，得到多个目标历史业务量。
由于低峰数据段出现的次数或时长多于高峰数据段出现的次数或时长，因此，为了保证低峰数据段和高峰数据段对容量评估公式的影响权重相同，对低峰数据段采样的步长可以大于对高峰数据段采样的步长，即上述第一步长需大于第二步长。
在采用第一步长对低峰数据段下的历史业务量进行下采样，以及采用第二步长对高峰数据段下的历史业务量进行下采样后，可以得到多个目标历史业务量。其中，优选地，对低峰数据段下的历史业务量进行下采样的采样数量与对高峰数据段下的历史业务量进行下采样的采样数量可以相同，这样，可以保证低峰数据段下的历史业务量和高峰数据段下的历史业务量对容量评估公式的影响权重相同。
最后，对每个第一步长内多个历史业务量下的历史容量取平均值，以及对每个第二步长内多个历史业务量下的历史容量取平均值，得到多个目标历史容量。
需要说明的是，在对历史业务量进行下采样并得到多个目标历史业务量后，该多个目标历史业务量对应历史容量可以作为目标历史容量，然而，在一种偶然的情况下，某一目标历史业务量对应的历史容量可能比其他目标历史业务量对应的历史容量高出很多，如果直接基于这些目标历史业务量以及这些目标历史业务量对应的历史容量进行拟合，这一突出的数据可能会影响容量评估公式的准确度。
为了避免上述这种偶然情况发生，在确定历史容量时，可以对每个第一步长内多个历史业务量下的历史容量取平均值，对每个第二步长内多个历史业务量下的历史容量取平均值，得到多个历史容量的平均值，该多个平均值可以视为多个目标历史业务量下的目标历史容量。
第三步：采用最小二乘法对多个目标历史业务量和多个目标历史容量进行拟合，得到容量评估公式。
在得到多个目标历史业务量和多个目标历史容量之后，可以采用最小二乘法对多个目标历史业务量和多个目标历史容量进行不同阶次的拟合，得到多个拟合公式，进而根据多个拟合公式确定容量评估公式。
在采用最小二乘法对多个目标历史业务量和多个目标历史容量进行拟合时，具体实现方式如下。
首先，根据多个目标历史业务量和多个目标历史容量进行n阶次拟合，得到的n阶公式如下：
Figure BDA0002428972560000081
其中，y表示目标历史容量，X表示目标历史业务量，n表示n次拟合，m表示多个目标历史业务量和多个目标历史容量的数量，β表示需要依据最小二乘法求解的系数。
其次，可以将多个目标历史业务量和多个目标历史容量代入上述公式中，得到超定方程组：
Figure BDA0002428972560000082
为了便于求解β的值，可以将上述超定方程组向量化，得到关系方程如下：
y＝Xβ
Figure BDA0002428972560000083
再次，为了求解β使等式成立，可以引入最小残差平方和S，其中：
S(β)＝‖Xβ-y‖2
需要说明的是，当取一个β值可以使S(β)最小时，可以达到最佳的拟合效果。
在本实施例中，当
Figure BDA0002428972560000091
时，S(β)可以为最小值。
通过对S(β)进行微分可以求得最值，得到：
Figure BDA0002428972560000092
其中，T为拟合次数。
在矩阵XTX非奇异的情况下，β可以有唯一解：
Figure BDA0002428972560000093
将上述β代入公式
Figure BDA0002428972560000094
中，可以得到多个拟合公式。
以对多个目标历史业务量和多个目标历史容量进行一阶、二阶和三阶拟合为例，可以得到如下三个拟合公式：
y＝β1X+β0
y＝β2X2+β1X+β0
y＝β3X3+β2X2+β1X+β0
最后，可以将多个拟合公式中的目标拟合公式确定为容量评估公式，其中，目标拟合公式的拟合效果最佳。
具体地，对多个目标历史业务量和多个目标历史容量进行三阶拟合之后，可以确定一阶拟合的β0和β1的值，二阶拟合的β0、β1和β2的值，三阶拟合的β0、β1、β2和β3的值，从而可以得到对应的一阶拟合公式、二阶拟合公式和三阶拟合公式，如下：
y＝0.8472*X+1.127*104
y＝-8.979*10-6*X2+1.446*X+1.879*104
y＝1.622*10-11*X3-1.238*10-5*X2+1.668*X+1.433*104
通过作图软件可以绘制出上述拟合公式的拟合曲线，如图2所示。
在图2中，1order表示多个目标历史业务量和多个目标历史容量进行一阶拟合后的拟合曲线，2order表示多个目标历史业务量和多个目标历史容量进行二阶拟合后的拟合曲线，3order表示多个目标历史业务量和多个目标历史容量进行三阶拟合后的拟合曲线。
从图2可以看出，二阶拟合的拟合曲线和三阶拟合的拟合曲线比较契合，也就是说，二阶拟合公式和三阶拟合公式拟合时的拟合效果较佳，可以将二阶拟合公式或三阶拟合公式作为目标拟合公式，即将二阶拟合公式或三阶拟合公式确定为容量评估公式。
在确定容量评估公式之后，在对业务系统的预估容量进行评估时，可以获取该容量评估公式。
步骤13，根据所述预估业务量和所述容量评估公式，对所述业务系统的预估容量进行评估。
在得到容量评估公式之后，可以将预估业务量输入容量评估公式中，得到输出值，由于容量评估公式是通过最小二乘法对业务系统的历史业务数据(历史业务量和在历史业务量下业务系统的历史容量)进行拟合得到的，因此，可以将该输出值确定为对业务系统进行评估后得到的预估容量。
这样，由于容量评估公式是基于最小二乘法对历史业务数据进行拟合得到，最小二乘法的拟合结果准确度较高，效果较好，因此，基于容量评估公式对业务系统的预估容量进行评估，评估结果的准确度较高。
在本实施例中，在对业务系统的预估容量进行评估，得到预估容量之后，还可以根据预估容量确定业务系统对外提供服务时所需的系统资源。
具体地，在根据预估业务量和容量评估公式，对业务系统的预估容量进行评估之后，还可以根据对业务系统进行评估后得到的预估容量确定业务系统对外提供服务时所需的服务器的数量。
在确定业务系统所需的服务器数量时，首先，可以确定单个服务器能够承载的最大容量。其中，服务器能承载的最大容量可以通过压测得到。具体地，可以通过压测工具对服务器进行压测，根据压测结果确定服务器能承载的最大容量。压测的方式可以为根据服务器负载等系统参数进行经验判断，线上数据压测，场景化压测等其他压测的方式，这里不再一一举例。
其次，在得到单个服务器能够承载的最大容量后，可以计算对业务系统进行评估后得到的容量与单个服务器能够承载的最大容量的比值，并将该比值确定为业务系统对外提供服务时所用的服务器的数量。
具体地，预估容量、服务器能承载的最大容量和服务器的数量之间的关系如下：
Figure BDA0002428972560000111
其中，C为服务器的数量，y为预估容量，M为服务器能承载的最大容量。
通过以上公式可以得到业务系统对外提供服务时所需的服务器的数量。
这样，由于业务系统进行容量评估的准确度较高，因此，可以根据评估结果准确得到业务系统对外提供服务时所需的系统资源，既可以保证向用户正常提供服务，又可以避免系统资源浪费。
采用本申请实施例提供的技术方案，可以预先采用最小二乘法对业务系统的历史业务数据进行拟合，得到容量评估公式，在对业务系统进行容量评估时，可以获取预先得到的容量评估公式，基于容量评估公式和预估业务量，确定业务系统的预估容量。由于容量评估公式是基于最小二乘法对历史业务数据进行拟合得到，最小二乘法的拟合结果准确度较高，效果较好，因此，基于容量评估公式对业务系统的容量进行评估，评估结果的准确度较高。
此外，由于对业务系统进行容量评估的准确度较高，因此，可以根据评估结果准确得到业务系统对外提供服务时所需的系统资源，既可以保证向用户正常提供服务，又可以避免系统资源浪费。
为了便于理解本发明实施例提供的技术方案，可以参见图3。图3为本发明的一个实施例容量评估方法的流程示意图，具体可以包括以下步骤：
步骤31，获取业务系统的历史业务数据。
其中，历史业务数据可以包括历史业务量和在历史业务量下的历史容量。
为了保证基于业务系统的历史业务数据拟合得到的容量评估公式的准确度，在获取历史业务数据时，可以获取业务系统在不同情况下的历史业务数据。
步骤32，对历史业务数据下采样，得到多个目标历史业务量和多个目标历史容量。
其中，历史业务数据中包括高峰数据段与低峰数据段，高峰数据段可以理解为历史业务数据中历史容量大于或等于容量阈值的时段，低峰数数据段可以理解为历史业务数据中历史容量小于该容量阈值的时段，容量阈值可以根据业务的实际情况确定。
由于高峰数据段出现的次数往往少于低峰数据段出现的次数，如果直接基于历史业务数据中的历史业务量和历史容量进行公式拟合，那么就会导致最终得到容量评估公式会受低峰数据段的影响而不准确，因此，在进行公式拟合之前，需要对历史业务数据进行下采样。
具体实现方式可以参见图1所示实施例中步骤12记载的相关内容，这里不再重复描述。
步骤33，采用最小二乘法对多个目标历史业务量和多个目标历史容量进行拟合，得到容量评估公式。
在对历史业务数据进行下采样，得到多个目标历史业务量和多个目标历史容量之后，可以采用最小二乘法对多个目标历史业务量和多个目标历史容量进行不同阶次的拟合，从而得到多个拟合公式，并将多个拟合公式中的目标拟合公式确定为容量评估公式，其中，目标拟合公式的拟合效果最佳。
步骤34，获取业务系统的预估业务量以及预先得到的容量评估公式。
在对业务系统进行容量评估时，可以获取业务系统的预估业务量以及预先得到的容量评估公式，其中，业务系统的预估业务量可以由产品部门或者运营部门利用软件或根据历史经验，对未来某一时刻或某一时间段内的业务量进行预估后得到。
步骤35，根据预估业务量和容量评估公式，对业务系统的预估容量进行评估。
在得到容量评估公式之后，可以将预估业务量输入容量评估公式中，得到输出值，并将该输出值确定为对业务系统进行评估后得到的预估容量。
步骤36，根据对业务系统进行评估后得到的预估容量确定业务系统对外提供服务时所需的服务器的数量。
在对业务系统的预估容量进行评估，得到预估容量之后，还可以根据预估容量确定业务系统对外提供服务时所需的系统资源，其中，可以通过压测工具对服务器进行压测，根据压测结果确定服务器能够承载的最大容量，在得到单个服务器能够承载的最大容量后，可以计算对业务系统进行评估后得到的容量与单个服务器能够承载的最大容量的比值，并将该比值确定为业务系统对外提供服务时所用的服务器的数量。
采用本申请实施例提供的技术方案，可以预先采用最小二乘法对业务系统的历史业务数据进行拟合，得到容量评估公式，在对业务系统进行容量评估时，可以获取预先得到的容量评估公式，基于容量评估公式和预估业务量，确定业务系统的预估容量。由于容量评估公式是基于最小二乘法对历史业务数据进行拟合得到，最小二乘法的拟合结果准确度较高，效果较好，因此，基于容量评估公式对业务系统的预估容量进行评估，评估结果的准确度较高。
此外，由于对业务系统进行容量评估的准确度较高，因此，可以根据评估结果准确得到业务系统对外提供服务时所需的系统资源，既可以保证向用户正常提供服务，又可以避免系统资源浪费。
另外，本申请实施例提供的一种容量评估装置，用以解决采用现有的频次控制方法，信息推送平台无法根据推送情况的不同，灵活设置不同的推送频次，从而导致采用现有的频次控制方法并不能带来较好的信息推送效果的问题。该装置的具体结构示意图如图4所示，包括：第一获取单元41、第二获取单元42以及评估单元43。
其中，第一获取单元41，用于获取业务系统的预估业务量；
第二获取单元42，用于获取预先确定得到的容量评估公式，所述容量评估公式通过最小二乘法对所述业务系统的历史业务数据进行拟合得到，所述历史业务数据包括多个历史业务量和所述多个历史业务量对应的多个历史容量；
评估单元43，用于根据所述预估业务量和所述容量评估公式，对所述业务系统的预估容量进行评估。
在一种实施方式中，所述容量评估装置还包括确定单元44，用于：
获取所述业务系统的所述历史业务数据；
对所述历史业务数据进行下采样，得到多个目标历史业务量和多个目标历史容量；
采用最小二乘法对所述多个目标历史业务量和所述多个目标历史容量进行拟合，得到所述容量评估公式。
在一种实施方式中，所述确定单元44，用于：
确定低峰数据段和高峰数据段；
采用第一步长对所述低峰数据段下的历史业务量进行下采样，以及采用第二步长对所述高峰数据段下的历史业务量进行下采样，得到所述多个目标历史业务量，所述第一步长大于所述第二步长；
对每个所述第一步长内多个历史业务量下的历史容量取平均值，以及对每个所述第二步长内多个历史业务量下的历史容量取平均值，得到所述多个目标历史容量。
在一种实施方式中，所述确定单元44，用于：
采用最小二乘法对所述多个目标历史业务量和所述多个目标历史容量进行不同阶次的拟合，得到多个拟合公式；
将所述多个拟合公式中的目标拟合公式确定为所述容量评估公式，所述目标拟合公式的拟合效果最佳。
在一种实施方式中，所述评估单元43，用于：
将所述预估业务量输入所述容量评估公式，得到输出值；
将所述输出值确定为对所述业务系统进行评估后得到的预估容量。
在一种实施方式中，在对所述业务系统的预估容量进行评估之后，所述确定单元还用于：
根据对所述业务系统进行评估后得到的预估容量，确定所述业务系统对外提供服务时所需的服务器的数量。
在一种实施方式中，所述确定单元44，用于：
根据所述服务器的系统参数，确定所述服务器能够承载的最大容量；
将所述预估容量与所述最大容量的比值，确定所述业务系统对外提供服务时所用的服务器的数量。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (14)

1.一种容量评估方法，其特征在于，包括：
获取业务系统的预估业务量；
获取预先确定得到的容量评估公式，所述容量评估公式通过最小二乘法对所述业务系统的历史业务数据进行拟合得到，所述历史业务数据包括历史业务量和在所述历史业务量下所述业务系统的历史容量；
根据所述预估业务量和所述容量评估公式，对所述业务系统的预估容量进行评估。
2.如权利要求1所述的方法，其特征在于，所述容量评估公式通过以下方式确定得到：
获取所述业务系统的所述历史业务数据；
对所述历史业务数据进行下采样，得到多个目标历史业务量和多个目标历史容量；
采用最小二乘法对所述多个目标历史业务量和所述多个目标历史容量进行拟合，得到所述容量评估公式。
3.如权利要求2所述的方法，其特征在于，对所述历史业务数据进行下采样，得到多个目标历史业务量和多个目标历史容量，包括：
确定低峰数据段和高峰数据段；
采用第一步长对所述低峰数据段下的历史业务量进行下采样，以及采用第二步长对所述高峰数据段下的历史业务量进行下采样，得到所述多个目标历史业务量，所述第一步长大于所述第二步长；
对每个所述第一步长内多个历史业务量下的历史容量取平均值，以及对每个所述第二步长内多个历史业务量下的历史容量取平均值，得到所述多个目标历史容量。
4.如权利要求2所述的方法，其特征在于，采用最小二乘法对所述多个目标历史业务量和所述多个目标历史容量进行拟合，包括：
采用最小二乘法对所述多个目标历史业务量和所述多个目标历史容量进行不同阶次的拟合，得到多个拟合公式；
将所述多个拟合公式中的目标拟合公式确定为所述容量评估公式，所述目标拟合公式的拟合效果最佳。
5.如权利要求1所述的方法，其特征在于，根据所述预估业务量和所述容量评估公式，对所述业务系统的预估容量进行评估，包括：
将所述预估业务量输入所述容量评估公式，得到输出值；
将所述输出值确定为对所述业务系统进行评估后得到的预估容量。
6.如权利要求1所述的方法，其特征在于，在对所述业务系统的预估容量进行评估之后，还包括：
根据对所述业务系统进行评估后得到的预估容量，确定所述业务系统对外提供服务时所需的服务器的数量。
7.如权利要求6所述的方法，其特征在于，根据对所述业务系统进行评估后得到的预估容量，确定所述业务系统对外提供服务时所需的服务器的数量，包括：
根据所述服务器的系统参数，确定所述服务器能够承载的最大容量；
将所述预估容量与所述最大容量的比值，确定所述业务系统对外提供服务时所用的服务器的数量。
8.一种容量评估装置，包括：
第一获取单元，用于获取业务系统的预估业务量；
第二获取单元，用于获取预先确定得到的容量评估公式，所述容量评估公式通过最小二乘法对所述业务系统的历史业务数据进行拟合得到，所述历史业务数据包括历史业务量和在所述历史业务量下所述业务系统的历史容量；
评估单元，用于根据所述预估业务量和所述容量评估公式，对所述业务系统的预估容量进行评估。
9.根据权利要求8所述的装置，其特征在于，还包括确定单元，用于：
获取所述业务系统的所述历史业务数据；
对所述历史业务数据进行下采样，得到多个目标历史业务量和多个目标历史容量；
采用最小二乘法对所述多个目标历史业务量和所述多个目标历史容量进行拟合，得到所述容量评估公式。
10.根据权利要求9所述的装置，其特征在于，所述确定单元，用于：
确定低峰数据段和高峰数据段；
采用第一步长对所述低峰数据段下的历史业务量进行下采样，以及采用第二步长对所述高峰数据段下的历史业务量进行下采样，得到所述多个目标历史业务量，所述第一步长大于所述第二步长；
对每个所述第一步长内多个历史业务量下的历史容量取平均值，以及对每个所述第二步长内多个历史业务量下的历史容量取平均值，得到所述多个目标历史容量。
11.根据权利要求9所述的装置，其特征在于，所述确定单元，用于：
采用最小二乘法对所述多个目标历史业务量和所述多个目标历史容量进行不同阶次的拟合，得到多个拟合公式；
将所述多个拟合公式中的目标拟合公式确定为所述容量评估公式，所述目标拟合公式的拟合效果最佳。
12.根据权利要求8所述的装置，其特征在于，所述评估单元，用于：
将所述预估业务量输入所述容量评估公式，得到输出值；
将所述输出值确定为对所述业务系统进行评估后得到的预估容量。
13.根据权利要求8所述的装置，其特征在于，在对所述业务系统的预估容量进行评估之后，所述确定单元还用于：
根据对所述业务系统进行评估后得到的预估容量，确定所述业务系统对外提供服务时所需的服务器的数量。
14.根据权利要求13所述的装置，其特征在于，所述确定单元，用于：
根据所述服务器的系统参数，确定所述服务器能够承载的最大容量；
将所述预估容量与所述最大容量的比值，确定所述业务系统对外提供服务时所用的服务器的数量。
CN202010233545.2A 2020-03-27 2020-03-27 一种容量评估方法及装置 Active CN111475772B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010233545.2A CN111475772B (zh) 2020-03-27 2020-03-27 一种容量评估方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010233545.2A CN111475772B (zh) 2020-03-27 2020-03-27 一种容量评估方法及装置

Publications (2)

Publication Number Publication Date
CN111475772A true CN111475772A (zh) 2020-07-31
CN111475772B CN111475772B (zh) 2023-12-15

Family

ID=71747865

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010233545.2A Active CN111475772B (zh) 2020-03-27 2020-03-27 一种容量评估方法及装置

Country Status (1)

Country Link
CN (1) CN111475772B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112365003A (zh) * 2020-11-16 2021-02-12 浙江百应科技有限公司 一种基于大数据调整nlp模型容量的方法

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090245107A1 (en) * 2008-03-25 2009-10-01 Verizon Data Services Inc. System and method of forecasting usage of network links
CN102624017A (zh) * 2012-03-22 2012-08-01 清华大学 一种基于负荷预测的电池储能系统削峰填谷实时控制方法
CN102711177A (zh) * 2012-04-26 2012-10-03 北京邮电大学 基于业务预测的负载均衡方法
CN103208813A (zh) * 2013-01-21 2013-07-17 云南电网公司电网规划研究中心 一种准确计及风电影响的电力系统日调峰能力评估方法
US20130331128A1 (en) * 2012-06-12 2013-12-12 Telecommunications Systems, Inc. Geofence with kalman filter
CN104933476A (zh) * 2015-05-29 2015-09-23 中国科学院物理研究所 发电资产发电量的预测系统、方法及价值估计方法
US20160223600A1 (en) * 2015-02-03 2016-08-04 Envision Energy (Jiangsu) Co., Ltd. Power generation performance evaluation method and apparatus for power generator set
CN105976265A (zh) * 2016-05-12 2016-09-28 中国电力科学研究院 一种储能协调储热式电锅炉的容量规划方法
CN107122919A (zh) * 2017-05-17 2017-09-01 国网山东省电力公司烟台供电公司 一种基于智能运营的配网效能评估方法及系统
CN107968400A (zh) * 2017-12-06 2018-04-27 中国南方电网有限责任公司 一种基于枚举组合和线性规划的月度运行方式变压器变比优化方法
US20180320504A1 (en) * 2015-11-06 2018-11-08 Solution Seeker As Assessment of Flow Networks
CN108845881A (zh) * 2018-05-30 2018-11-20 有米科技股份有限公司 服务器容量动态调整的方法及装置
CN109067597A (zh) * 2018-09-21 2018-12-21 杭州安恒信息技术股份有限公司 一种分布式系统动态智能服务治理方法
CN109541590A (zh) * 2018-12-19 2019-03-29 北京科技大学 一种高炉料面点云成像的方法
CN109995562A (zh) * 2017-12-30 2019-07-09 中国移动通信集团河北有限公司 网络业务量预测方法、装置、设备及介质
CN110618867A (zh) * 2018-06-19 2019-12-27 北京京东尚科信息技术有限公司 一种预测资源使用量的方法和装置
US20200080407A1 (en) * 2017-05-04 2020-03-12 Solution Seeker As Recording Data From Flow Networks
CN110909176A (zh) * 2019-11-20 2020-03-24 腾讯科技（深圳）有限公司 数据推荐方法、装置、计算机设备以及存储介质

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090245107A1 (en) * 2008-03-25 2009-10-01 Verizon Data Services Inc. System and method of forecasting usage of network links
CN102624017A (zh) * 2012-03-22 2012-08-01 清华大学 一种基于负荷预测的电池储能系统削峰填谷实时控制方法
CN102711177A (zh) * 2012-04-26 2012-10-03 北京邮电大学 基于业务预测的负载均衡方法
US20130331128A1 (en) * 2012-06-12 2013-12-12 Telecommunications Systems, Inc. Geofence with kalman filter
CN103208813A (zh) * 2013-01-21 2013-07-17 云南电网公司电网规划研究中心 一种准确计及风电影响的电力系统日调峰能力评估方法
US20160223600A1 (en) * 2015-02-03 2016-08-04 Envision Energy (Jiangsu) Co., Ltd. Power generation performance evaluation method and apparatus for power generator set
CN104933476A (zh) * 2015-05-29 2015-09-23 中国科学院物理研究所 发电资产发电量的预测系统、方法及价值估计方法
US20180320504A1 (en) * 2015-11-06 2018-11-08 Solution Seeker As Assessment of Flow Networks
CN105976265A (zh) * 2016-05-12 2016-09-28 中国电力科学研究院 一种储能协调储热式电锅炉的容量规划方法
US20200080407A1 (en) * 2017-05-04 2020-03-12 Solution Seeker As Recording Data From Flow Networks
CN107122919A (zh) * 2017-05-17 2017-09-01 国网山东省电力公司烟台供电公司 一种基于智能运营的配网效能评估方法及系统
CN107968400A (zh) * 2017-12-06 2018-04-27 中国南方电网有限责任公司 一种基于枚举组合和线性规划的月度运行方式变压器变比优化方法
CN109995562A (zh) * 2017-12-30 2019-07-09 中国移动通信集团河北有限公司 网络业务量预测方法、装置、设备及介质
CN108845881A (zh) * 2018-05-30 2018-11-20 有米科技股份有限公司 服务器容量动态调整的方法及装置
CN110618867A (zh) * 2018-06-19 2019-12-27 北京京东尚科信息技术有限公司 一种预测资源使用量的方法和装置
CN109067597A (zh) * 2018-09-21 2018-12-21 杭州安恒信息技术股份有限公司 一种分布式系统动态智能服务治理方法
CN109541590A (zh) * 2018-12-19 2019-03-29 北京科技大学 一种高炉料面点云成像的方法
CN110909176A (zh) * 2019-11-20 2020-03-24 腾讯科技（深圳）有限公司 数据推荐方法、装置、计算机设备以及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙琛琛: "高校快递业务量预测及对策研究——以安徽理工大学为例", 中国优秀硕士学位论文全文数据库 *
岳飞山;韦嫱;: "基于多元线性回归的云计算容量估算研究", 信息通信, no. 02 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112365003A (zh) * 2020-11-16 2021-02-12 浙江百应科技有限公司 一种基于大数据调整nlp模型容量的方法
CN112365003B (zh) * 2020-11-16 2023-04-11 浙江百应科技有限公司 一种基于大数据调整nlp模型容量的方法

Also Published As

Publication number Publication date
CN111475772B (zh) 2023-12-15

Similar Documents

Publication Publication Date Title
CN111092757A (zh) 一种异常数据的检测方法、系统及设备
CN110503206A (zh) 一种预测模型更新方法、装置、设备及可读介质
CN106897335B (zh) 一种业务数据的存储方法、记录标识符的生成方法及装置
US20180365339A1 (en) Application classification method and apparatus
WO2018072619A1 (zh) 一种资源调度的方法、装置和系统
CN110225407B (zh) 一种播放数据的获取方法和装置及计算机可读存储介质
CN111160793A (zh) 一种服务网点自助设备数量的配置方法、装置及设备
CN111475772A (zh) 一种容量评估方法及装置
CN110889737A (zh) 合租室友的推荐方法、装置、服务器及存储介质
CN110121088B (zh) 一种用户属性信息确定方法、装置及电子设备
JP2021108086A (ja) Ｔｖｃｍの効果を評価するための装置、方法及びそのためのプログラム
CN109348260B (zh) 一种直播间推荐方法、装置、设备及介质
CN108920326B (zh) 确定系统耗时异常的方法、装置及电子设备
CN112187870B (zh) 一种带宽平滑方法及装置
CN115686367A (zh) 一种存储空间预测方法、装置及计算机可读存储介质
CN108764021B (zh) 一种作弊视频识别方法和装置
CN116341839A (zh) 一种针对家政服务人员的订单推送方法、设备及介质
CN112804566A (zh) 节目推荐方法、设备及计算机可读存储介质
CN108154377B (zh) 广告作弊预测方法及装置
CN106600090B (zh) 一种业务的关联信息预估、使用方法及装置
CN108769167A (zh) 一种业务数据的推送分配方法和装置
EP3314903B1 (en) Digital content provision
CN114818247A (zh) 一种基于氢原子钟漂移预测的原子时计算方法和装置
CN114721798A (zh) 一种专有云的资源处理方法和装置
CN110874268B (zh) 数据处理方法、装置和设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant