CN114615177B - 一种云平台的负载检测方法、装置、电子设备和存储介质 - Google Patents

Abstract

本申请涉及计算机技术领域，尤其涉及一种云平台的负载检测方法、装置、电子设备和存储介质，用以提高云平台负载检测的准确性。其中，方法包括：基于各个实例的资源使用信息，从各个实例中确定满足动态阈值条件的目标实例，其中，每个实例表征：相应对象在目标云平台中占用的云设备；基于各个目标实例各自的多维度特征信息，分别获得各个目标实例各自对应目标负载状态的实例评估值；基于各个目标实例所属服务及其各自对应的实例评估值，分别确定相应对象的对象评估值；分别基于各个对象评估值，对目标云平台中的相应对象进行负载检测。本申请通过动态弹性定义目标实例，基于多维度特征信息来对负载状态进行评估，使得检测准确率更高，维度更广。

Description

一种云平台的负载检测方法、装置、电子设备和存储介质

技术领域

本申请涉及计算机技术领域，尤其涉及一种云平台的负载检测方法、装置、电子设备和存储介质。

背景技术

随着云技术的快速发展，多云纳管平台应运而生，而多云纳管平台不可避免的会面临多对象云资源管理的问题，如何更好地基于多云纳管平台，进行对象级的云资源检测和管理，成为许多云平台重点关注的问题。

以低负载检测为例，相关技术中，主要是通过指定规则定义固定的指标值，进而，对现网运营设备，根据设定的指标值得到低负载设备(例如：内存利用率小于30％定义为低负载)，然后，结合对象级的低负载实例数在所有设备中的占比，来进行云资源的检测和管理。

但是，上述定义负载实例都是通过指定规则定义固定的指标值，一方面对于不同的对象和云资源，规则定义应该是动态弹性变化的，另一方面固定规则对于扩缩容后不同设备也有影响，进而影响检测的准确度，检测维度不全面。

发明内容

本申请实施例提供一种云平台的负载检测方法、装置、电子设备和存储介质，用以提高云平台负载检测的准确性。

本申请实施例提供的一种云平台的负载检测方法，包括：

基于各个实例的资源使用信息，从所述各个实例中确定满足动态阈值条件的目标实例，其中，每个实例表征：相应对象在目标云平台中占用的云设备；

基于各个目标实例各自的多维度特征信息，分别获得所述各个目标实例各自对应目标负载状态的实例评估值；

基于所述各个目标实例所属服务及其各自对应的实例评估值，分别确定相应对象的对象评估值；

分别基于各个对象评估值，对所述目标云平台中的相应对象进行负载检测。

本申请实施例提供的一种云平台的负载检测装置，包括：

实例筛选单元，用于基于各个实例的资源使用信息，从所述各个实例中确定满足动态阈值条件的目标实例，其中，每个实例表征：相应对象在目标云平台中占用的云设备；

第一评估单元，用于基于各个目标实例各自的多维度特征信息，分别获得所述各个目标实例各自对应目标负载状态的实例评估值；

第二评估单元，用于基于所述各个目标实例所属服务及其各自对应的实例评估值，分别确定相应对象的对象评估值；

检测单元，用于分别基于各个对象评估值，对所述目标云平台中的相应对象进行负载检测。

可选的，每个目标实例的多维度特征信息包括：负载率，用于表征实例配置的配置权重，和用于表征实例持续目标负载状态的时长的持续时长权重；所述第一评估单元具体用于：

分别将所述各个目标实例各自的负载率，与相应的持续时长权重和配置权重之积的比值，作为所述各个目标实例各自的实例评估值。

可选的，所述第一评估单元还用于通过如下方式确定各个实例的配置权重：

根据所述云平台中的云资源的配置，对各个服务进行配置等级划分；

分别基于各个目标实例的配置信息所属的配置等级，确定所述各个目标实例各自的配置权重。

可选的，所述第二评估单元具体用于：

分别基于属于同一服务的各个目标实例各自的实例评估值，获得各个服务各自的服务评估值；

基于所述各个服务各自的服务类型权重，以及所述各个服务各自的服务评估值，获得相应对象的对象评估值。

可选的，所述实例筛选单元具体用于：

分别基于所述各个实例各自的资源使用信息，获得所述各个实例各自的时序特征；

分别基于所述各个实例各自的时序特征，以及已训练的负载状态判别模型，确定所述各个实例各自属于目标负载状态的概率值；

将概率值满足所述动态阈值条件的实例，作为所述目标实例；

其中，所述负载状态判别模型的训练样本包括：各个对象在不同历史时间范围内对应的目标负载状态实例样本和非目标负载状态实例样本。

可选的，所述第二评估单元具体用于：

针对各个服务分别执行以下操作：

将属于同一服务的各个目标实例的实例评估值之和，与属于所述同一服务的所有实例总数的比值，作为所述同一服务的服务评估值。

可选的，所述第二评估单元还用于通过下列任一方式获得所述各个服务各自的服务类型权重：

分别根据各个服务类型对应的资源占用优先级，确定所述各个服务各自的服务类型权重；

分别基于各个服务占用的服务器数量在总服务器数量中的比重，确定所述各个服务各自的服务类型权重。

可选的，所述装置还包括：

反馈单元，用于基于所述各个对象评估值，对所述各个对象重新进行云资源分配；或者

基于所述各个对象评估值，对所述各个对象所占用的云设备进行负载趋势预测。

本申请实施例提供的一种电子设备，包括处理器和存储器，其中，所述存储器存储有计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器执行上述任意一种云平台的负载检测方法的步骤。

本申请实施例提供一种计算机可读存储介质，其包括计算机程序，当所述计算机程序在电子设备上运行时，所述计算机程序用于使所述电子设备执行上述任意一种云平台的负载检测方法的步骤。

本申请实施例提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序存储在计算机可读存储介质中；当电子设备的处理器从计算机可读存储介质读取所述计算机程序时，所述处理器执行所述计算机程序，使得所述电子设备执行上述任意一种云平台的负载检测方法的步骤。

本申请有益效果如下：

本申请实施例提供了一种云平台的负载检测方法、装置、电子设备和存储介质。由于本申请实施例中，在对云平台进行负载检测时，首先基于实例的资源使用信息，来筛选出其中的目标实例，进而，基于目标实例的多维度特征信息，以及各个目标实例所属服务，来确定相应对象的对象评估值，对象评估值可以从对象级反映各个对象，在目标云平台租用的资源的负载状态。其中，本申请实施例中目标实例的定义是动态弹性的，而非通过固定的指标值定义，并且基于多维度特征信息来对负载状态进行评估，而非仅仅低负载实例数在所有设备中的占比，来进行云资源的检测和管理，使得检测维度更加全面，能够更加实时准确地检测云平台上各个对象的资源使用情况，因而本申请实施例的检测准确率更高，维度更广，结果更具可解释性。

本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

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为本申请实施例中的一种应用场景的一个可选的示意图；

图2为本申请实施例中的一种云平台的负载检测方法的实施流程图；

图3为本申请实施例中的一种多云纳管平台的使用场景的示意图；

图4为本申请实施例中的一种动态弹性地定义低负载实例的算法流程图；

图5为本申请实施例中的一种租户级负载检测方法的示意图；

图6为本申请实施例中的一种对象评估值的计算方法流程图；

图7为本申请实施例中的一种云平台负载检测的逻辑示意图；

图8为本申请实施例中的一种云平台的负载检测方法的具体流程示意图；

图9为本申请实施例中的一种负载检测装置的组成结构示意图；

图10为应用本申请实施例的一种电子设备的一个硬件组成结构示意图；

图11为应用本申请实施例的一种电子设备的一个硬件组成结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请技术方案的一部分实施例，而不是全部的实施例。基于本申请文件中记载的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请技术方案保护的范围。

下面对本申请实施例中涉及的部分概念进行介绍。

实例：指对象在目标云平台中占用(租用)的云设备。其中，对象是指云平台的租户，对象可租用云平台中的云设备，具体可以包括但不限于：虚拟机，裸金属服务器，负载均衡，缓存数据库，TDSQL-关系型实例，TDSQL-分布式实例，分布式云数据库(TBase)，文件存储，对象存储桶，网站防火墙域名，消息队列。

资源使用信息：表征云设备对应的资源的使用情况，具体可以指CPU、内存、带宽、磁盘等的使用情况。

时序特征：可以是均值、最大/小值、极大/小值、方差、标准差、自相关系数、变异系数、移动平均、小波等特征中的一种或多种。

持续时长权重：表征实例持续目标负载状态的时长的权重值。以目标负载状态为低负载为例，该权重值即可表征：低负载实例从最近一次到达低负载标准，截止当前所持续的低负载时长。

实例评估值、服务评估值和对象评估值：在本申请实施例中，对象可在云平台上租用云设备，每个实例即可表示一个云设备，而不同的云设备可属于不同的服务，即一个对象可在云平台上租用至少一个服务，每个服务包含至少一个实例。以目标负载状态为低负载为例，实例评估值即单个实例的低负载评分；服务评估值即单个服务的低负载评分，是综合属于同一服务的各个实例的低负载评分确定的；对象评估值则是单个对象的低负载评分，是综合同一对象下各服务的低负载评分确定的。

多维度特征信息：即包含多个维度特征的信息，在本申请实施例中，主要是以负载率，实例配置，和低负载持续时长三个维度介绍的，相应的多维度特征信息包括负载率，用于表征实例配置的配置权重，和用于表征实例持续目标负载状态的时长的持续时长权重。

负载：是指连接在电路中的电源两端的电子元件。常用的负载有电阻、引擎和灯泡等可消耗功率的元件。把电能转换成其他形式的能的装置叫做负载。电动机、电阻、电灯泡、扬声器等都叫做负载。晶体三极管对于前面的信号源来说，也可以看作是负载。对负载最基本的要求是阻抗匹配和所能承受的功率。对于通信电源而言的负载就是通讯设备。比如说一台多媒体服务器需要通信电源给它提供电能，该台多媒体服务器就是该通信电源的负载。我们常见的通讯设备均为通信电源的负载，如光传输设备、交换设备、微波设备、核心网设备、通信基站等等。

云技术(Cloud technology)是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来，实现数据的计算、储存、处理和共享的一种托管技术。

云技术(Cloud technology)基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称，可以组成资源池，按需所用，灵活便利。云计算技术将变成重要支撑。技术网络系统的后台服务需要大量的计算、存储资源，如视频网站、图片类网站和更多的门户网站。伴随着互联网行业的高度发展和应用，将来每个物品都有可能存在自己的识别标志，都需要传输到后台系统进行逻辑处理，不同程度级别的数据将会分开处理，各类行业数据皆需要强大的系统后盾支撑，只能通过云计算来实现。

云计算(cloud computing)是一种计算模式，它将计算任务分布在大量计算机构成的资源池上，使各种应用系统能够根据需要获取计算力、存储空间和信息服务。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的，并且可以随时获取，按需使用，随时扩展，按使用付费。

作为云计算的基础能力提供商，会建立云计算资源池(简称云平台，一般称为基础设施即服务(Infrastructure as a Service，IaaS)平台，在资源池中部署多种类型的虚拟资源，供外部客户选择使用。云计算资源池中主要包括：计算设备(为虚拟化机器，包含操作系统)、存储设备、网络设备。

按照逻辑功能划分，在IaaS层上可以部署平台即服务(Platform as a Service，PaaS)层，PaaS层之上再部署软件即服务(Software as a Service，SaaS)层，也可以直接将SaaS部署在IaaS上。PaaS为软件运行的平台，如数据库、web容器等。SaaS为各式各样的业务软件，如万维网(web)门户网站、短信群发器等。一般来说，SaaS和PaaS相对于IaaS是上层。

随着云技术的快速发展，业务上云成为企业等组织进行数字化转型的必然趋势。在互联网技术(Internet Technology，IT)资源虚拟机化、对数字云底座安全性能有更高要求等背景和前提下，多云纳管平台应运而生，很多公司、个人等会在云平台租用云产品，因而多云纳管平台不可避免的会面临多租户云资源管理的问题，如何更好地基于多云纳管平台，进行租户级的云资源检测和管理，成为许多云平台重点关注的问题。

由于云平台是在近十几年内才快速发展起来，因此租户级别的负载智能检测方法目前很少有相关的技术，以低负载检测为例，目前普遍采用的负载检测方法是对设备使用情况进行容量分析和抓包分析，从而对低负载实例做出决策。

具体地，首先对现网运营设备根据设定的指标得到低负载实例，通过设定低负载的标准，例如磁盘使用量、中央处理器(Central Processing Unit，CPU)利用率等指标低于一定的指标值，将设备定义为低负载实例，然后利用低负载率的定义计算资源池设备的整体低负载情况，即计算租户的低负载实例数在该租户所有设备数中的比重，获取该租户的低负载比例。结合租户下设备的上线时间、容量低负载和被访问次数关联推断出该设备持续低负载的时长，从而对租户的低负载指标进行统计。

以上所提到的目前用于负载检测的方法，存在的问题在于：

相关技术中定义低负载实例都是通过指定规则定义固定的指标值，一方面对于不同的租户和云资源，规则定义应该是动态弹性变化的，另一方面固定规则对于扩缩容后不同设备的负载率也有影响，即影响检测的准确度。此外，租户的负载检测与租户多维度的检测指标数据相关，例如租户下各个设备的数量、服务分类，设备配置、持续低负载时长等，相关技术通过租户下的低负载实例数在所有设备中的占比定义租户的低负载率，简单粗暴，检测维度不全面。

有鉴于此，本申请实施例提供了一种云平台的负载检测方法、装置、电子设备和存储介质。由于本申请实施例中，在对云平台进行负载检测时，首先基于实例的资源使用信息，来筛选出其中的目标实例，进而，基于目标实例的多维度特征信息，以及各个目标实例所属服务，来确定相应对象的对象评估值，对象评估值可以从对象级反映各个对象，在目标云平台租用的资源的负载状态。其中，本申请实施例中目标实例的定义是动态弹性的，而非通过固定的指标值定义，并且基于多维度特征信息来对负载状态进行评估，而非仅仅低负载实例数在所有设备中的占比，来进行云资源的检测和管理，使得检测维度更加全面，能够更加实时准确地检测云平台上各个对象的资源使用情况，因而本申请实施例的检测准确率更高，维度更广，结果更具可解释性。

以下结合说明书附图对本申请的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本申请，并不用于限定本申请，并且在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

如图1所示，其为本申请实施例的应用场景示意图。该应用场景图中包括两个终端设备110和一个服务器120。

在本申请实施例中，终端设备110包括但不限于手机、平板电脑、笔记本电脑、台式电脑、电子书阅读器、智能语音交互设备、智能家电、车载终端等设备；终端设备上可以安装客户端，该客户端可以是软件(例如浏览器等)，也可以是网页、小程序等，服务器120则是与软件或是网页、小程序等相对应的后台服务器，本申请不做具体限定。服务器120可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。

需要说明的是，本申请实施例中的云平台的负载检测方法可以由电子设备执行，该电子设备可以为服务器120或者终端设备110，即，该方法可以由服务器120或者终端设备110单独执行，也可以由服务器120和终端设备110共同执行。比如由服务器120和终端设备110共同执行时，对象(租户)可通过终端设备110在云平台租用云设备，由服务器120获取各个实例的资源使用信息、多维度特征信息等，最终计算得到各个对象评估值，进而将计算结果发送给终端设备110，进而，终端设备110基于该结果相应的租户进行负载检测，并通过用户界面(User Interface，UI)向租户或云平台管理员等展示检测结果。

本申请中的云平台的负载检测方法是一种基于多云纳管平台的租户级负载智能检测方法，可以广泛应用于云管理平台智能检测分析的相关领域，例如在多云纳管平台中，根据平台上各个租户使用云资源服务的情况，利用负载智能检测算法进行负载检测，实时检测各个租户的资源负载情况，从而在负载出现异常，例如低负载导致的资源闲置浪费时，及时产生低负载评分和告警，使用场景在产品中显示如图3所示(在下文会进行详细介绍)。该方法能够准确地检测识别各个租户的负载健康度情况，从而为负载决策提供依据。

除此以外，对于云平台的资源负载进行检测的场景和应用，都属于本申请的潜在应用场景，包括但不限于云技术、人工智能、智慧交通、辅助驾驶等场景。

在一种可选的实施方式中，终端设备110与服务器120之间可以通过通信网络进行通信。

在一种可选的实施方式中，通信网络是有线网络或无线网络。

需要说明的是，图1所示只是举例说明，实际上终端设备和服务器的数量不受限制，在本申请实施例中不做具体限定。

本申请实施例中，当服务器的数量为多个时，多个服务器可组成为一区块链，而服务器为区块链上的节点；如本申请实施例所公开的云平台的负载检测方法，其中所涉及的资源使用信息、多维度特征信息、配置权重、服务类型权重等数据，都可保存于区块链上。

下面结合上述描述的应用场景，参考附图来描述本申请示例性实施方式提供的云平台的负载检测方法，需要注意的是，上述应用场景仅是为了便于理解本申请的精神和原理而示出，本申请的实施方式在此方面不受任何限制。

参阅图2所示，为本申请实施例提供的一种云平台的负载检测方法的实施流程图，以服务器为执行主体为例，该方法的具体实施流程包括如下步骤S21-S24：

S21：基于各个实例的资源使用信息，从各个实例中确定满足动态阈值条件的目标实例。

在本申请实施例中，每个实例表征：相应对象在目标云平台中占用的云设备。其中，云设备可以是虚拟的设备，比如虚拟机，域名，消息队列等。对象是指云平台的租户，可以是个人，多人，还可以是公司等组织，对象可租用云平台中的云设备，具体可以是：虚拟机，裸金属服务器，负载均衡，缓存数据库(Recis)，TDSQL-关系型实例，TDSQL-分布式实例，分布式云数据库(TBase)，文件存储，对象存储桶，网站防火墙域名，消息队列等等。

需要说明的是，本申请实施例中是以一个租户为个人或者一个组织为例的，实际上，一个租户下也可包含多个子用户或者一个组织的多个部门等等，在此不做具体限定。

比如一些租户在目标云平台中租用了很多资源，但是可能利用率很低，因而需要检测云平台各个租户的资源负载情况。本申请实施例中的负载检测方法的一种应用场景为：在多云纳管平台中实时检测各个租户的资源负载情况，从而在负载出现异常，例如低负载导致的资源闲置浪费时，及时产生低负载评分和告警等，使用场景在产品中显示如图3所示，其为本申请实施例中的一种多云纳管平台的使用场景的示意图。图3中的“租户概览”模块展示有各个实例的租用概况，其中：虚拟机1213台，裸金属服务器77台，负载均衡41个，缓存数据库13个，TDSQL-关系型实例13个，TDSQL-分布式实例13个，分布式云数据库1213个，文件存储77个，对象存储桶44个，网站防火墙域名13个，消息队列13个。

其中，目标实例是指筛选出的属于目标负载状态的实例，例如低负载实例，高负载实例等等。本文主要是以低负载实例为例进行举例说明的，当然，高负载实例，或者其他定义同样适用于本申请实施例，具体不再重复赘述。

具体地，本申请实施例利用算法动态弹性地定义低负载实例，首先获取租户下面的每一个实例的资源占用情况(包含资源使用信息)，通过动态阈值的设置判断划分低负载实例。本申请将实例高低负载定义为分类问题，例如：概率为1表示高负载，概率为0表示低负载，或者概率值高于某一阈值表示低负载，概率值不高于某一阈值表示高负载等等。其中，动态阈值的设置是基于负载状态判别模型确定的，随着时间的推移，该模型的训练数据在不断增加，模型也在不断更新。

一种可选的实施方式为，可以按照图4所示的方式实施步骤S21，其为本申请实施例中的一种动态弹性地定义低负载实例的算法流程图，以服务器为执行主体为例，可划分为以下子步骤：

S41：分别基于各个实例各自的资源使用信息，获得各个实例各自的时序特征；

具体地，采集各个实例的多种指标维度的资源使用信息，包括但不限于CPU、内存、带宽、磁盘等数据，进而，统计各个实例备数据的时序特征，包括但不限于均值、最大/小值、极大/小值、方差、标准差、自相关系数、变异系数、移动平均、小波等特征。

S42：分别基于各个实例各自的时序特征，以及已训练的负载状态判别模型，确定各个实例各自属于目标负载状态的概率值；

S43：将概率值满足动态阈值条件的实例，作为目标实例。

其中，负载状态判别模型的训练样本包括：各个对象在不同历史时间范围内对应的目标负载状态实例样本和非目标负载状态实例样本。以目标负载状态为低负载为例，训练样本包括高负载实例样本和低负载实例样本。

也即，利用上述所列举这些时序特征的特征值和负载告警样本(基于检测负载数据收集的正负样本，即高低负载实例样本)，通过梯度下降树(Gradient BoostingDecision Tree，GBDT)或极端梯度提升(eXtreme Gradient Boosting，XGBoost)等负载状态判别模型实现实例分类，利用算法动态弹性判断实例是否为低负载。

在上述实施方式中，低负载指标阈值会随着历史数据的变化而变化，即阈值条件会变化，适应了动态运维变化的需求，同时无需人工定义低负载实例规则，减少人力和时间成本，基于检测数据定义指标分界更加灵活。

S22：基于各个目标实例各自的多维度特征信息，分别获得各个目标实例各自对应目标负载状态的实例评估值。

可选的，每个目标实例的多维度特征信息包括：负载率，用于表征实例配置的配置权重，和用于表征实例持续目标负载状态的时长的持续时长权重。即可基于单实例资源的使用情况、实例配置和设备持续低负载时长，获取单实例低负载评分(也称实例评估值)。

具体地，步骤S22可以为：分别将各个目标实例各自的负载率，与相应的持续时长权重和配置权重之积的比值，作为各个目标实例各自的实例评估值，可表示为如下计算公式：

其中，单实例低负载评分即实例对应低负载状态的实例评估值；持续低负载时长权重(也称持续时长权重)表征实例持续低负载状态的时长，该权重值越大，表征实例持续低负载状态的时长越长。

具体地，在获取租户下每个实例的负载率、实例配置后，结合步骤S21中的低负载判断方法，获取各个低负载实例的持续低负载时长，即从实例最近一次到达低负载标准，截止当前所持续的低负载时长；进而，计算获取各个低负载实例对应的持续低负载时长权重。

例如，低负载持续时长权重(也称低负载时长系数)根据时长按两周/一个月倍数递增，时间周期越短则对低负载要求越严格，例如以两周为一个周期，持续两周以内低负载时长系数为1c，持续两周-四周低负载时长系数为2c，持续四周-六周低负载时长系数为3c。其中1c可设置为1。

需要说明的是，上述所列举的持续时长权重的计算方式只是举例说明，任意一种持续时长权重的计算方式都适用于本申请实施例。

可选的，各个实例的配置权重可以通过如下方式确定的：

首先，根据云平台中的云资源的配置，对各个服务进行配置等级划分；进而，分别基于各个目标实例的配置信息所属的配置等级，确定各个目标实例各自的配置权重。

具体地，计算获取实例配置的配置权重，首先需要根据云平台所提供的所有云资源的配置，对各个服务划分配置等级，如简单的二分类划分：取各个服务配置的中位数，大于中位数的配置定义为高配，小于中位数的配置定义为低配；也可进行配置多分类，即对各个服务配置由大到小进行分箱操作，例如云平台的云虚拟机(Cloud Virtual Machine，CVM)内存配置有：32GB、64GB、128GB、256GB，进行分箱操作，分为32GB-低配、64GB-中配、128GB-高配、256GB-超高配。

进而，对不同的配置类型赋予不同的配置权重，其中配置权重大于等于1，配置越低，则配置权重越低，例如定义低配权重为1，定义高配权重为2；再比如，定义低配权重为1，定义中配权重为2，定义高配权重为3，定义超高配权重为4等等。

这样，在确定各个目标实例各自的配置权重时，即可根据目标实例所属的服务的配置等级确定，例如目标实例1所属的配置等级为32GB-低配，则相应的配置权重为1；再比如目标实例2所属的配置等级为64GB-中配，则相应的配置权重为2，等等。

需要说明的是，上述所列举的获取配置权重的方式只是举例说明，任意一种基于配置信息获取配置权重的方式都适用于本申请实施例。

在基于上述方式获取低负载实例的持续低负载时长权重，基于实例自身的配置高低确定配置权重后，即可融合单实例负载率、实例持续低负载时长权重和实例配置权重，综合计算租户下每个实例的低负载评分，计算公式如上述公式1所示。即单实例负载率越低/实例的持续低负载时长权重越大/配置权重越大，那么该实例的低负载评分越低。例如，租户A的CVM服务有3个实例(3台虚拟机)：虚拟机a的负载率为20％，低配，持续低负载时长为1周；虚拟机b的负载率为30％，低配，持续低负载时长为3周；虚拟机c的负载率为40％，高配，持续低负载时长为5周，那么该租户A下，这三个实例的低负载评分分别为：

S23：基于各个目标实例所属服务及其各自对应的实例评估值，分别确定相应对象的对象评估值。

在本申请实施例中，由于一个服务可以包含至少一个实例，而一个对象对应至少一类服务，即一个租户可以在云平台中租用多种服务，每种服务下又可存在多个实例。基于此，对象评估值表征的是租户综合低负载的低负载评分。

参阅图5所示，其为本申请实施例中的一种租户级负载检测方法的示意图。具体地分别包括利用算法弹性定义低负载实例；多维度特征获取单实例的低负载评分；获取各个服务的低负载评分及服务类型权重；计算获取租户综合低负载的低负载评分。其中，前两个部分已在上文进行介绍，下面对其中的后两个部分进行详细介绍：

在步骤S23中，计算各个租户的对象评估值时，一种可选的实施方式如图6所示，其为本申请实施例中的一种对象评估值的计算方法流程图，以服务器为执行主体为例，包括以下步骤S61-S62：

S61：分别基于属于同一服务的各个目标实例各自的实例评估值，获得各个服务各自的服务评估值。

可选的，由于一个服务下可以有多个实例，在计算各个服务的服务评估值时，可针对各个服务分别执行以下操作：

将属于同一服务的各个目标实例的实例评估值之和，与属于同一服务的所有实例总数的比值，作为同一服务的服务评估值，如下述计算公式2所示：

其中，单类服务低负载评分即服务评估值，该值是基于同一服务下的各个实例低负载评分(实例评估值)获得的，表征一个服务的综合低负载评分。

需要说明的是，公式2中的分子表示该服务下各个实例的单实例负载评分之和，但是，对于低负载实例，才有对应的单实例负载评分(因为该分值的计算涉及持续低负载时长)，因而，该分子也表示为属于同一服务的各个目标实例的实例评估值之和。

在上述实施方式中，考虑该服务的实例总数，规避实例个数影响该服务的低负载评分，服务的低负载评分越低，说明服务的负载率越低。

例如，租户A下CVM服务有三个实例，低负载评分分别为：那么该服务的低负载评分为：/>

S62：基于各个服务各自的服务类型权重，以及各个服务各自的服务评估值，获得相应对象的对象评估值。

在本申请实施例中，对于不同服务的服务分类(计算、网络、存储、数据库、中间件、安全等)获取服务类型权重，获取服务类型权重有以下两种方式：

方式一、分别根据各个服务类型对应的资源占用优先级，确定各个服务各自的服务类型权重。

具体地，基于计算、网络、存储、数据库、中间件、安全等服务分类，浪费哪种服务更可惜的方式，确定各个服务类型各自对应的资源占用优先级。比如，网络和中间件本身就有一部分没被占用，因此服务分类在资源占用这块的优先级排序可表示为：计算>存储>数据库>网络>中间件>安全；进而，可以按照优先级越高，对应的服务类型权重越小的方式，自定义服务类型权重，如：计算0.3，存储0.4，数据库0.5，网络0.6，中间件0.8，安全0.9；服务类型权重越低，则类型低负载评分越低，低负载越严重。

方式二、分别基于各个服务占用的服务器数量在总服务器数量中的比重，确定各个服务各自的服务类型权重。

具体地，基于服务占用的服务器数量获取服务对应的服务类型权重，即：根据各个服务占用服务器数量在所有服务总服务器数量中的比重，获取服务类型权重，计算公式如下公式3：

比如，计算、网络、存储、数据库、中间件、安全这几个服务类型占用的服务器数量分别为：50，100，150，200，200，300，所有服务的总服务器数量为1350，则这几个服务类型的服务类型权重分别为：计算0.05，网络0.1，存储0.15，数据库0.2，中间件0.2，安全0.3。

在获取服务类型权重后，即可分服务类型计算各个服务的低负载得分，从而获取租户下各个服务的综合低负载评分，计算公式如下公式4：

其中，租户下各个类型服务的综合低负载评分即该租户的对象评估值(也称租户的综合低负载评分)，单服务低负载评分即服务评估值，本申请实施例中将一个租户下各个服务的服务评估值与服务类型权重的乘积之和，与该租户下的服务种类个数的比值，作为该租户的对象评估值。

例如，租户下各个服务类型的综合低负载评分为：

如图7所示，其为本申请实施例中示出的一种云平台负载检测的逻辑示意图。图7中是以对象a和对象b这两个租户为例，对云平台租户级负载检测进行举例说明的。

其中，对象a和对象b各租用X平台上两类服务的4个实例。对象a具体租用有实例1-实例4，对象b具体租用有实例5-实例8。

首先，结合GDBT模型，对各个实例进行二分类，确定其中的低负载实例，需要说明的是，基于上述方式，可以实时检测各个实例的负载状态，筛选出其中的低负载实例。需要说明的是，随着时间的推移，实例的负载状态可能会发生变化，基于上述方法可动态弹性定义低负载实例。

进而，基于各个对象各自对应的实例中，属于同一服务的实例各自的实例评估值，确定出各个服务的服务评估值，如：基于对象a对应的实例1和实例2的实例评估值，计算得到CVM服务1的服务评估值，基于对象a对应的实例3和实例4的实例评估值，计算得到TDSQL服务2的服务评估值，基于对象b对应的实例5和实例6的实例评估值，计算得到CVM服务3的服务评估值，基于对象b对应的实例7和实例8的实例评估值，计算得到TDSQL服务4的服务评估值。进而，基于同一对象下各个服务的服务评估值，计算得到各个对象的对象评估值，如：对象a的对象评估值，是基于CVM服务1的服务评估值和TDSQL服务2的服务评估值得到的，而对象b的对象评估值，则是基于CVM服务3的服务评估值和TDSQL服务4的服务评估值得到的。具体计算方式可参见上述实施例，重复之处不再赘述。

需要说明的是，在基于上述方式获取各个租户的综合低负载评分之后，还可对于各个租户的综合低负载评分，通过归一化(Standardization)缩放到0和1之间，获取各个租户的综合低负载评分百分比。最终，综合低负载评分越低，则低负载越严重。同样的，若综合低负载评分越高，则低负载越严重，那么结果可展示为：1-综合低负载评分。

在上述实施方式中，本申请融合了各个实例的负载率、持续低负载时长、设备配置、服务分类等维度，综合获取租户的低负载情况，在负载检测的特征输入考虑更完善，更精准地检测租户的负载情况。

S24：分别基于各个对象评估值，对目标云平台中的相应对象进行负载检测。

可选的，在获取对象评估值之后，还可基于各个对象评估值，对各个对象重新进行云资源分配；或者，基于各个对象评估值，对各个对象所占用的云设备进行负载趋势预测等等。

比如，对于对象c在目标云平台租用了100G的内存，但是只用了不到10％的情况，即可采用本申请实施例中的负载检测方法，进行实时检测，得到该对象的综合低负载评分，该分数可以反映该对象的资源浪费情况，以进一步提升资源利用率，或者重新进行资源分配等。

仍以图3所示为例，平台资源检测概览显示了当前平台上各个租户的资源使用情况，其中租户低负载率展示的租户当前的综合低负载评分指标，该指标能够综合租户当前各个资源的负载情况准确进行负载使用的评分，其后台的检测处理逻辑正是由本申请方法提出这个过程。而有了租户低负载率即租户综合低负载评分之后，便可以将评分进行排序从而展示TOP低负载实例，租户低负载趋势等，为平台运营和管理员提供决策依据。

例如图3中的“租户低负载率”模块显示的数值为2.916，该数值表示该租户的资源利用率为2.916％。另外，图3中还进一步展示“TOP低负载实例”模块，该模块中所列举的这几个实例为云服务器(虚拟机)，相应的数值表示检测到的负载情况。其中，编号为x1的虚拟机的利用率为89％，编号为x2的虚拟机的利用率为60％，编号为x3的虚拟机的利用率为50％，编号为x4的虚拟机的利用率为40％，编号为x5的虚拟机的利用率为30％。

其中，编号为x4、编号为x5的虚拟机的利用率较低(低负载)，可对应相应的对应重新进行资源分配等，减少资源浪费。

另外，如图3中所示，其中的“租户产品低负载趋势”模块展示有云主机类，数据库类和中间件类这几类各自的低负载趋势，便于平台运营和管理员进行决策。

参阅图8所示，其为本申请实施例中的一种云平台的负载检测方法的具体流程示意图。以服务器为执行主体为例，该方法的具体实施流程如下：

步骤S801：利用算法弹性定义低负载实例；

步骤S802：获取租户下每个实例的负载率、实例配置；

步骤S803：计算获取各个低负载实例的持续低负载时长权重；

步骤S804：计算获取各个低负载实例的实例配置的配置权重；

步骤S805：融合单实例负载率、实例持续低负载时长权重和实例配置权重，综合计算租户下每个实例的低负载评分；

步骤S806：基于同一服务的各个实例低负载评分，获取租户下各个服务的综合低负载评分；

步骤S807：获取服务类型权重，分服务类型计算各个服务的低负载得分，从而获取租户下各个服务的综合低负载评分；

步骤S808：对于各个租户的综合低负载评分，利用Standardization缩放到0和1之间，获取各个租户的综合低负载评分百分比。

综上，本申请首次提出了一种基于多云纳管平台的租户级负载智能检测方法及装置，该方法新颖准确高效，没有复杂的训练过程，在负载检测的场景应用中具有一定的参考价值和意义。

最后，需要注意的是，本申请提出的云平台的租户级负载智能检测方法，同样适用于其他负载检测智能运维场景的应用，即融合多维度计算融合弹性构建租户级负载智能检测的方法都在本申请的保护范围之内，在此不做具体限定。

基于相同的发明构思，本申请实施例还提供一种云平台的负载检测装置。

如图9所示，其为云平台的负载检测装置900的结构示意图，可以包括：

实例筛选单元901，用于基于各个实例的资源使用信息，从各个实例中确定满足动态阈值条件的目标实例，其中，每个实例表征：相应对象在目标云平台中占用的云设备；

第一评估单元902，用于基于各个目标实例各自的多维度特征信息，分别获得各个目标实例各自对应目标负载状态的实例评估值；

第二评估单元903，用于基于各个目标实例所属服务及其各自对应的实例评估值，分别确定相应对象的对象评估值；

检测单元904，用于分别基于各个对象评估值，对目标云平台中的相应对象进行负载检测。

可选的，每个目标实例的多维度特征信息包括：负载率，用于表征实例配置的配置权重，和用于表征实例持续目标负载状态的时长的持续时长权重；第一评估单元902具体用于：

分别将各个目标实例各自的负载率，与相应的持续时长权重和配置权重之积的比值，作为各个目标实例各自的实例评估值。

可选的，第一评估单元902还用于通过如下方式确定各个实例的配置权重：

根据云平台中的云资源的配置，对各个服务进行配置等级划分；

分别基于各个目标实例的配置信息所属的配置等级，确定各个目标实例各自的配置权重。

可选的，第二评估单元903具体用于：

分别基于属于同一服务的各个目标实例各自的实例评估值，获得各个服务各自的服务评估值；

基于各个服务各自的服务类型权重，以及各个服务各自的服务评估值，获得相应对象的对象评估值。

可选的，实例筛选单元901具体用于：

分别基于各个实例各自的资源使用信息，获得各个实例各自的时序特征；

分别基于各个实例各自的时序特征，以及已训练的负载状态判别模型，确定各个实例各自属于目标负载状态的概率值；

将概率值满足动态阈值条件的实例，作为目标实例；

其中，负载状态判别模型的训练样本包括：各个对象在不同历史时间范围内对应的目标负载状态实例样本和非目标负载状态实例样本。

可选的，第二评估单元903具体用于：

针对各个服务分别执行以下操作：

将属于同一服务的各个目标实例的实例评估值之和，与属于同一服务的所有实例总数的比值，作为同一服务的服务评估值。

可选的，第二评估单元903还用于通过下列任一方式获得各个服务各自的服务类型权重：

分别根据各个服务类型对应的资源占用优先级，确定各个服务各自的服务类型权重；

分别基于各个服务占用的服务器数量在总服务器数量中的比重，确定各个服务各自的服务类型权重。

可选的，装置还包括：

反馈单元905，用于基于各个对象评估值，对各个对象重新进行云资源分配；或者

基于各个对象评估值，对各个对象所占用的云设备进行负载趋势预测。

由于本申请实施例中，在对云平台进行负载检测时，首先基于实例的资源使用信息，来筛选出其中的目标实例，进而，基于目标实例的多维度特征信息，以及各个目标实例所属服务，来确定相应对象的对象评估值，对象评估值可以从对象级反映各个对象，在目标云平台租用的资源的负载状态。其中，本申请实施例中目标实例的定义是动态弹性的，而非通过固定的指标值定义，并且基于多维度特征信息来对负载状态进行评估，而非仅仅低负载实例数在所有设备中的占比，来进行云资源的检测和管理，使得检测维度更加全面，能够更加实时准确地检测云平台上各个对象的资源使用情况，因而本申请实施例的检测准确率更高，维度更广，结果更具可解释性。

为了描述的方便，以上各部分按照功能划分为各模块(或单元)分别描述。当然，在实施本申请时可以把各模块(或单元)的功能在同一个或多个软件或硬件中实现。

在介绍了本申请示例性实施方式的云平台的负载检测方法和装置之后，接下来，介绍根据本申请的另一示例性实施方式的电子设备。

所属技术领域的技术人员能够理解，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

与上述方法实施例基于同一发明构思，本申请实施例中还提供了一种电子设备。在一种实施例中，该电子设备可以是服务器，如图1所示的服务器120。在该实施例中，电子设备的结构可以如图10所示，包括存储器1001，通讯模块1003以及一个或多个处理器1002。

存储器1001，用于存储处理器1002执行的计算机程序。存储器1001可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统，以及运行即时通讯功能所需的程序等；存储数据区可存储各种即时通讯信息和操作指令集等。

存储器1001可以是易失性存储器(volatile memory)，例如随机存取存储器(random-access memory，RAM)；存储器1001也可以是非易失性存储器(non-volatilememory)，例如只读存储器，快闪存储器(flash memory)，硬盘(hard disk drive，HDD)或固态硬盘(solid-state drive，SSD)；或者存储器1001是能够用于携带或存储具有指令或数据结构形式的期望的计算机程序并能够由计算机存取的任何其他介质，但不限于此。存储器1001可以是上述存储器的组合。

处理器1002，可以包括一个或多个中央处理单元(central processing unit，CPU)或者为数字处理单元等等。处理器1002，用于调用存储器1001中存储的计算机程序时实现上述云平台的负载检测方法。

通讯模块1003用于与终端设备和其他服务器进行通信。

本申请实施例中不限定上述存储器1001、通讯模块1003和处理器1002之间的具体连接介质。本申请实施例在图10中以存储器1001和处理器1002之间通过总线1004连接，总线1004在图10中以粗线描述，其它部件之间的连接方式，仅是进行示意性说明，并不引以为限。总线1004可以分为地址总线、数据总线、控制总线等。为便于描述，图10中仅用一条粗线描述，但并不描述仅有一根总线或一种类型的总线。

存储器1001中存储有计算机存储介质，计算机存储介质中存储有计算机可执行指令，计算机可执行指令用于实现本申请实施例的云平台的负载检测方法。处理器1002用于执行上述的云平台的负载检测方法，如图2所示。

在另一种实施例中，电子设备也可以是其他电子设备，如图1所示的终端设备110。在该实施例中，电子设备的结构可以如图11所示，包括：通信组件1110、存储器1120、显示单元1130、摄像头1140、传感器1150、音频电路1160、蓝牙模块1170、处理器1180等部件。

通信组件1110用于与服务器进行通信。在一些实施例中，可以包括电路无线保真(Wireless Fidelity，WiFi)模块，WiFi模块属于短距离无线传输技术，电子设备通过WiFi模块可以帮助用户收发信息。

存储器1120可用于存储软件程序及数据。处理器1180通过运行存储在存储器1120的软件程序或数据，从而执行终端设备110的各种功能以及数据处理。本申请中存储器1120可以存储操作系统及各种应用程序，还可以存储执行本申请实施例云平台的负载检测方法的计算机程序。

显示单元1130还可用于显示由用户输入的信息或提供给用户的信息以及终端设备110的各种菜单的图形用户界面(graphical user interface，GUI)。具体地，显示单元1130可以包括设置在终端设备110正面的显示屏1132。显示单元1130可以用于显示本申请实施例中的xx融合创新服务平台界面等。

显示单元1130还可用于接收输入的数字或字符信息，产生与终端设备110的用户设置以及功能控制有关的信号输入，具体地，显示单元1130可以包括设置在终端设备110正面的触摸屏1131，可收集用户在其上或附近的触摸操作。

其中，触摸屏1131可以覆盖在显示屏1132之上，也可以将触摸屏1131与显示屏1132集成而实现终端设备110的输入和输出功能，集成后可以简称触摸显示屏。本申请中显示单元1130可以显示应用程序以及对应的操作步骤。

摄像头1140可用于捕获静态图像，用户可以将摄像头1140拍摄的图像通过应用发布评论。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device，CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor，CMOS)光电晶体管。感光元件把光信号转换成电信号，之后将电信号传递给处理器1180转换成数字图像信号。

终端设备还可以包括至少一种传感器1150，比如加速度传感器1151、距离传感器1152、指纹传感器1153、温度传感器1154。终端设备还可配置有陀螺仪、气压计、湿度计、温度计、红外线传感器、光传感器、运动传感器等其他传感器。

音频电路1160、扬声器1161、传声器1162可提供用户与终端设备110之间的音频接口。音频电路1160可将接收到的音频数据转换后的电信号，传输到扬声器1161，由扬声器1161转换为声音信号输出。另一方面，传声器1162将收集的声音信号转换为电信号，由音频电路1160接收后转换为音频数据，再将音频数据输出至通信组件1110以发送给比如另一终端设备110，或者将音频数据输出至存储器1120以便进一步处理。

蓝牙模块1170用于通过蓝牙协议来与其他具有蓝牙模块的蓝牙设备进行信息交互。

处理器1180是终端设备的控制中心，利用各种接口和线路连接整个终端的各个部分，通过运行或执行存储在存储器1120内的软件程序，以及调用存储在存储器1120内的数据，执行终端设备的各种功能和处理数据。在一些实施例中，处理器1180可包括至少一个处理单元；处理器1180还可以集成应用处理器和基带处理器。本申请中处理器1180可以运行操作系统、应用程序、用户界面显示及触控响应，以及本申请实施例的云平台的负载检测方法。另外，处理器1180与显示单元1130耦接。

在一些可能的实施方式中，本申请提供的云平台的负载检测方法的各个方面还可以实现为一种程序产品的形式，其包括计算机程序，当程序产品在电子设备上运行时，计算机程序用于使电子设备执行本说明书上述描述的根据本申请各种示例性实施方式的云平台的负载检测方法中的步骤，例如，电子设备可以执行如图2中所示的步骤。

程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。

本申请的实施方式的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括计算机程序，并可以在电子设备上运行。然而，本申请的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被命令执行系统、装置或者器件使用或者与其结合使用。

可读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，其中承载了可读计算机程序。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由命令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的计算机程序，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。计算机程序可以完全地在用户电子设备上执行、部分地在用户电子设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务器上执行。在涉及远程电子设备的情形中，远程电子设备可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户电子设备，或者，可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。

应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。

此外，尽管在附图中以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

本领域内的技术人员应明白，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计算机程序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。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (11)

1.一种云平台的负载检测方法，其特征在于，该方法包括：

分别基于各个实例的资源使用信息，获得所述各个实例各自的时序特征；分别基于所述各个实例各自的时序特征，以及已训练的负载状态判别模型，确定所述各个实例各自属于目标负载状态的概率值；将概率值满足动态阈值条件的实例，作为目标实例；其中，每个实例表征：相应对象在目标云平台中占用的云设备；

基于各个目标实例各自的多维度特征信息，分别获得所述各个目标实例各自对应目标负载状态的实例评估值；其中，每个目标实例的多维度特征信息包括：负载率，用于表征实例配置的配置权重，和用于表征实例持续目标负载状态的时长的持续时长权重；

基于所述各个目标实例所属服务及其各自对应的实例评估值，分别确定相应对象的对象评估值；

分别基于各个对象评估值，对所述目标云平台中的相应对象进行负载检测。

2.如权利要求1所述的方法，其特征在于，所述基于各个目标实例各自的多维度特征信息，分别获得所述各个目标实例各自对应目标负载状态的实例评估值，包括：

分别将所述各个目标实例各自的负载率，与相应的持续时长权重和配置权重之积的比值，作为所述各个目标实例各自的实例评估值。

3.如权利要求2所述的方法，其特征在于，各个实例的配置权重是通过如下方式确定的：

根据所述云平台中的云资源的配置，对各个服务进行配置等级划分；

分别基于各个目标实例的配置信息所属的配置等级，确定所述各个目标实例各自的配置权重。

4.如权利要求1所述的方法，其特征在于，所述基于各个目标实例所属服务及其各自对应的实例评估值，分别确定相应对象的对象评估值，包括：

分别基于属于同一服务的各个目标实例各自的实例评估值，获得各个服务各自的服务评估值；

基于所述各个服务各自的服务类型权重，以及所述各个服务各自的服务评估值，获得相应对象的对象评估值。

5.如权利要求1所述的方法，其特征在于，所述负载状态判别模型的训练样本包括：各个对象在不同历史时间范围内对应的目标负载状态实例样本和非目标负载状态实例样本。

6.如权利要求4所述的方法，其特征在于，所述分别基于属于同一服务的各个目标实例各自的实例评估值，获得各个服务各自的服务评估值，包括：

针对各个服务分别执行以下操作：

将属于同一服务的各个目标实例的实例评估值之和，与属于所述同一服务的所有实例总数的比值，作为所述同一服务的服务评估值。

7.如权利要求4所述的方法，其特征在于，通过下列任一方式获得所述各个服务各自的服务类型权重：

分别根据各个服务类型对应的资源占用优先级，确定所述各个服务各自的服务类型权重；

分别基于各个服务占用的服务器数量在总服务器数量中的比重，确定所述各个服务各自的服务类型权重。

8.如权利要求1~7任一项所述的方法，其特征在于，所述方法还包括：

基于所述各个对象评估值，对所述各个对象重新进行云资源分配；或者

基于所述各个对象评估值，对所述各个对象所占用的云设备进行负载趋势预测。

9.一种云平台的负载检测装置，其特征在于，包括：

实例筛选单元，用于分别基于各个实例的资源使用信息，获得所述各个实例各自的时序特征；分别基于所述各个实例各自的时序特征，以及已训练的负载状态判别模型，确定所述各个实例各自属于目标负载状态的概率值；将概率值满足动态阈值条件的实例，作为目标实例；其中，每个实例表征：相应对象在目标云平台中占用的云设备；

第一评估单元，用于基于各个目标实例各自的多维度特征信息，分别获得所述各个目标实例各自对应目标负载状态的实例评估值；其中，每个目标实例的多维度特征信息包括：负载率，用于表征实例配置的配置权重，和用于表征实例持续目标负载状态的时长的持续时长权重；

第二评估单元，用于基于所述各个目标实例所属服务及其各自对应的实例评估值，分别确定相应对象的对象评估值；

检测单元，用于分别基于各个对象评估值，对所述目标云平台中的相应对象进行负载检测。

10.一种电子设备，其特征在于，其包括处理器和存储器，其中，所述存储器存储有计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1~8中任一所述方法的步骤。

11.一种计算机可读存储介质，其特征在于，其包括计算机程序，当所述计算机程序在电子设备上运行时，所述计算机程序用于使所述电子设备执行权利要求1~8中任一所述方法的步骤。