(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211065393.5 (22)申请日 2022.08.31 (71)申请人 联想 （北京） 有限公司 地址 100085 北京市海淀区上地西路6号2 幢2层201- H2-6 (72)发明人 黄云鹏　任钦伟　夏俊明　 (74)专利代理 机构 北京乐知新创知识产权代理 事务所(普通 合伙) 11734 专利代理师 马春艳 (51)Int.Cl. G06F 9/455(2006.01) G06F 9/50(2006.01) G06N 7/00(2006.01) G06N 20/00(2019.01) H04L 12/46(2006.01)H04L 67/10(2022.01) (54)发明名称 一种资源负载数据的处理方法、 装置及存储 介质 (57)摘要 本公开提供了一种资源负载数据的处理方 法、 装置及存储介质， 该方法根据当前时刻的物 理资源负载指标、 虚拟资源负载指标和资源负载 预测模型， 预测下一时刻物理机的资源负载情 况， 其中， 资源负载预测模型是基于资源负载的 历史时间序列数据训练得到的。 如此， 可利用已 有历史数据中蕴含的经验和趋势， 预测得到的下 一时刻物理资源负载情况， 为当前时刻的资源分 配提供更有价值的决策依据， 从而使得当前时刻 的资源分配具有一定预见性， 能更好地应对下一 时刻可能出现的各种突发情况。 权利要求书2页 说明书13页 附图5页 CN 115454569 A 2022.12.09 CN 115454569 A 1.一种资源负载 数据的处 理方法， 所述方法包括： 获取当前时刻的资源负载指标， 所述资源负载指标包括N台物理机的物理资源负载指 标Pt以及M台虚拟机的虚拟资源负载指标Xt， 所述M台虚拟机 为在所述N台物理机上进行虚拟 化得到的虚拟机， t为当前时刻， Pt与Xt为t时刻得到的观察 值， M和N均为自然数； 根据所述物理资源负载指标Pt、 所述虚拟资源负载指标Xt和资源负载预测模型， 确定下 一时刻所述 N台物理机的资源负载 预测值。 2.根据权利要求1所述的方法， 还 包括： 基于无向图的条件概 率模型， 建立所述资源负载 预测模型； 使用资源负载指标的历史时间序列数据， 对所述资源负载预测模型进行训练， 得到损 失函数的值； 根据所述损失函数的值调 整所述资源负载预测模型的模型参数， 以使得所述资源负载 预测模型达 到预期的模型精度。 3.根据权利要求2所述的方法， 还 包括： 对所述资源负载指标的历史时间序列数据进行平稳性检测； 若所述历史时间序列 数据不符合预设的平稳性标准， 则对所述历史时间序列 数据进行 平稳化处 理， 得到符合所述平稳性标准的资源负载指标的平稳历史时间序列数据； 相应地， 所述使用资源负载指标的历史时间序列数据， 对所述资源负载预测模型进行 训练， 包括： 使用所述资源负载指标的平稳历史时间序列数据， 对所述资源负载预测模型进行训 练。 4.根据权利要求3所述的方法， 所述对所述历史时间序列数据进行平稳化处 理， 包括： 使用差分方法， 对所述历史时间序列数据进行二阶差分运 算， 以分解残差值。 5.根据权利要求2所述的方法， 所述损失函数用于使所述物理负载资源的利用率最优 且能耗最低。 6.根据权利要求1所述的方法， 所述资源负载预测模型为多路召回模型， 所述资源负载 预测模型为所述物理资源负载指标中的不同指标设置不同的权 重， 相应地， 确定下一时刻所述 N台物理机的资源负载 预测值， 包括： 对所述物理资源负载指标中的不同指标， 进行多路召回， 得到各指标的召回结果； 根据所述各指标对应的权重和各指标的召回结果， 确定下一时刻所述N台物理机的资 源负载预测值。 7.根据权利要求1所述的方法， 还 包括： 基于所述下一时刻N台物理机的资源负载 预测值， 进行资源的调度。 8.根据权利要求7所述的方法， 所述基于所述下一时刻N台物理机的资源负载预测值， 进行资源的调度， 包括： 确定资源负载峰值和资源负载阈值； 基于所述下一时刻N台物 理机的资源负载预测值、 资源负载峰值和资源负载阈值， 确定 可以用于资源调度的Z台物理机， Z为自然数， Z小于等于N； 基于所述Z台物理机进行资源调度。 9.根据权利要求8所述的方法， 所述基于所述Z台物理机进行资源调度， 包括：权　利　要　求　书 1/2 页 2 CN 115454569 A 2根据所述Z台物理机中各物理机的资源负载预测值和预测的评分策略进行调度评分， 得到各物理机的调度分值； 根据所述各物理机的调度分值， 确定R台目标物理机， R为自然数， R小于等于Z； 基于所述T台目标物理机， 进行资源调度。 10.一种资源负载 数据的处 理装置， 所述装置包括： 资源负载指标获取模块， 用于获取当前时刻的资源负载指标， 所述资源负载指标包括N 台物理机的物理资源负载指标Pt以及M台虚拟机的虚拟资源负载指标Xt， 所述M台虚拟机为 在所述N台物理机上进行虚拟化 得到的虚拟机， t为当前时刻， Pt与Xt为t时刻得到的观察值， M和N均为自然数； 资源负载预测值确定模块， 用于根据所述物理资源负载指标Pt、 所述虚拟资源负载指标 Xt和资源负载 预测模型， 确定下一时刻所述 N台物理机的物理资源负载 预测值。权　利　要　求　书 2/2 页 3 CN 115454569 A 3