[发明专利]分类模型的生成方法及装置、系统容量的预估方法及装置

说明书

本发明实施例提供了一种分类模型的生成方法及装置、系统容量的预估方法及装置。一方面，本发明实施例所提供的分类模型的生成方法中，通过采集生产环境的系统数据和测试环境的系统数据；然后，分别从所述生产环境的系统数据和所述测试环境的系统数据中提取特征向量；从而，生成系统容量与系统容量级别的对应关系；进而，对提取出的特征向量、生产环境的系统容量数据、测试环境的系统容量数据和所述对应关系进行机器学习，以生成分类模型。因此，本发明实施例提供的技术方案能够解决现有技术中对生产环境进行压力测试导致的故障风险较高、成本较大且效率较低的问题。

【技术领域】

本发明涉及互联网软件测试技术领域，尤其涉及一种分类模型的生成方法及装置、系统容量的预估方法及装置。

【背景技术】

目前，对于如电子商务平台以及其他实时流量受活动等影响强烈的互联网软件而言，在活动期间服务器上软件系统的性能表现会影响用户体验、品牌口碑甚至运营收入。因此，有必要对承载软件系统的实际的生产环境的系统容量进行预估，以获得生产环境的性能瓶颈，进而可以对生产环境的进行优化调整。

如果通过对测试环境进行压力测试来获取系统容量，虽然成本比较低，但是数据的可信度也比较低。因此现有技术中都是对实际的生产环境进行压力测试来预估系统容量的。然而，对实际的生产环境进行压力测试存在故障风险较高、成本较大且效率较低等诸多缺陷，所以目前如何更好的实现生产环境的系统容量数据是亟待解决的问题。

【发明内容】

有鉴于此，本发明实施例提供了一种分类模型的生成方法及装置、系统容量的预估方法及装置，用以解决现有技术中对生产环境进行压力测试导致的故障风险较高、成本较大且效率较低的问题。

本发明实施例的一方面，提供一种分类模型的生成方法，包括：

采集生产环境的系统数据和测试环境的系统数据；

分别从所述生产环境的系统数据和所述测试环境的系统数据中提取特征向量；

生成系统容量与系统容量级别的对应关系；

对提取出的特征向量、生产环境的系统容量数据、测试环境的系统容量数据和所述对应关系进行机器学习，以生成分类模型。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述生产环境的系统数据包括：生产环境的系统运行性能数据、生产环境的系统部署数据和生产环境的系统配置数据中至少一个。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述测试环境的系统数据包括：测试环境的系统运行性能数据、测试环境的系统部署数据和测试环境的系统配置数据中至少一个。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，从系统数据中提取特征向量的方法包括：

对所述系统数据进行数据格式的标准化处理，所述系统数据为所述生产环境的系统数据或者所述测试环境的系统数据；

对经过标准化处理的所述系统数据进行去噪处理；

利用降维算法，对经过去噪处理的所述系统数据进行降维处理，获得所述系统数据的特征向量。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，对提取出的特征向量、生产环境的系统容量数据、测试环境的系统容量数据和所述对应关系进行机器学习，以生成分类模型，包括：

根据从测试环境的系统数据中提取出的特征向量、从实际环境的系统数据中提取出的特征向量、各系统容量数据，生成第一数据集和第二数据集；

获得未标定数据集和第一权重向量；

利用分类算法对所述第一数据集、所述第二数据集、所述未标定数据集和所述第一权重向量进行机器学习，以生成分类模型；