[发明专利]一种云平台运行状态监控预警方法及装置

权利要求书

1.一种云平台运行状态监控预警方法，其特征在于，包括：

针对云平台中的任一代理节点，采集所述代理节点的多个性能数据；

通过预先训练的分类器的加权层对所述多个性能数据进行加权；

通过所述分类器的贝叶斯分类层基于经过加权处理的所述多个性能数据预测所述代理节点在下一时刻的运行状态；

在预测的所述运行状态为异常状态时，进行告警；

所述分类器通过如下方式训练得到：

在将训练样本库中的性能数据输入初始化的分类器进行训练；所述训练样本库包括多组性能数据以及每组性能数据对应的下一时刻的实际运行状态；所述初始化的分类器包括权重；

在第K次训练过程中，通过经过K-1次调整的分类器的加权层，对每组性能数据进行加权，所述K为大于0的整数；

通过所述经过K-1次调整的分类器的贝叶斯分类层，预测所述每组性能数据在下一时刻的运行状态；

在第K次训练后，将所述每组性能数据在下一时刻的实际运行状态与预测的所述每组性能数据在下一时刻的运行状态进行对比；

若所述每组性能数据在下一时刻的实际运行状态与预测的所述每组性能数据在下一时刻的运行状态不一致，基于蝙蝠算法调整在第K+1次训练过程所使用的权重。

2.如权利要求1所述的方法，其特征在于，通过所述分类器的贝叶斯分类层基于经过加权处理的所述多个性能数据预测所述代理节点在下一时刻的运行状态，包括：

将经过加权处理的所述多个性能数据输入所述分类器的贝叶斯分类层，分别获取所述代理节点在下一时刻处于各个运行状态的概率；

确定获取的各个概率中的最大概率，并确定所述最大概率对应的运行状态为所述代理节点在下一时刻的运行状态。

3.如权利要求1所述的方法，其特征在于，在通过预先训练的分类器的加权层对所述多个性能数据进行加权之前，所述方法还包括：

将所述多个性能数据转换成预设的数据格式。

4.如权利要求1至3任一项所述的方法，其特征在于，在通过预先训练的分类器的加权层对所述多个性能数据进行加权之前，所述方法还包括：

对所述多个性能数据进行过滤。

5.一种云平台运行状态监控预警装置，其特征在于，包括：

采集模块，针对云平台中的任一代理节点，采集所述代理节点的多个性能数据；

预测模块，用于通过预先训练的分类器的加权层对所述采集模块采集的上述多个性能数据进行加权；并通过所述分类器的贝叶斯分类层基于经过加权处理的所述多个性能数据预测所述代理节点在下一时刻的运行状态；

告警模块，用于在所述预测模块预测的所述运行状态为异常状态时，进行告警；

所述分类器通过如下方式训练得到：

在将训练样本库中的性能数据输入初始化的分类器进行训练；所述训练样本库包括多组性能数据以及每组性能数据对应的下一时刻的实际运行状态；所述初始化的分类器包括权重；

在第K次训练过程中，通过经过K-1次调整的分类器的加权层，对每组性能数据进行加权，所述K为大于0的整数；

通过所述经过K-1次调整的分类器的贝叶斯分类层，预测所述每组性能数据在下一时刻的运行状态；

在第K次训练后，将所述每组性能数据在下一时刻的实际运行状态与预测的所述每组性能数据在下一时刻的运行状态进行对比；

若所述每组性能数据在下一时刻的实际运行状态与预测的所述每组性能数据在下一时刻的运行状态不一致，基于蝙蝠算法调整在第K+1次训练过程所使用的权重。

6.如权利要求5所述的装置，其特征在于，所述预测模块，在通过所述分类器的贝叶斯分类层基于经过加权处理的所述多个性能数据预测所述代理节点在下一时刻的运行状态时，具体用于：

将经过加权处理的所述多个性能数据输入所述分类器的贝叶斯分类层，分别获取所述代理节点在下一时刻处于各个运行状态的概率；

确定获取的各个概率中的最大概率，并确定所述最大概率对应的运行状态为所述代理节点在下一时刻的运行状态。