[发明专利]一种基于多注意力特征记忆模型的预测方法和装置在审

申请号：	202110782631.3	申请日：	2021-07-12
公开（公告）号：	CN113505879A	公开（公告）日：	2021-10-15
发明（设计）人：	朱宗卫;熊义昆;唐鑫;周学海;李曦;王超	申请（专利权）人：	中国科学技术大学
主分类号：	G06N3/04	分类号：	G06N3/04;G06N3/08;G06N5/04;G06F9/455;G06F9/48;G06F11/30
代理公司：	苏州创元专利商标事务所有限公司 32103	代理人：	范晴
地址：	230027 安***	国省代码：	安徽;34
权利要求书：	查看更多	说明书：	查看更多
摘要：
搜索关键词：	一种基于注意力特征记忆模型预测方法装置
钻瓜网技术展会专利词库专利权人专利榜在售专利公布日期热门专利

【说明书】：

本发明公开了一种基于多注意力特征记忆模型的预测和装置。其中，所述方法包括：实时的获取Pod运行时的资源利用率数据；将一定时间内获取的所述Pod运行时的资源利用率数据输入多注意力特征记忆模型进行训练,以获取用于Pod资源利用率预测的训练模型；将当前时刻获取的Pod运行时的资源利用率数据输入所述训练模型进行推理,以得到所述Pod的资源预测利用率。本发明通过实时获取Pod运行时的资源利用率数据，并基于多注意力特征记忆模型对Pod的资源使用情况进行预测，提高了资源使用情况预测的准确性和效率。

技术领域

本发明实施例涉及深度学习应用技术领域，尤其涉及一种基于多注意力特征记忆模型的预测方法和装置。

背景技术

Kubernetes是一个非常流行的容器编排工具，它以先进的设计理念受到业界的关注，并被广泛应用于实际的生产环境中，Kubernetes一个重要的工作就是选择合适的节点(node)来运行pod(Kubernetes中创建和部署的最小单位，是一个运行实例)，整个集群的负载由集群中各个节点的资源利用率决定，而各个节点的利用率与节点上运行的pod息息相关。

通常情况下，针对资源需求偏差较大的计算任务在使用Kubernetes默认调度算法进行调度时，集群会出现服务器偏载现象。

目前学术界，针对Kubernetes在预测方法提出了许多方法，包括通过基于ARIMA和RBF组合的神经网络预测模型来预测未来一段时间的资源使用情况，但是该模型属于时间系列的预测方法，该方法会随着预测周期变长准确率将持续降低。

发明内容

本发明提供一种基于多注意力特征记忆模型的预测方法和装置，以提高Kubernetes集群中Pod的资源利用率的预测准确度和效率。

第一方面，本发明实施例提供了一种基于多注意力特征记忆模型的预测方法，应用于Kubernetes集群中，包括：

实时的获取Pod运行时的资源利用率数据；

将一定时间内获取的所述Pod运行时的资源利用率数据输入多注意力特征记忆模型进行训练,以获取用于Pod资源利用率预测的训练模型；

将当前时刻获取的Pod运行时的资源利用率数据输入所述训练模型进行推理,以得到所述Pod的资源预测利用率。

第二方面，本发明实施例还提供了一种基于多注意力特征记忆模型的预测装置，配置于Kubernetes集群中，包括：获取模块，用于实时的获取Pod运行时的资源利用率数据；

训练模块，用于将一定时间内获取的所述Pod运行时的资源利用率数据输入多注意力特征记忆模型进行训练,以获取用于Pod资源利用率预测的训练模型；

预测模块，用于将当前时刻获取的Pod运行时的资源利用率数据输入所述训练模型进行推理,以得到所述Pod的资源预测利用率。

本发明通过实时获取Pod运行时的资源利用率数据，并基于多注意力特征记忆模型对Pod的资源使用情况进行预测，提高了资源使用情况预测的准确性和效率。