[发明专利]业务系统容量的预测方法和装置

权利要求书

1.一种业务系统容量的预测方法，其特征在于，包括：

获取业务系统的多个容量指标在历史时间段内的时间序列数据；

基于所述多个容量指标在历史时间段内的第一子时间序列数据，分别对至少两个不同类型的时间序列预测模型进行训练；

基于所述多个容量指标在历史时间段内的第二子时间序列数据，分别验证训练得到的各个时间序列预测模型，以得到各个时间序列预测模型的预测误差，所述容量指标的所述第一子时间序列数据及所述第二子时间序列数据为对所述容量指标的所述时间序列数据进行划分得到；

基于各个时间序列预测模型的预测误差，确定各个时间序列预测模型对应的预测结果权重；

基于各个时间序列预测模型及对应的预测结果权重，预测所述业务系统在未来时间点的容量。

2.根据权利要求1所述的方法，其特征在于，所述基于所述多个容量指标在历史时间段内的第一子时间序列数据，分别对至少两个不同类型的时间序列预测模型进行训练，包括：

分别提取各个所述容量指标在历史时间段内的时间序列数据的分布特征；

对于各个所述容量指标，基于所述容量指标的所述分布特征，调用与所述容量指标匹配的时间序列预测模型；

基于所述容量指标的所述第一子时间序列数据，训练与所述容量指标匹配的时间序列预测模型。

3.根据权利要求2所述的方法，其特征在于，所述基于所述多个容量指标在历史时间段内的第二子时间序列数据，分别验证训练得到的各个时间序列预测模型，以得到各个时间序列预测模型的预测误差，包括：

对于所述业务系统的各个容量指标，基于训练得到的与所述容量指标匹配的时间序列预测模型，评估所述容量指标在所述第二子时间序列数据中的历史时间点对应的指标值；

基于预定的损失函数、所述容量指标的所述第二子时间序列数据及评估得到的指标值，确定与所述容量指标匹配的时间序列预测模型的预测误差。

4.根据权利要求2所述的方法，其特征在于，所述基于所述容量指标的所述分布特征，调用与所述容量指标匹配的时间序列预测模型，包括：

对于所述业务系统的各个容量指标，基于所述容量指标的所述分布特征，调用训练得到的与所述容量指标匹配的时间序列预测模型；

基于与所述容量指标匹配的时间序列预测模型，预测所述容量指标在未来时间点的指标值；

基于与各个所述容量指标匹配的时间序列预测模型对应的预测结果权重，对预测得到的各个所述容量指标在未来时间点的指标值进行加权求和，以得到所述业务系统在未来时间点的容量。

5.根据权利要求2所述的方法，其特征在于，所述基于所述容量指标的所述分布特征，调用与所述容量指标匹配的时间序列预测模型，包括：

基于所述容量指标的所述分布特征，调用预先配置的Rest API，以获取与所述容量指标匹配的时间序列预测模型，所述Rest API中嵌入有与各类分布特征对应的时间序列预测模型。

6.根据权利要求1所述的方法，其特征在于，所述容量指标在历史时间段内的时间序列数据包括所述容量指标在历史时间段内分别对应于多种不同时间粒度的时间序列数据；

所述获取业务系统的多个容量指标在历史时间段内的时间序列数据，包括：

对于所述业务系统的各个容量指标，获取所述容量指标在多个采样时间点的采样指标值；

分别按照多种不同的时间粒度，对所述容量指标在多个采样时间点的采样指标值进行聚合处理，得到所述容量指标在多种不同时间粒度下分别的时间序列数据。

7.根据权利要求1至6中任一项所述的方法，其特征在于，所述多个容量指标包括：中央处理器CPU利用率、内存使用率、网络IO占用率以及磁盘IP占用率。

8.根据权利要求1至6中任一项所述的方法，其特征在于，所述至少两个不同类型的时间序列预测模型包括：xgboost回归模型、自回归综合移动平均ARIMA模型和holt-winter模型。