[发明专利]容器容量调整任务生成方法、装置、设备和可读介质

权利要求书

1.一种容器容量调整任务生成方法，包括：

生成目标容器在目标周期的指标配置信息，其中，所述指标配置信息包括在所述目标周期中各个预设时间段内对应的所述目标容器的指标配置数据；

通过指标数据预测模型，生成所述目标容器在所述目标周期的指标预测信息，其中，所述指标预测信息包括在所述目标周期中各个预设时间段内对应的所述目标容器的指标预测数据；

确定所述指标预测信息和所述指标配置信息是否存在差异；

响应于确定所述指标预测信息与所述指标配置信息存在差异，根据所述指标预测信息和所述指标配置信息，生成对应所述目标容器和所述目标周期的容器容量调整任务。

2.根据权利要求1所述的方法，其中，所述生成目标容器在目标周期的指标配置信息，包括：

获取所述目标容器在所述目标周期的历史指标配置数据序列集合；

根据所述历史指标配置数据序列集合，生成指标配置信息。

3.根据权利要求1所述的方法，其中，所述通过指标数据预测模型，生成所述目标容器在所述目标周期的指标预测信息，包括：

获取所述目标容器在所述目标周期前的预设数值个指标配置数据；

将所述预设数值个指标配置数据输入至所述指标数据预测模型，得到所述预设数值个指标预测数据作为指标预测数据序列；

选择所述指标预测数据序列中满足目标周期条件的各个指标预测数据作为指标预测信息。

4.根据权利要求3所述的方法，其中，所述指标数据预测模型是通过以下步骤训练得到的：

获取样本集，其中，所述样本集中的样本包括样本指标配置数据和样本对应的标签信息；

基于样本集执行以下训练步骤：

将样本集中的至少一个样本的样本指标配置数据输入至初始神经网络，得到对应所述至少一个样本中的每个样本对应的指标预测配置信息；

将所述每个样本对应的指标预测配置信息与每个样本对应的标签信息进行比较；

根据比较结果确定初始神经网络是否达到预设的优化目标；

响应于确定初始神经网络达到所述优化目标，将初始神经网络确定为训练完成的指标数据预测模型。

5.根据权利要求4所述的方法，其中，训练所述指标数据预测模型的步骤还包括：

响应于确定初始神经网络未达到所述优化目标，调整初始神经网络的网络参数，以及使用未用过的样本组成样本集，使用调整后的初始神经网络作为初始神经网络，再次执行所述训练步骤。

6.根据权利要求5所述的方法，其中，训练所述指标数据预测模型的样本集是通过以下步骤生成的：

获取所述目标容器在预设周期内的指标配置数据序列；

对所述指标配置数据序列进行异构处理，得到异构处理后的指标配置数据序列作为异构配置数据序列；

对所述异构配置数据序列进行特征工程处理，得到特征工程处理后的异构配置数据序列作为特征工程数据序列；

根据所述特征工程数据序列和第一预设时间间隔，生成目标数据序列集合；

对于所述目标数据序列集合中的每个目标数据序列，根据所述目标数据序列对应的下一个目标数据序列，生成所述目标数据序列对应的标签信息；

将所述目标数据序列集合中的每个目标数据序列和每个目标数据序列对应的标签信息确定为所述指标数据预测模型的样本集。