CN115016891B 热迁移结果预测方法、热迁移方法、电子设备及存储介质 （阿里巴巴（中国）有限公司）

间段内的历史性能数据以及虚拟机的静态属性利用虚拟机在预设时间段内的历史数据预测在本公开提供的方案能够留出足够的时间进行虚2获取虚拟机在过去N天中每天的预设时间段内的历史性能数据以及所述虚拟机的静态根据所述历史性能数据中与所述预设时间段内各个时刻对应的拼接所述虚拟机的历史性能特征与所述静态属性信息，得到所述将所述特征信息输入预设的预测模型中，得到在未来的预设时间所述根据所述历史性能数据中与所述预设时间段内各个时刻对应的数据，根据与所述预设时间段内各个时刻对应的虚拟机的CPU使用根据与所述预设时间段内各个时刻对应的所述虚拟机的内存使根据与所述预设时间段内各个时刻对应的所述虚拟机的网络流量数根据与所述预设时间段内各个时刻对应的所述虚拟机的数据读写次根据与所述预设时间段内各个时刻对应的所述虚拟机的内存带宽数获取所述虚拟机自身的第一属性信息，以及所述虚拟机所在的物理机的第二属性信所述第一属性信息包括以下至少一种：所述虚拟机的中央处理器数所述第二属性信息包括以下至少一种：所述物理机的中央处理器的比对所述成功率与预设阈值，根据比对结果3确定在未来的一天中多个预设时间段内热迁移所述虚拟机根据权利要求1-5任一项所述的方法，确定在未来的预设时间段内热迁移目标虚拟机获取虚拟机在N天中每天的预设时间段内的训练性能数据、所述虚拟机的静态属性信根据所述训练性能数据中与所述预设时间段内各个时刻对应的数据拼接虚拟机的训练性能特征与所述静态属性信息，得到所述虚拟将所述训练样本信息输入预设模型中，得到在N天之后的预设时间段内热迁移所述虚根据所述成功率、所述虚拟机在N天之后的预设时间段内的迁移结果信息调整所述预根据与所述预设时间段内各个时刻对应的所述虚拟机的CPU使用率，确定CPU性能特根据与所述预设时间段内各个时刻对应的所述虚拟机的内存使根据与所述预设时间段内各个时刻对应的所述虚拟机的网络流量数根据与所述预设时间段内各个时刻对应的所述虚拟机的数据读写次根据与所述预设时间段内各个时刻对应的所述虚拟机的内存带宽数获取单元，用于获取虚拟机在过去N天中每天的预设时间段内的历史性能数据以及所4特征确定单元，用于根据所述历史性能数据中与所述预拼接所述虚拟机的历史性能特征与所述静态属性信息，得到所述预测单元，用于将所述特征信息输入预设的预测模型中，得到在未来所述根据所述历史性能数据中与所述预设时间段内各个时刻对应的数据，根据与所述预设时间段内各个时刻对应的虚拟机的CPU使用根据与所述预设时间段内各个时刻对应的所述虚拟机的内存使根据与所述预设时间段内各个时刻对应的所述虚拟机的网络流量数根据与所述预设时间段内各个时刻对应的所述虚拟机的数据读写次根据与所述预设时间段内各个时刻对应的所述虚拟机的内存带宽数其中，所述计算机程序存储在所述存储器中，并配置为由所所述计算机程序被处理器执行以实现如权利要求1-7任一种所述计算机程序被处理器执行以实现如权利要求1-7任一种5[0007]获取虚拟机在过去N天中每天的预设时间段内的历史性能数据以及所述虚拟机的[0013]本公开的第三个方面是提供一种用于预测虚拟机热迁移[0014]获取虚拟机在N天中每天的预设时间段内的训练性能数据、所述虚拟机的静态属性信息以及所述虚拟机在N天之后的预设时间段内[0016]将所述训练样本信息输入预设模型中，得到在N天之后的预设时间段内热迁移所[0017]根据所述成功率、所述虚拟机在N天之后的预设时间段内的迁移结果信息调整所6[0018]获取单元，用于获取虚拟机在过去N天中每天的预设时间段内的历史性能数据以[0024]本公开的第六个方面是提供一种用于预测虚拟机热迁移拟机的静态属性信息以及所述虚拟机在N天之后的预设时间[0034]本公开的第八个方面是提供一种计算机可读存储介质，获取虚拟机在过去N天中每天的预设时间段内的历史性能数据以及虚拟机的静态属性信7用虚拟机在预设时间段内的历史数据预测在未来的预设时间段内热迁移该虚拟机的成功[0042]图6为本公开一示例性实施例示出的用于预测虚拟机热迁移结果的模型的训练方[0045]图9为本申请一示例性实施例示出的用于预测虚拟机热迁移结果的模型的训练装[0048]如图1所示，在云服务平台中设置有多台云服务器，在云服务器中可以启动虚拟[0052]为了提高虚拟机迁移成功率，通常根据虚拟机实时的数据确定虚拟机的迁移建8能数据中包括M*N个CPU使用率相关的数据，可以对这M*N个CPU使用率相关的数据进行处9[0071]其中，电子设备将虚拟机在预设时间段内的特征信息输该预测模型能够输出在未来该虚拟机在该预设时以是虚拟机在N天中每天的预设时间段内的历史性能数据以及该虚拟机的静态属性信息，训练数据的标签可以是在未来预设时间段内热迁移该虚拟机的热迁能够利用该预测模型预测在预设时间段内热迁移虚拟出足够的时间进行虚拟机的热迁移规划。[0092]因此，通过虚拟机的CPU和内存等相关数据可以表征出虚拟机在不同时刻的运行[0098]实际应用时，若历史性能数据中包括与预设时间段内每个时刻对应的CPU使用率[0103]根据与预设时间段内各个时刻对应的虚拟机的网络流量数据，确定网络性能特[0108]针对历史性能数据中与预设时间段内各个时刻对应的数据虚拟机的CPU使用率、[0118]其中，可以基于步骤301-306预测在未来的一天中多个预设时间段内热迁移虚拟测在当前日期的第二天中多个预设时间段的成功率，用更临近的历史性能数据进行预测，[0125]可以将每个时间段的特征信息输入预设的预测模型中，进而得到在T+1日每个时[0127]根据图2-图4任一项的方法，确定在未来的预设时间段内热迁移目标虚拟机时的[0131]一种可选的实现方式中，若基于图2所示的方案确定出一天内多个预设时间段内[0132]另一种可选的实现方式中，若基于图3所示的方案确定出一天内多个预设时间段[0134]图6为本公开一示例性实施例示出的用于预测虚拟机热迁移结果的模型的训练方态属性信息以及虚拟机在N天之后的预设时间段内的[0138]具体的，可以从离线数据中获取虚拟机在N天中每天的预设时间段内的训练性能[0144]例如可以设置预测日期，可以获取该预测日期之前N天中每天的预设时间段内的训练性能数据，N天之后的预设时间段内的迁移结果信息可以是预测日期第二天的迁移结[0157]例如，可以利用预测日期前N天的训练性能数据确定在预设时间段的训练样本信N天之后的预设时间段内的迁移结果信息进行比对，进而基于比对结果调整预设模型中的型输出的预测结果与虚拟机在N天之后的预设时间段内的迁移结果信息之间[0161]实际应用时，可以根据确定出的该预设模型预测的在N天之后的预设时间段内热迁移虚拟机时能否成功的结果，以及虚拟机在N天之后的预设时间段内的迁移结果信息构行虚拟机的热迁移规划。[0171]性能特征确定模块721，用于根据所述历史性能数据中与所述预设时间段内各个[0172]特征信息确定模块722，用于拼接所述虚拟机的历史性能特征与所述虚拟机的静预设时间段对应的热迁移能否成功的信息输出[0192]图9为本申请一示例性实施例示出的用于预测虚拟机热迁移结果的模型的训练装[0193]如图9所示，本实施例提供的用于预测虚拟机热迁移结果的述虚拟机的静态属性信息以及所述虚拟机在N天之后的预设时间段内的以实现如上所述的任一种虚拟机热迁移结果预