应用性能容量预估方法及装置与流程

1.本公开涉及人工智能领域，具体涉及软件测试领域，更具体地涉及一种应用性能容量预估方法、装置、设备、存储介质和程序产品。


背景技术：

2.随着分布式系统的发展，越来越多应用系统架构由基于ibm(international business machines，简称ibm)大型主机的集中式处理架构转变为基于x86服务器的分布式系统框架，由于分布式系统把之前各个业务模块拆分成了子系统，一次交易通常需要调用多个子系统才能完成，交易链路变长，导致联机业务场景变得越来越复杂，再叠加业务交易量的增长等因素，任何一个子系统的性能隐患都有可能带来全局影响，导致系统服务质量下降。因此，针对新应用版本下系统整体表现的性能容量预估格外重要。
3.然而现有的性能预估方法主要存在几个问题：
4.(1)分布式架构下，各个子系统结构各异，没有一种通用的性能容量评估方法。
5.(2)子系统在生产环境的节点数、容器规格与测试环境有差异。无法通过测试环境的测试结果准确预估生产环境表现。
6.(3)生产环境物理机cpu、内存、磁盘等硬件配置优于测试环境。硬件性能差异较大，无法直接通过测试环境相关数据直接评估。
7.需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。


技术实现要素：

8.鉴于上述问题，本公开提供了应用性能容量预估方法、装置、设备、介质和程序产品。
9.根据本公开的第一个方面，提供了一种应用性能容量预估方法，应用于分布式架构，所述分布式架构包括多个单架构层，包括：获取测试环境单节点性能指标数据；
10.根据所述测试环境单节点性能指标数据和预先训练的单节点性能容量预估模型确定生产环境单节点性能容量；
11.根据所述生产环境单节点性能容量、节点数和预先构建的生产环境单架构层性能容量预估模型确定生产环境单架构层性能容量；以及
12.根据多个生产环境单架构层性能容量确定生产环境应用性能容量，
13.其中，所述单节点性能容量预估模型包括测试环境单节点性能容量预估模型和生产环境单节点性能容量转换模型。
14.根据本公开的实施例，所述根据所述测试环境单节点性能指标数据和预先训练的单节点性能容量预估模型确定生产环境单节点性能容量包括：
15.根据所述测试环境单节点性能指标数据和所述测试环境单节点性能容量预估模型确定测试环境单节点性能容量；以及
16.根据所述测试环境单节点性能容量和所述生产环境单节点性能容量转换模型确定生产环境单节点性能容量。
17.根据本公开的实施例，所述根据多个生产环境单架构层性能容量确定生产环境应用性能容量包括：
18.获取多个生产环境单架构层性能容量；以及
19.确定所述多个生产环境单架构层性能容量的最小值为生产环境应用性能容量。
20.根据本公开的实施例，所述预先训练的单节点性能容量预估模型的训练方法包括：
21.收集第一训练样本数据，所述第一训练样本数据包括测试环境下单节点在不同交易率下的cpu使用率；
22.根据所述第一训练样本数据确定单节点容量与cpu使用率的映射关系，以确定测试环境单节点性能容量预估模型；
23.收集第二训练样本数据，所述第二训练样本数据包括生产环境下cpu使用率和交易率；
24.将所述第一训练样本数据和所述第二训练样本数据进行特征化处理，以生成多组多维度的样本特征；
25.对所述样本特征进行机器学习训练得到单节点性能容量转换模型；
26.根据所述测试环境单节点性能容量预估模型和所述单节点性能容量转换模型确定单节点性能容量预估模型。
27.根据本公开的实施例，所述预先构建的生产环境单架构层性能容量预估模型的构建方法包括：
28.在测试环境对应用进行多次梯度发压测试；
29.获取测试环境中不同节点在指定比例的cpu使用率下的联机交易率；
30.根据节点数、cpu使用率和联机交易率确定测试环境单架构层性能容量预估模型；
31.根据所述生产环境单节点性能容量和所述测试环境单架构层性能容量预估模型确定生产环境单架构层性能容量预估模型。
32.根据本公开的实施例，所述单节点性能指标数据包括系统环境指标数据和系统运行状况指标数据，其中，所述系统环境指标数据包括测试环境信息、cpu信息、内存信息和磁盘信息；所述系统运行状况指标数据包括cpu运行信息、内存使用率、磁盘运行信息、网络io信息和平台服务响应信息。
33.根据本公开的实施例，所述方法还包括：
34.根据所述生产环境应用性能容量确定扩容策略。
35.本公开的第二方面提供了一种应用性能容量预估装置，包括：获取模块，用于获取测试环境单节点性能指标数据；
36.第一确定模块，用于根据所述测试环境单节点性能指标数据和预先训练的单节点性能容量预估模型确定生产环境单节点性能容量；
37.第二确定模块，用于根据所述生产环境单节点性能容量、节点数和预先构建的生产环境单架构层性能容量预估模型确定生产环境单架构层性能容量；以及
38.第三确定模块，用于根据多个生产环境单架构层性能容量确定生产环境应用性能
容量，
39.其中，所述单节点性能容量预估模型包括测试环境单节点性能容量预估模型和生产环境单节点性能容量转换模型。
40.根据本公开的实施例，第一确定模块包括：
41.第一确定子模块，用于根据所述测试环境单节点性能指标数据和所述测试环境单节点性能容量预估模型确定测试环境单节点性能容量；
42.第二确定子模块，用于根据所述测试环境单节点性能容量和所述生产环境单节点性能容量转换模型确定生产环境单节点性能容量。
43.根据本公开的实施例，第三确定模块包括：
44.第一获取子模块，用于获取多个生产环境单架构层性能容量；
45.第三确定子模块，用于确定所述多个生产环境单架构层性能容量的最小值为生产环境应用性能容量。
46.根据本公开的实施例，该装置还包括：
47.模型训练模块，用于训练单节点性能容量预估模型。
48.根据本公开的实施例，第一训练模块包括：
49.第一样本收集子模块，用于收集第一训练样本数据，所述第一训练样本数据包括测试环境下单节点在不同交易率下的cpu使用率；
50.第四确定子模块，用于根据所述训练样本数据确定单节点容量与cpu使用率的映射关系，以确定测试环境单节点性能容量预估模型；
51.第二样本收集子模块，用于收集第二训练样本数据，所述第二训练样本数据包括生产环境下cpu使用率和交易率；
52.样本特征生成子模块，用于将所述第一训练样本数据和所述第二训练样本数据进行特征化处理，以生成多组多维度的样本特征；
53.转换子模块，用于对所述样本特征进行机器学习训练得到单节点性能容量转换模型；
54.第五确定子模块，用于根据所述测试环境单节点性能容量预估模型和所述单节点性能容量转换模型确定单节点性能容量预估模型。
55.根据本公开的实施例，该装置还包括：
56.模型构建模块，用于构建生成环境单架构层性能容量预估模型。
57.根据本公开的实施例，模型构建模块包括：
58.测试子模块，用于在测试环境对应用进行多次梯度发压测试；
59.第二获取子模块，用于获取测试环境中不同节点在指定比例的cpu使用率下的联机交易率；
60.第六确定子模块，用于根据节点数、cpu使用率和联机交易率确定测试环境单架构层性能容量预估模型；
61.第七确定子模块，用于根据所述生产环境单节点性能容量和所述测试环境单架构层性能容量预估模型确定生产环境单架构层性能容量预估模型。
62.本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得
一个或多个处理器执行上述应用性能容量预估方法。
63.本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述应用性能容量预估方法。
64.本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述应用性能容量预估方法。
65.通过本公开的实施例提供的应用性能容量预估方法，通过预先训练的单节点性能容量预估模型和测试环境单节点性能指标数据确定生产环境下单节点性能容量，根据生产环境下的单节点性能容量、生产环境中节点数和预先构建的生产环境单架构层性能容量预估模型确定生产环境下单架构层性能容量，取多个单架构层性能容量的最小值即为生产环境应用性能容量，通过本公开实施例的方法，对测试环境开放平台分布式架构体系应用运行过程中的性能情况进行监控和分析，将机器学习模型应用至性能容量预估工作，更全面准确的对平台应用性能容量进行预估。
附图说明
66.通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：
67.图1示意性示出了根据本公开实施例的应用性能容量预估方法、装置、设备、介质和程序产品的应用场景图；
68.图2示意性示出了根据本公开实施例的应用性能容量预估方法的流程图；
69.图3示意性示出了根据本公开实施例的单节点性能容量预估模型的训练方法的流程图；
70.图4示意性示出了根据本公开实施例的生产环境单架构层性能容量预估模型的构建方法的流程图；
71.图5示意性示出了根据本公开实施例的生产环境单节点性能容量的确定方法的流程图；
72.图6示意性示出了根据本公开实施例的生产环境应用性能容量的确定方法的流程图；
73.图7示意性示出了根据本公开实施例的应用性能容量预估装置的结构框图；以及
74.图8示意性示出了根据本公开实施例的适于实现应用性能容量预估方法的电子设备的方框图。
具体实施方式
75.以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
76.在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在
或添加一个或多个其他特征、步骤、操作或部件。
77.在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
78.在使用类似于“a、b和c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有a、b和c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等)。
79.随着企业业务发展与it架构的转型，越来越多的应用系统架构由基于ibm大型主机的集中式处理架构转变为x86服务器的分布式系统框架。由于分布式系统把之前各个业务模块拆分成了子系统，一次交易通常需要调用多个子系统才能完成，交易链路变长，导致联机业务场景变得越来越复杂，再叠加业务交易量的增长等因素，任何一个子系统的性能隐患都有可能带来全局影响，导致系统服务质量下降。因此，针对新应用版本下系统整体表现的性能容量预估格外重要。
80.由于分布式架构下，各个子系统结构各不相同，目前没有一种通用的性能容量评估方法，子系统在生产环境的节点数、容器规格与测试环境有差异，通过测试环境的测试结果与生产环境的表现有所差异。
81.基于上述技术问题，本公开的实施例提供了一种应用性能容量预估方法，应用于分布式架构，所述分布式架构包括多个单架构层，包括：获取测试环境单节点性能指标数据；根据所述测试环境单节点性能指标数据和预先训练的单节点性能容量预估模型确定生产环境单节点性能容量；根据所述生产环境单节点性能容量、节点数和预先构建的生产环境单架构层性能容量预估模型确定生产环境单架构层性能容量；根据多个生产环境单架构层性能容量确定生产环境应用性能容量，其中，所述单节点性能容量预估模型包括测试环境单节点性能容量预估模型和生产环境单节点性能容量转换模型。
82.图1示意性示出了根据本公开实施例的应用性能容量预估方法、装置、设备、介质和程序产品的应用场景图。
83.如图1所示，根据该实施例的应用场景100可以包括应用性能容量预估场景。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
84.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以发送应用性能容量预估指令，或接收应用预估容量等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
85.终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
86.服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所发送的指令提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
87.需要说明的是，本公开实施例所提供的应用性能容量预估方法一般可以由服务器105执行。相应地，本公开实施例所提供的应用性能容量预估装置一般可以设置于服务器105中。本公开实施例所提供的应用性能容量预估方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的应用性能容量预估装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
88.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
89.需要说明的是，本公开的实施例确定的应用性能容量预估方法和装置可用于金融领域在软件测试的应用，也可用于除金融领域之外的任意领域，本公开的实施例确定的应用性能容量预估方法和装置的应用领域不做限定。
90.以下将基于图1描述的场景，通过图2～图6对公开实施例的应用性能容量预估方法进行详细描述。
91.图2示意性示出了根据本公开实施例的应用性能容量预估方法的流程图。
92.如图2所示，该实施例的应用性能容量预估方法包括操作s210～操作s240，该方法可以服务器或其他计算设备执行。
93.在操作s210，获取测试环境单节点性能指标数据。
94.根据本公开的实施例，所述单节点性能指标数据包括系统环境指标数据和系统运行状况指标数据，其中，所述系统环境指标数据包括测试环境信息、cpu信息、内存信息和磁盘信息；所述系统运行状况指标数据包括cpu运行信息、内存使用率、磁盘运行信息、网络io信息和平台服务响应信息。
95.一个示例中，本公开实施例中的单节点性能指标主要是对测试环境、生产环境的服务器静态参数与动态指标进行收集，可以细化为应用系统基本环境维度和系统运行维度，其中系统环境指标包括应用名称、操作系统类型、测试系统环境、测试集群节点、cpu频率、cpu个数、内存类型和磁盘类型等；系统运行状况指标包括cpu使用率、内存使用率、磁盘iops、磁盘繁忙程度、网络io、网络带宽消耗、平台服务总体交易率和平台服务平均响应时间等，获取测试环境单节点性能指标数据，根据该性能指标数据进一步确定测试环境下的单节点应用性能容量。
96.在操作s220，根据所述测试环境单节点性能指标数据和预先训练的单节点性能容量预估模型确定生产环境单节点性能容量。
97.根据本公开的实施例，所述单节点性能容量预估模型包括测试环境单节点性能容量预估模型和生产环境单节点性能容量转换模型。
98.一个示例中，本公开实施例的单节点性能预估模型包括测试环境下的单节点性能容量预估模型和生产环境下的单节点性能容量转换模型，这两个模型都是基于大数据分析的机器学习方法预先训练好的，具体训练过程可参见图3所示的操作s310～操作360，在此不再赘述。
99.将操作s210获取到的测试环境单节点性能指标数据输入预先训练的测试环境单节点性能容量预估模型，输出测试环境下单节点性能预估容量，由于测试环境和生产环境存在硬件、各层节点数量上的差异，测试环境的数据与生产环境的各类数据有所差异，为了
提高应用性能预估容量的准确性，屏蔽由于环境造成的这种差异，需通过生产环境单节点性能容量转换模型对测试环境性能预估容量进行转换，进而确定生产环境单节点性能预估容量，具体过程可见图5所示的操作s221～操作s222。
100.在操作s230，根据所述生产环境单节点性能容量、节点数和预先构建的生产环境单架构层性能容量预估模型确定生产环境单架构层性能容量。
101.一个示例中，在获取单节点性能预估容量之后，将该单节点性能预估容量输入预先构建的生产环境单架构层性能容量预估模型，输出生产环境单架构性能容量，生产环境单架构层性能容量预估模型的构建过程可参见图4所示的操作s410～操作s440。
102.在操作s240，根据多个生产环境单架构层性能容量确定生产环境应用性能容量。
103.一个示例中，在分布式架构下，一次交易往往需要调用多个子系统才能完成，分布式架构包括多个架构，生产环境下的应用性能容量与各单层架构的性能容量有关，一般的，取多个生产环境单架构层性能容量的最小值作为该应用生产环境下的性能容量，该单架构层即为应用的瓶颈层。具体过程可参见图6所示的操作s241～操作s242。
104.通过本公开实施例提供的应用性能容量预估方法，基于机器学习算法预先训练单节点性能容量预估模型，根据测试环境性能指标数据确定生产环境单节点性能容量；根据单节点性能容量和预先构建的生产环境单架构层性能容量预估模型确定生产环境单架构层性能容量，相比于现有性能容量预估方法，充分考虑生产环境和测试环境的差异，单节点与多节点的差异，预估结果更准确。
105.首先结合图3和图4对本公开实施例的单节点性能容量预估模型和生产环境单架构层性能容量预估模型的训练及构建过程。
106.图3示意性示出了根据本公开实施例的单节点性能容量预估模型的训练方法的流程图。如图3所示单节点性能容量预估模型的训练过程包括操作s310～操作s360。
107.在操作s310，收集第一训练样本数据，所述第一训练样本数据包括测试环境下单节点在不同交易率下的cpu使用率。
108.在操作s320，根据所述第一训练样本数据确定单节点容量与cpu使用率的映射关系，以确定测试环境单节点性能容量预估模型。
109.一个示例中，以以prsa应用的ac-asm层为例：通过在生产环境和测试环境，对该层单节点的基础数据，收集在不同交易率的压力下，单节点容器cpu的使用率作为第一训练样本数据，根据该第一训练样本数据得到单节点容器cpu使用率x和单节点容量的映射关系f
1-1
：cc ac-asm＝f
1-1
(x)。例如，经过多次数据采样，确定当cpu使用率在70％时，单节点达到稳定情况下的最大容量cc ac-asm＝f1-1(0.7)。
110.在操作s330，收集第二训练样本数据，所述第二训练样本数据包括生产环境下cpu使用率和交易率。在操作s340，将所述第一训练样本数据和所述第二训练样本数据进行特征化处理，以生成多组多维度的样本特征。在操作s350，对所述样本特征进行机器学习训练得到单节点性能容量转换模型。在操作s360，根据所述测试环境单节点性能容量预估模型和所述单节点性能容量转换模型确定单节点性能容量预估模型。
111.一个示例中，由于测试环境和生产环境存在硬件、各层节点数量上的差异，需通过一个模型将测试环境容量转换为生产环境容量。在采集测试环境相关数据的同时，也对生产环境个人结算该层单节点容器cpu使用率和tps数据进行采样，通过将测试环境和生产环
境的单节点容器数据进行做差、做商等特征化处理。得到了多组多维度的样本特征，通过机器学习训练得到单节点性能容量转换模型f
1-2
。该模型完成由测试的点到生产的点的转换。使得生产环境性能容量：
112.cs ac-asm＝cc ac-asm*f
1-2
(ai，bi，ci，di，ei，fi，gi，hi，ii，ji)
113.其中，a
i，
至ji分别代表生产环境tps、生产环境交易响应时间、生产环境cpu使用情况、生产环境内存使用情况、生产环境磁盘使用情况、测试环境tps、测试环境交易响应时间、测试环境cpu使用情况、测试环境内存使用情况、测试环境磁盘使用情况。
114.单节点性能容量转换模型具体训练过程如下：
115.对生产环境、测试环境收集的系统环境数据(应用名称、操作系统类型、测试系统环境、测试集群节点、cpu频率、cpu个数、内存类型、磁盘类型等)和系统运行状况数据(cpu使用率、内存使用率、磁盘iops、磁盘繁忙程度、网络io、网络带宽消耗、平台服务总体交易率、平台服务平均响应时间等)进行预处理。
116.选取相关指标作为模型训练的特征，对相关特征按照业务场景维度进行分组，分为高峰期业务特征组和低峰期业特征据组。相关特征的格式：{ai，bi，ci，di，ei，fi，gi，hi，ii，ji}，分别代表生产环境tps、生产环境交易响应时间、生产环境cpu使用情况、生产环境内存使用情况、生产环境磁盘使用情况、测试环境tps、测试环境交易响应时间、测试环境cpu使用情况、测试环境内存使用情况、测试环境磁盘使用情况。
117.由于系统环境指标是相对固定的，所以先对测试环境与生产环境的系统环境指标进行做商处理，得出一个相对固定的转换因子β。如：cpu的转换因子为β
cpu
、内存的转换因子为β
mem
等等。然后，对测试环境相关特征进行加权，得到{ai，bi，ci，di，ei，fi，gi，hi，ii，ji}，即{ai，bi，ci，di，ei，fi，gi，β
cpu
*hi，β
mem
*ii，β
disk
*ji}。最后，针对测试环境和生产环境的系统运行状况数据进行归一化处理。
118.选取上述特征，使用多元线性回归模型进行训练，通过调参直至得到mse和r2系数均在95％以上的模型f
1-2
。
119.图4示意性示出了根据本公开实施例的生产环境单架构层性能容量预估模型的构建方法的流程图。
120.如图4所示，包括操作s410～操作s440。
121.在操作s410，在测试环境对应用进行多次梯度发压测试。
122.在操作s420，获取测试环境中不同节点在指定比例的cpu使用率下的联机交易率。
123.在操作s430，根据节点数、cpu使用率和联机交易率确定测试环境单架构层性能容量预估模型。
124.在操作s440，根据所述生产环境单节点性能容量和所述测试环境单架构层性能容量预估模型确定生产环境单架构层性能容量预估模型。
125.一个示例中，通过在测试环境多次梯度发压实验，收集多次发压实验场景中，测试环境不同节点cpu消耗在指定比例时(20％，40％，60％，80％)的联机交易率数据：
126.cc ac-asm
n-x
(其中n代表节点个数、x代表容器cpu使用率)
127.例如，c
1-20
代表单节点cpu消耗在20％时的联机交易率，c
5-60
代表5个节点cpu消耗在60％时的联机交易率，其中联机交易率即为tps数据。根据测试环境下多组实验数据，得出不同节点数n与c
n-x
间的转换模型f2，使得：cc ac-asm
n-x
＝f2(n，cc ac-asm
1-x
)
128.最后，最终生产单架构层的容量可借助生产容器单节点容量和转换模型f2得出：
129.cs ac-asm
n-x
＝f2(n，cs ac-asm 1-x
)
130.不同节点数n与c
n-x
间的转换模型f2即为生产环境单架构层性能容量预估模型，根据节点数和生产环境单节点性能容量即可确定单架构层性能容量。
131.图5示意性示出了根据本公开实施例的生产环境单节点性能容量的确定方法的流程图。
132.如图5所示，操作s220包括操作s221和操作s222。
133.在操作s221，根据所述测试环境单节点性能指标数据和所述测试环境单节点性能容量预估模型确定测试环境单节点性能容量。
134.在操作s222，根据所述测试环境单节点性能容量和所述生产环境单节点性能容量转换模型确定生产环境单节点性能容量。
135.一个示例中，根据上述测试环境单节点性能容量预估模型f
1-1
：cc ac-asm＝f
1-1
(x)，输入测试环境单节点性能指标数据，即可输出测试环境单节点性能容量。再将测试环境单节点性能容量作为输入，利用生产环境单节点性能容量转换模型对测试环境单节点性能容量进行转换，即可输出生产环境单节点性能容量。
136.图6示意性示出了根据本公开实施例的生产环境应用性能容量的确定方法的流程图。如图6所示，操作s240包括操作s241和操作s242。
137.在操作s241，获取多个生产环境单架构层性能容量。
138.在操作s242，确定所述多个生产环境单架构层性能容量的最小值为生产环境应用性能容量。
139.一个示例中，重复操作s210～操作s230的方法即可获得生产环境某应用各层的容量预估值，其中各层容量预估值中的最小值就是该应用生产容量的极限：c
prsa
＝min(cs ac-asm
n-x
，cs app-asm
n-x
，cs ac
n-x
，cs app
n-x
，cs commondata
n-x
，cs common
n-x
)
140.可拓展的，还可以根据所述生产环境应用性能容量确定扩容策略。作为优选的，根据瓶颈层容量极限反推其余各层的余量，根据不同扩容目标确定对应的扩容策略。具体的：
141.假设应用x，共分为123，3个架构层，通过上述方法对各层进行的容量评估如下：
142.层1在cpu使用20％、40％、60％、70％时，可支撑20、40、60、70tps；
143.层2在cpu使用20％、40％、60％、70％时，可支撑10、20、30、40tps；
144.层3在cpu使用20％、40％、60％、70％时，可支撑200、400、600、700tps。
145.应用x的现有配置下，可支撑的最大容量是40tps，瓶颈层在层2，当应用x支撑40tps时，层1的cpu在40％附近，层3的cpu在20％以下。由此可以根据具体的扩容目标确定具体扩容策略。例如，要使应用x满足200tps的支撑能力，则需要对层1进行扩容至目前的3倍，对层2进行扩容至目前的5倍，层3不需要扩容，在200tps的负载下，层3cpu的消耗预计在20％左右。
146.要使应用x满足400tps的支撑能力，则需要对层1进行扩容至目前的6倍，对层2进行扩容至目前的10倍，层3不需要扩容，在400tps的负载下，层3cpu的消耗预计在40％左右。
147.要使应用x满足600tps的支撑能力，则需要对层1进行扩容至目前的9倍，对层2进行扩容至目前的15倍，层3不需要扩容，在600tps的负载下，层3cpu的消耗预计在60％左右。
148.要使应用x满足560tps的支撑能力，则需要对层1进行扩容至目前的8倍，对层2进
行扩容至目前的14倍，层3不需要扩容，在560tps的负载下，层3cpu的消耗预计在60％左右。
149.基于上述应用性能容量预估方法，本公开还提供了一种应用性能容量预估装置。以下将结合图7对该装置进行详细描述。
150.图7示意性示出了根据本公开实施例的应用性能容量预估装置的结构框图。
151.如图7所示，该实施例的应用性能容量预估装置800包括获取模块810、第一确定模块820、第二确定模块830和第三确定模块840。
152.获取模块810用于获取测试环境单节点性能指标数据。在一实施例中，获取模块810可以用于执行前文描述的操作s210，在此不再赘述。
153.第一确定模块820用于根据所述测试环境单节点性能指标数据和预先训练的单节点性能容量预估模型确定生产环境单节点性能容量。在一实施例中，第一确定模块820可以用于执行前文描述的操作s220，在此不再赘述。
154.第二确定模块830用于根据所述生产环境单节点性能容量、节点数和预先构建的生产环境单架构层性能容量预估模型确定生产环境单架构层性能容量。在一实施例中，第二确定模块830可以用于执行前文描述的操作s230，在此不再赘述。
155.第三确定模块840用于根据多个生产环境单架构层性能容量确定生产环境应用性能容量。在一实施例中，第三确定模块840可以用于执行前文描述的操作s240，在此不再赘述。
156.根据本公开的实施例，该装置还包括：模型训练模块850和模型构建模块860。
157.根据本公开的实施例，模型训练模块850包括第一样本收集子模块851、第四确定子模块852、第二样本收集子模块853、样本特征生成子模块854、转换子模块855和第五确定子模块856。
158.第一样本收集子模块851用于收集第一训练样本数据，所述第一训练样本数据包括测试环境下单节点在不同交易率下的cpu使用率。在一实施例中，第一样本收集子模块851可以用于执行前文描述的操作s310，在此不再赘述。
159.第四确定子模块852用于根据所述训练样本数据确定单节点容量与cpu使用率的映射关系，以确定测试环境单节点性能容量预估模型。在一实施例中，第四确定子模块852可以用于执行前文描述的操作s320，在此不再赘述。
160.第二样本收集子模块853用于收集第二训练样本数据，所述第二训练样本数据包括生产环境下cpu使用率和交易率。在一实施例中，第二样本收集子模块853可以用于执行前文描述的操作s330，在此不再赘述。
161.样本特征生成子模块854用于将所述第一训练样本数据和所述第二训练样本数据进行特征化处理，以生成多组多维度的样本特征。在一实施例中，样本特征生成子模块854可以用于执行前文描述的操作s340，在此不再赘述。
162.转换子模块855用于对所述样本特征进行机器学习训练得到单节点性能容量转换模型。在一实施例中，转换子模块855可以用于执行前文描述的操作s350，在此不再赘述。
163.第五确定子模块856用于根据所述测试环境单节点性能容量预估模型和所述单节点性能容量转换模型确定单节点性能容量预估模型。在一实施例中，第五确定子模块856可以用于执行前文描述的操作s360，在此不再赘述。
164.根据本公开的实施例，模型构建模块860包括测试子模块861、第二获取子模块
862、第六确定子模块863和第七确定子模块864。
165.测试子模块861，用于在测试环境对应用进行多次梯度发压测试。在一实施例中，测试子模块861可以用于执行前文描述的操作s410，在此不再赘述。
166.第二获取子模块862用于获取测试环境中不同节点在指定比例的cpu使用率下的联机交易率。在一实施例中，第二获取子模块862可以用于执行前文描述的操作s420，在此不再赘述。
167.第六确定子模块863用于根据节点数、cpu使用率和联机交易率确定测试环境单架构层性能容量预估模型。在一实施例中，第六确定子模块863可以用于执行前文描述的操作s430，在此不再赘述。
168.第七确定子模块864用于根据所述生产环境单节点性能容量和所述测试环境单架构层性能容量预估模型确定生产环境单架构层性能容量预估模型。在一实施例中，第七确定子模块864可以用于执行前文描述的操作s440，在此不再赘述。
169.根据本公开的实施例，第一确定模块820包括第一确定子模块821和第二确定子模块822。
170.第一确定子模块821用于根据所述测试环境单节点性能指标数据和所述测试环境单节点性能容量预估模型确定测试环境单节点性能容量。在一实施例中，第一确定子模块821可以用于执行前文描述的操作s221，在此不再赘述。
171.第二确定子模块822用于根据所述测试环境单节点性能容量和所述生产环境单节点性能容量转换模型确定生产环境单节点性能容量。在一实施例中，第二确定子模块822可以用于执行前文描述的操作s222，在此不再赘述。
172.根据本公开的实施例，第三确定模块840包括第一获取子模块841和第三确定子模块842。
173.第一获取子模块841用于获取多个生产环境单架构层性能容量。在一实施例中，第一获取子模块841可以用于执行前文描述的操作s241，在此不再赘述。
174.第三确定子模块842用于确定所述多个生产环境单架构层性能容量的最小值为生产环境应用性能容量。在一实施例中，第三确定子模块842可以用于执行前文描述的操作s242，在此不再赘述。
175.根据本公开的实施例，获取模块810、第一确定模块820、第二确定模块830和第三确定模块840中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，获取模块810、第一确定模块820、第二确定模块830和第三确定模块840中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(fpga)、可编程逻辑阵列(pla)、片上系统、基板上的系统、封装上的系统、专用集成电路(asic)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，获取模块810、第一确定模块820、第二确定模块830和第三确定模块840中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
176.图8示意性示出了根据本公开实施例的适于实现应用性能容量预估方法的电子设
备的方框图。
177.如图8所示，根据本公开实施例的电子设备900包括处理器901，其可以根据存储在只读存储器(rom)902中的程序或者从存储部分908加载到随机访问存储器(ram)903中的程序而执行各种适当的动作和处理。处理器901例如可以包括通用微处理器(例如cpu)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(asic))等等。处理器901还可以包括用于缓存用途的板载存储器。处理器901可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
178.在ram 903中，存储有电子设备900操作所需的各种程序和数据。处理器901、rom 902以及ram 903通过总线904彼此相连。处理器901通过执行rom 902和/或ram 903中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除rom 902和ram 903以外的一个或多个存储器中。处理器901也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
179.根据本公开的实施例，电子设备900还可以包括输入/输出(i/o)接口905，输入/输出(i/o)接口905也连接至总线904。电子设备900还可以包括连接至i/o接口905的以下部件中的一项或多项：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至i/o接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。
180.本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的应用性能容量预估方法。
181.根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的rom 902和/或ram 903和/或rom 902和ram 903以外的一个或多个存储器。
182.本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的应用性能容量预估方法。
183.在该计算机程序被处理器901执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
184.在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分
发，并通过通信部分909被下载和安装，和/或从可拆卸介质911被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
185.在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被处理器901执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
186.根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如java，c++，python，“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
187.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
188.本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
189.以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。