一种基于注意力机制的自动预测方法及云资源调整系统与流程

本发明属于云计算，具体涉及一种基于注意力机制的自动预测方法及云资源调整系统。

背景技术：

1、云计算是一种按量付费、按需购买的新型商业模式，尤其是在计算机、互联网的大数据信息时代下，云计算数据中心的规模也发展得越来越壮大。其核心是基于互联网的计算方式，用户可以通过浏览器或者web等方式来按需购买计算机和其他设备，以及购买所需的数据存储服务。

2、iaas(infrastructure as a service)，即基础设施即服务。用户通过使用iaas这种基础设施即服务的模型，可以根据自己对资源的实际使用量或者占用量从提供商处获得服务器、存储和网络等服务。这种方式非常便捷，用户无需提前自己购买大型设备，只需根据自己所需随时随地在提供商处进行租赁。提供商可提供多种规格的资源，如云主机、云服务器，同时可提供用户所需操作操作系统以及存储和网络服务。

3、现有技术中，对用户申请云资源的方案存在一些弊端，特别是当宿主机中总剩余容量足够用户申请的资源需求时，用户却无法正常申请到云主机资源的情况。

技术实现思路

1、本发明的目的在于提供一种基于注意力机制的自动预测方法及云资源调整系统，先收集以往云主机的申请情况，再通过lstm-mix-attention网络算法预测出未来云主机资源申请信息，最后通过云资源自动调整模块将宿主机中云资源进行重新调整分配，从而达到用户能够正常申请云资源的目的，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明采用了如下技术方案：一种基于注意力机制的自动预测方法，包括：采集云平台上各个宿主机中的资源信息和云主机的资源申请信息，并将所述资源信息和资源申请信息整理为基础数据；以所述基础数据为基础通过带有注意力机制的lstm-mix-attention网络算法对未来云主机的资源申请信息和使用情况进行分析和预测，获取预测结果；根据所述预测结果判断当前每台宿主机剩余的资源信息是否满足所申请的云主机的要求，并根据判断结果由云资源自动调整算法调整宿主机的资源，使其能够承载所需申请的云主机。

3、优选地，宿主机中的所述资源信息包括资源使用情况和当前资源剩余容量，云主机的所述资源申请信息包括申请云主机的规格和资源量；其中，所述采基础数据的获取通过云平台的资源监控系统进行采集。

4、优选地，所述lstm-mix-attention网络算法包括mix-attention模块和lstm网络模块，所述mix-attention模块包括通道注意力子模块和空间注意力子模块，用于将通道和空间两种不同维度的特征信息进行融合；其中，所述mix-attention模块的输入接lstm网络模块的输出，将云主机的申请时间、申请的cpu大小和内存大小作为输入送入lstm-mix-attention网络算法中，预测得到未来云主机所申请的cpu大小和内存大小。

5、优选地，所述lstm-mix-attention网络算法，包括：对输入特征分别进行通道和空间维度的权重学习；分别将输入特征与通道权值和空间权值以矩阵相乘的方式将权重映射到通道特征图和空间特征图上；将通道特征图与空间特征图进行相加，得到最后的输出特征。

6、优选地，所述对输入特征分别进行通道和空间维度的权重学习，包括：给定一个特征映射图f∈rc×h×w作为输入，分别送入两个注意力子模块，得到一维通道注意力图mc∈rc×1×1和二维空间注意力图ms∈r1×h×w。

7、优选地，所述分别将输入特征与通道权值和空间权值以矩阵相乘的方式将权重映射到通道特征图和空间特征图上，包括：将输入特征图f与一维通道注意力图mc相乘，得到通道维度的特征信息，如下式：将输入特征图f与二维空间注意力图ms相乘，得到空间维度的特征信息，如下式：

8、优选地，所述将通道特征图与空间特征图进行相加，得到最后的输出特征，包括：将通道维度的特征信息与空间维度的特征信息相结合，注意力过程如下式：式中，f代表输入特征图，表示两个矩阵的乘积，fout代表最终注意力输出结果特征图。

9、优选地，所述根据所述预测结果判断当前每台宿主机剩余的资源信息是否满足所申请的云主机的要求，包括：如果其中任意一台能够满足其要求，则在满足要求的宿主机上申请该云主机；如果每台均不能满足该云主机所申请的规格要求，但宿主机的剩余cpu总量和内存总量能够满足其要求，则自动调整宿主机上云资源的分布情况。

10、优选地，所述云资源自动调整算法，包括：

11、通过下式计算每台宿主机能够释放的最理想化的容量，

12、ridli＝p-li

13、式中，i表示各个宿主机的id，ridli表示理想状态下，每台宿主机最少释放的cpu大小和内存大小，p表示通过lstm-mix-attention网络算法预测得到的cpu大小和内存大小，li表示每台宿主机剩余的容量；

14、通过下式计算宿主机要释放的真实容量ri必须大于这个理想值ridli，

15、ri≥ridli

16、式中，ri表示每台宿主机真实释放的cpu大小和内存大小；

17、通过下式计算得到真实释放的最小的容量rmin与其对应的宿主机id，

18、rmin＝min(ri)

19、式中，rmin表示真实释放的最小的容量，下标min表示真实释放的最小的容量所对应的宿主机id；

20、通过下式计算得到需要迁移宿主机上的哪些云主机和这些云主机的大小，

21、ri＝∑vj

22、式中，vj表示第i台宿主机上所需释放的云主机的资源大小；

23、通过下式计算出其余宿主机的剩余资源容量的总和，

24、

25、式中，表示除第i台宿主机外其余宿主机的剩余资源容量的总和；

26、通过下式判断其余宿主机是否有足够的空间大小来迁移真实释放的最小的容量rmin，

27、

28、另一方面，本发明还提供一种基于注意力机制的云资源调整系统，包括：

29、信息收集模块，用于采集云平台上各个宿主机中的资源信息和云主机的资源申请信息，并将所述资源信息和资源申请信息整理为基础数据；

30、预测模块，用于以所述基础数据为基础通过带有注意力机制的lstm-mix-attention网络算法对未来云主机的资源申请信息和使用情况进行分析和预测，获取预测结果；

31、云资源自动调整模块，用于根据所述预测结果判断当前每台宿主机剩余的资源信息是否满足所申请的云主机的要求，并根据判断结果由云资源自动调整算法调整宿主机的资源，使其能够承载所需申请的云主机。

32、本发明的技术效果和优点：本发明提出的一种基于注意力机制的自动预测方法及云资源调整系统，与现有技术相比，具有以下优点：

33、本发明通过采集云平台上各个宿主机中的资源信息和云主机的资源申请信息，并将资源信息和资源申请信息整理为基础数据，以基础数据为基础通过带有注意力机制的lstm-mix-attention网络算法对未来云主机的资源申请信息和使用情况进行分析和预测，获取预测结果，根据预测结果判断当前每台宿主机剩余的资源信息是否满足所申请的云主机的要求，并根据判断结果由云资源自动调整算法调整宿主机的资源，使其能够承载所需申请的云主机，使用信息收集模块能够更好的在真实环境中进行运用；利用lstm-mix-attention网络算法预测未来云主机的资源申请情况，达到模拟出用户真实申请云资源的目的；通过云资源自动调整模块自动调整宿主机上云主机的资源占用情况，当真实请求过来时，有足够的资源进行分配。