买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江西省气象数据中心(江西省气象档案馆)

摘要：本申请提供了一种自适应的云服务器监视数据收集方法、装置及云服务器，属于数据处理技术领域。该方法包括：获取云服务器过去一段时间的资源利用指标历史数据；基于感知机算法判断是否需要调整监视数据的收集频率；基于岭回归算法预测每项指标下一个时间点的预测值；根据所有项指标的预测值，计算监视数据的收集时间间隔，以调整监视数据的收集频率。本申请实施例提供的一种自适应的云服务器监视数据收集方法，当云服务器资源紧张时，降低收集数据的频率，避免收集代理和虚拟机进行资源恶性竞争，避免对云服务器上的虚拟机性能造成不良影响；当云服务器资源宽松时，提高收集数据的频率，以提高云服务器的资源利用率，满足监视数据的收集需求。

主权项：1.一种自适应的云服务器监视数据收集方法，其特征在于，包括：获取云服务器过去一段时间的资源利用指标历史数据，资源利用指标包括CPU利用率、内存利用率、网络利用率和磁盘利用率；根据所述资源利用指标历史数据，并基于感知机算法判断是否需要调整监视数据的收集频率；在判断需要调整监视数据的收集频率的情况下，根据所述资源利用指标历史数据，并基于岭回归算法预测每项指标下一个时间点的预测值；根据所有项指标的所述预测值，计算监视数据的收集时间间隔，以调整监视数据的收集频率；所述根据所述资源利用指标历史数据，并基于感知机算法判断是否需要调整监视数据的收集频率，包括：将过去n个时间点的各项指标转化成输入特征向量x；将所述特征向量x代入到感知机模型中，并计算目标值fx＝signaTx+b，其中，a和b是感知机的超平面参数矩阵；如果fx＝1，则确定需要调整监视数据的收集频率；如果fx＝-1，则确定不需要调整监视数据的收集频率；所述方法还包括：通过离线历史训练集进行线性逼近方式计算a和b；所述通过离线历史训练集进行线性逼近方式计算a和b，包括：随机选取a和b的初始值矩阵；在离线训练集中选取数据xi,yi，若yiaTx+b＝0，则进行线性逼近计算：anew＝aold+0.01yixi，bnew＝bold+0.01yi；然后再次选取离线训练集数据进行线性逼近；其中，aold为a的当前数据值矩阵，anew为a的下一条数据值矩阵；bold为b的当前数据值矩阵，bnew为b的下一条数据值矩阵；所述根据所述资源利用指标历史数据，并基于岭回归算法预测每项指标下一个时间点的预测值，包括：为每项指标建立一个岭回归预测函数模型，函数表达式为Lx＝θ1x1+…+θnxn，其中，θ1…θn0，参数矩阵θ＝{θ1…θn}的求解方程式为θnew＝θold+0.001*XTX-1XTy，X是一项指标过去n个时间点的连续数值，y是一项指标下一个时间点的预测值，X和y取自离线训练集，θold为θ的当前值矩阵，θnew为θ的下一时间点值矩阵。

全文数据：

权利要求：

百度查询： 江西省气象数据中心(江西省气象档案馆) 一种自适应的云服务器监视数据收集方法、装置及云服务器