应用部署的资源配置方法及装置与流程

本发明涉及计算机应用，具体涉及一种应用部署的资源配置方法及装置。另外，还涉及一种电子设备及非暂态计算机可读存储介质。

背景技术：

1、近年来，随着云计算和虚拟化技术的不断发展，现代数据中心的基础架构体系正朝着多样化方向快速演进，目前已经成为融合了多种异构计算资源组成的复杂环境，异构计算资源包括通用处理器(central processing unit，cpu)、图形处理器(graphicsprocessing unit，gpu)、可编程逻辑阵列(field programmable gate array，fpga)等硬件加速组件以及大容量内存、高速存储设备等。这种异构计算资源的整合使得数据中心能够处理更加多样化的工作，但同时也带来了资源管理和调度的复杂性。在当前现有的虚拟化管理平台中，资源的分配通常依赖于管理员的经验判断或用户的手动申请。这种方法虽然简单易行，但存在诸多弊端。首先，手动申请资源不仅繁琐，而且容易出现误判或浪费；其次，由于缺乏对应用计算特性的深入了解，管理员往往难以准确判断每个应用所需的最佳资源组合，从而导致资源利用率低下或性能瓶颈。尽管已有研究尝试通过自动化手段优化资源分配，如基于规则的资源配置策略、基于历史数据的统计分析等，但这些方法往往存在局限性，忽视了应用计算特性的挖掘，仅依赖粗粒度的历史使用数据或通用规则，未能充分考虑应用本身的计算特性对资源需求的影响，导致应用部署的资源配置效率和利用率较差。因此，如何设计一种更为高效的应用部署的资源配置方案成为当前亟待解决的问题。

技术实现思路

1、本发明提供一种应用部署的资源配置方法及装置，用以解决现有技术中存在的应用部署的资源配置方案局限性较高，从而导致应用部署的资源配置效率和利用率较差的缺陷。

2、本发明提供一种应用部署的资源配置方法，包括：基于待部署应用的源代码文件进行源码解析处理，获得应用源码数据；对所述待部署应用的应用性能数据进行特征提取，获得应用性能特征数据；基于所述应用源码数据和所述应用性能特征数据分别进行标准化处理，获得所述待部署应用对应的应用特征向量；将所述应用特征向量输入到基于决策树集成的资源需求预测模型进行资源需求预测，获得所述资源需求预测模型输出的应用部署所需的资源配置清单；其中，所述资源需求预测模型是基于样本应用特征向量以及所述样本应用特征向量对应预测的资源配置清单标签进行迭代训练及测试得到的。

3、根据本发明提供的一种应用部署的资源配置方法，所述基于待部署应用的源代码文件进行源码解析处理，获得应用源码数据，包括：基于预设的源代码文件的扩展名与编程语言映射表，选择所述待部署应用的源代码文件对应的编译器前端工具；基于所述编译器前端工具从将预设的源码版本控制系统获取所述源代码文件，并将所述源代码文件转换为抽象语法树；其中，所述预设的源码版本控制系统用于查询存储的源代码文件；所述基于所述编译器前端工具从将预设的源码版本控制系统获取所述源代码文件，并将所述源代码文件转换为抽象语法树，包括：基于所述编译器前端工具从将预设的源码版本控制系统查询存储模块中历史记录表的应用构建记录，若不存在应用构建记录，则通过所述源码版本控制系统接口命令拉取全量的源代码文件进行抽象语法树构建，若存在应用构建记录，则通过所述源码版本控制系统接口命令拉取所述历史记录表记录的最近预设时间范围内的变更文件列表，基于所述最近预设时间范围内的变更文件列表进行增量抽象语法树构建；对于每个待分析的源代码文件，检查工件记录表是否存在抽象语法树构建记录，若不存在抽象语法树构建记录，则记录所述源代码文件的抽象语法树，若存在抽象语法树构建记录，则更新所述抽象语法树构建记录。

4、根据本发明提供的一种应用部署的资源配置方法，所述对所述待部署应用的应用性能数据进行特征提取，获得应用性能特征数据，包括：对所述待部署应用的应用性能数据进行特征分析，确定所述应用性能数据中的峰值数据和极值数据；对所述峰值数据和极值数据进行提取，并将提取到的峰值数据和极值数据作为所述应用性能特征数据。

5、根据本发明提供的一种应用部署的资源配置方法，在获得所述资源需求预测模型输出的应用部署所需的资源配置清单之后，还包括：根据所述应用部署所需的资源配置清单申请并配置相应的虚拟机；对所述虚拟机运行状态进行监控，在所述虚拟机的运行状态数据超过或低于预设状态阈值的情况下，触发生成相应的告警提示信息，并根据预设的调整策略对所述资源配置清单中的实际资源进行调整分配。

6、根据本发明提供的一种应用部署的资源配置方法，还包括：将应用部署所需的各项资源配置作为训练目标，调用预设的初始资源需求预测模型基于预设的训练集进行迭代训练，获得第一资源需求预测模型；利用所述第一资源需求预测模型对预设的测试集进行预测，计算所述第一资源需求预测模型的评估指标值；根据所述评估指标值对所述第一资源需求预测模型进行模型参数调优，获得训练及测试完成的所述资源需求预测模型。

7、根据本发明提供的一种应用部署的资源配置方法，基于所述应用源码数据和所述应用性能特征数据分别进行标准化处理，获得所述待部署应用对应的应用特征向量，具体包括：从所述应用源码数据中获取属于字符描述型的第一应用源码数据，对所述第一应用源码数据进行二进制向量转换，获得第一应用特征向量；从所述应用源码数据中获取属于数值型的第二应用源码数据，对所述第二应用源码数据进行向量标准值计算，获得第二应用特征向量；所述对所述第二应用源码数据进行向量标准值计算，获得第二应用特征向量，具体包括：获取所述第二应用源码数据中各项应用源码数据的原始值、所述各项应用源码数据对应的最大值以及所述各项应用源码数据对应的最小值；确定所述各项应用源码数据的原始值和所述各项应用源码数据对应的最大值之间的第一差值；确定所述各项应用源码数据对应的所述最大值和所述各项应用源码数据对应的最小值之间的第二差值；基于所述第一差值和所述第二差值进行向量标准值计算，获得第二应用特征向量；对所述应用性能特征数据进行向量标准值计算，获得第三应用特征向量；所述对所述应用性能特征数据进行向量标准值计算，获得第三应用特征向量，具体包括：获取所述应用性能特征数据中各项应用性能特征的原始值、所述各项应用性能特征对应的最大值以及所述各项应用性能特征对应的最小值；确定所述各项应用性能特征的原始值和所述各项应用性能特征对应的最大值之间的第一差值；确定所述各项应用性能特征对应的所述最大值和所述各项应用性能特征对应的最小值之间的第二差值；基于所述第一差值和所述第二差值进行向量标准值计算，获得第三应用特征向量；基于所述第一应用特征向量、所述第二应用特征向量以及所述第三应用特征向量进行拼接，获得所述待部署应用对应的应用特征向量。

8、本发明还提供一种应用部署的资源配置装置，包括：源码解析单元，用于基于待部署应用的源代码文件进行源码解析处理，获得应用源码数据；性能特征提取单元，用于对所述待部署应用的应用性能数据进行特征提取，获得应用性能特征数据；标准化处理单元，用于基于所述应用源码数据和所述应用性能特征数据分别进行标准化处理，获得所述待部署应用对应的应用特征向量；资源配置预测单元，用于将所述应用特征向量输入到基于决策树集成的资源需求预测模型进行资源需求预测，获得所述资源需求预测模型输出的应用部署所需的资源配置清单；其中，所述资源需求预测模型是基于样本应用特征向量以及所述样本应用特征向量对应预测的资源配置清单标签进行迭代训练及测试得到的。

9、根据本发明提供的一种应用部署的资源配置装置，所述标准化处理单元，具体用于：从所述应用源码数据中获取属于字符描述型的第一应用源码数据，对所述第一应用源码数据进行二进制向量转换，获得第一应用特征向量；从所述应用源码数据中获取属于数值型的第二应用源码数据，对所述第二应用源码数据进行向量标准值计算，获得第二应用特征向量；所述对所述第二应用源码数据进行向量标准值计算，获得第二应用特征向量，具体包括：获取所述第二应用源码数据中各项应用源码数据的原始值、所述各项应用源码数据对应的最大值以及所述各项应用源码数据对应的最小值；确定所述各项应用源码数据的原始值和所述各项应用源码数据对应的最大值之间的第一差值；确定所述各项应用源码数据对应的所述最大值和所述各项应用源码数据对应的最小值之间的第二差值；基于所述第一差值和所述第二差值进行向量标准值计算，获得第二应用特征向量；对所述应用性能特征数据进行向量标准值计算，获得第三应用特征向量；所述对所述应用性能特征数据进行向量标准值计算，获得第三应用特征向量，具体包括：获取所述应用性能特征数据中各项应用性能特征的原始值、所述各项应用性能特征对应的最大值以及所述各项应用性能特征对应的最小值；确定所述各项应用性能特征的原始值和所述各项应用性能特征对应的最大值之间的第一差值；确定所述各项应用性能特征对应的所述最大值和所述各项应用性能特征对应的最小值之间的第二差值；基于所述第一差值和所述第二差值进行向量标准值计算，获得第三应用特征向量；基于所述第一应用特征向量、所述第二应用特征向量以及所述第三应用特征向量进行拼接，获得所述待部署应用对应的应用特征向量。

10、根据本发明提供的一种应用部署的资源配置装置，所述源码解析单元，具体用于：基于预设的源代码文件的扩展名与编程语言映射表，选择所述待部署应用的源代码文件对应的编译器前端工具；基于所述编译器前端工具从将预设的源码版本控制系统获取所述源代码文件，并将所述源代码文件转换为抽象语法树；其中，所述预设的源码版本控制系统用于查询存储的源代码文件；所述基于所述编译器前端工具从将预设的源码版本控制系统获取所述源代码文件，并将所述源代码文件转换为抽象语法树，包括：基于所述编译器前端工具从将预设的源码版本控制系统查询存储模块中历史记录表的应用构建记录，若不存在应用构建记录，则通过所述源码版本控制系统接口命令拉取全量的源代码文件进行抽象语法树构建，若存在应用构建记录，则通过所述源码版本控制系统接口命令拉取所述历史记录表记录的最近预设时间范围内的变更文件列表，基于所述最近预设时间范围内的变更文件列表进行增量抽象语法树构建；对于每个待分析的源代码文件，检查工件记录表是否存在抽象语法树构建记录，若不存在抽象语法树构建记录，则记录所述源代码文件的抽象语法树，若存在抽象语法树构建记录，则更新所述抽象语法树构建记录。

11、根据本发明提供的一种应用部署的资源配置装置，所述性能特征提取单元，具体用于：对所述待部署应用的应用性能数据进行特征分析，确定所述应用性能数据中的峰值数据和极值数据；对所述峰值数据和极值数据进行提取，并将提取到的峰值数据和极值数据作为所述应用性能特征数据。

12、根据本发明提供的一种应用部署的资源配置装置，在获得所述资源需求预测模型输出的应用部署所需的资源配置清单之后，还包括：资源配置优化单元，具体用于：根据所述应用部署所需的资源配置清单申请并配置相应的虚拟机；对所述虚拟机运行状态进行监控，在所述虚拟机的运行状态数据超过或低于预设状态阈值的情况下，触发生成相应的告警提示信息，并根据预设的调整策略对所述资源配置清单中的实际资源进行调整分配。

13、根据本发明提供的一种应用部署的资源配置装置，还包括：模型训练及测试单元，用于将应用部署所需的各项资源配置作为训练目标，调用预设的初始资源需求预测模型基于预设的训练集进行迭代训练，获得第一资源需求预测模型；利用所述第一资源需求预测模型对预设的测试集进行预测，计算所述第一资源需求预测模型的评估指标值；根据所述评估指标值对所述第一资源需求预测模型进行模型参数调优，获得训练及测试完成的所述资源需求预测模型。

14、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述应用部署的资源配置方法。

15、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述应用部署的资源配置方法。

16、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述应用部署的资源配置方法。

17、本发明提供的应用部署的资源配置方法，通过对部署应用的源代码文件进行源码解析处理，获得应用源码数据；对待部署应用的应用性能数据进行特征提取，获得应用性能特征数据；基于应用源码数据和应用性能特征数据分别进行标准化处理，获得待部署应用对应的应用特征向量；将应用特征向量输入到基于决策树集成的资源需求预测模型进行资源需求预测，获得资源需求预测模型输出的应用部署所需的资源配置清单，其能够有效提高应用部署的资源配置效率和利用率。