(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111603738.3 (22)申请日 2021.12.24 (71)申请人 中国农业银行股份有限公司 地址 100005 北京市东城区建国门内大街 69号 (72)发明人 杨扬　金靖雯　徐文政　白栩豪　 张乔　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 代理人 王征　黄健 (51)Int.Cl. G06F 11/34(2006.01) G06N 20/00(2019.01) (54)发明名称 应用程序负载数据预测方法、 装置及 存储介 质 (57)摘要 本申请提供一种应用程序负载数据预测方 法、 装置及存储介质， 通过获取待预测应用程序 的静态特征， 输入预先训练的应用程序分类模 型， 确定待预测应用程序所属的应用程序类别， 其中各应用程序类别是根据已部署应用程序样 本的负载数据聚类得到； 将待预测应用程序所属 的应用程序类别中各已部署应用程序样本的平 均负载数据确定为待预测应用程序的预测负载 数据。 预先对已部署应用程序的负载数据聚类， 通过应用程序分类模型确定待预测应用程序所 属的应用程序类别， 将该应用程序类别中各已部 署应用程序样本的平均负载数据作为待预测应 用程序的预测负载数据， 不依赖待预测应用程序 的历史负载数据， 可对未部署应用程序进行负载 预测， 扩展负载预测的适用场景。 权利要求书2页 说明书12页 附图3页 CN 114281664 A 2022.04.05 CN 114281664 A 1.一种应用程序负载 数据预测方法， 其特 征在于， 包括： 获取待预测应用程序的静态特 征； 根据所述待预测应用程序的静态特征以及预先训练 的应用程序分类模型， 确定所述待 预测应用程序所属的应用程序类别； 其中各应用程序类别是根据已部署 应用程序样本的负 载数据进行聚类得到； 获取所述待预测应用程序所属的应用程序类别中的各已部署应用程序样本的平均负 载数据， 将所述平均负载 数据确定为所述待预测应用程序的预测负载 数据。 2.根据权利要求1所述的方法， 其特征在于， 所述获取所述待预测应用程序所属的应用 程序类别中的各已部署应用程序样本的平均负载 数据， 包括： 根据所述待预测应用程序所属的应用程序类别， 获取该应用程序类别中的各已部署应 用程序样本的负载数据， 并根据该应用程序类别中的各已部署应用程序样本的负载数据计 算平均值， 得到所述平均负载 数据； 或者 根据所述待预测应用程序所属的应用程序类别， 查询该应用程序类别对应的预设平均 负载数据， 其中所述预设平均负载数据为预先根据该应用程序类别中的各已部署 应用程序 样本的负载 数据计算的平均值。 3.一种应用程序分类模型的训练方法， 其特 征在于， 包括： 获取多个已部署应用程序样本的静态特 征以及负载 数据； 根据所述多个已部署应用程序样本的负载数据对所述多个已部署应用程序样本进行 聚类， 得到不同的应用程序类别； 将所述多个已部署应用程序样本的静态特征以及对应的应用程序类别作为训练数据， 根据训练数据对应用程序分类模型进行训练。 4.根据权利要求3所述的方法， 其特征在于， 所述已部署应用程序样本的负载数据包 括： 已部署 应用程序样本在预定时长内目标负载指标的平均值和/或峰值， 所述目标负载指 标包括CPU占用率和/或内存占用率； 所述静态特征包括以下至少一项： 应用程序安装包大小、 功能类型、 虚拟机信息、 使用 者信息。 5.根据权利要求3或4所述的方法， 其特征在于， 所述将所述多个已部署应用程序样本 的静态特 征以及对应的应用程序类别作为训练数据前， 还 包括： 将所述多个已部署应用程序样本的静态特征以及对应的应用程序类别输入特征重要 性评价模型， 获取在选择不同静态特征组合的情况下对应用程序类别预测的准确度以及所 选择的静态特 征的基尼系数； 基于预测的准确度以及静态特 征的基尼系数确定一组最优静态特 征； 所述将所述多个已部署应用程序样本的静态特征以及对应的应用程序类别作为训练 数据， 包括： 对于任一已部署应用程序样本， 从其静态特征中筛选出所述最优静态特征， 并将筛选 出的所述最优静态特征以及该已部署应用程序样本对应的应用程序类别作为一组训练数 据。 6.根据权利要求3所述的方法， 其特征在于， 所述根据训练数据对应用程序分类模型进 行训练， 包括：权　利　要　求　书 1/2 页 2 CN 114281664 A 2根据训练数据分别对多个不同架构的备选应用程序分类模型进行训练； 根据训练结果， 对多个备选应用程序分类模型进行对比， 选择最优的备选应用程序分 类模型作为 最终的应用程序分类模型。 7.一种应用程序负载 数据预测设备， 其特 征在于， 包括： 特征获取模块， 用于获取待预测应用程序的静态特 征； 分类模块， 用于根据 所述待预测应用程序的静态特征以及预先训练的应用程序分类模 型， 确定所述待预测应用程序所属的应用程序类别； 其中各应用程序类别是根据已部署应 用程序样本的负载 数据进行聚类得到； 负载预测模块， 用于获取所述待预测应用程序所属的应用程序类别中的各已部署应用 程序样本的平均负载数据， 将所述平均负载数据确定为所述待预测应用程序的预测负载数 据。 8.一种应用程序分类模型的训练设备， 其特 征在于， 包括： 采集模块， 用于获取多个已部署应用程序样本的静态特 征以及负载 数据； 聚类模块， 用于根据 所述多个已部署应用程序样本的负载数据对所述多个已部署应用 程序样本进行聚类， 得到不同的应用程序类别； 训练模块， 用于将所述多个已部署应用程序样本的静态特征以及对应的应用程序类别 作为训练数据， 根据训练数据对应用程序分类模型进行训练。 9.一种电子设备， 其特 征在于， 包括： 处 理器， 以及与所述处 理器通信连接的存 储器； 所述存储器存储计算机执 行指令； 所述处理器执行所述存储器存储的计算机执行指令， 以实现如权利 要求1‑2或3‑6任一 项所述的方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有计算机 执行指令， 所述计算机执行指 令被处理器执行时用于实现如权利要求 1‑2或3‑6任一项所述 的方法。权　利　要　求　书 2/2 页 3 CN 114281664 A 3