一种判断集群中的服务器是否需要回收的方法和装置制造方法及图纸

本发明专利技术公开了一种判断集群中的服务器是否需要回收的方法和装置。该方法包括：获取多组已判断数据；将一组已判断数据输入到指定机器学习模型中，供该机器学习模型进行训练学习；将另外的多组已判断数据中的第一部分数据依次输入到机器学习模型中，并将该机器学习模型输出的判断结果与多组已判断数据中的第二部分数据对应进行比较；根据比较结果确定服务器的一个或多个关键指标参数；对于集群中的待判断服务器，获取该服务器的关键指标参数值并输入到机器学习模型中，接收机器学习模型输出的该服务器是否需要回收的判断结果。可见，本发明专利技术采用机器学习的方法，自动获得出待判断服务器是否回收的判断结果，成本降低，整体效率提高。

Method and device for judging whether a server in a cluster needs to be recovered

The invention discloses a method and a device for judging whether or not a server in a cluster needs to be recovered. The method includes: acquiring multiple groups has been judged data; a group has judged the data input to the specified machine learning model, and the machine learning model for training and learning; another multi group has been judged the first part of the data in the data are input to the machine learning model, and the machine learning model output judgment the results of the group with more than second pieces of data has been judged in the data corresponding to compare; according to one or more key parameters comparison results to determine the server in the cluster to be judged; for the server, the server gets the key index parameters and input to the machine learning model, if the server receives the output of the machine learning model the need to determine recovery results. Therefore, the invention adopts the method of machine learning to automatically obtain the judgment result of whether the server to be judged is recovered, the cost is reduced, and the overall efficiency is improved.

【技术实现步骤摘要】
一种判断集群中的服务器是否需要回收的方法和装置
本专利技术涉及计算机
，具体涉及一种判断集群中的服务器是否需要回收的方法和装置。
技术介绍
随着计算机和互联网的普及，基于服务器的业务不断的发展。在服务器提供业务服务的过程中，随着时间的推移，有些服务器会面临过保或未被充分使用等情况的出现，若服务器出现问题，会对整个系统业务造成严重的影响；若服务器未被充分使用，则会造成资源的浪费。为了避免上述情况的出现，需要对这些面临过保或未被充分使用的服务器进行回收以进行淘汰或者重新分配。现有技术中，往往是通过人工手段根据每台服务器的整体运行状态，判断哪些服务器需要进行回收处理。但是，通过人工手段导致判断过程中人为因素过多，人工成本高，整体效率低。
技术实现思路
鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的判断集群中的服务器是否需要回收的方法和相应的装置。依据本专利技术的一个方面，提供了一种判断集群中的服务器是否需要回收的方法，其中，该方法包括：获取多组已判断数据；其中每组已判断数据包括多条数据，每条数据对应一台服务器且包括两部分：第一部分数据是对应服务器的一组指标参数值，第二部分数据是对应服务器是否需要回收的判断结果；将一组已判断数据输入到指定机器学习模型中，供该机器学习模型进行训练学习；将另外的多组已判断数据中的第一部分数据依次输入到所述机器学习模型中，并将该机器学习模型输出的各服务器是否需要回收的判断结果与所述多组已判断数据中的第二部分数据对应进行比较；根据比较结果确定服务器的一个或多个关键指标参数；对于集群中的待判断服务器，获取该服务器的关键指标参数值并输入到所述机器学习模型中，接收所述机器学习模型输出的该服务器是否需要回收的判断结果。可选地，获取多组已判断数据包括：采集集群中的各服务器的指标参数值，以及接收根据所采集的指标参数值做出的各服务器是否需要回收的判断结果。可选地，所述采集集群中的各服务器的指标参数值，以及接收根据所采集的指标参数值做出的各服务器是否需要回收的判断结果包括：采集集群中的各服务器的指标参数值，并通过指定渠道显示输出；通过所述指定渠道接收输入的各服务器是否需要回收的人工判断结果。可选地，另外的多组已判断数据中的第一部分数据所包含的指标参数各不相同；所述根据比较结果确定服务器的一个或多个关键指标参数包括：从另外的多组已判断数据中，选取所述机器学习模型输出的判断结果与相应的第二部分数据最为接近的一组已判断数据；将选取的该组已判断数据的第一部分数据中包含的一组指标参数作为关键指标参数。可选地，该方法进一步包括：选取多种不同类型的机器学习模型；将同一组已判断数据输入到所述多种机器学习模型中，供各机器学习模型进行训练学习；将另外的多组已判断数据中的第一部分数据依次分别输入到各机器学习模型中，并将各机器学习模型输出的各服务器是否需要回收的判断结果与所述多组已判断数据中的第二部分数据对应进行比较；根据比较结果确定各机器学习模型分别对应的一组关键指标参数；根据各机器学习模型分别对应的一组关键指标参数确定最终的关键指标参数；再选取一组或多组已判断数据，将其第一部分数据中的与最终的关键指标参数对应的参数值输入到各机器学习模型中，并根据其第二部分数据计算出各机器学习模型输出的判断结果的准确率；选取准确率最高的机器学习模型；根据所述最终的关键指标参数和准确率最高的机器学习模型判断集群中的服务器是否需要回收。可选地，所述根据各机器学习模型分别对应的一组关键指标参数确定最终的关键指标参数包括:选取在各组关键指标参数中均出现的指标参数作为最终的关键指标参数；或者，选取在各组关键指标参数中出现的次数高于预设阈值的指标参数作为最终的关键指标参数。可选地，根据所述最终的关键指标参数和准确率最高的机器学习模型判断集群中的服务器是否需要回收包括：对于集群中的待判断服务器，获取该服务器的与所述最终的关键指标参数对应的参数值并输入到所述准确率最高的机器学习模型中，接收所述准确率最高的机器学习模型输出的该服务器是否需要回收的判断结果。可选地，所述指标参数包括如下中的一种或多种：最后登录时长；CPU负载；磁盘输入输出状况；核心文件最近修改时长；已建立连接状态的连接数。可选地，该方法进一步包括：每隔预设时间间隔，根据集群的当前运行状态，重新获取多组已判断数据；根据重新获取的多组已判断数据重复执行上述流程，获取新的关键指标参数；依据新的关键指标参数判断集群中的服务器是否需要回收。根据本专利技术的另一方面，提供了一种判断集群中的服务器是否需要回收的装置，其中，该装置包括：数据获取单元，适于获取多组已判断数据；其中每组已判断数据包括多条数据，每条数据对应一台服务器且包括两部分：第一部分数据是对应服务器的一组指标参数值，第二部分数据是对应服务器是否需要回收的判断结果；训练单元，适于将一组已判断数据输入到指定机器学习模型中，供该机器学习模型进行训练学习；将另外的多组已判断数据中的第一部分数据依次输入到所述机器学习模型中，并将该机器学习模型输出的各服务器是否需要回收的判断结果与所述多组已判断数据中的第二部分数据对应进行比较；根据比较结果确定服务器的一个或多个关键指标参数；回收判断单元，适于对于集群中的待判断服务器，获取该服务器的关键指标参数值并输入到所述机器学习模型中，接收所述机器学习模型输出的该服务器是否需要回收的判断结果。可选地，所述数据获取单元，适于采集集群中的各服务器的指标参数值，以及接收根据所采集的指标参数值做出的各服务器是否需要回收的判断结果。可选地，所述数据获取单元，适于采集集群中的各服务器的指标参数值，并通过指定渠道显示输出；通过所述指定渠道接收输入的各服务器是否需要回收的人工判断结果。可选地，另外的多组已判断数据中的第一部分数据所包含的指标参数各不相同；所述训练单元，适于从另外的多组已判断数据中，选取所述机器学习模型输出的判断结果与相应的第二部分数据最为接近的一组已判断数据；将选取的该组已判断数据的第一部分数据中包含的一组指标参数作为关键指标参数。可选地，所述训练单元，进一步适于选取多种不同类型的机器学习模型；将同一组已判断数据输入到所述多种机器学习模型中，供各机器学习模型进行训练学习；将另外的多组已判断数据中的第一部分数据依次分别输入到各机器学习模型中，并将各机器学习模型输出的各服务器是否需要回收的判断结果与所述多组已判断数据中的第二部分数据对应进行比较；根据比较结果确定各机器学习模型分别对应的一组关键指标参数；根据各机器学习模型分别对应的一组关键指标参数确定最终的关键指标参数；再选取一组或多组已判断数据，将其第一部分数据中的与最终的关键指标参数对应的参数值输入到各机器学习模型中，并根据其第二部分数据计算出各机器学习模型输出的判断结果的准确率；选取准确率最高的机器学习模型；所述回收判断单元，进一步适于根据所述最终的关键指标参数和准确率最高的机器学习模型判断集群中的服务器是否需要回收。可选地，所述训练单元，进一步适于选取在各组关键指标参数中均出现的指标参数作为最终的关键指标参数；或者，适于选取在各组关键指标参数中出现的次数高于预设阈值的指标参数作为最终的关键指标参数。可选地，所述回收判断单元，适本文档来自技高网...

【技术保护点】
一种判断集群中的服务器是否需要回收的方法，其中，该方法包括：获取多组已判断数据；其中每组已判断数据包括多条数据，每条数据对应一台服务器且包括两部分：第一部分数据是对应服务器的一组指标参数值，第二部分数据是对应服务器是否需要回收的判断结果；将一组已判断数据输入到指定机器学习模型中，供该机器学习模型进行训练学习；将另外的多组已判断数据中的第一部分数据依次输入到所述机器学习模型中，并将该机器学习模型输出的各服务器是否需要回收的判断结果与所述多组已判断数据中的第二部分数据对应进行比较；根据比较结果确定服务器的一个或多个关键指标参数；对于集群中的待判断服务器，获取该服务器的关键指标参数值并输入到所述机器学习模型中，接收所述机器学习模型输出的该服务器是否需要回收的判断结果。

【技术特征摘要】
1.一种判断集群中的服务器是否需要回收的方法，其中，该方法包括：获取多组已判断数据；其中每组已判断数据包括多条数据，每条数据对应一台服务器且包括两部分：第一部分数据是对应服务器的一组指标参数值，第二部分数据是对应服务器是否需要回收的判断结果；将一组已判断数据输入到指定机器学习模型中，供该机器学习模型进行训练学习；将另外的多组已判断数据中的第一部分数据依次输入到所述机器学习模型中，并将该机器学习模型输出的各服务器是否需要回收的判断结果与所述多组已判断数据中的第二部分数据对应进行比较；根据比较结果确定服务器的一个或多个关键指标参数；对于集群中的待判断服务器，获取该服务器的关键指标参数值并输入到所述机器学习模型中，接收所述机器学习模型输出的该服务器是否需要回收的判断结果。2.如权利要求1所述的方法，其中，获取多组已判断数据包括：采集集群中的各服务器的指标参数值，以及接收根据所采集的指标参数值做出的各服务器是否需要回收的判断结果。3.如权利要求2所述的方法，其中，所述采集集群中的各服务器的指标参数值，以及接收根据所采集的指标参数值做出的各服务器是否需要回收的判断结果包括：采集集群中的各服务器的指标参数值，并通过指定渠道显示输出；通过所述指定渠道接收输入的各服务器是否需要回收的人工判断结果。4.如权利要求1所述的方法，其中，另外的多组已判断数据中的第一部分数据所包含的指标参数各不相同；所述根据比较结果确定服务器的一个或多个关键指标参数包括：从另外的多组已判断数据中，选取所述机器学习模型输出的判断结果与相应的第二部分数据最为接近的一组已判断数据；将选取的该组已判断数据的第一部分数据中包含的一组指标参数作为关键指标参数。5.如权利要求1所述的方法，其中，该方法进一步包括：选取多种不同类型的机器学习模型；将同一组已判断数据输入到所述多种机器学习模型中，供各机器学习模型进行训练学习；将另外的多组已判断数据中的第一部分数据依次分别输入到各机器学习模型中，并将各机器学习模型输出的各服务器是否需要回收的判断结果与所述多组已判断数据中的第二部分数据对应进行比较；根据比较结果确定各机器学习模型分别对应的一组关键指标参数；根据各机器学习模型分别对应的一组关键指标参数确定最终的关键指标参数；再选取一组或多组已判断数据，将其第一部分数据中的与最终的关键指标参数对应的参数值输入到各机器学习模型中，并根据其第二部分数据计算出各机器学习模型输出的判断结果的准确率；选取准确率最高的机器学习模型；根据所述最终的关键指标参数和准确率最高的机器学习模型判断集群中...

【专利技术属性】
技术研发人员：王哲，
申请(专利权)人：北京奇虎科技有限公司，
类型：发明
国别省市：北京,11