摘要
本发明公开了一种基于大数据的算力配置检测方法及系统,该方法通过构建特征提取模型自动对业务数据和系统日志数据进行时间序列特征信息提取,并通过构建算力空闲时间预测模型对特征提取模型输出的时间序列特征信息数据进行算力空闲时间预测,得到高准确性的算力空闲时间预测结果,最后根据算力空闲时间预测结果进行动态调整算力资源,实现提高算力资源分配的准确性,解决了人工调整算力资源的方式因业务数据量和系统日志数据量的增加而忽略关键的特征信息,进而导致算力资源分配的准确性低的问题利用人工的方式导致算力资源分配的准确性低的问题。
技术关键词
时间序列特征
空闲时间预测
系统日志
特征提取模型
配置检测方法
特征提取单元
注意力机制
全局平均池化
特征信息提取
大数据
时序
配置检测系统
资源分配
特征提取模块
数据采集模块
动态
系统为您推荐了相关专利信息
多光谱遥感图像
时序遥感图像
地理位置坐标信息
农作物识别方法
空间特征提取
图像分类方法
特征提取模型
拉普拉斯
远程监控程序
特征值
双向长短期记忆网络
盘类零件
相控阵
特征提取模型
缺陷检测方法
时间序列预测方法
时间序列预测模型
变量
时间序列特征
表面温度数据