1.一种基于多变量感知的容器负载预测方法，所述基于多变量感知的容器负载预测方法由计算机执行，其特征在于，包括以下步骤： 获取容器历史负载数据，所述容器历史负载数据包括多种维度对应的容器负载率； 基于所述容器历史负载数据获取容器负载类型； 基于所述容器负载类型获取负载预测损失函数； 利用所述负载预测损失函数对预先构建的容器负载预测模型进行训练； 根据训练后的容器负载预测模型对待预测容器负载数据进行负载预测； 所述基于所述容器历史负载数据获取容器负载类型，包括： 根据所述容器历史负载数据，对每种维度对应的容器负载率进行统计，以获取每种维度下的每个容器负载率的数量； 将负载率划分为多个负载率区间，并匹配每种维度下的每个容器负载率所属的负载率区间； 根据每个容器负载率的数量，获取每种维度下每个负载率区间对应的容器负载率总数量； 获取每种维度下的目标负载率区间；所述目标负载率区间为容器负载率总数量最大的负载率区间； 根据所述目标负载率区间的区间边界值设置每种维度对应的负载权重； 将每种维度对应的负载权重组合，以生成容器负载类型； 所述容器负载预测模型包括长期预测单元、短期预测单元和预测选择单元； 所述根据训练后的容器负载预测模型对待预测容器负载数据进行负载预测，包括： 根据所述长期预测单元对待预测容器负载数据进行处理，得到长期预测结果； 根据所述短期预测单元对待预测容器负载数据进行处理，得到短期预测结果； 根据所述预测选择单元选择负载预测结果； 所述长期预测单元包括Transformer网络，所述Transformer网络设置有注意力机制； 所述根据所述长期预测单元对待预测容器负载数据进行处理，包括： 根据所述注意力机制对待预测容器负载数据进行处理，得到注意力数值；所述注意力数值为： 其中， T表示转置；Q和Q′表示查询向量，K和K′表示键向量； xi表示i时刻待预测容器负载的时间序列数据；dk表示负载维度； S表示编码长度； 根据Transformer网络对所述注意力数值进行处理，得到长期预测结果； 所述根据所述短期预测单元对待预测容器负载数据进行处理，包括： 其中， 表示短期预测结果；workload表示待预测容器负载的时间序列数据； Norm表示正则化，Linear表示线性处理，Conv1d表示卷积，Covn2D表示卷积，Transpose表示反卷积，Dropout表示正则化； Avgpool表示平均池化，tanh为激活函数； 所述根据所述预测选择单元选择负载预测结果，包括： 其中， Voting表示负载预测结果； 表示短期预测结果，表示长期预测结果； yi表示时刻i的实际值，D表示预测步长。

2.根据权利要求1所述的基于多变量感知的容器负载预测方法，其特征在于，所述负载预测损失函数为： 其中， D表示预测步长，type表示容器负载类型； yi表示第i步的实际观测值，是第i步的预测值； thresholds表示超参数；当实际观测值大于预测值，超参数为第一数值；当实际观测值小于预测值，超参数为第二数值。

3.一种基于多变量感知的容器负载预测系统，其特征在于，用于执行如权利要求1所述的基于多变量感知的容器负载预测方法，所述容器负载预测系统包括： 数据获取模块，被配置为获取容器历史负载数据，所述容器历史负载数据包括多种维度对应的容器负载率； 负载类型获取模块，被配置为基于所述容器历史负载数据获取容器负载类型； 损失函数获取模块，被配置为基于所述容器负载类型获取负载预测损失函数； 模型训练模块，被配置为利用所述负载预测损失函数对预先构建的容器负载预测模型进行训练； 负载预测模块，被配置为根据训练后的容器负载预测模型对待预测容器负载数据进行负载预测。

4.一种计算机可读存储介质，其特征在于，其存储用于容器负载预测的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1或2所述的基于多变量感知的容器负载预测方法。

5.一种电子设备，其特征在于，包括： 一个或多个处理器； 存储器；以及 一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如权利要求1或2所述的基于多变量感知的容器负载预测方法。

请联系平台

请联系平台