-
公开(公告)号：CN115034461B
公开(公告)日：2025-02-18
申请号：CN202210621721.9
申请日：2022-06-02
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种针对分层业务的时间序列预测方法及装置，用于预测单个业务在多阶层次上的业务主体的业务量构成的时间序列，其中，单个层次对应至少一个业务主体。根据一个实施方式，在获取多个层次中各个业务主体一一对应的各个历史时间序列后，可以对各个历史时间序列进行编码，得到相应的各个编码向量，然后构建各个编码向量满足的联合概率分布，进一步对各个业务主体分别按照联合概率分布进行采样得到的采样序列，确定分别针对各个业务主体的各个预测序列。该方式可以提高预测结果的准确性。
-
公开(公告)号：CN115098247A
公开(公告)日：2022-09-23
申请号：CN202210629029.0
申请日：2022-06-06
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种资源分配方法和装置。根据该实施例的方法，首先获取各应用服务的流量时间序列，所述流量时间序列包括连续多个时间点的流量数据；然后对各应用服务的流量时间序列进行聚类，得到一个以上的分组；再分别针对各分组确定容量伸缩策略，所述容量伸缩策略用于分组对应的应用服务的容量资源分配。
-
公开(公告)号：CN113992525B
公开(公告)日：2024-06-21
申请号：CN202111187472.9
申请日：2021-10-12
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种应用的容器数量调节方法及装置，基于应用的历史数据，通过预训练的流量预测模型，对应用的未来预设时长内的流量分布进行预测，并基于预测得到的流量分布，通过预训练的数量预测模型，预测在该预设时长内该应用的容器数量分布，并根据得到的容器数量分布，调节该应用在该预设时长内各时刻的容器数量。能够预先对未来预设时长内应用的流量进行预测，以得到相应的各时刻应部署的容器数量，及时对应用各时刻的容器数量进行调节。
-
公开(公告)号：CN114970359B
公开(公告)日：2024-05-31
申请号：CN202210629028.6
申请日：2022-06-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F30/27 , G06F119/02
Abstract: 本说明书实施例提供了一种建立时间序列预测模型的方法、时间序列预测方法和装置。根据该实施例的方法，首先将第i个时间序列输入时间序列预测模型，所述时间序列包括连续n个时间点的指标值，所述时间序列中包含指标极值信息，所述n为大于1的正整数；然后获取所述时间序列预测模型依据所述第i个时间序列及其之前的历史时间序列预测得到的所述第i个时间序列之后τ个时间点的指标值，所述τ为预设的正整数；其中，所述时间序列预测模型基于记忆网络预先训练得到。
-
公开(公告)号：CN114970359A
公开(公告)日：2022-08-30
申请号：CN202210629028.6
申请日：2022-06-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F30/27 , G06F119/02
Abstract: 本说明书实施例提供了一种建立时间序列预测模型的方法、时间序列预测方法和装置。根据该实施例的方法，首先将第i个时间序列输入时间序列预测模型，所述时间序列包括连续n个时间点的指标值，所述时间序列中包含指标极值信息，所述n为大于1的正整数；然后获取所述时间序列预测模型依据所述第i个时间序列及其之前的历史时间序列预测得到的所述第i个时间序列之后τ个时间点的指标值，所述τ为预设的正整数；其中，所述时间序列预测模型基于记忆网络预先训练得到。
-
Patent Agency Ranking
公开(公告)号：CN114971057B
公开(公告)日：2025-03-28
申请号：CN202210647255.1
申请日：2022-06-09
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种预测时间序列的模型选择方法及装置，在对业务主体的预定业务指标预测相应的时间序列之前，可以从预先训练的多个备选预测模型中选择较优的预测模型。在预测模型选择过程中：一方面利用全局时间序列数据，提取全局时序特征来描述当前业务主体在预定业务指标上的长期业务规律，得到对各个备选预测模型的第一评价结果；另一方面利用短期的局部时间序列数据，提取局部时序特征来描述当前业务主体在预定业务指标上的短期业务状态，得到对各个备选预测模型的第二评价结果。进一步地，将第一评价结果和第二评价结果进行融合，以选出较优的预测模型进行时序预测。这种方式可以提高时间序列预测的准确度。
-
公开(公告)号：CN115118780B
公开(公告)日：2023-12-01
申请号：CN202210630602.X
申请日：2022-06-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L67/60 , H04L67/133 , H04L41/16
Abstract: 本说明书实施例提供了一种获取资源分配模型的方法、资源分配方法及对应装置。具体技术方案包括：首先从一个以上的应用服务的历史数据中获取训练数据，各训练数据包括应用服务在各时刻的流量特征数据和计算资源实际使用状况；然后采用元强化学习机制建立资源分配模型，所述资源分配模型从所述流量特征数据和所述计算资源的实际使用状况中学习在各时刻对应用服务采用的资源分配调整策略，以使得按照资源分配调整策略调整计算资源后所述一个以上的应用服务在各时刻的计算资源使用状况与
-
公开(公告)号：CN115118780A
公开(公告)日：2022-09-27
申请号：CN202210630602.X
申请日：2022-06-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L67/60 , H04L67/133 , H04L41/16
Abstract: 本说明书实施例提供了一种获取资源分配模型的方法、资源分配方法及对应装置。具体技术方案包括：首先从一个以上的应用服务的历史数据中获取训练数据，各训练数据包括应用服务在各时刻的流量特征数据和计算资源实际使用状况；然后采用元强化学习机制建立资源分配模型，所述资源分配模型从所述流量特征数据和所述计算资源的实际使用状况中学习在各时刻对应用服务采用的资源分配调整策略，以使得按照资源分配调整策略调整计算资源后所述一个以上的应用服务在各时刻的计算资源使用状况与预期使用状况之间的差异小于预定值。
-
公开(公告)号：CN114881354B
公开(公告)日：2025-01-24
申请号：CN202210605502.1
申请日：2022-05-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/20 , G06F18/25 , G06N3/0464 , G06N3/0455 , G06N3/044 , G06N3/084 , G06Q10/04 , G06Q40/06 , G06F16/2458 , G06F123/02
Abstract: 本说明书实施例提供一种预测多元时间序列的方法及装置，针对各个业务主体的历史时间序列，一方面进行时序编码，另一方面进行周期编码，从而从时序和周期两方面挖掘数据之间的关联性。在时序预测过程中，将时序编码、周期编码两方面的数据融合解码，得到相应的解码张量，并将解码张量与时序特征张量一起用于预测多元时间序列。该方式能够自适应地挖掘时序、周期之间的关联关系，更灵活地提供更准确的时序预测结果。
-
公开(公告)号：CN115357339A
公开(公告)日：2022-11-18
申请号：CN202210974427.6
申请日：2022-08-15
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种计算资源的配置方法及装置，基于流量预测和强化学习的决策评估相结合的构思，在流量时序预测基础上，进行各种应用的计算资源配置。其中，在配置过程中，一方面，基于表征向量对各个应用进行表征，使得计算资源配置方案具有迁移能力，即使面对新应用，也可以基于表征向量适用相应的流量与CPU利用率的关系，另一方面，基于强化学习的策略评估机制，以目标CPU利用率为目标确定长期回报，从而在最大化长期回报基础上对计算资源配置的决策结果进行调整，使得计算资源配置方案尽可能以较小的成本接近目标CPU利用率。该计算资源配置的技术方案，可以为云计算提供更有效的扩缩容机制。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.024 seconds)
