-
公开(公告)号:CN117272026A
公开(公告)日:2023-12-22
申请号:CN202311250707.3
申请日:2023-09-25
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/213 , G06F16/903 , G06F16/901 , G06F18/214
Abstract: 本说明书一个或多个实施例提供一种特征提取方法及装置、电子设备及存储介质,所述方法包括:根据目标数据确定查询向量、键向量和值向量,其中,所述查询向量和所述键向量在第一索引位置上的元素之间的比例,与所述查询向量和所述键向量在第二索引位置上的元素之间的比例相同,所述第一索引位置和所述第二索引位置为第一维度中任两个间隔为所述第一维度的0.5倍的索引位置,所述第一维度为所述查询向量和所述键向量的维度;分别对所述查询向量和所述键向量进行位置编码,得到所述查询向量的编码结果和所述键向量的编码结果;根据所述查询向量的编码结果、所述键向量的编码结果和所述值向量,确定所述目标数据的特征向量。
-
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。
-
公开(公告)号:CN115712526B
公开(公告)日:2024-08-16
申请号:CN202211480620.0
申请日:2022-11-24
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训练预测模型,以及使用该模型预测资源使用量的方法。预测模型的过程可以包括,获取服务器集群中目标服务器在历史时段中对处理资源的目标使用量,以及该目标服务器中的多个数据副本对应的多条流量数据,其中任意数据副本对应的流量数据包括,对应租户在所述历史时段中访问与该数据副本对应的数据而产生的流量信息。将各条流量数据输入预测模型,得到各个数据副本对所述处理资源的预测使用量;将各个预测使用量之和,作为预测总使用量。根据目标使用量和所述预测总使用量,确定预测损失,以预测损失最小化为目标,更新所述预测模型。
-
公开(公告)号:CN115834388B
公开(公告)日:2023-11-14
申请号:CN202211297224.4
申请日:2022-10-21
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L41/0896 , H04L67/10
Abstract: 本说明书实施例提供了系统控制方法及装置,其中,一种系统控制方法包括:获取对目标系统进行监测所得到的当前时间段的系统状态信息;目标系统包括服务器集群;将系统状态信息输入当前时间段的系统控制模型进行容量配置操作的预估处理,得到目标系统的容量配置方案集合;在容量配置方案集合中确定目标容量配置方案;目标容量配置方案用于对目标系统执行容量配置操作;根据目标容量配置方案,执行对目标系统的服务器集群的容量配置操作。
-
公开(公告)号:CN115834388A
公开(公告)日:2023-03-21
申请号:CN202211297224.4
申请日:2022-10-21
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L41/0896 , H04L67/10
Abstract: 本说明书实施例提供了系统控制方法及装置,其中,一种系统控制方法包括:获取对目标系统进行监测所得到的当前时间段的系统状态信息;目标系统包括服务器集群;将系统状态信息输入当前时间段的系统控制模型进行容量配置操作的预估处理,得到目标系统的容量配置方案集合;在容量配置方案集合中确定目标容量配置方案;目标容量配置方案用于对目标系统执行容量配置操作;根据目标容量配置方案,执行对目标系统的服务器集群的容量配置操作。
-
公开(公告)号:CN115712526A
公开(公告)日:2023-02-24
申请号:CN202211480620.0
申请日:2022-11-24
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训练预测模型,以及使用该模型预测资源使用量的方法。预测模型的过程可以包括,获取服务器集群中目标服务器在历史时段中对处理资源的目标使用量,以及该目标服务器中的多个数据副本对应的多条流量数据,其中任意数据副本对应的流量数据包括,对应租户在所述历史时段中访问与该数据副本对应的数据而产生的流量信息。将各条流量数据输入预测模型,得到各个数据副本对所述处理资源的预测使用量;将各个预测使用量之和,作为预测总使用量。根据目标使用量和所述预测总使用量,确定预测损失,以预测损失最小化为目标,更新所述预测模型。
-
-
-
-
-