本技术涉及计算机应用，特别是涉及一种调频方法、装置、设备及可读存储介质。
背景技术：
1、服务器cpu（中央处理器，central processing unit）频率调节是一种管理cpu性能与能耗平衡的技术。服务器作为数据中心的核心组件，其能源消耗巨大。通过调节cpu频率，可以在低负载时段降低频率，减少电能消耗，从而降低运营成本，并有助于环保。同时，不同的应用场景对服务器的性能需求不同，动态调节cpu频率，可以根据当前任务的需要分配适当的计算资源，既避免了资源浪费，也确保了关键任务的高效执行。
2、在linux服务器中，cpufreq（cpu频率，cpufreq是linux系统内核提供的关于cpu频率调节的模块）子系统是其电源管理框架的一部分，专注于动态电压和频率调整。用户可以使用cpufreq子系统提供的命令行工具cpupower（处理器电源），通过frequency-set（频率设置）和frequency-info（频率信息）查看和修改cpu频率调节策略及具体频率设置。cpu厂商会为cpufreq提供用于控制cpu频率的驱动，不同厂商存在不同的cpu频率调节策略。
3、通常情况厂商驱动会提供几种调节器，如性能模式、按需模式、节能模式等，会在硬件层面根据服务器当前负载情况自行调整。通常调节器设定之后就不再变化，并且不能有效贴合实际应用场景，不能有效提高性能或降低功耗。例如，在实际使用中经常遇到频率处于极高或极低的抖动情况，不能提供最适合当前工作任务的cpu频率。
4、综上所述，如何有效地解决服务器中处理器的调频等问题，是目前本领域技术人员急需解决的技术问题。
技术实现思路
1、本技术的目的是提供一种调频方法、装置、设备及可读存储介质，能够服务器中处理器的频率调整至于负载适配。
2、为解决上述技术问题，本技术提供如下技术方案：
3、一种调频方法，包括：
4、获取目标服务器的负载数据；
5、将所述负载数据输入至训练好的预测模型进行负载适配频率预测，得到预测频率；
6、利用所述预测频率，对所述目标服务器中的处理器进行调频处理；
7、其中，训练所述预测模型，包括：
8、在生产场景下，利用按需调节器对服务器中处理器进行频率调节处理过程中，采集第一负载数据和第一处理器频率；
9、在模拟运载目标业务场景下，基于定制频率调度策略对所述服务器中处理器进行频率调节处理过程中，采集第二负载数据和第二处理器频率；
10、基于所述第一负载数据、所述第一处理器频率、所述第二负载数据和所述第二处理器频率，构建训练样本；
11、利用所述训练样本对预测模型进行频率预测训练，训练完成后，得到所述预测模型。
12、优选地，获取目标服务器的负载数据，包括：
13、利用命令行工具，采集所述目标服务器的处理器占比、内存占比、磁盘占比；
14、将所述处理器占比、所述内存占比和所述磁盘占比，确定为所述负载数据。
15、优选地，基于所述第一负载数据、所述第一处理器频率、所述第二负载数据和所述第二处理器频率，构建训练样本，包括：
16、将所述第一负载数据和所述第一处理器频率按照数组方式进行保存，得到第一训练样本；
17、将所述第二负载数据和所述第二处理器频率按照数组方式进行保存，得到第二训练样本。
18、优选地，利用所述训练样本对预测模型进行频率预测训练，包括：
19、获取所述服务器的最高频率；
20、计算所述训练样本中处理器频率与所述最高频率的比值；
21、将所述训练样本中的处理器频率替换为所述比值；
22、相应地，将所述负载数据输入至训练好的预测模型进行负载适配频率预测，得到预测频率，包括：
23、将所述负载数据输入至训练好的预测模型进行负载适配频率预测，得到预测比值；
24、将所述预测比值与所述目标服务器中处理器的最高频率相乘，得到所述预测频率。
25、优选地，所述预测模型包括长短期记忆网络、注意力层和全连接层；
26、相应地，将所述负载数据输入至训练好的预测模型进行负载适配频率预测，得到预测频率，包括：
27、将所述负载数据输入至所述预测模型；
28、利用所述长短期记忆网络，从所述负载数据中提取输入特征；
29、利用所述注意力层，基于所述输入特征与权重矩阵的点积，计算匹配度，通过激活函数转换并加上偏置项，生成未归一化的注意力分数；利用数论函数，转换所述注意力分数；转换后，进行归一化处理，得到每个时间步的注意力权重；利用所述注意力权重对所述输入特征进行加权求和，得到预测负载；
30、利用所述全连接层，确定与所述预测负载适配的预测频率。
31、优选地，所述预测模型包括长短期记忆网络、注意力层和全连接层；
32、相应地，利用所述训练样本对预测模型进行频率预测训练，包括：
33、将所述训练样输入至所述预测模型；
34、利用所述长短期记忆网络，从所述训练样本的负载数据中提取输入特征；
35、利用所述注意力层，基于所述输入特征与权重矩阵的点积，计算匹配度，通过激活函数转换并加上偏置项，生成未归一化的注意力分数；利用数论函数，转换所述注意力分数；转换后，进行归一化处理，得到每个时间步的注意力权重；利用所述注意力权重对所述输入特征进行加权求和，得到预测负载；
36、利用损失函数，计算所述预测负载与所述训练样本中的目标负载的第一误差；
37、通过神经网络反向传播调整所述长短期记忆网络和/或所述注意力层的参数，以降低所述第一误差；
38、在所述长短期记忆网络和所述注意力层训练收敛后，向所述全连接层输入所述预测负载；
39、利用所述全连接层对所述预测负载进行频率适配预测，得到预测频率；
40、利用损失函数，计算所述预测频率与所述输入样本中的处理器频率的第二误差；
41、通过神经网络反向传播调整所述预测模型的参数，以降低所述第二误差。
42、优选地，将所述负载数据输入至训练好的预测模型进行负载适配频率预测，得到预测频率，包括：
43、将所述负载数据输入至训练好的第一预测模型进行负载适配频率预测，得到第一预测频率；
44、将所述负载数据输入至训练好的第二预测模型进行负载适配频率预测，得到第二预测频率；
45、基于所述第二预测频率对所述第一预测频率进行加权修正，得到所述预测频率。
46、一种调频装置，包括：
47、负载获取模块，用于获取目标服务器的负载数据；
48、频率预测模块，用于将所述负载数据输入至训练好的预测模型进行负载适配频率预测，得到预测频率；
49、调频处理模块，用于利用所述预测频率，对所述目标服务器中的处理器进行调频处理；
50、数据采集模块，用于在生产场景下，利用按需调节器对服务器中处理器进行频率调节处理过程中，采集第一负载数据和第一处理器频率；在模拟运载目标业务场景下，基于定制频率调度策略对所述服务器中处理器进行频率调节处理过程中，采集第二负载数据和第二处理器频率；
51、样本构建模块，用于基于所述第一负载数据、所述第一处理器频率、所述第二负载数据和所述第二处理器频率，构建训练样本；
52、模型训练模块，用于利用所述训练样本对预测模型进行频率预测训练，训练完成后，得到所述预测模型。
53、一种电子设备，包括：
54、存储器，用于存储计算机程序；
55、处理器，用于执行所述计算机程序时实现上述调频方法的步骤。
56、一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述调频方法的步骤。
57、一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时，实现上述调频方法的步骤。
58、应用本技术实施例所提供的方法，获取目标服务器的负载数据；将负载数据输入至训练好的预测模型进行负载适配频率预测，得到预测频率；利用预测频率，对目标服务器中的处理器进行调频处理；其中，训练预测模型，包括：在生产场景下，利用按需调节器对服务器中处理器进行频率调节处理过程中，采集第一负载数据和第一处理器频率；在模拟运载目标业务场景下，基于定制频率调度策略对服务器中处理器进行频率调节处理过程中，采集第二负载数据和第二处理器频率；基于第一负载数据、第一处理器频率、第二负载数据和第二处理器频率，构建训练样本；利用训练样本对预测模型进行频率预测训练，训练完成后，得到预测模型。
59、针对生产场景和模拟场景进行数据采集，从而得到不同场景下的负载数据和处理器频率，然后构建出针对不同场景的训练样本。基于不同场景对应的训练样本对预测模型进行训练，从而得到可以对输入的负载数据进行频率预测的预测模型。当需要对目标服务器的处理器进行调频处理时，则可采集该服务器的负载数据，将负载数据输入至预测模型进行频率预测，从而得到预测频率。最终，基于预测频率对目标服务器中的处理器进行调频处理即可。如此，便可基于当下的负载数据对未来频率进行预测，从而使得对服务器进行调频处理那个实现与负载适配，而不再局限于几个预设固定不变的阈值。
60、技术效果：可以实现基于服务器的负载数据，对未来频率进行预测，基于预测频率对服务器中处理器进行调频处理，使得服务器中处理器的频率与负载适配。
61、相应地，本技术实施例还提供了与上述调频方法相对应的调频装置、设备、可读存储介质及计算机程序产品，具有上述技术效果，在此不再赘述。
1.一种调频方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取目标服务器的负载数据，包括：
3.根据权利要求1所述的方法，其特征在于，基于所述第一负载数据、所述第一处理器频率、所述第二负载数据和所述第二处理器频率，构建训练样本，包括：
4.根据权利要求1所述的方法，其特征在于，利用所述训练样本对预测模型进行频率预测训练，包括：
5.根据权利要求1所述的方法，其特征在于，所述预测模型包括长短期记忆网络、注意力层和全连接层；
6.根据权利要求1所述的方法，其特征在于，所述预测模型包括长短期记忆网络、注意力层和全连接层；
7.根据权利要求1至6任一项所述的方法，其特征在于，将所述负载数据输入至训练好的预测模型进行负载适配频率预测，得到预测频率，包括：
8.一种调频装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述调频方法的步骤。
