本申请涉及人工智能，尤其涉及一种云服务器的性能预测方法、装置、设备、介质及产品。
背景技术：
1、随着云计算的发展，云服务器使用越来越普遍。云服务器具有长期运行、高复杂性和资源交换频繁的特点，这增加了资源耗尽和软件系统出现异常和故障的风险。随着故障和资源消耗的累积，云服务器系统性能会下降，导致云服务器的故障率增加甚至崩溃。而一旦云服务器出现故障，会影响整个业务系统的正常运行，给企事业单位带来不可估量的经济损失。因此，对云服务器的性能进行预测具有重要意义。
2、而目前采用的云服务器性能预测方案，存在复杂度高、预测效果差等问题。
技术实现思路
1、本申请实施例提供一种云服务器的性能预测方法、装置、设备、介质及产品，可以解决相关技术在预测云服务器的性能时存在的复杂度高、预测效果差等问题。
2、第一方面，本申请实施例提供了一种云服务器的性能预测方法，包括：
3、获取云服务器的性能时间序列数据；
4、对性能时间序列数据进行小波分解，得到至少一个特征子序列；
5、针对每个特征子序列，将特征子序列输入目标特征预测模型，得到特征子序列的预测子序列；其中，目标特征预测模型的超参数是利用灰狼优化算法进行优化得到的；
6、对各特征子序列的预测子序列的累加结果进行小波重构，得到云服务器的性能预测结果。
7、第二方面，本申请实施例提供了一种云服务器的性能预测装置，包括：
8、获取模块，用于获取云服务器的性能时间序列数据；
9、分解模块，用于对性能时间序列数据进行小波分解，得到至少一个特征子序列；
10、预测模块，用于针对每个特征子序列，将特征子序列输入目标特征预测模型，得到特征子序列的预测子序列；其中，目标特征预测模型的超参数是利用灰狼优化算法进行优化得到的；
11、重构模块，用于对各特征子序列的预测子序列的累加结果进行小波重构，得到云服务器的性能预测结果。
12、第三方面，本申请实施例提供了一种电子设备，包括：
13、处理器；
14、存储器，用于存储计算机程序指令；
15、当计算机程序指令被处理器执行时，实现如第一方面所述的方法。
16、第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现如第一方面所述的方法。
17、第五方面，本申请实施例提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时，实现如第一方面所述的方法。
18、本申请实施例获取云服务器的性能时间序列数据；对性能时间序列数据进行小波分解，得到至少一个特征子序列；针对每个特征子序列，将特征子序列输入目标特征预测模型，得到特征子序列的预测子序列；其中，目标特征预测模型的超参数是利用灰狼优化算法进行优化得到的；对各特征子序列的预测子序列的累加结果进行小波重构，得到云服务器的性能预测结果。即本申请实施例通过对云服务器的性能时间序列数据进行小波分解，实现了对性能时间序列数据的多尺度分析，可以提升性能预测结果的准确性。同时，利用灰狼优化算法优化目标特征预测模型的超参数，可以进一步提升预测性能，而且通过灰狼优化算法无需维护每个灰狼个体的速度和加速度，参数更少，复杂度更低。
1.一种云服务器的性能预测方法，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，所述获取云服务器的性能时间序列数据之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述超参数包括时间窗口和隐藏层节点数；
4.根据权利要求1所述的方法，其特征在于，所述对所述性能时间序列数据进行小波分解，得到至少一个特征子序列，包括：
5.根据权利要求4所述的方法，其特征在于，所述对各所述候选子序列进行归一化处理，得到各所述候选子序列对应的特征子序列，包括：
6.根据权利要求4或5所述的方法，其特征在于，所述至少一个特征子序列包括低频子序列和高频子序列。
7.一种云服务器的性能预测装置，其特征在于，包括：
8.一种电子设备，其特征在于，包括：
9.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时，实现如权利要求1-6中任一项所述的方法。
10.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-6中任一项所述的方法。
