2月10日，工商银行一项名为“应用性能容量预估方法及装置”的发明专利授权公告，其申请于2022年5月27日，公布于2022年8月2日。

据悉，应用性能容量预估方法应用于分布式架构，分布式架构包括多个单架构层。方法包括：获取测试环境单节点性能指标数据；根据测试环境单节点性能指标数据和预先训练的单节点性能容量预估模型确定生产环境单节点性能容量；根据生产环境单节点性能容量、节点数和预先构建的生产环境单架构层性能容量预估模型确定生产环境单架构层性能容量；根据多个生产环境单架构层性能容量确定生产环境应用性能容量。

其中，单节点性能容量预估模型包括测试环境单节点性能容量预估模型和生产环境单节点性能容量转换模型。预先构建的生产环境单架构层性能容量预估模型的构建方法包括：在测试环境对应用进行多次梯度发压测试；获取测试环境中不同节点在指定比例的CPU使用率下的联机交易率；根据节点数、CPU使用率和联机交易率确定测试环境单架构层性能容量预估模型；根据生产环境单节点性能容量和测试环境单架构层性能容量预估模型确定生产环境单架构层性能容量预估模型。

而根据测试环境单节点性能指标数据和预先训练的单节点性能容量预估模型确定生产环境单节点性能容量包括：根据测试环境单节点性能指标数据和测试环境单节点性能容量预估模型确定测试环境单节点性能容量；以及根据测试环境单节点性能容量和生产环境单节点性能容量转换模型确定生产环境单节点性能容量。

预先训练的单节点性能容量预估模型的训练方法包括：收集第一训练样本数据，第一训练样本数据包括测试环境下单节点在不同交易率下的CPU使用率；根据第一训练样本数据确定单节点容量与CPU使用率的映射关系，以确定测试环境单节点性能容量预估模型；收集第二训练样本数据，第二训练样本数据包括生产环境下CPU使用率和交易率；将第一训练样本数据和第二训练样本数据进行特征化处理，以生成多组多维度的样本特征；对样本特征进行机器学习训练得到单节点性能容量转换模型；根据测试环境单节点性能容量预估模型和单节点性能容量转换模型确定单节点性能容量预估模型。

更具体的，单节点性能指标数据包括系统环境指标数据和系统运行状况指标数据，其中，系统环境指标数据包括测试环境信息、CPU信息、内存信息和磁盘信息；系统运行状况指标数据包括CPU运行信息、内存使用率、磁盘运行信息、网络IO信息和平台服务响应信息。

此外，上述方法还包括：根据生产环境应用性能容量确定扩容策略。

说明书提到该发明的背景为，随着分布式系统的发展，越来越多应用系统架构由基于IBM（International Business Machines，简称IBM）大型主机的集中式处理架构转变为基于x86服务器的分布式系统框架，由于分布式系统把之前各个业务模块拆分成了子系统，一次交易通常需要调用多个子系统才能完成，交易链路变长，导致联机业务场景变得越来越复杂，再叠加业务交易量的增长等因素，任何一个子系统的性能隐患都有可能带来全局影响，导致系统服务质量下降。因此，针对新应用版本下系统整体表现的性能容量预估格外重要。

然而现有的性能预估方法主要存在几个问题：

分布式架构下，各个子系统结构各异，没有一种通用的性能容量评估方法。

子系统在生产环境的节点数、容器规格与测试环境有差异，无法通过测试环境的测试结果准确预估生产环境表现。

生产环境物理机CPU、内存、磁盘等硬件配置优于测试环境。硬件性能差异较大，无法直接通过测试环境相关数据直接评估。

鉴于这些问题，该发明提供了应用性能容量预估方法、装置、设备、介质和程序产品。

在此应用性能容量预估方法下，通过预先训练的单节点性能容量预估模型和测试环境单节点性能指标数据确定生产环境下单节点性能容量，根据生产环境下的单节点性能容量、生产环境中节点数和预先构建的生产环境单架构层性能容量预估模型确定生产环境下单架构层性能容量，取多个单架构层性能容量的最小值即为生产环境应用性能容量。通过此方法，对测试环境开放平台分布式架构体系应用运行过程中的性能情况进行监控和分析，将机器学习模型应用至性能容量预估工作，更全面准确地对平台应用性能容量进行预估。

当然，说明书中对其中一些步骤及细节还有更详细的介绍，此处不再展开。