技术摘要：
本申请涉及一种服务器高可用性评估方法、装置、计算机可读存储介质和计算机设备，方法包括：获取高可用服务目录；从所述高可用服务目录中选取目标特征向量作为评估指标；根据所述评估指标为目标用户分配服务器中对应的资源；获取所述目标用户在历史时段内使用所述服务  全部
背景技术：
随着计算机技术的发展，商业和社会机构日常业务的计算机化要求达到了前所未 有的程度。为了解决服务器关闭造成的严重价值损失，出现了高可用服务器集群，高可用服 务器集群主要是向用户提供尽可能连续不断的服务。传统的高可用评估主要是基于高可用 服务集群本身的功能、性能进行评估，评估结果往往不能够有效满足用户对高可用服务质 量的要求。
技术实现要素：
基于此，有必要针对传统的高可用性评估不能满足用户对高可用服务质量要求的 技术问题，提供一种服务器高可用性评估方法、装置、设备和可读存储介质。 一种服务器高可用性评估方法，包括： 获取高可用服务目录； 从所述高可用服务目录中选取目标特征向量作为评估指标； 根据所述评估指标为目标用户分配服务器中对应的资源； 获取所述目标用户在历史时段内使用所述服务器中资源的历史使用值； 根据所述历史使用值，预测所述目标用户在预设时段内使用所述服务器中资源的 预测值； 获取所述预设时段内所述目标用户使用所述服务器中资源的实际使用值； 根据所述实际使用值和所述预测值计算用户满意度； 根据所述用户满意度确定所述服务器的可用性。 在一个实施例中，所述从所述高可用服务目录中选取目标特征向量作为评估指 标，包括： 以决策树算法为基础，通过机器学习算法从所述高可用服务目录中选取目标特征 向量作为评估指标。 在一个实施例中，所述根据所述评估指标为目标用户分配服务器中对应的资源， 包括： 采用α算法的一致性分析对用户数据进行分析，得到用户需求与实际过程的匹配 度以及用户需求的适应度； 4 CN 111598390 A 说　明　书 2/14 页 根据所述评估指标、所述匹配度和所述适应度，为目标用户分配服务器中对应的 资源。 在一个实施例中，所述根据所述历史使用值，预测所述目标用户在预设时段内使 用所述服务器中资源的预测值，包括： 获取预设时段； 将所述预设时段输入预测模型；所述预测模型是基于所述历史使用值得到的时间 序列模型； 通过所述预测模型预测所述目标用户在所述预设时段内使用所述服务器中资源 的预测值。 在一个实施例中，所述方法还包括： 判断预设时段内所述目标用户使用所述服务器中资源的实际使用值是否满足所 述目标用户的用户需求； 若否，则重新为所述目标用户分配服务器中对应的资源。 在一个实施例中，所述根据所述实际使用值和所述预测值计算用户满意度，包括： 根据所述实际使用值和所述预测值构建评估模型； 通过所述评估模型进行可用性评估，得到可用性评估结果； 根据所述可用性评估结果计算用户满意度。 在一个实施例中，所述根据所述可用性评估结果计算用户满意度，包括： 将所述预测值和所述可用性评估结果输入用户满意度公式中，得到用户满意度； 所述用户满意度公式如下： 其中，Q为用户满意度，YP为所述预测值，Y为所述可用性评估结果。 一种服务器高可用性评估装置，所述装置包括： 高可用服务目录获取模块，用于获取高可用服务目录； 评估指标确定模块，用于从所述高可用服务目录中选取目标特征向量作为评估指 标； 服务器资源分配模块，用于根据所述评估指标为目标用户分配服务器中对应的资 源； 资源使用值获取模块，用于获取所述目标用户在历史时段内使用所述服务器中资 源的历史使用值； 5 CN 111598390 A 说　明　书 3/14 页 预测模块，用于根据所述历史使用值，预测所述目标用户在预设时段内使用所述 服务器中资源的预测值； 所述资源使用值获取模块，还用于获取所述预设时段内所述目标用户使用所述服 务器中资源的实际使用值； 用户满意度计算模块，用于根据所述实际使用值和所述预测值计算用户满意度； 可用性确定模块，用于根据所述用户满意度确定所述服务器的可用性。 在一个实施例中，所述评估指标确定模块，还用于： 以决策树算法为基础，通过机器学习算法从所述高可用服务目录中选取目标特征 向量作为评估指标。 在一个实施例中，所述服务器资源分配模块，还用于： 采用α算法的一致性分析对用户数据进行分析，得到用户需求与实际过程的匹配 度以及用户需求的适应度； 根据所述评估指标、所述匹配度和所述适应度，为目标用户分配服务器中对应的 资源。 在一个实施例中，所述预测模块，还用于： 获取预设时段； 将所述预设时段输入预测模型；所述预测模型是基于所述历史使用值得到的时间 序列模型； 通过所述预测模型预测所述目标用户在所述预设时段内使用所述服务器中资源 的预测值。 在一个实施例中，所述装置还包括： 用户需求判断模块，用于判断预设时段内所述目标用户使用所述服务器中资源的 实际使用值是否满足所述目标用户的用户需求； 所述服务器资源分配模块还用于，若所述预设时段内所述目标用户使用所述服务 器中资源的实际使用值未满足所述目标用户的用户需求，则重新为所述目标用户分配服务 器中对应的资源。 在一个实施例中，所述用户满意度计算模块，还用于： 根据所述实际使用值和所述预测值构建评估模型； 通过所述评估模型进行可用性评估，得到可用性评估结果； 根据所述可用性评估结果计算用户满意度。 在一个实施例中，所述用户满意度计算模块，还用于： 将所述预测值和所述可用性评估结果输入用户满意度公式中，得到用户满意度； 所述用户满意度公式如下： 6 CN 111598390 A 说　明　书 4/14 页 其中，Q为用户满意度，YP为所述预测值，Y为所述可用性评估结果。 一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时， 使得所述处理器执行上述方法的步骤。 一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算 机程序被所述处理器执行时，使得所述处理器执行上述方法的步骤。 上述服务器高可用性评估方法、装置、设备和可读存储介质，在获取高可用服务目 录之后，从高可用服务目录中选取目标特征向量作为评估指标，根据评估指标为目标用户 分配服务器中对应的资源，获取目标用户在历史时段内使用服务器中资源的历史使用值， 根据历史使用值预测目标用户在预设时段内使用服务器中资源的预测值，获取预设时段内 目标用户使用服务器中资源的实际使用值，从而根据实际使用值和预测值计算用户满意 度，并根据用户满意度确定服务器的可用性。从而能够在满足用户对高可用服务质量需求 的前提下，对服务器的高可用性进行评估。 附图说明 图1为一个实施例中服务器高可用性评估方法的应用环境图； 图2为一个实施例中服务器高可用性评估方法的模型图； 图3为一个实施例中服务器高可用性评估方法的流程示意图； 图4为另一个实施例中服务器高可用性评估方法的流程示意图； 图5为一个实施例中模拟系统使用VMware工作站示意图； 图6为一个实施例中服务器高可用性评估装置的结构框图； 图7为另一个实施例中服务器高可用性评估装置的结构框图； 图8为一个实施例中计算机设备的结构框图。