(EN) A dynamic prediction method for cloud native resources, comprising: on the basis of a Pearson correlation coefficient, performing correlation sorting on obtained resource data to be predicted and performance index data to obtain a correlation relation between the resource data to be predicted and the performance index data (S3); defining a correlation threshold on the basis of the correlation relation (S4); using the performance index data greater than or equal to the correlation threshold as performance index time series data (S5); horizontally expanding the performance index time series data to obtain training data and test data (S6); inputting the training data into a constructed sequential neural network model to carry out training (S7), to obtain a trained sequential neural network prediction model; and inputting the test data into the sequential neural network prediction model to carry out prediction operation, to obtain resource prediction results (S8). Further provided are a dynamic prediction apparatus for cloud native resources, a computer device and a storage medium, capable of reducing prediction complexity and improving prediction accuracy.
(FR) L'invention concerne un procédé de prédiction dynamique pour des ressources natives en nuage, comprenant les étapes consistant à : sur la base d'un coefficient de corrélation de Pearson, réaliser un tri de corrélation sur les données de ressources à prédire et des données d'indice de performance obtenues pour obtenir une relation de corrélation entre les données de ressources à prédire et les données d'indice de performance (S3) ; définir un seuil de corrélation sur la base de la relation de corrélation (S4) ; utiliser les données d'indice de performance supérieures ou égales au seuil de corrélation comme données chronologiques d'indice de performance (S5) ; étendre horizontalement les données chronologiques d'indice de performance pour obtenir des données d'entraînement et des données de test (S6) ; introduire les données d'entraînement dans un modèle à réseau de neurones séquentiel construit pour effectuer un entraînement (S7), afin d'obtenir un modèle de prédiction à réseau de neurones séquentiel entraîné ; et introduire les données de test dans le modèle de prédiction à réseau de neurones séquentiel pour effectuer une opération de prédiction, afin d'obtenir des résultats de prédiction de ressource (S8). L'invention concerne en outre un appareil de prédiction dynamique pour des ressources natives en nuage, un dispositif informatique et un support de stockage, permettant de réduire la complexité de prédiction et d'améliorer la précision de prédiction.
(ZH) 一种云原生资源动态预测方法，包括基于皮尔森相关系数对获取到的待预测资源数据以及性能指标数据进行相关度排序，得到待预测资源数据以及性能指标数据之间的相关性关系（S3）；基于相关性关系定义相关度阈值(S4)；将大于或等于相关度阈值的性能指标数据作为性能指标时序数据（S5）；将性能指标时序数据进行横向数据扩展，得到训练数据以及测试数据（S6）；将训练数据输入至构建好的时序神经网络模型中进行训练（S7），得到训练好的时序神经网络预测模型；将测试数据输入时序神经网络预测模型中进行预测操作，得到资源预测结果(S8)，还提供一种云原生资源动态预测装置、计算机设备及存储介质，能够降低预测复杂度，提高预测准确性。
