对业务负载及资源配置与性能关系的预测方法及预测系统技术方案

本发明专利技术公开了一种对业务负载及资源配置与性能关系的预测方法及系统，包括：确定预测内容，并根据所述预测内容收集原始工作负载数据；将所述原始工作负载数据转换成适用于预测模型的输入格式；根据所述预测内容以及收集到的所述原始工作负载数据和输入格式，建立适用所述预测内容的预测模型，其中，所述预测模型为非线性模型；设置输入变量，将所述输入变量和所述工作负载数据输入至所述预测模型中进行预测分析，得出预测分析结论。

Prediction method and prediction system for relationship between service load and resource allocation and performance

The invention discloses a system and a method of prediction, traffic load and resource configuration and performance relationship including: determining the content and forecast, according to the work load prediction content collecting original data; the original work load data into a suitable prediction model of the input format; according to the forecast data and content the load and input format to collect the original work, the establishment of prediction model, the prediction of the content of the application, the prediction model for the nonlinear model; set the input variables, the input variables and the workload of data input to the prediction and analysis of the prediction model, the prediction analysis conclusion.

【技术实现步骤摘要】
对业务负载及资源配置与性能关系的预测方法及预测系统
本专利技术涉及业务支撑领域，尤其涉及一种对业务负载及资源配置与性能关系的预测方法及预测系统。
技术介绍
企业互联网(IT，Internet)系统是生成、供给和管理企业数据的核心组件，IT系统性能的好坏关乎到企业的兴衰，对IT系统的性能进行有效的管理和预测是保证应用性能的一项重要任务。然而在信息化大环境中，虽然信息技术在各行各业的应用都得到了前所未有的迅猛发展，但各行业的IT投入都以系统建设和应用开发为主，对系统的有效管理和对未来系统性能的预测却未得到足够重视。而服务通常必须具有和业务变化相匹配的前瞻性，否则容易出现系统的性能故障，而导致对业务发展产生不良影响。由于企业数据越来越庞大，在处理规模化数据过程中涉及到频繁的任务调度，复杂的数据流处理等原因，IT系统的性能变得不再像以前那样容易掌握。而另一方面，由于资源的有限性，服务提供方总是希望利用最少的软硬件资源来达到最高的客户满意度；所以，对IT系统进行性能预测和规避风险也就显得尤为重要。对IT系统的性能进行有效预测的核心是建立IT系统的性能模型，一个能够准确描述IT系统性能的模型，对于降低系统的使用成本并保证业务性能，具有重要的作用。现有的系统性能预测方式，通常都以简单线性模式变化为主，当业务负载增加时，中央处理器(CPU，CentralProcessingUnit)利用率，输入输出(IO，InputOutput)利用率以及服务响应时间都以一定比例呈线性增长或减少；同时认为，在提高CPU性能或IO处理能力等资源配置时，系统业务的响应时间会变得更快；但实际情况则不尽相同，上述关系并非简单线性关系，利用传统的预测方法，无法满足人们对现有系统的预测要求；例如由于业务功能的不断增加以及用户量的增长，现有系统是否能够满足业务要求无法判断，如何合理地分配系统资源成为当前面临的难题；同时，如果要对现有系统资源进行重新配置时，如提高CPU性能，对业务系统的性能有多大影响，传统预测方法也无法进行判断，无具体相关依据。综上所述，传统预测系统主要存在以下不足：1、传统预测方法仅适用于解决简单线性问题，对复杂的非线性变化无法有效展示；2、预测内容简单，可用性不强，预测系统化程度不高；3、预测维度少，对多条件多维度无法进行预测；4、无法根据实际情况建立相应的预测模型，预测针对性不强；5、预测理论单一，扩展性不好；对资源配置和软件升级产生的变更无法预测。
技术实现思路
为解决上述技术问题，本专利技术实施例提供了一种对业务负载及资源配置与性能关系的预测方法及系统。本专利技术实施例提供的对业务负载及资源配置与性能关系的预测方法，包括：确定预测内容，并根据所述预测内容收集原始工作负载数据；将所述原始工作负载数据转换成适用于预测模型的输入格式；根据所述预测内容以及收集到的所述原始工作负载数据和输入格式，建立适用所述预测内容的预测模型，其中，所述预测模型为非线性模型；设置输入变量，将所述输入变量和所述工作负载数据输入至所述预测模型中进行预测分析，得出预测分析结论。本专利技术实施例中，所述建立适用所述预测内容的预测模型，包括：建立利用率与以下参数之间的第一关联关系：服务时间、到达率、事务处理器数量；建立CPU响应时间与以下参数之间的第一关联关系：服务时间、利用率、事务处理器数量；建立响应时间与以下参数之间的第一关联关系：服务时间、排队时间；建立ErlangC函数与以下参数之间的第四关联关系：事务处理器数量、服务时间、到达率；建立排队时间与以下参数之间的第五关联关系：ErlangC函数、服务时间、事务处理器数量、利用率。本专利技术实施例中，所述预测模型包括如下公式：U＝(Stλ)/MRt-cpu＝St/(1-UM)Rt＝St+QtQt＝EcSt/m(1-U)其中，U代表利用率，用于表征服务器的繁忙程度；St代表服务时间，表征一个服务器处理单一事务所需的时间；λ代表到达率，表征在指定时间内到达的事务的数量；M或m代表事务处理器数量；Rt-cpu代表CPU响应时间；Rt代表响应时间，表征一个事务在系统中花费的所有时间；Qt代表排队时间，表征事务开始处理前在队列中的等待时间；Ec代表ErlangC函数，用于计算排队时间。本专利技术实施例中，所述进行预测分析，包括：根据所述第一关联关系、所述第二关联关系以及第三关联关系计算响应时间；或者，根据所述第一关联关系、所述第四关联关系、所述第五关联关系以及第三关联关系计算响应时间。本专利技术实施例中，所述进行预测分析，包括：根据公式U＝(Stλ)/M计算服务时间St，其中，St＝UM/λ；将服务时间St和已知的输入变量U及M带入公式Rt-cpu＝St/(1-UM)，计算得出响应时间Rt；根据公式Rt＝St+Qt计算排队时间Qt，其中，Qt＝Rt–St。本专利技术实施例中，所述进行预测分析，包括：根据公式U＝(Stλ)/M计算服务时间St，其中，St＝UM/λ；将服务时间St和已知的输入变量m及λ带入公式中，计算得出Ec函数值；将St、Ec、m、U代入公式Qt＝EcSt/m(1-U)中，计算得出排队时间Qt；根据公式Rt＝St+Qt计算响应时间Rt。本专利技术实施例中，所述方法还包括：根据预测分析得出的数据，生成图表；根据所述图标得到预测分析结论并输出所述预测分析结论。本专利技术实施例提供的对业务负载及资源配置与性能关系的预测系统，包括：数据采集器，用于确定预测内容，并根据所述预测内容收集原始工作负载数据；数据存储器，用于将所述原始工作负载数据转换成适用于预测模型的输入格式，并对工作负载数据进行存储；分析预测装置，用于根据所述预测内容以及收集到的所述原始工作负载数据和输入格式，建立适用所述预测内容的预测模型，其中，所述预测模型为非线性模型；设置输入变量，将所述输入变量和所述工作负载数据输入至所述预测模型中进行预测分析，得出预测分析结论。本专利技术实施例中，所述分析预测装置，还用于建立利用率与以下参数之间的第一关联关系：服务时间、到达率、事务处理器数量；建立CPU响应时间与以下参数之间的第一关联关系：服务时间、利用率、事务处理器数量；建立响应时间与以下参数之间的第一关联关系：服务时间、排队时间；建立ErlangC函数与以下参数之间的第四关联关系：事务处理器数量、服务时间、到达率；建立排队时间与以下参数之间的第五关联关系：ErlangC函数、服务时间、事务处理器数量、利用率。本专利技术实施例中，所述预测模型包括如下公式：U＝(Stλ)/MRt-cpu＝St/(1-UM)Rt＝St+QtQt＝EcSt/m(1-U)其中，U代表利用率，用于表征服务器的繁忙程度；St代表服务时间，表征一个服务器处理单一事务所需的时间；λ代表到达率，表征在指定时间内到达的事务的数量；M或m代表事务处理器数量；Rt-cpu代表CPU响应时间；Rt代表响应时间，表征一个事务在系统中花费的所有时间；Qt代表排队时间，表征事务开始处理前在队列中的等待时间；Ec代表ErlangC函数，用于计算排队时间。本专利技术实施例中，所述分析预测装置，还用于根据所述第一关联关系、所述第二关联关系以及第三关联关系计算响应时间；或者，根据所述第一关联关系、所述第四关联关系、所述第五关联关系以及第三关联关系本文档来自技高网...

【技术保护点】
一种对业务负载及资源配置与性能关系的预测方法，其特征在于，所述方法包括：确定预测内容，并根据所述预测内容收集原始工作负载数据；将所述原始工作负载数据转换成适用于预测模型的输入格式；根据所述预测内容以及收集到的所述原始工作负载数据和输入格式，建立适用所述预测内容的预测模型，其中，所述预测模型为非线性模型；设置输入变量，将所述输入变量和所述工作负载数据输入至所述预测模型中进行预测分析，得出预测分析结论。

【技术特征摘要】
1.一种对业务负载及资源配置与性能关系的预测方法，其特征在于，所述方法包括：确定预测内容，并根据所述预测内容收集原始工作负载数据；将所述原始工作负载数据转换成适用于预测模型的输入格式；根据所述预测内容以及收集到的所述原始工作负载数据和输入格式，建立适用所述预测内容的预测模型，其中，所述预测模型为非线性模型；设置输入变量，将所述输入变量和所述工作负载数据输入至所述预测模型中进行预测分析，得出预测分析结论。2.根据权利要求1所述的对业务负载及资源配置与性能关系的预测方法，其特征在于，所述建立适用所述预测内容的预测模型，包括：建立利用率与以下参数之间的第一关联关系：服务时间、到达率、事务处理器数量；建立CPU响应时间与以下参数之间的第一关联关系：服务时间、利用率、事务处理器数量；建立响应时间与以下参数之间的第一关联关系：服务时间、排队时间；建立ErlangC函数与以下参数之间的第四关联关系：事务处理器数量、服务时间、到达率；建立排队时间与以下参数之间的第五关联关系：ErlangC函数、服务时间、事务处理器数量、利用率。3.根据权利要求2所述的对业务负载及资源配置与性能关系的预测方法，其特征在于，所述预测模型包括如下公式：U＝(Stλ)/MRt-cpu＝St/(1-UM)Rt＝St+QtQt＝EcSt/m(1-U)其中，U代表利用率，用于表征服务器的繁忙程度；St代表服务时间，表征一个服务器处理单一事务所需的时间；λ代表到达率，表征在指定时间内到达的事务的数量；M或m代表事务处理器数量；Rt-cpu代表CPU响应时间；Rt代表响应时间，表征一个事务在系统中花费的所有时间；Qt代表排队时间，表征事务开始处理前在队列中的等待时间；Ec代表ErlangC函数，用于计算排队时间。4.根据权利要求2所述的对业务负载及资源配置与性能关系的预测方法，其特征在于，所述进行预测分析，包括：根据所述第一关联关系、所述第二关联关系以及第三关联关系计算响应时间；或者，根据所述第一关联关系、所述第四关联关系、所述第五关联关系以及第三关联关系计算响应时间。5.根据权利要求3所述的对业务负载及资源配置与性能关系的预测方法，其特征在于，所述进行预测分析，包括：根据公式U＝(Stλ)/M计算服务时间St，其中，St＝UM/λ；将服务时间St和已知的输入变量U及M带入公式Rt-cpu＝St/(1-UM)，计算得出响应时间Rt；根据公式Rt＝St+Qt计算排队时间Qt，其中，Qt＝Rt–St。6.根据权利要求3所述的对业务负载及资源配置与性能关系的预测方法，其特征在于，所述进行预测分析，包括：根据公式U＝(Stλ)/M计算服务时间St，其中，St＝UM/λ；将服务时间St和已知的输入变量m及λ带入公式中，计算得出Ec函数值；将St、Ec、m、U代入公式Qt＝EcSt/m(1-U)中，计算得出排队时间Qt；根据公式Rt＝St+Qt计算响应时间Rt。7.根据权利要求1至6任一项所述的对业务负载及资源配置与性能关系的预测方法，其特征在于，所述方法还包括：根据预测分析得出的数据，生成图表；根据所述图标得到预测分析结论并输出所述预测分析结论。8.一种对业务负载及资源配置与性能关系的预测系统，其特征在...

【专利技术属性】
技术研发人员：杨名，苏伟杰，杨孝平，
申请(专利权)人：中国移动通信集团四川有限公司，
类型：发明
国别省市：四川,51