一种性能监控方法、系统及电子设备和存储介质技术方案

本申请公开了一种性能监控方法、系统及一种电子设备和计算机可读存储介质，该方法包括：采集监控资源的性能指标值，并根据所述性能指标值构建性能曲线；根据所述性能曲线中的所有所述性能指标值和所述性能指标值对应的斜率确定输入向量；将所述输入向量输入训练完成的BP神经网络中，得到故障分类结果。本申请提供的性能监控方法根据每个性能指标的当前值和该性能指标在性能曲线上的斜率构建输入矩阵训练完成的BP神经网络中，完成故障分类。通过性能曲线的斜率代表该性能指标的波动性，实现了对性能指标波动性的告警，通过多个性能指标训练的BP神经网络综合了各个性能指标实现了无阈值告警。

【技术实现步骤摘要】
一种性能监控方法、系统及电子设备和存储介质
本申请涉及计算机
，更具体地说，涉及一种性能监控方法、系统及一种电子设备和一种计算机可读存储介质。
技术介绍
随着互联网的飞速发展，数据中心承载着各种数据的采集、存储及分析等功能，并随着业务的增加，业务主机会出现CPU利用率、内存利用率、网络流量的增加与波动，影响着业务的稳定运行。现有技术中的监控系统仅根据指标的阈值进行告警，不能够对性能指标的波动性和综合个指标进行告警，已经不能够满足客户需求。因此，如何实现对性能指标的波动性、且综合各个性能指标进行告警是本领域技术人员需要解决的技术问题。
技术实现思路
本申请的目的在于提供一种性能监控方法、系统及一种电子设备和一种计算机可读存储介质，实现对性能指标的波动性、且综合各个性能指标进行告警。为实现上述目的，本申请提供了一种性能监控方法，包括：采集监控资源的性能指标值，并根据所述性能指标值构建性能曲线；根据所述性能曲线中的所有所述性能指标值和所述性能指标值对应的斜率确定输入向量；将所述输入向量输入训练完成的BP神经网络中，得到故障分类结果。其中，根据所述性能指标值构建性能曲线，包括：根据连续的所本文档来自技高网...

【技术保护点】
1.一种性能监控方法，其特征在于，包括：采集监控资源的性能指标值，并根据所述性能指标值构建性能曲线；根据所述性能曲线中的所有所述性能指标值和所述性能指标值对应的斜率确定输入向量；将所述输入向量输入训练完成的BP神经网络中，得到故障分类结果。

【技术特征摘要】
1.一种性能监控方法，其特征在于，包括：采集监控资源的性能指标值，并根据所述性能指标值构建性能曲线；根据所述性能曲线中的所有所述性能指标值和所述性能指标值对应的斜率确定输入向量；将所述输入向量输入训练完成的BP神经网络中，得到故障分类结果。2.根据权利要求1所述性能监控方法，其特征在于，根据所述性能指标值构建性能曲线，包括：根据连续的所述性能指标值构建中间曲线，并对所述中间曲线进行平滑处理和归一化处理得到所述性能曲线。3.根据权利要求1所述性能监控方法，其特征在于，所述输入向量具体为所述性能曲线中的所有所述性能指标值和所述性能指标值对应的斜率组成的行向量或列向量。4.根据权利要求1所述性能监控方法，其特征在于，所述性能指标值包括CPU利用率、内存利用率、网络出入口流量、系统负载中的任一项或任几项的组合。5.根据权利要求1-4任一项所述性能监控方法，其特征在于，还包括；获取训练样本；其中，将所述训练样本包括训练性能指标数据和所述训练指标数据对应的训练故障分类结果；根据所述训练性能指标数据确定训练输入向量，并利用所述训练输入向量和所述训练故障分类结果训练BP神经网络，得到训练完成的BP神经网络。6.根据权利要求5所述性能监控方法，其特征在于，利用所述训练输入向量和所述训练故障分类结果训练BP神经网络，得到训练完成的BP神经网络，包括：S201：初始化所述BP神经网络的参数；其中，所述参数包括输入层节点数、隐含层节点数、输出层节点数、各神经之间的权值、隐含层阈值、输出层阈值、学习率、激励函数和最大迭代次数；S...

【专利技术属性】
技术研发人员：段谊海，郭锋，张典，
申请(专利权)人：郑州云海信息技术有限公司，
类型：发明
国别省市：河南,41