数据库性能指标预测方法及系统技术方案

本发明专利技术公开了一种数据库性能指标预测方法及系统，属于数据库智能运维技术领域，所述数据库性能指标预测方法包括步骤一，数据准备；步骤二，基线预测；步骤三，构建动态阈值；步骤四，实时预警。所述数据库性能指标预测系统包括，数据准备模块，用于数据准备；基线预测模块，用于基线预测；动态阈值模块，用于构建动态阈值；实时预警模块，用于实时预警。本发明专利技术通过构建动态阈值对DBTime值进行观测预警，动态阈值每日更新，并结合历史数据和季节因素对数据库性能指标进行预测，提高了数据库性能指标预测的准确度，从而保证数据库长期稳定的运行。

Prediction method and system of database performance index

【技术实现步骤摘要】
数据库性能指标预测方法及系统
本专利技术涉及数据库智能运维
，特别涉及一种数据库性能指标预测系统。
技术介绍
数据库是一个单位或是一个应用领域的通用数据处理系统，它存储的是属于企业和事业部门、团体和个人的有关数据的集合。数据库是IT系统的核心，存储着企业的各种数据，数据库性能的保障尤其重要。随着信息技术的日益发展，数据库内容的日趋丰富和复杂，传统数据库运维工作面临新的挑战，运维响应要求越来越高。而传统的以手工为主，小工具为辅，简单粗犷的数据库性能运维手段存在以下问题：（1）使用平均值+静态阈值的方法进行预警，运维手段简单，运维准确度不高；（2）静态阈值采用单一静态告警阈值或者分时段的静态告警阈值，没有结合历史数据计算动态阈值；（3）没有结合历史数据和季节因素对数据库性能指标进行预测；（4）欠缺可视化监控手段；（5）没有对运维经验进行沉淀。
技术实现思路
为了提高了数据库性能指标预测的准确度，保证数据库稳定、长期的运行，本专利技术提供了一种数据库性能指标预测方法。本专利技术的技术方案为，一种数据库性能指标预测方法，包括：步骤一：数据准备，每隔时间t0从数据库采集数据库性能指标DBTime，所述DBTime为数据库的请求运行时间总和，根据DBTime的采集日期为DBTime打上日期编号，根据DBTime的采集时间段为DBTime打上季节编号；步骤二：基线预测，根据采集到的DBTime数据通过时间序列预测的乘法模型构建DBTime基线预测模型，根据构建的DBTime基线预测模型，按天预测第二天各个时间段的DBTime值；步骤三：构建动态阈值，根据步骤二所述方法获得DBTime预测值，计算DBTime预测值和实际值之差，DBTime预测值和实际值之差称为残差，计算残差的标准差，按天把最新一天的数据也纳入计算并更新标准差，使用2倍或3倍残差标准差的值作为动态阈值；步骤四：实时预警，根据步骤二得到的第二天的DBTime预测值，以及步骤三计算出的动态阈值，对第二天的DBTime实际值进行实时预警，当实际观察值超过阈值时作出预警。本专利技术进一步设置为，所述时间t0为半个小时，所述DBTime的季节编号为1至48，一天内的DBTime的季节编号根据采集时间段依次编号为1至48。本专利技术进一步设置为，所述DBTime的日期编号为1-30，其编号算法为：日期编号1-26，采用历史月份相同日期的数据进行计算；日期编号27，采用历史月份相同日期的数据进行计算，不含2月27日；日期编号28，采用历史月份28和29两天数据的平均数进行计算，不含2月28日、2月29日、4月29日、6月29日、9月29日、11月29日；日期编号29，1、3、5、7、8、10和12月份采用30日的数据进行计算，其中2月份用27日的数据，4、6、9、11月份的用29日的数据；日期编号30，1、3、5、7、8、10和12月份采用31日的数据进行计算，其中2月份用28日的数据，4、6、9、11月份的用30日的数据。本专利技术进一步设置为，当DBTime值采集失败时，本季节编号的DBTime值使用同季节位置上的平均数代替，使用期数为全部或当前位置前30期或当前位置前7期。本专利技术还提供一种数据库性能指标预测系统，其技术方案为，包括存储器、处理器和存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行程序时实现以下步骤：步骤一：数据准备，每隔时间t0从数据库采集数据库性能指标DBTime，所述DBTime为数据库的请求运行时间总和，根据DBTime的采集日期为DBTime打上日期编号，根据DBTime的采集时间段为DBTime打上季节编号；步骤二：基线预测，根据采集到的DBTime数据通过时间序列预测的乘法模型构建DBTime基线预测模型，根据构建的DBTime基线预测模型，按天预测第二天各个时间段的DBTime值；步骤三：构建动态阈值，根据步骤二所述方法获得DBTime预测值，计算DBTime预测值和实际值之差，DBTime预测值和实际值之差称为残差，计算残差的标准差，按天把最新一天的数据也纳入计算并更新标准差，使用2倍或3倍残差标准差的值作为动态阈值；步骤四：实时预警，根据步骤二得到的第二天的DBTime预测值，以及步骤三计算出的动态阈值，对第二天的DBTime实际值进行实时预警，当实际观察值超过阈值时作出预警。本专利技术进一步设置为，所述时间t0为半个小时，所述DBTime的季节编号为1至48，一天内的DBTime的季节编号根据采集时间段依次编号为1至48。本专利技术进一步设置为，所述DBTime的日期编号为1-30，其编号算法为：日期编号1-26，采用历史月份相同日期的数据进行计算；日期编号27，采用历史月份相同日期的数据进行计算，不含2月27日；日期编号28，采用历史月份28和29两天数据的平均数进行计算，不含2月28日、2月29日、4月29日、6月29日、9月29日、11月29日；日期编号29，1、3、5、7、8、10和12月份采用30日的数据进行计算，其中2月份用27日的数据，4、6、9、11月份的用29日的数据；日期编号30，1、3、5、7、8、10和12月份采用31日的数据进行计算，其中2月份用28日的数据，4、6、9、11月份的用30日的数据。本专利技术进一步设置为，当DBTime值采集失败时，本季节编号的DBTime值使用同季节位置上的平均数代替，使用期数为全部或当前位置前30期或当前位置前7期。本专利技术进一步设置为，还包括Web可视化监控模块，用于通过Web可视化方式对DBTime实际变化趋势、DBTime预测变化趋势、残差变化趋势进行可视化展现和分析。本专利技术进一步设置为，还包括经验数据库，用于存储经验材料，经验材料包括数据库性能准确度评估报告、残差分析报告、数据库优化建议报告中的一种或多种。综上所述，本专利技术的有益效果有：1．通过构建动态阈值对DBTime值进行观测预警，动态阈值每日更新，提高了数据库性能指标预测的准确度，从而保证数据库长期稳定的运行；2．每隔半小时采集一次DBTime值，并按时段、日期打上季节编号和日期编号，从而实现了结合历史数据和季节因素对数据库性能指标进行预测；3．将每个月的DBTime数据按照编号算法编号1-30，既保证了每个月数据变化的周期性，又减小了了每个月天数不同而造成的误差，进一步提高了数据预测的准确性。附图说明图1是本专利技术实施例一提供的数据库性能指标预测方法的流程图；图2是本专利技术实施例一中DBTime的日期编号算法；图3是本专利技术实施例一中的使用效果图，为观测值、预测基线预警下限和预测基线预警上限的曲线拟合图；图4是本专利技术实施例一中使用效果图，为残差变化趋势图；图5是本专利技术实施例五提供的数据库性能指标预测系统的结构图。具体实施方式下面结合附图详细说明本专利技术的具体实施方式。实施例一：一种数据库性能指标预测方法，如图1所示，包括以下步骤：步骤一，数据准备：（1）、每隔半小时从数据库采集数据库性能指标DBTime，包括时间、DBTime值两个属性，其中DBTime值反应了数据库的请求运行时间总和，在同等条件下，DBTime越小越好；（2）根据数据库负荷在月初、月中和月末的差异性，把采集到的DBTime数据按日期分成本文档来自技高网...

【技术保护点】
1.一种数据库性能指标预测方法，其特征在于，包括：步骤一：数据准备，每隔时间t0从数据库采集数据库性能指标DBTime，所述DBTime为数据库的请求运行时间总和，根据DBTime的采集日期为DBTime打上日期编号，根据DBTime的采集时间段为DBTime打上季节编号；步骤二：基线预测，根据采集到的DBTime数据通过时间序列预测的乘法模型构建DBTime基线预测模型，根据构建的DBTime基线预测模型，按天预测第二天各个时间段的DBTime值；步骤三：构建动态阈值，根据步骤二所述方法获得DBTime预测值，计算DBTime预测值和实际值之差，DBTime预测值和实际值之差称为残差，计算残差的标准差，按天把最新一天的数据也纳入计算并更新标准差，使用2倍或3倍残差的标准差的值作为动态阈值；步骤四：实时预警，根据步骤二得到的第二天的DBTime预测值，以及步骤三计算出的动态阈值，对第二天的DBTime实际值进行实时预警，当实际观察值超过阈值时作出预警。

【技术特征摘要】
1.一种数据库性能指标预测方法，其特征在于，包括：步骤一：数据准备，每隔时间t0从数据库采集数据库性能指标DBTime，所述DBTime为数据库的请求运行时间总和，根据DBTime的采集日期为DBTime打上日期编号，根据DBTime的采集时间段为DBTime打上季节编号；步骤二：基线预测，根据采集到的DBTime数据通过时间序列预测的乘法模型构建DBTime基线预测模型，根据构建的DBTime基线预测模型，按天预测第二天各个时间段的DBTime值；步骤三：构建动态阈值，根据步骤二所述方法获得DBTime预测值，计算DBTime预测值和实际值之差，DBTime预测值和实际值之差称为残差，计算残差的标准差，按天把最新一天的数据也纳入计算并更新标准差，使用2倍或3倍残差的标准差的值作为动态阈值；步骤四：实时预警，根据步骤二得到的第二天的DBTime预测值，以及步骤三计算出的动态阈值，对第二天的DBTime实际值进行实时预警，当实际观察值超过阈值时作出预警。2.根据权利要求1所述的数据库性能指标预测方法，其特征在于，所述时间t0为半个小时，所述DBTime的季节编号为1至48，一天内的DBTime的季节编号根据采集时间段依次编号为1至48。3.根据权利要求1所述的数据库性能指标预测方法，其特征在于，所述DBTime的日期编号为1-30，其编号算法为：日期编号1-26，采用历史月份相同日期的数据进行计算；日期编号27，采用历史月份相同日期的数据进行计算，不含2月27日；日期编号28，采用历史月份28和29两天数据的平均数进行计算，不含2月28日、2月29日、4月29日、6月29日、9月29日、11月29日；日期编号29，1、3、5、7、8、10和12月份采用30日的数据进行计算，其中2月份用27日的数据，4、6、9、11月份的用29日的数据；日期编号30，1、3、5、7、8、10和12月份采用31日的数据进行计算，其中2月份用28日的数据，4、6、9、11月份的用30日的数据。4.根据权利要求1所述的数据库性能指标预测方法，其特征在于，当DBTime值采集失败时，本季节编号的DBTime值使用同季节位置上的平均数代替，平均数的使用期数为全部或当前位置前30期或当前位置前7期。5.一种数据库性能指标预测系统，包括存储器、处理器和存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行程序时实现以下步骤：步骤一：数据准备，每隔时间t0从数据库采集数据库性能指标DBTime，所述DBTime为数...

【专利技术属性】
技术研发人员：邹传琴，邓俊，兰清，
申请(专利权)人：南京信息职业技术学院，
类型：发明
国别省市：江苏,32