数据处理方法以及第一服务器和第二服务器技术

本公开实施例提供了一种数据处理方法，应用于第一服务器，该方法包括：获取由至少一个第二服务器发送至第一服务器的至少一个性能参数集合，其中至少一个性能参数集合为至少一个第二服务器各自采集自身的性能参数并进行预处理后得到的；根据至少一个性能参数集合对至少一个第二服务器进行状态预测。本公开实施例还提供了一种第一服务器、一种第二服务器、一种电子设备和一种计算机可读存储介质。

【技术实现步骤摘要】
数据处理方法以及第一服务器和第二服务器
本公开涉及计算机
，更具体地，涉及一种数据处理方法、一种第一服务器、一种第二服务器、一种电子设备和一种计算机可读存储介质。
技术介绍
目前，随着计算机技术的发展，分析、预测服务器的状态广泛应用在金融、科学技术等领域中。但是，随着服务器数量的爆发式增长，服务器的性能参数的数据量也随之快速增长，这给分析、预测服务器的状态带来了挑战。在实现本公开构思的过程中，专利技术人发现相关技术中至少存在如下问题：相关技术在针对多个服务器进行状态预测时存在时效性差的缺陷。
技术实现思路
有鉴于此，本公开实施例提供了一种数据处理方法、一种第一服务器和一种第二服务器，解决了相关技术中在针对多个服务器进行状态预测时存在时效性差的问题。本公开实施例的一个方面提供了一种数据处理方法，应用于第一服务器，上述方法包括：获取由至少一个第二服务器发送至上述第一服务器的至少一个性能参数集合，其中上述至少一个性能参数集合为上述至少一个第二服务器各自采集自身的性能参数并进行预处理后得到的；根据上述至少一个性能参数集合对上述至少一个第二服务器进行状态预测。根据本公开的实施例，在根据上述至少一个性能参数集合对上述至少一个第二服务器进行状态预测之后，上述数据处理方法还包括，针对上述至少一个第二服务器中的每个第二服务器执行以下操作：确定上述至少一个性能参数集合中与当前第二服务器关联的第一性能参数集合，上述第一性能参数集合包括第一子集和第二子集，其中，上述第一子集包括第一数值型性能参数，上述第一数值型性能参数是由采集的非数值型性能参数转换得到的，上述第二子集包括第二数值型性能参数，上述第二数值型性能参数是由采集的数值型性能参数构成的；根据上述第一子集对上述当前第二服务器进行状态预测，得到第一预测结果；根据上述第二子集对上述当前第二服务器进行状态预测，得到第二预测结果；将上述第一预测结果转换为对应的非数值型预测结果；显示上述非数值型预测结果和上述第二预测结果。根据本公开的实施例，在对上述至少一个第二服务器进行状态预测之前，上述数据处理方法还包括：针对上述至少一个第二服务器中的每个第二服务器训练对应的用于进行状态预测的预测模型。其中，上述针对上述至少一个第二服务器中的每个第二服务器训练对应的用于进行状态预测的预测模型，包括：获取与当前第二服务器关联的性能参数样本集合；根据上述性能参数样本集合计算对应的性能参数矩阵；将上述性能参数矩阵变换为对应的标准参数矩阵；基于上述标准参数矩阵训练用于对上述当前第二服务器进行状态预测的第一预测模型。根据本公开的实施例，上述基于上述标准参数矩阵训练用于对上述当前第二服务器进行状态预测的第一预测模型，包括：根据上述标准参数矩阵生成对应的相关性矩阵；基于上述性能参数样本集合的采集时间从上述标准参数矩阵拆分出训练矩阵；基于第一预设时间步长将上述训练矩阵拆分为第一输入矩阵和第一输出矩阵；基于上述第一输入矩阵、上述第一输出矩阵和上述相关性矩阵训练上述第一预测模型。根据本公开的实施例，在训练得到上述第一预测模型之后，上述数据处理方法还包括：基于上述采集时间从上述标准参数矩阵拆分出验证矩阵，其中，上述验证矩阵不同于上述训练矩阵；基于第二预设时间步长将上述验证矩阵拆分为第二输入矩阵和第二输出矩阵；基于上述第二输入矩阵和上述第二输出矩阵验证上述第一预测模型，以便根据验证结果修正上述第一预测模型。本公开实施例的另一个方面提供了一种数据处理方法，应用于第二服务器，上述方法包括：采集上述第二服务器的性能参数；对采集到的性能参数进行预处理，得到针对上述第二服务器的性能参数集合；将上述性能参数集合发送至第一服务器，以便上述第一服务器根据上述性能参数集合对上述第二服务器进行状态预测。根据本公开的实施例，上述对采集到的性能参数进行预处理，包括：将上述性能参数中的非数值型性能参数转换成数值型性能参数；和/或，删除上述性能参数中的数值为空的数值型性能参数。本公开实施例的另一个方面提供了一种第一服务器，包括：获取模块，用于获取由至少一个第二服务器发送至上述第一服务器的至少一个性能参数集合，其中上述至少一个性能参数集合为上述至少一个第二服务器各自采集自身的性能参数并进行预处理后得到的；预测模块，用于根据上述至少一个性能参数集合对上述至少一个第二服务器进行状态预测。本公开实施例的另一个方面提供了一种第二服务器，包括：采集模块，用于采集上述第二服务器的性能参数；预处理模块，用于对采集到的性能参数进行预处理，得到针对上述第二服务器的性能参数集合；发送模块，用于将上述性能参数集合发送至第一服务器，以便上述第一服务器根据上述性能参数集合对上述第二服务器进行状态预测。本公开的另一方面提供了一种电子设备，包括一个或多个处理器以及存储装置，其中，上述存储装置用于存储可执行指令，上述可执行指令在被上述处理器执行时，实现如上所述的方法。本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，上述指令在被执行时用于实现如上所述的方法。本公开的另一方面提供了一种计算机程序，上述计算机程序包括计算机可执行指令，上述指令在被执行时用于实现如上所述的方法。根据本公开的实施例，在第一服务器在对多个第二服务器进行状态预测时，由于每个第二服务器不仅负责采集自身的性能参数，而且还负责对各自采集的性能参数进行预处理，因而第一服务器可直接基于各第二服务器预处理后的性能参数对各第二服务器进行状态预测，而不再需要集中针对各第二服务器采集的性能参数进行预处理，由此可以至少部分地解决相关技术中对服务器状态进行预测，存在时效性差的问题，并由此可以实现同时对多个第二服务器进行实时状态预测。附图说明通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：图1示意性示出了根据本公开实施例的可以应用数据处理方法的系统架构；图2示意性示出了根据本公开实施例的数据处理方法的流程图；图3示意性示出了根据本公开实施例的显示预测结果的流程图；图4示意性示出了根据本公开实施例的训练用于进行状态预测的预测模型的流程图；图5示意性示出了根据本公开实施例的训练第一预测模型的流程图；图6示意性示出了根据本公开实施例的验证第一预测模型的流程图；图7示意性示出了根据本公开另一实施例的数据处理方法的流程图；图8示意性示出了根据本公开实施例的第一服务器的框图；图9示意性示出了根据本公开实施例的第二服务器的框图；以及图10示意性示出了根据本公开实施例的电子设备的框图。具体实施方式以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略本文档来自技高网...

【技术保护点】
1.一种数据处理方法，应用于第一服务器，所述方法包括：/n获取由至少一个第二服务器发送至所述第一服务器的至少一个性能参数集合，其中所述至少一个性能参数集合为所述至少一个第二服务器各自采集自身的性能参数并进行预处理后得到的；以及/n根据所述至少一个性能参数集合对所述至少一个第二服务器进行状态预测。/n

【技术特征摘要】
1.一种数据处理方法，应用于第一服务器，所述方法包括：
获取由至少一个第二服务器发送至所述第一服务器的至少一个性能参数集合，其中所述至少一个性能参数集合为所述至少一个第二服务器各自采集自身的性能参数并进行预处理后得到的；以及
根据所述至少一个性能参数集合对所述至少一个第二服务器进行状态预测。


2.根据权利要求1所述的方法，其中，所述方法还包括：在根据所述至少一个性能参数集合对所述至少一个第二服务器进行状态预测之后，针对所述至少一个第二服务器中的每个第二服务器执行以下操作：
确定所述至少一个性能参数集合中与当前第二服务器关联的第一性能参数集合，所述第一性能参数集合包括第一子集和第二子集，其中，所述第一子集包括第一数值型性能参数，所述第一数值型性能参数是由采集的非数值型性能参数转换得到的，所述第二子集包括第二数值型性能参数，所述第二数值型性能参数是由采集的数值型性能参数构成的；
根据所述第一子集对所述当前第二服务器进行状态预测，得到第一预测结果；
根据所述第二子集对所述当前第二服务器进行状态预测，得到第二预测结果；
将所述第一预测结果转换为对应的非数值型预测结果；以及
显示所述非数值型预测结果和所述第二预测结果。


3.根据权利要求1所述的方法，其中，所述方法还包括：在对所述至少一个第二服务器进行状态预测之前，针对所述至少一个第二服务器中的每个第二服务器训练对应的用于进行状态预测的预测模型，其中，
所述针对所述至少一个第二服务器中的每个第二服务器训练对应的用于进行状态预测的预测模型，包括：
获取与当前第二服务器关联的性能参数样本集合；
根据所述性能参数样本集合计算对应的性能参数矩阵；
将所述性能参数矩阵变换为对应的标准参数矩阵；以及
基于所述标准参数矩阵训练用于对所述当前第二服务器进行状态预测的第一预测模型。


4.根据权利要求3所述的方法，其中，所述基于所述标准参数矩阵训练用于对所述当前第二服务器进行状态预测的第一预测模型，包括：
根据所述标准参数矩阵生成对应的相关性矩阵；
基于所述性能参数样本集合的采集时间从所述标准参数矩阵拆分出训练矩阵；
基于第一预设时间步长将所述训练矩阵拆分为第一输入矩阵和第一输出矩...

【专利技术属性】
技术研发人员：叶轮，李天然，尹海真，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：北京;11