【技术实现步骤摘要】
基于时序数据趋势预测的运维方法、装置及设备
本申请涉及计算机
,特别涉及一种基于时序数据趋势预测的运维方法、装置、设备及可读存储介质。
技术介绍
随着云计算领域的快速发展,对拥有物理机性能和云弹性的裸机建设正在云计算中悄然兴起。为了使云计算中的物理机与云主机的性能达到最佳,分析和预测性能数据对机器性能调优具有指导意义。目前,对服务器的性能数据的预测方式包含基于时间序列的方法与基于机器学习的方法。基于时间序列的方法,往往采用累积式自回归移动平均(ARIMA)、指数平滑(Holt-Winters)等模型,这些模型均为线性模型,对非线性数据的预测能力不足。基于机器学习的方法,主要包含支持向量机(SVM)、人工神经网络(ANN)等实现方式,这种方法主要针对小样本问题,如果面临大规模数据量时,容易陷入局部最优解。服务器中的性能数据的数据复杂度比较高,因此,一般的预测方案往往对一类数据的预测效果很好,但对另一类数据的预测效果很差。例如,由性能数据组成的时序数据往往具有周期性和趋势性,一些预测方案对周期性数据的预测效果比较好,但对趋势数据的预测效果较差,另一些预测方案则反之。可见,在服务器运维场景下,如何对同时具有周期性和趋势性的时序数据进行预测,从而根据预测结果对服务器进行调节,提升服务器性能,是亟待本领域技术人员解决的问题。
技术实现思路
本申请的目的是提供一种基于时序数据趋势预测的运维方法、装置、设备及可读存储介质,用以解决当前的运维方案对同时具备周期性和趋势性的时序数据的预 ...
【技术保护点】
1.一种基于时序数据趋势预测的运维方法,其特征在于,包括:/n获取时序数据,其中所述时序数据包括服务器在不同时刻的性能数据;/n对所述时序数据进行平滑去噪处理;/n利用DTW对平滑去噪处理后的时序数据进行周期性检测;/n在所述时序数据具备周期性时,将所述时序数据分解为周期数据和趋势数据;/n对所述趋势数据或不具备周期性的时序数据进行小波分解,得到分量数据;/n利用ARMA模型对所述分量数据进行预测,得到趋势预测结果;/n在所述时序数据具备周期性时,根据所述周期数据的周期性和所述趋势预测结果确定所述时序数据的预测结果;在所述时序数据不具备周期性时,直接将所述趋势预测结果作为所述时序数据的预测结果;/n根据所述时序数据的预测结果,对所述服务器执行相应的运维操作。/n
【技术特征摘要】
1.一种基于时序数据趋势预测的运维方法,其特征在于,包括:
获取时序数据,其中所述时序数据包括服务器在不同时刻的性能数据;
对所述时序数据进行平滑去噪处理;
利用DTW对平滑去噪处理后的时序数据进行周期性检测;
在所述时序数据具备周期性时,将所述时序数据分解为周期数据和趋势数据;
对所述趋势数据或不具备周期性的时序数据进行小波分解,得到分量数据;
利用ARMA模型对所述分量数据进行预测,得到趋势预测结果;
在所述时序数据具备周期性时,根据所述周期数据的周期性和所述趋势预测结果确定所述时序数据的预测结果;在所述时序数据不具备周期性时,直接将所述趋势预测结果作为所述时序数据的预测结果;
根据所述时序数据的预测结果,对所述服务器执行相应的运维操作。
2.如权利要求1所述的方法,其特征在于,所述对所述时序数据进行平滑去噪处理,包括:
采用最小二乘平滑滤波算法,对所述时序数据进行平滑去噪处理。
3.如权利要求1所述的方法,其特征在于,所述对所述趋势数据或不具备周期性的时序数据进行小波分解,得到分量数据,包括:
对所述趋势数据或不具备周期性的时序数据进行平稳性检验;
若所述趋势数据或不具备周期性的时序数据不具备平稳性,则进行小波分解,得到分量数据;
对所述分量数据进行平稳性检验,若所述分量数据也不具备平稳性,则重复进行小波分解,直至分解得到的分量数据具备平稳性。
4.如权利要求3所述的方法,其特征在于,所述对所述趋势数据或不具备周期性的时序数据进行平稳性检验,包括:
利用ADF算法对所述趋势数据或不具备周期性的时序数据进行平稳性检验。
5.如权利要求1所述的方法,其特征在于,所述利用DTW对平滑去噪处理后的时序数据进行周期性检测,包括:
对平滑去噪处理后的时序数据进行分段,得到子时序数据集合;
利用DTW计算所述子时序序列中相邻两份子时序数据之间的距离值;
若所述距离值超过预设阈值,则判定所述时序数据不具备周期性。
6....
【专利技术属性】
技术研发人员:苏海明,
申请(专利权)人:北京浪潮数据技术有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。