【技术实现步骤摘要】
一种结合线上业务指标特征的容量预估方法
本专利技术属于IT容量管理领域,具体涉及一种结合线上业务指标特征的容量预估方法。
技术介绍
传统的容量管理领域主要在解决2个问题,其一是根据业务的增长情况有效评估系统在某时间节点的QPS与硬件资源是否足够;其二是根据当前的硬件资源消耗趋势,为下一个周期的采购计划提供有力的支撑,获得技术投入与业务发展之间的合理值,追求无限接近于“刚刚好”的状态。现有容量预估技术主要通过专家经验对业务增量进行假设,在业务增量的假设前提下进行uv(UniqueVistor)30天内的访客数、pv(pageview)30天内的页面浏览次数估计;再根据uv、pv的具体推算值计算可能的QPS并发量,从而根据公式推算出需要增加多少个节点(资源)才能达到所需并发量。互联网银行是新一代互联网银行的运营模式,其没有线下网点,全实时、全网、全线上进件的方式与传统银行完全不同,所以互联网银行的每个客户每一笔操作(认证、贷款、还款)都会在行内相关业务系统都会产生一次全流程操作,从而带来一部分资源消耗压力,如何评估不同业务量情况下系统容量是否能满足需求成为一个比较棘手的问题。
技术实现思路
针对现有技术中互联网银行业务数据量巨大,对未来数据容量预估,准确率低,时效性具有延迟,自动化程度较低的问题,本专利技术提供所以我们提出一种结合业务指标与系统资源共同对相关系统做容量预估的方法来解决此问题,通过引入prophet时间序列模型和xgboost回归训练模型的,提升数据的准确性,提升数据的时 ...
【技术保护点】
1.一种结合线上业务指标特征的容量预估方法,其特征在于,包括:/n步骤1:以日为单位收集硬件资源数据,并做清洗和归一化处理得到硬件资源数据列m;/n步骤2:以日为单位收集业务指标数据,并做清洗和归一化处理得到业务指标数据列y;/n步骤3:对硬件资源数据列m和业务指标数据列y按照时间序列进行排序,并对m和y做关联性计算,得到关联数据列c;/n步骤4:使用prophet时间序列模型对清洗处理后的业务指标数据进行历史拟合建模,并将过去30天内的历史数据下限值定义为ylower,整合训练数据为X=<m,ylower,c>,预测标准数据为Y=<y>,将X,Y作为历史训练数据;/n步骤5:将历史训练数据X,Y,输入xgboost回归训练预测模型,对未来容量进行预估,得到预测数据。/n
【技术特征摘要】
1.一种结合线上业务指标特征的容量预估方法,其特征在于,包括:
步骤1:以日为单位收集硬件资源数据,并做清洗和归一化处理得到硬件资源数据列m;
步骤2:以日为单位收集业务指标数据,并做清洗和归一化处理得到业务指标数据列y;
步骤3:对硬件资源数据列m和业务指标数据列y按照时间序列进行排序,并对m和y做关联性计算,得到关联数据列c;
步骤4:使用prophet时间序列模型对清洗处理后的业务指标数据进行历史拟合建模,并将过去30天内的历史数据下限值定义为ylower,整合训练数据为X=<m,ylower,c>,预测标准数据为Y=<y>,将X,Y作为历史训练数据;
步骤5:将历史训练数据X,Y,输入xgboost回归训练预测模型,对未来容量进行预估,得到预测数据。
2.根据权利要求1所述一种结合线上业务指标特征的容量预估方法,其特征在于,步骤1具体包括:
步骤1.1:由资源监控agent工具采集硬件资源数据到数据仓库中,再使用etl工具抽取数据仓库中的硬件资源数据并按时间排序;
步骤1.2:使用离差标准化方法对排序后的硬件资源数据进行归一化处理,得到硬件资源数据列m。
3.根据权利要求2所述的一种结合线上业务指标特征的容量预估方法,其特征在于所述的硬件资源数据包括cpu、内存和磁盘数据。
4.根据权利要求1所述的一种结合线上业务指标特征的容量预估方法,其特征在于,步骤2具体包括:
步骤2.1:由资源监控agent工具采集业务指标数据到数据仓库中,再使用etl工具抽取数据库中的业务指标数据并按时间排序;
步骤2.2:使用离差标准化方法对清洗后的业务指标数据进行归一化处理,得到业务数据列y。
5.根据权利要求4所述的一种结合线上业务指标特征的容量预估方法,其特征在于,所述业务指标数据包括进...
【专利技术属性】
技术研发人员:何思佑,
申请(专利权)人:四川新网银行股份有限公司,
类型:发明
国别省市:四川;51
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。