时间序列的分析预测方法、装置、设备及存储介质制造方法及图纸

本申请提供一种时间序列的分析预测方法、装置、设备及存储介质，其中，该方法提供一种简单的时间序列分析预测方法，通过预设分析预测模型对目标服务器的时间序列数据的临界值进行预测，上述预设分析预测模型通过参考服务器的上述时间序列数据，以及参考服务器的上述时间序列数据对应的在预设时间的临界值训练得到，进而，获取上述时间序列数据的预测临界值，其中，预测过程中无需时间序列达到平稳状态，解决现有使用差分自回归移动平均模型进行时间序列分析预测，存在的模型构建过程较为繁琐，且要求时间序列是平稳非白噪声时间序列的问题。

【技术实现步骤摘要】
时间序列的分析预测方法、装置、设备及存储介质
本申请涉及设备运维
，尤其涉及一种时间序列的分析预测方法、装置、设备及存储介质。
技术介绍
随机经济的不断发展，各大运营商在落地云服务的过程中，设置了越来越多的服务器资源。因此，如何有效维护这些服务器以及高效利用所有服务器资源成为各大运营商关注的重点和难点。相关技术中，服务器在长期运行过程中，各项负载监控指标，例如中央处理器(CentralProcessingUnit，CPU)使用率、内存使用率等，会产生大量的时间序列数据。技术人员采用分析预测方法对这些时间序列数据进行分析预测，例如分析预测出下一时刻的临界值(如CPU使用率最大值、内存使用率最小值等)。从而，技术人员可以基于上述分析预测结果指导服务器的运维工作，并尽可能实现对服务器资源的高效利用。其中，现有技术人员主要采用的分析预测方法是基于差分自回归移动平均模型的时间序列分析预测方法。但是，上述差分自回归移动平均模型的构建过程较为繁琐，而且，差分自回归移动平均模型要求时间序列是平稳非白噪声时间序列。如果时间序列不能达到平稳状本文档来自技高网...

【技术保护点】
1.一种时间序列的分析预测方法，其特征在于，包括：/n获取目标服务器的时间序列数据，所述时间序列数据包括中央处理器使用率时间序列、内存使用率时间序列、平均输入输出请求次数时间序列、网卡每秒接收字节数时间序列和网卡每秒发送字节数时间序列中一个或多个；/n将所述目标服务器的所述时间序列数据输入预设分析预测模型，所述预设分析预测模型通过参考服务器的所述时间序列数据，以及所述参考服务器的所述时间序列数据对应的在预设时间的临界值训练得到，所述临界值包括最大值和/或最小值；/n根据所述预设分析预测模型的输出，获得所述目标服务器的所述时间序列数据的预测临界值。/n

【技术特征摘要】
1.一种时间序列的分析预测方法，其特征在于，包括：
获取目标服务器的时间序列数据，所述时间序列数据包括中央处理器使用率时间序列、内存使用率时间序列、平均输入输出请求次数时间序列、网卡每秒接收字节数时间序列和网卡每秒发送字节数时间序列中一个或多个；
将所述目标服务器的所述时间序列数据输入预设分析预测模型，所述预设分析预测模型通过参考服务器的所述时间序列数据，以及所述参考服务器的所述时间序列数据对应的在预设时间的临界值训练得到，所述临界值包括最大值和/或最小值；
根据所述预设分析预测模型的输出，获得所述目标服务器的所述时间序列数据的预测临界值。


2.根据权利要求1所述的方法，其特征在于，在所述将所述目标服务器的所述时间序列数据输入预设分析预测模型之前，还包括：
对所述目标服务器的所述时间序列数据进行预处理，所述预处理包括数据去重、时间序列集划分、数据类型转换、缺失值填充、时间序列特征提取、时间序列特征构造、独热编码和数据融合中一个或多个；
所述将所述目标服务器的所述时间序列数据输入预设分析预测模型，包括：
将预处理后的时间序列数据输入所述预设分析预测模型。


3.根据权利要求2所述的方法，其特征在于，所述预处理包括所述时间序列特征提取和所述时间序列特征构造；
所述对所述目标服务器的所述时间序列数据进行预处理，包括：
提取所述目标服务器的所述时间序列数据的第一序列特征，以及所述目标服务器的所述时间序列数据对应的历史时间序列数据的第二序列特征；
根据所述第一序列特征和所述第二序列特征，确定预设特征变量的值，所述预设特征变量包括是周几、是否是工作日、是否是周末和是否是节假日中一个或多个；
根据所述预设特征变量的值，进行时间序列特征构造。


4.根据权利要求1至3中任一项所述的方法，其特征在于，在所述根据所述预设分析预测模型的输出，获得所述目标服务器的所述时间序列数据的预测临界值之后，还包括：
获取所述目标服务器的所述时间序列数据对应的实际临界值；
根据所述实际临界值和所述预测临界值，确定所述预设分析预测模型的...

【专利技术属性】
技术研发人员：金叶，徐锐，沈松，王柯，朱威，张皞，武晓頔，李东佩，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：北京;11