基于区块链的系统负载容量预测方法及装置制造方法及图纸

本发明专利技术公开了一种基于区块链的系统负载容量预测方法及装置，涉及区块链和智能运维技术领域，该方法包括：从预设的区块链网络中获取目标系统的负载容量数据，其中，所述区块链网络中的区块链节点将所述目标系统的实时的负载容量数据上传到所述区块链网络中；根据所述负载容量数据生成所述目标系统的负载容量时序数据；将所述负载容量时序数据输入到预设的系统负载容量预测模型中，得到所述目标系统的负载容量预测结果。本发明专利技术有效降低因系统容量迅速增高等情况造成的系统故障风险。量迅速增高等情况造成的系统故障风险。量迅速增高等情况造成的系统故障风险。

【技术实现步骤摘要】
基于区块链的系统负载容量预测方法及装置


[0001]本专利技术涉及系统运维
，具体而言，涉及一种基于区块链的系统负载容量预测方法及装置。

技术介绍

[0002]随着银行业务的不断发展，银行的应用系统建设需求量不断扩充，对系统资源的依赖和预算也愈发增长。在系统资源监控过程中，依赖实时资源的报警容易出现对业务数据增长率和系统资源占用率预估不准确而造成的资源不足或资源浪费等情况，无法物尽其用。
[0003]在判断系统资源是否充足方面，目前通常依赖应用部署的事件监控。系统上线后，应用通常会根据业务功能的实际需要，部署对影响业务开展的事件监控，以此提升系统运维能力。这种方法无法对系统资源进行预判，在事件发生后才能进行监控报警，无法避免已发生事件造成的业务影响。此外，监控数据的报警严重依赖监控系统的可用性，监控报警的误报、漏报等情况也常常出现，造成监控结果与实际结果不符。
[0004]综上，目前缺少通过系统长时间上线的真实数据进行资源预警，并能够摆脱监控系统强依赖的监控方法，如何提供一种新的解决方案，解决上述技术问题是本领域亟待解决的技术难题。

技术实现思路

[0005]本专利技术为了解决上述
技术介绍
中的至少一个技术问题，提出了一种基于区块链的系统负载容量预测方法及装置。
[0006]为了实现上述目的，根据本专利技术的一个方面，提供了一种基于区块链的系统负载容量预测方法，该方法包括：
[0007]从预设的区块链网络中获取目标系统的负载容量数据，其中，所述区块链网络中的区块链节点将所述目标系统的实时的负载容量数据上传到所述区块链网络中；
[0008]根据所述负载容量数据生成所述目标系统的负载容量时序数据；
[0009]将所述负载容量时序数据输入到预设的系统负载容量预测模型中，得到所述目标系统的负载容量预测结果，其中，所述系统负载容量预测模型为采用训练数据对预设的机器学习模型进行训练得到的，所述训练数据为根据所述目标系统的历史负载容量数据生成的负载容量时序数据。
[0010]可选的，该基于区块链的系统负载容量预测方法，还包括：
[0011]创建消息队列的生产者，以通过所述生产者将监控系统检测到的所述目标系统的实时的负载容量数据传输到所述消息队列；
[0012]在所述区块链节点创建所述消息队列的消费者，以通过所述消息队列将所述目标系统的实时的负载容量数据传输到所述区块链节点。
[0013]可选的，所述从预设的区块链网络中获取目标系统的负载容量数据，具体包括：
[0014]当有所述目标系统对应的新的负载容量数据上传到所述区块链网络时，从所述区块链网络获取该新的负载容量数据；
[0015]所述根据所述负载容量数据生成所述目标系统的负载容量时序数据，具体包括：
[0016]将该新的负载容量数据与已获取的所述目标系统的负载容量数据按照时间顺序进行组合，得到负载容量时序数据。
[0017]可选的，该基于区块链的系统负载容量预测方法，还包括：
[0018]获取所述训练数据；
[0019]根据所述训练数据对ARMA模型进行训练，得到所述系统负载容量预测模型。
[0020]可选的，所述根据所述训练数据对ARMA模型进行训练，得到所述系统负载容量预测模型，包括：
[0021]根据预设的验证数据对训练过的ARMA模型的预测准确性进行验证，若验证预测准确性高于预设阈值，则将此时的ARMA模型确定为所述系统负载容量预测模型。
[0022]可选的，所述根据所述训练数据对ARMA模型进行训练，得到所述系统负载容量预测模型，具体包括：
[0023]对所述训练数据进行白噪声检验；
[0024]对于经过检测不存在噪声数据的所述训练数据，采用该训练数据对ARMA模型进行训练；
[0025]对于经过检测存在噪声数据的所述训练数据，采用极大似然比方法对所述ARMA模型进行模型参数估计，然后使用BIC信息准则对模型进行定阶，通过定阶方式确定ARMA模型的p、q参数估计，然后建立BIC矩阵对ARMA模型的p、q参数值进行递归计算，取出最小BIC值的对应p、q参数作为最佳定阶参数，通过设立最佳定阶参数建立序列模型。
[0026]可选的，该基于区块链的系统负载容量预测方法，还包括：
[0027]若所述负载容量预测结果满足预设的预警条件，则生成预警信息并将所述预警信息发送到管理终端。
[0028]为了实现上述目的，根据本专利技术的另一方面，提供了一种基于区块链的系统负载容量预测装置，该装置包括：
[0029]数据获取单元，用于从预设的区块链网络中获取目标系统的负载容量数据，其中，所述区块链网络中的区块链节点将所述目标系统的实时的负载容量数据上传到所述区块链网络中；
[0030]时序数据生成单元，用于根据所述负载容量数据生成所述目标系统的负载容量时序数据；
[0031]系统负载容量预测单元，用于将所述负载容量时序数据输入到预设的系统负载容量预测模型中，得到所述目标系统的负载容量预测结果，其中，所述系统负载容量预测模型为采用训练数据对预设的机器学习模型进行训练得到的，所述训练数据为根据所述目标系统的历史负载容量数据生成的负载容量时序数据。
[0032]为了实现上述目的，根据本专利技术的另一方面，还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于区块链的系统负载容量预测方法的步骤。
[0033]为了实现上述目的，根据本专利技术的另一方面，还提供了一种计算机可读存储介质，
其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现上述基于区块链的系统负载容量预测方法的步骤。
[0034]本专利技术的有益效果为：
[0035]本专利技术实施例通过从预设的区块链网络中获取目标系统的负载容量数据，根据所述负载容量数据生成所述目标系统的负载容量时序数据，然后将所述负载容量时序数据输入到预设的系统负载容量预测模型中，得到所述目标系统的负载容量预测结果，本专利技术根据时间序列的输入数据，通过智能算法真实预测系统上线后长时间的负载容量情况，有效降低因系统容量迅速增高等情况造成的系统故障风险，此外，本专利技术通过负载容量预测可以解决应用部署事件监控的短板，避免在事件发生后才能触发监控报警的情况。
附图说明
[0036]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0037]图1是本专利技术实施例基于区块链的系统负载容量预测方法的第一流程图；
[0038]图2是本专利技术实施例基于区块链的系统负载容量预测方法的第二流程图；
[0039]图3是本专利技术实施例基于区块链的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区块链的系统负载容量预测方法，其特征在于，包括：从预设的区块链网络中获取目标系统的负载容量数据，其中，所述区块链网络中的区块链节点将所述目标系统的实时的负载容量数据上传到所述区块链网络中；根据所述负载容量数据生成所述目标系统的负载容量时序数据；将所述负载容量时序数据输入到预设的系统负载容量预测模型中，得到所述目标系统的负载容量预测结果，其中，所述系统负载容量预测模型为采用训练数据对预设的机器学习模型进行训练得到的，所述训练数据为根据所述目标系统的历史负载容量数据生成的负载容量时序数据。2.根据权利要求1所述的基于区块链的系统负载容量预测方法，其特征在于，还包括：创建消息队列的生产者，以通过所述生产者将监控系统检测到的所述目标系统的实时的负载容量数据传输到所述消息队列；在所述区块链节点创建所述消息队列的消费者，以通过所述消息队列将所述目标系统的实时的负载容量数据传输到所述区块链节点。3.根据权利要求1所述的基于区块链的系统负载容量预测方法，其特征在于，所述从预设的区块链网络中获取目标系统的负载容量数据，具体包括：当有所述目标系统对应的新的负载容量数据上传到所述区块链网络时，从所述区块链网络获取该新的负载容量数据；所述根据所述负载容量数据生成所述目标系统的负载容量时序数据，具体包括：将该新的负载容量数据与已获取的所述目标系统的负载容量数据按照时间顺序进行组合，得到负载容量时序数据。4.根据权利要求1所述的基于区块链的系统负载容量预测方法，其特征在于，还包括：获取所述训练数据；根据所述训练数据对ARMA模型进行训练，得到所述系统负载容量预测模型。5.根据权利要求4所述的基于区块链的系统负载容量预测方法，其特征在于，所述根据所述训练数据对ARMA模型进行训练，得到所述系统负载容量预测模型，包括：根据预设的验证数据对训练过的ARMA模型的预测准确性进行验证，若验证预测准确性高于预设阈值，则将此时的ARMA模型确定为所述系统负载容量预测模...

【专利技术属性】
技术研发人员：贝飞，崔东晓，赵星驰，刘征彦，
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：