性能容量模型构建方法、装置、设备及计算机程序产品制造方法及图纸

本申请涉及性能容量管理技术领域，提供一种性能容量模型构建方法、装置、设备及计算机程序产品，该方法包括：根据各个接口渠道的业务量数据及其对应的第一CPU使用数据的相关关系，合成对应的样本数据；根据预设主成分回归分析方法对样本数据进行分析，得到对应的综合变量方程及其对应的综合变量；以综合变量为自变量数据和第二CPU使用数据对综合变量方程进行训练，构建对应的性能容量模型。本申请实施例提供的性能容量模型构建方法不需要人工参与，自动根据主成分回归分析方法对样本数据进行分析，构建精准的性能容量模型，通过精准的性能容量模型能够准确地估算出每个产品的性能容量，提升了性能容量估算的准确性。提升了性能容量估算的准确性。提升了性能容量估算的准确性。

【技术实现步骤摘要】
性能容量模型构建方法、装置、设备及计算机程序产品


[0001]本申请涉及性能容量管理
，尤其涉及一种性能容量模型构建方法、装置、设备及计算机程序产品。

技术介绍

[0002]在传统IT(Internet Technology，互联网技术)基础架构环境中，性能容量估算主要方法有：监控系统规划性能容量方法、压力测试规划性能容量方法和人工经验预估性能容量方法。
[0003]监控系统规划性能容量方法：在监控系统中设置性能告警阈值，通过监控性能趋势图监控性能告警阈值的趋势。若性能告警阈值到达告警阈值，则通知运维人员进行扩容。压力测试规划性能容量方法：在系统上线前，通过人工搭建线下测试环境，测试人员在线下进行测试，通过压力测试并结合监控系统得出系统的极限值。人工经验预估性能容量方法：结合人工运维经验，以某个时间段内的最大流量作为未来短期内的流量预估。
[0004]综上分析可知，目前的性能容量估算方法都是采用“人工经验+压力测试”方法实现的，即根据以往的人工运维经验和目前系统的监控信息来判断是否需要扩容，由于不同用户的运维经验是不相同的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种性能容量模型构建方法，其特征在于，包括：根据各个接口渠道的业务量数据及其对应的第一CPU使用数据的相关关系，合成对应的样本数据；根据预设主成分回归分析方法对所述样本数据进行分析，得到对应的综合变量方程及其对应的综合变量；以综合变量为自变量数据和第二CPU使用数据对所述综合变量方程进行训练，构建对应的性能容量模型。2.根据权利要求1所述的性能容量模型构建方法，其特征在于，所述根据预设主成分回归分析方法对所述样本数据进行分析，得到对应的综合变量方程及其对应的综合变量的步骤包括：剔除所述样本数据中后台监控业务、故障处理业务和升级维护业务所消耗的CPU使用数据，得到所述样本数据对应的主成分数据；基于预设分析矩阵对主成分数据进行降维分析，得到所述目标主成分数据及其对应的成分矩阵；根据所述目标主成分数据和所述成分矩阵，确定所述综合变量方程及其对应的综合变量。3.根据权利要求2所述的性能容量模型构建方法，其特征在于，所述根据所述目标主成分数据和所述成分矩阵，确定所述综合变量方程及其对应的综合变量的步骤包括：将所述成分矩阵中的业务量数据，与所述成分矩阵中所述目标主成分数据对应的CPU使用数据一一对应相乘，构建对应的计算方程；将所述计算方程确定为所述综合变量方程，并将所述综合变量方程对应的方程结果确定为综合变量。4.根据权利要求1所述的性能容量模型构建方法，其特征在于，所述以综合变量为自变量数据和第二CPU使用数据对所述综合变量方程进行训练，构建对应的性能容量模型的步骤包括：以综合变量为自变量数据和第二CPU使用数据进行回归分析，得到对应的回归结果；通过所述回归结果对所述综合变量方程进行训练，构建对应的主成分回归模型，并根据所述主成分回归模型构建所述性能容量模型。5.根据权利要求1所述的性能容量模型构建方法，其特征在于，所述以综合变量为自变量数据和第二CPU使用数据对所述综合变量方程进行训练，构建对应的性能容量模型的步骤之后，还包括：基于所述性能容量模型并根据服务入口流量数据与各个集群的集群流量数据...

【专利技术属性】
技术研发人员：黄蕴思，钟洪，吴岳檑，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：