System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于算力调度,尤其涉及一种主机活跃度在线检测方法及系统。
技术介绍
1、算力是数字经济时代新的核心生产力。算力调度基于无处不在的网络连接,将多级算力资源进行整合,通过对异构算力资源的统一管理与协同调度,提高算力资源利用效率,对外提供统一算力服务,实现用户体验的一致性、服务的灵活性。
2、资源状态感知评估是构建算力调度系统的共性基础技术之一,能否及时、准确的评估算力资源运行状态,直接关系到调度的决策效果。对主机的活跃度进行检测是感知评估资源状态的有效方式之一,活跃度高的主机可以减少迁移、保持系统稳定性,活跃度低的主机可以分配更多任务或者进行关机操作,从而提高资源利用率或降低数据中心能耗。
3、如申请公开号为cn106789424a的中国专利公开了一种服务器活跃度检测系统及方法,服务器活跃度检测系统包括:监控数据采集模块,用于采集服务器的监控数据;运维事件采集模块,用于采集服务器的运维事件,并从所述运维事件中获取服务器的运维操作数据;数据预处理模块,用于对所述监控数据及所述运维操作数据进行预处理,提取特征信息,生成训练模块的输入向量;训练模块,用于对预先准备的服务器的样本数据进行训练,以得到一组支持向量;检测模块,用于利用所述支持向量对待检测的服务器的活跃度进行检测,并输出检测结果。
4、如公开号cn112182100a的中国专利公开了一种云管平台状态数据同步方法与系统,为云计算各种资源的各种影响状态变更的操作配置活跃度收敛因子;当资源发生影响状态变更的操作时,将活跃度设置为最大值并划分
5、但现有检测主机活跃程度的主要方法是对一段时间内资源采样数据的均值进行阈值检测,比如cpu利用率超过35%的是活跃主机。此方法简单、便捷,但是忽略了采样数据序列中的趋势变化,比如cpu利用率从60%降到10%,和cpu利用率从10%升到60%,两者均值都是35%,但是显然两者活跃程度并不能简单的相等。此外,在不同时间段的采样数据,对评估活跃度的重要程度也存在差异,距离检测时刻越近的采样数据,对活跃度的判定越重要,而现有的技术也大多忽略了这些问题;为了解决这些问题,本专利技术提供了一种主机活跃度在线检测方法。
技术实现思路
1、本专利技术所要解决的技术问题是针对现有技术的不足,提供了一种主机活跃度在线检测方法,该方法通过一种可更新的活跃度指数不仅解决了趋势对于判断主机活跃性的影响,而且实现了不同主机之间的比较分析。
2、为实现上述目的,本专利技术提供如下技术方案:
3、一种主机活跃度在线检测方法,包括以下步骤:
4、s1:获取目标主机在预设时间窗口长度内的监控指标的采样序列和对应的unix时间戳序列;
5、s2:对采样序列进行异常点检测和替换,并对unix时间戳序列进行转换,获取n变换序列;
6、s3:利用采样序列和预设监控指标的活跃阈值,计算得到活跃时间占比;
7、s4:利用预设监控指标的活跃阈值,采样序列和n变换序列,计算得到权重和活跃幅度;
8、s5:利用活跃时间占比和活跃幅度,计算得到目标主机的活跃度指数;
9、s6:获取新的采样数据,更新采样序列和时间戳序列,重复s2至s5,计算得到目标主机新的活跃度指数。
10、为实现上述目的,本专利技术提供如下技术方案:
11、具体地,预设时间窗口长度为t=[ts,te],计算公式为:
12、t=te-ts,
13、其中,te表示进行活跃度检测的当前时刻,ts表示进行活跃度检测历史采样的第s时刻;
14、采样序列采样序列为x=[x1,x2,…,xi,…,xn],其中xn表示距离时刻te最近的一次采样,即最新的采样数据;采样序列x对应的unix时间戳序列为tu={t1,…,ti,…,tn},其中ti表示第i个时间戳;unix时间戳是指将原始采样对应的时间转换为unix时间戳。
15、具体地,异常点检测的具体方法为孤立森林算法,其具体流程为:
16、将所述采样序列输入到孤立森林算法,输出结果标签为1,则为正常值,若为-1,则为异常值;
17、异常点替换方法具体如下:假设采样序列x=[x1,x2,…,xi,…,xn]中xi为异常值,则利用如下公式计算替换值
18、
19、其中,表示异常值xi的替换值,xi-1表示采样序列中第i-1个非异常采样值,xi+1表示采样序列中第i+1个非异常采样值;
20、若异常值为x1和xn,则利用如下公式计算其替换值,
21、
22、
23、其中,和为依次异常值x1和xn的替换值,x2,x3,xn-1和xn-2为采样序列中非异常采样值。
24、具体地,s2中(-n,n)转换的具体过程为:
25、利用所述unix时间戳序列tu={t1,…,ti,…,tn},使用如下公式计算得到变换后的序列zt={z1,…,zi,…,zn},公式如下:
26、
27、其中,zi表示变换后序列中第i个值,ti表示unix时间戳序列中第i个时间戳,t1表示unix时间戳序列中第1个时间戳,tn表示unix时间戳序列中第n个时间戳,n表示(-n,n)转换中的自然数集。
28、具体地,活跃时间占比的具体计算公式如下:
29、
30、其中,p表示活跃时间占比,xi表示采样序列x=[x1,x2,…,xi,…,xn]中第i个采样值,v表示预设监控指标r的活跃阈值,n表示采样序列个数,f(·)具体为:
31、
32、其中,z表示xi-v的值。
33、具体地,s4中权重wi计算的具体方法为:
34、
35、其中,wi表示第i个权重,zi表示变换后序列zt={z1,…,zi,…,zn}的第i个值,e表示自然底数;
36、活跃幅度的具体计算方法为:
37、
38、其中,l表示活跃幅度。
39、具体地,活跃度指数h计算方法为:
40、h=p*l,
41、其中,h表示活跃度指数,p表示活跃时间占比,l表示活跃幅度。
42、一种主机活跃度在线检测系统,其包括数据获取模块、异常点检测模块、数据预处理模块和活跃度指数计算模块;
43、数据获取模块,用于从监控系统获取目标主机对应监控指标在设定时间区间内的历史采样数据和采样时间,以及实时采样数据和采样时间;
44、异常点检测模块,用于对采集的历史数据和实时采集的数据进行异常点检测和本文档来自技高网...
【技术保护点】
1.一种主机活跃度在线检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种主机活跃度在线检测方法,其特征在于,S1所述预设时间窗口长度为T=[ts,te],计算公式为:
3.根据权利要求2所述的一种主机活跃度在线检测方法,其特征在于,所述异常点检测的具体方法为孤立森林算法,其具体流程为:
4.根据权利要求3所述的一种主机活跃度在线检测方法,其特征在于,所述S2中(-N,N)转换的具体过程为:
5.根据权利要求4所述的一种主机活跃度在线检测方法,其特征在于,所述活跃时间占比的具体计算公式如下:
6.根据权利要求5所述的一种主机活跃度在线检测方法,其特征在于,S4所述权重wi计算的具体方法为:
7.根据权利要求6所述的一种主机活跃度在线检测方法,其特征在于,所述活跃度指数H计算方法为:
8.一种主机活跃度在线检测系统,其基于如权利要求1-7中任一项所述的一种主机活跃度在线检测方法实现,其特征在于,所述系统包括数据获取模块、异常点检测模块、数据预处理模块和活跃度指数计算模块;
10.一种电子设备,其特征在于,包括处理器和权利要求9所述的存储介质,所述处理器执行所述存储介质中如权利要求1-7中任一项所述的一种主机活跃度在线检测方法。
...【技术特征摘要】
1.一种主机活跃度在线检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种主机活跃度在线检测方法,其特征在于,s1所述预设时间窗口长度为t=[ts,te],计算公式为:
3.根据权利要求2所述的一种主机活跃度在线检测方法,其特征在于,所述异常点检测的具体方法为孤立森林算法,其具体流程为:
4.根据权利要求3所述的一种主机活跃度在线检测方法,其特征在于,所述s2中(-n,n)转换的具体过程为:
5.根据权利要求4所述的一种主机活跃度在线检测方法,其特征在于,所述活跃时间占比的具体计算公式如下:
6.根据权利要求5所述的一种主机活跃度在线检测方法,其特征在于,s4所述权重wi计算的具...
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。