CN102081622B - 评估系统健康度的方法及系统健康度评估装置 - Google Patents

Abstract

本发明公开了一种评估系统健康度的方法，包括：归类数据库数据，建立分类量化技术指标；为分类量化技术指标中的各数据库数据技术指标分配不同的数据量化权值；根据数据库数据技术指标以及数据量化权值获取数据库运行稳定时的分类量化技术指标阈值并存储；采集数据库数据，根据采集的数据库数据计算分类量化技术指标，与预先存储的分类量化技术指标阈值进行比较，评估系统健康度。本发明还公开了一种系统健康度评估装置。应用本发明，可以提高评估系统健康度的效率以及监控质量、便于数据库的维护管理。

Description

评估系统健康度的方法及系统健康度评估装置

技术领域

本发明涉及系统健康评估技术，特别涉及一种评估系统健康度的方法及系统健康度评估装置。

背景技术

移动通信系统网络，例如，同步数字体系(SDH，Synchronous DigitalHierarchy)网络、无源光网络(PON，Passive Optical Network)、多协议标记交换(MPLS，Multi-Protocol Label Switching)，以及其他IT设备系统网络，例如，主机、存储、网络、中间件等网络中，各系统中的网络设备配置有包括网络运行参数以及网络设备性能参数的网络设备参数，网络设备参数涉及网络设备的业务指标、技术指标与管理指标，以确保移动通信系统网络安全、稳定运行，网络设备参数的配置将对系统网络的可靠性、健康度、有效性、商用性产生极大影响，而这些网络设备参数以数据库的形式进行管理和维护，因而，数据库的维护和管理技术是现代网管系统、运营维护系统等信息系统中的关键技术，数据库运行情况的好坏将直接影响整个信息系统的运行质量，也就是说，数据库健康度直接影响系统健康度，通过对数据库运行情况即系统健康度进行评估，在保证系统网络正常工作的同时，可以寻求系统网络运行的最佳状态，优化系统网络性能。

目前，对数据库运行情况的评估，还没有统一的标准，主要通过维护管理人员通过人工操作方式监测数据库，依据维护管理人员的个人经验进行判断。也就是说，维护管理人员获取网络设备运行的一些技术指标，依据个人工作经验判断技术指标是否合理来确认系统健康度：技术指标较好、网络没有出现故障，认为健康度高；反之，健康度就较低。

由上述可见，现有的通过监测数据库来评估系统健康度的方法，人工方式很难获取数据库管理方面所需的各种数据，获取的数据库数据不全面，难以反映数据库实际健康度，监控质量较低；同时维护管理人员也很难处理众多指标的海量数据，处理数据效率低，不能适应系统网络设备运行环境的变化，评估系统健康度的效率较低；进一步地，获取的数据库数据技术指标依据维护管理人员的个人经验进行分析判断，缺乏科学的决策，不同的维护管理人员对同一系统网络设备的健康度可能得出截然相反的结论，不利于系统网络设备数据库的维护管理。

发明内容

有鉴于此，本发明的主要目的在于提供一种评估系统健康度的方法，提高评估系统健康度的效率以及监控质量、便于系统的维护管理。

本发明的另一目的在于提供一种系统健康度评估装置，提高评估系统健康度的效率以及监控质量、便于系统的维护管理。

为达到上述目的，本发明提供了一种评估系统健康度的方法，该方法包括：

归类数据库数据，建立分类量化技术指标；

为所述分类量化技术指标中的各数据库数据技术指标分配数据量化权值；

根据所述数据库数据技术指标以及所述数据量化权值获取数据库运行稳定时的分类量化技术指标阈值并存储；

采集数据库数据，根据采集的数据库数据计算所述分类量化技术指标，与存储的所述分类量化技术指标阈值进行比较，评估系统健康度。

根据数据库系统资源消耗、性能、压力、安全、稳定性、抗冲击能力、可扩展性以及资源使用合理性建立分类量化技术指标。

所述分类量化技术指标包括：系统资源消耗健康指数、系统资源消耗指数、系统资源争用健康指数、系统响应时间指数、系统吞吐量指数、数据集中度指数、数据安全度指数、系统抗冲击能力指数、系统稳定性指数、以及系统可扩展性指数中的一种或其任意组合。

所述计算分类量化技术指标的步骤包括：

按小时统计并计算数据库数据在该小时内的最大值、最小值和平均值并与相应的数据量化权值相乘；或

每天统计并计算数据库数据在该天的最大值、最小值和平均值并与相应的数据量化权值相乘；或

每月统计并计算数据库数据在该月的最大值、最小值和平均值并与相应的数据量化权值相乘。

进一步包括：根据分类量化技术指标包含的时间段信息以及存储的分类量化技术指标阈值包含的时间段信息，计算累计的时间段内的分类量化技术指标并更新存储的分类量化技术指标阈值。

进一步包括：

为建立的分类量化技术指标配置对应的分类量化权值；

将分类量化技术指标阈值与相应的分类量化权值相乘，作为数据库运行稳定时的系统健康度阈值并存储；

根据分类量化技术指标以及对应的分类量化权值计算系统健康度，与预先存储的系统健康度阈值进行比较，评估系统健康度。

按照所述系统健康度阈值，将数据健康度分为严重警告级、系统允许最大级、过度级别、系统运行平稳级、系统运行过度级别以及系统运行最小级。

进一步包括：根据计算获取的各分类量化技术指标阀值以及分类量化技术指标生成系统健康度对比曲线、和/或，根据计算获取的系统健康度阀值以及系统健康度生成系统健康度对比曲线。

一种系统健康度评估装置，该装置包括：数据采集模块、数据分类模块、分类策略存储模块、分类量化技术指标计算模块、分类量化技术指标阈值存储模块以及系统健康度评估模块，其中，

所述数据采集模块，用于采集数据库数据，输出至所述数据分类模块；

所述数据分类模块，用于根据所述分类策略存储模块存储的分类策略，对所述数据采集模块输出的数据进行分类，将分类的数据输出至相应的所述分类量化技术指标计算模块；

所述分类策略存储模块，用于存储各分类量化技术指标的分类策略；

所述分类量化技术指标计算模块，用于接收所述数据分类模块输出的数据，根据设定的数据量化权值，计算分类量化技术指标，输出至所述系统健康度评估模块；

所述分类量化技术指标阈值存储模块，用于存储数据库运行稳定时的分类量化技术指标阈值；

所述系统健康度评估模块，用于根据所述分类量化技术指标以及所述分类量化技术指标阈值，评估系统健康度。

所述分类量化技术指标计算模块进一步用于将计算得到的分类量化技术指标输出至所述分类量化技术指标阈值存储模块，相应地，

所述分类量化技术指标阈值存储模块，用于根据接收的分类量化技术指标包含的时间段信息以及存储的分类量化技术指标阈值包含的时间段信息，计算累计的时间段内的分类量化技术指标并作为分类量化技术指标阈值进行存储。

所述分类量化技术指标包括：系统资源消耗健康指数、系统资源消耗指数、系统资源争用健康指数、系统响应时间指数、系统吞吐量指数、数据集中度指数、数据安全度指数、系统抗冲击能力指数、系统稳定性指数、以及系统可扩展性指数中的一种或其任意组合。

所述装置进一步包括：系统健康度阈值存储模块以及系统健康度计算模块，

系统健康度阈值存储模块，用于存储数据库运行稳定时的系统健康度阈值；

系统健康度计算模块，接收分类量化技术指标计算模块输出的分类量化技术指标，根据预先设定的分类量化权值，计算系统健康度，输出至系统健康度评估模块；

系统健康度评估模块根据系统健康度以及系统健康度阈值，评估系统健康度。

所述装置进一步包括：

系统健康度曲线生成模块，用于以分类量化技术指标阈值包含的时间信息为横轴、以分类量化技术指标阈值以及分类量化技术指标为纵轴生成系统健康度对比曲线；和/或，

以系统健康度阈值包含的时间信息为横轴、以系统健康度阈值以及系统健康度为纵轴生成系统健康度对比曲线。

由上述的技术方案可见，本发明提供的一种评估系统健康度的方法及系统健康度评估装置，归类数据库数据，建立分类量化技术指标；为分类量化技术指标中的各数据库数据技术指标分配数据量化权值；根据数据库数据技术指标以及数据量化权值获取数据库运行稳定时的分类量化技术指标阈值并存储；采集数据库数据，根据采集的数据库数据计算分类量化技术指标，与预先存储的分类量化技术指标阈值进行比较，评估系统健康度。这样，通过预先建立分类量化技术指标，对数据库数据进行自动归类，提高了数据处理效率；分类量化技术指标包含数据库管理方面所需的各种数据，提高了评估系统健康度的效率以及监控质量，也便于系统数据库的维护管理。从而建立了一套客观评价系统运行健康状况的方法，改变依赖维护管理人员经验来对系统健康度进行评估的状况。

附图说明

图1为本发明实施例评估系统健康度的方法流程示意图。

图2为本发明实施例系统健康度评估装置结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明作进一步地详细描述。

现有的系统网络数据库中，每个数据库数据都能反映系统网络设备的特定性能技术指标，而不同的数据库数据，可能反映的性能技术指标相同或相近似，但对系统健康度的影响可能有所不同。因而，本发明实施例中，引入量化管理的概念，通过数据库智能的归类分析与判断，对系统健康度进行评估。具体来说，首先，对数据库数据进行归类分析，将数据库数据归类为分类量化技术指标，根据每类量化技术指标对系统健康度的影响，分配不同的分类量化权值，计算分类量化技术指标与相应分类量化权值的乘积，作为分类量化健康度，获取各分类量化健康度的和作为系统健康度；其次，依据数据库数据技术指标在分类量化技术指标中的重要程度，为分类量化技术指标中的各数据库数据分配不同的数据量化权值，计算数据技术指标与相应数据量化权值的乘积，作为分类量化技术指标健康度；最后，获取数据库运行稳定时的系统健康度阈值、以及实时采集系统健康度并进行比较，从而建立一套客观评价数据库运行健康状况的方法，改变依赖维护管理人员经验来对系统健康度进行评估的状况。

本发明实施例中，通过自动监控数据库的运行，以预先设定的定时时间为阶段计算系统健康度，并绘制系统健康度曲线，与预先计算的系统健康度阈值曲线进行比较，从而评估系统健康度。

图1为本发明实施例评估系统健康度的方法流程示意图。参见图1，该流程包括：

步骤101，归类数据库数据，建立分类量化技术指标；

本步骤中，数据库数据为网络设备参数，包括网络运行参数以及网络设备性能参数，涉及业务指标、技术指标与管理指标。

实际应用中，可以根据数据库系统资源消耗、性能、压力、安全、稳定性、抗冲击能力、可扩展性、资源使用合理性等方面，对数据库数据进行归类形成分类量化技术指标。

本实施例中，分类量化技术指标包括：系统资源消耗健康指数、系统资源消耗指数、系统资源争用健康指数、系统响应时间指数、系统吞吐量指数、数据集中度指数、数据安全度指数、系统抗冲击能力指数、系统稳定性指数、以及系统可扩展性指数中的一种或其任意组合。这样，提供了灵活的分类量化技术指标，不同的用户或运营商可以根据实际需要，选取所需的分类量化技术指标；当然，也可以进一步根据实际需要更新分类量化技术指标。

各分类量化技术指标包括相应的数据库数据技术指标，关于各分类量化技术指标包括的数据库数据技术指标，后续再进行详细描述。

进一步地，还可以为建立的分类量化技术指标配置对应的分类量化权值，即根据维护管理人员依据经验分析判断的各分类量化技术指标对系统健康度的影响，配置不同的分类量化权值，总的分类量化权值之和等于一。当然，实际应用中，也可以配置不同的分类量化权值相等，例如，如果归类数据库数据包括九类分类量化技术指标，则九类分类量化技术指标分别对应的分类量化权值大小为九分之一。

步骤102，为分类量化技术指标中的各数据库数据技术指标分配数据量化权值；

本步骤中，根据维护管理人员依据经验分析判断的各数据库数据技术指标对分类量化技术指标的影响，配置数据量化权值，总的数据量化权值之和等于一。

步骤103，根据数据库数据技术指标以及数据量化权值获取数据库运行稳定时的分类量化技术指标阈值并存储；

本步骤中，基于数据库运行(网络设备运行)时出现故障的概率较小，因而，本发明实施例中，可以采用在设定的时间内，例如，一个月或一季度或半年内，持续采集数据库数据，并分别以其在该设定的时间内的最大值、最小值以及平均值作为数据库数据技术指标，与相应的数据量化权值相乘，作为数据库运行稳定时的分类量化技术指标阈值并存储。

如前所述，如果分类量化技术指标配置有对应的分类量化权值，则本发明实施例中，在获取分类量化技术指标阈值后，将分类量化技术指标阈值与相应的分类量化权值相乘，作为数据库运行稳定时的系统健康度阈值并存储。

举例来说，实际应用中，可以采用周期(设定的时间)采样与平均计算的方法，让数据库系统运行一定时间阶段，经过充分采样获得设定的时间内的网络设备参数采样数据，由后台程序根据采样数据，按照预先设定的软件统计并计算出各分类量化技术指标，确定分类量化技术指标的波动范围，获取该波动范围内的分类量化技术指标的平均值，作为分类量化平均技术指标阈值并存储。同时，还可以以该波动范围内的分类量化技术指标的最大值、最小值为依据，确定分类量化最大值技术指标阀值以及分类量化最小值技术指标阀值并存储。当然，也可以不断采样数据库数据，累计计算分类量化技术指标的最大值、最小值、平均值，对存储的分类量化平均技术指标阀值、分类量化最大值技术指标阀值以及分类量化最小值技术指标阀值进行更新，这样，实现技术指标阀值的自动计算、自动更新以及自适应，更能反映网络设备长期运行的健康度。

进一步地，还可以按照计算出的各分类量化技术指标阈值，将分类量化技术指标阈值(包括分类量化平均技术指标阀值、分类量化最大值技术指标阀值以及分类量化最小值技术指标阀值)进行分级，例如，可以分为分类警告级、分类允许最大级、分类过度级别、分类运行平稳级、分类运行过度级别以及分类运行最小级。

同样地，也可以按照系统健康度阈值，将数据健康度进行分级，例如，可以分为严重警告级、系统允许最大级、过度级别、系统运行平稳级、系统运行过度级别以及系统运行最小级。

计算系统健康度阈值以及分类量化技术指标的公式如下：

系统健康度阈值＝分类量化技术指标1*分类量化权值1+分类量化技术指标2*分类量化权值2+...+分类量化技术指标k*分类量化权值k；

分类量化技术指标＝数据库数据技术指标1*数据量化权值1+数据库数据技术指标2*数据量化权值2+...+数据库数据技术指标n*数据量化权值n；

k、n为自然数。

所应说明的是，步骤101至步骤103，并不是在每次进行系统健康度评估，即每次评估系统健康度时都需要执行，只需要执行一次即可。当然，实际应用中，当改变分类量化技术指标或更新系统健康度阈值时，需要重新执行。

步骤104，采集数据库数据，根据采集的数据库数据计算分类量化技术指标，与预先存储的分类量化技术指标阈值进行比较，评估系统健康度。

本步骤中，可以以分类量化技术指标评估系统健康度，也可以以根据分类量化技术指标计算得出的系统健康度进行评估，还可以以相应的分级进行评估。

采集数据库数据，计算分类量化技术指标以及系统健康度，与步骤103相同，在此不再赘述。

这样，可动态的自动计算出各分类量化技术指标以及系统健康度，计算速度快、能准实时获取计算结果，使得计算得到的各分类量化技术指标以及系统健康度更加符合数据库系统实时的特性。

以下对本发明实施例计算分类量化技术指标的几种具体计算方法进行说明：

按小时统计并计算数据库数据在该小时内的最大值、最小值和平均值并与相应的数据量化权值相乘；或

每天统计并计算数据库数据在该天的最大值、最小值和平均值(包括：最大平均值、最小平均值和平均值)并与相应的数据量化权值相乘；或

每月统计并计算数据库数据在该月的最大值、最小值和平均值(包括：最大平均值、最小平均值和平均值)并与相应的数据量化权值相乘。

上述分类量化技术指标分级采用的策略是：

如果计算得到的分类量化技术指标超过最大平均值(每小时最大平均值或每天最大平均值或每月最大平均值)为分类警告级、低于最大平均值25％内为分类允许最大级、高于平均值25％为分类过度级别、低于平均值25％为分类运行平稳级、高于最小平均值25％为分类运行过度级别、低于最小平均值为分类运行最小级。

举例来说，经过上述统计及计算，设置的分类量化技术指标6级阀值分别为1000、800、500、400、200、100，如果计算得到的分类量化技术指标值为300，则表明该指标的健康度为3。

进一步地，可以根据计算获取的各分类量化技术指标阀值以及分类量化技术指标生成系统健康度对比曲线、和/或，根据计算获取的系统健康度阀值以及系统健康度生成系统健康度对比曲线，以便于维护管理人员根据系统健康度对比曲线预测系统健康度趋势。

系统健康度对比曲线可以根据用户要求，选择不同的时间来作为数据库系统的基本运行参考时间段，以该时间段数据库系统运行时，各分类量化技术指标值以及阈值来衡量数据库系统总体健康度，并基于该时间段生成系统健康度曲线以及系统健康度阈值曲线，以便于维护管理人员根据对比曲线获取当前系统健康度信息以及预测系统健康度趋势。

下面对上述提及的分类量化技术指标及其包含的数据库数据技术指标进行说明。所要说明的是，根据数据库数据计算分类量化技术指标、以及根据分类量化技术指标计算系统健康度时，预先对相应的参数进行归一化处理，后续不再说明。此外，获取数据库数据、对数据库数据进行统计分类以及进行计算，可以预先编写相应程序，在评估系统健康度时，由后台管理调用相关程序自动进行。

本发明实施例不仅可以应用于移动通信系统网络，还可以应用于其他IT设备系统网络，例如，主机、存储、网络、中间件等网络中，从数据库系统资源消耗、性能、压力、安全、稳定性、抗冲击能力、可扩展性、资源使用合理性等方面，对数据库“业务指标”、“技术指标”与“管理指标”进行综合分析计算，并可以进一步根据综合分析计算结果预测数据库系统发展趋势，为投资决策提供全面、科学的数据依据，提高投资回报率与投资准确性。

一、系统资源消耗健康指数

该分类量化技术指标主要反映不同的业务程序、不同的业务压力下的资源消耗，并对其进行综合计算，得出系统资源消耗度。该指标揭示不同业务程序的资源消耗情况以及不同业务压力下的资源消耗情况，为硬件投资决策提供数据依据。可以包括如下数据库数据技术指标：

CPU  usr％；

CPU  wio％；

CPU  sys％；

内存(Memory)％；

Disk busy％；

网卡流量。

二、系统资源争用健康指数

该分类量化技术指标主要反映不同的业务程序、不同的业务压力下系统资源使用的合理性度。揭示系统资源使用是否合理、哪些业务程序资源使用不合理、哪些资源使用不合理、在什么业务压力下不合理程度会发生突变等，可以有助于更合理地使用系统资源、保护硬件投资。可以包括如下数据库数据技术指标：

激活会话使用的CPU资源(Active Sessions Using CPU)；

激活会话等待：I/O(Active Sessions Waiting：I/O)；

激活会话等待：其它(Active Sessions Waiting：Other)；

平均请求CPU(Average Instance CPU)(％)；

缓存忙等待(Bufferbusy waits)(％)；

CPU时间增量(CPU Time Delta)(sec)；

DB文件离散读取(DB file scattered read)(％)；

DB文件连续读取(DB file sequential read)(％)。

三、系统响应时间指数

该分类量化技术指标主要通过对各个业务程序的响应时间与众多系统技术指标进行综合分析计算，有助于了解不同的业务程序的运行速度与系统技术指标的关系，为业务运营速度的分析、提升提供依据，使业务办理更快捷。可以包括如下数据库数据技术指标：

每个呼叫(call)的平均响应时间；

每个事件(transaction)的平均响应时间；

文件平均读时间(Average File Read Time)；

文件平均写时间(Average File Write Time)。

实际应用中，也可以采用如下数据库数据技术指标：

用户数；

数据量；

出帐程序时间；

出帐程序并发度；

停开机程序响应时间；

停开机程序并发度；

各业务模块的相互关联度；

各业务模块相关影响度；

系统平均响应时间；

程序等待时间；

I/O操作时间；

真正应用集群(RAC，Real Application Clusters)网络通信时间。

四、系统吞吐量指数

该分类量化技术指标主要反映业务程序在不同的压力下与系统压力的关系，预测业务程序压力变化后的系统压力，为投资决策提供数据依据。可以包括如下数据库数据技术指标：

所有会话(All Sessions)；

累计登录：每秒(Cumulative Logons：per second)；

累计登录：每事件(Cumulative Logons：per transaction)；

DBWR检测点：每秒(DBWR Checkpoints：per second)；

执行程序：每秒(Executes：per second)；

硬解析：每秒(Hard Parses：per second)；

硬解析：每事件(Hard Parses：per transaction)；

网络字节：每秒(Network Bytes：per second)；

事件数：每秒(Number of Transactions：per second)；

五、数据集中度指数

该分类量化技术指标主要反映数据集中度越高，系统可扩展性越差、系统性能突变点越低，也就是业务压力达到一个临界点时，系统性能突然直线下降，引发众多故障。所以，对数据集中度质数的分析，对投资决策有着重要的意义。可以包括如下数据库数据技术指标：

事务列表等待(ITL waits，Interested Transaction List waits)消耗前10位的对象(object)与其占总量的百分比；

缓存忙等待(buffer busy waits)消耗前10位的object与其占总量的百分比；

Db文件块变化(db block changes)消耗前10位的object与其占总量的百分比；

总服务的缓存块(global cache cr blocks served)消耗前10位的object与其占总量的百分比；

目前服务的总缓存块(global cache current blocks served)消耗前10位的object与其占总量的百分比；

逻辑读(logical reads)消耗前10位的object与其占总量的百分比；

物理读(physical reads)消耗前10位的object与其占总量的百分比。

六、数据安全度指数

该分类量化技术指标主要对系统安全性进行全面评估，量化分析系统安全性方面哪些工作不足，为系统安全性管理提供数据依据。可以包括如下数据库数据技术指标：

用户权限合理度评估；

角色权限合理度评估；

密码管理情况评估；

审计情况评估；

关键系统权限。

七、系统抗冲击能力指数

该分类量化技术指标主要应用于对系统抗冲击能力的预测，预测系统性能突变点，以提前决策何时需要做优化、何时需要做系统硬件扩容等。可以包括如下数据库数据技术指标：

CPU资源在不同时间段的健康值统计；

内存资源在不同时间段的健康值统计；

CPU工作总时间在不同时间段的健康值统计；

DISK BUSY在不同时间段的健康值统计；

响应时间在不同时间段的健康值统计。

八、系统稳定性指数

该分类量化技术指标主要反映系统稳定性，提供量化的系统稳定性评估，是所有IT部门最关心的指标，但系统稳定性指数与许多方面有关，可以包括如下数据库数据技术指标：

系统抗冲击能力指标；

系统资源争用指标；

系统资源消耗指标；

软件碎片(patch)分析指标；

失效object指标。

九、系统可扩展性指数。

该分类量化技术指标主要反映系统是否可以承载新的业务程序，系统还可以承载多大的业务量，以及系统是否可以方便地进行硬件扩容等。可以包括如下数据库数据技术指标：

核心数据集中化指标情况；

资源消耗指标；

RAC争用相关指标；

硬件配置相关指标。

图2为本发明实施例系统健康度评估装置结构示意图。参见图2，该装置包括：数据采集模块、数据分类模块、分类策略存储模块、分类量化技术指标计算模块、分类量化技术指标阈值存储模块以及系统健康度评估模块，其中，

数据采集模块，用于采集数据库数据，输出至数据分类模块；

本实施例中，可以是在数据采集模块中设置定时器，在设定的定时时间到时，触发数据采集模块采集网络设备参数。

数据分类模块，用于根据分类策略存储模块存储的分类策略，对数据采集模块输出的数据进行分类，将分类的数据输出至相应的分类量化技术指标计算模块；

分类策略存储模块，用于存储各分类量化技术指标的分类策略；

分类量化技术指标计算模块，用于接收数据分类模块输出的数据，根据预先设定的数据量化权值，计算分类量化技术指标，输出至系统健康度评估模块；

本实施例中，根据数据库系统资源消耗、性能、压力、安全、稳定性、抗冲击能力、可扩展性、资源使用合理性等方面情况，设置有一个或多个分类量化技术指标计算模块。

分类量化技术指标包括：系统资源消耗健康指数、系统资源消耗指数、系统资源争用健康指数、系统响应时间指数、系统吞吐量指数、数据集中度指数、数据安全度指数、系统抗冲击能力指数、系统稳定性指数、以及系统可扩展性指数中的一种或其任意组合。

分类量化技术指标阈值存储模块，用于存储数据库运行稳定时的分类量化技术指标阈值；

系统健康度评估模块，用于根据分类量化技术指标以及分类量化技术指标阈值，评估系统健康度。

分类量化技术指标计算模块进一步用于将计算得到的分类量化技术指标输出至分类量化技术指标阈值存储模块，相应地，

分类量化技术指标阈值存储模块，用于根据接收的分类量化技术指标更新存储的分类量化技术指标阈值。

实际应用中，分类量化技术指标阈值存储模块根据接收的分类量化技术指标包含的时间段信息以及存储的分类量化技术指标阈值包含的时间段信息，计算累计的时间段内的分类量化技术指标并作为分类量化技术指标阈值进行存储。

进一步地，该系统健康度评估装置还包括：系统健康度阈值存储模块、系统健康度计算模块，

系统健康度阈值存储模块，用于存储数据库运行稳定时的系统健康度阈值；

系统健康度计算模块，接收分类量化技术指标计算模块输出的分类量化技术指标，根据预先设定的分类量化权值，计算系统健康度，输出至系统健康度评估模块；

系统健康度评估模块，进一步用于根据系统健康度以及系统健康度阈值，评估系统健康度。

进一步地，该系统健康度评估装置还包括：系统健康度曲线生成模块，用于以分类量化技术指标阈值包含的时间信息为横轴、以分类量化技术指标阈值以及分类量化技术指标为纵轴生成系统健康度对比曲线；和/或，

以系统健康度阈值包含的时间信息为横轴、以系统健康度阈值以及系统健康度为纵轴生成系统健康度对比曲线。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换以及改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种评估系统健康度的方法，其特征在于，该方法包括：

归类数据库数据，根据数据库系统资源消耗、性能、压力、安全、稳定性、抗冲击能力、可扩展性以及资源使用合理性建立分类量化技术指标，所述分类量化技术指标包括：系统资源消耗健康指数、系统资源争用健康指数、系统响应时间指数、系统吞吐量指数、数据集中度指数、数据安全度指数、系统抗冲击能力指数、系统稳定性指数、以及系统可扩展性指数中的一种或其任意组合；

为所述分类量化技术指标中的各数据库数据技术指标分配数据量化权值；

计算所述分类量化技术指标的步骤包括：

按小时统计该分类量化技术指标中包含的数据库数据，并计算统计的各数据库数据在该小时内的最大值、最小值和平均值作为数据库数据技术指标，将各数据库技术指标与相应的数据量化权值相乘后求和得到分类量化技术指标；或

每天统计该分类量化技术指标中包含的数据库数据，并计算统计的各数据库数据在该天的最大值、最小值和平均值作为数据库数据技术指标，将各数据库技术指标与相应的数据量化权值相乘后求和得到分类量化技术指标；或

每月统计该分类量化技术指标中包含的数据库数据，并计算统计的各数据库数据在该月的最大值、最小值和平均值作为数据库数据技术指标，将各数据库技术指标与相应的数据量化权值相乘后求和得到分类量化技术指标；

根据所述数据库数据技术指标以及所述数据量化权值获取数据库运行稳定时的分类量化技术指标阈值并存储，具体为：由后台程序根据采样数据，按照预先设定的软件统计并计算出各分类量化技术指标，确定分类量化技术指标的波动范围，获取该波动范围内的分类量化技术指标的平均值，作为分类量化平均技术指标阈值并存储；同时，以该波动范围内的分类量化技术指标的最大值、最小值为依据，确定分类量化最大值技术指标阈值以及分类量化最小值技术指标阈值并存储；

采集数据库数据，根据采集的数据库数据计算所述分类量化技术指标，与存储的分类量化技术指标阈值进行比较，评估系统健康度。

2.如权利要求1所述的方法，其特征在于，进一步包括：根据分类量化技术指标包含的时间段信息以及存储的分类量化技术指标阈值包含的时间段信息，计算累计的时间段内的分类量化技术指标并更新存储的分类量化技术指标阈值。

3.如权利要求1至2任一项所述的方法，其特征在于，进一步包括：

为建立的分类量化技术指标配置对应的分类量化权值；

将分类量化技术指标阈值与相应的分类量化权值相乘后求和，作为数据库运行稳定时的系统健康度阈值并存储；

根据分类量化技术指标以及对应的分类量化权值相乘后求和计算系统健康度，与预先存储的系统健康度阈值进行比较，评估系统健康度。

4.如权利要求3所述的方法，其特征在于，按照所述系统健康度阈值，将数据健康度分为严重警告级、系统允许最大级、过度级别、系统运行平稳级、系统运行过度级别以及系统运行最小级。

5.如权利要求4所述的方法，其特征在于，进一步包括：根据计算获取的各分类量化技术指标阈值以及分类量化技术指标生成系统健康度对比曲线、和/或，根据计算获取的系统健康度阈值以及系统健康度生成系统健康度对比曲线。

6.一种系统健康度评估装置，其特征在于，该装置包括：数据采集模块、数据分类模块、分类策略存储模块、分类量化技术指标计算模块、分类量化技术指标阈值存储模块以及系统健康度评估模块，其中，

所述数据采集模块，用于采集数据库数据，输出至所述数据分类模块；

所述数据分类模块，用于根据所述分类策略存储模块存储的分类策略，对所述数据采集模块输出的数据进行分类，将分类的数据输出至相应的所述分类量化技术指标计算模块；

所述分类策略存储模块，用于根据数据库系统资源消耗、性能、压力、安全、稳定性、抗冲击能力、可扩展性以及资源使用合理性建立分类量化技术指标，存储各分类量化技术指标的分类策略，所述分类量化技术指标包括：系统资源消耗健康指数、系统资源争用健康指数、系统响应时间指数、系统吞吐量指数、数据集中度指数、数据安全度指数、系统抗冲击能力指数、系统稳定性指数、以及系统可扩展性指数中的一种或其任意组合；

所述分类量化技术指标计算模块，用于接收所述数据分类模块输出的数据，根据设定的数据量化权值，计算分类量化技术指标，所述计算分类量化技术指标包括：

按小时统计该分类量化技术指标中包含的数据库数据，并计算统计的各数据库数据在该小时内的最大值、最小值和平均值作为数据库数据技术指标，将各数据库技术指标与相应的数据量化权值相乘后求和得到分类量化技术指标；或

每天统计该分类量化技术指标中包含的数据库数据，并计算统计的各数据库数据在该天的最大值、最小值和平均值作为数据库数据技术指标，将各数据库技术指标与相应的数据量化权值相乘后求和得到分类量化技术指标；或

每月统计该分类量化技术指标中包含的数据库数据，并计算统计的各数据库数据在该月的最大值、最小值和平均值作为数据库数据技术指标，将各数据库技术指标与相应的数据量化权值相乘后求和得到分类量化技术指标；

所述分类量化技术指标阈值存储模块，用于根据所述数据库数据技术指标以及所述数据量化权值获取数据库运行稳定时的分类量化技术指标阈值并存储，具体为：由后台程序根据采样数据，按照预先设定的软件统计并计算出各分类量化技术指标，确定分类量化技术指标的波动范围，获取该波动范围内的分类量化技术指标的平均值，作为分类量化平均技术指标阈值并存储；同时，以该波动范围内的分类量化技术指标的最大值、最小值为依据，确定分类量化最大值技术指标阈值以及分类量化最小值技术指标阈值并存储；

所述系统健康度评估模块，用于采集数据库数据，根据采集的数据库数据计算所述分类量化技术指标，与存储的分类量化技术指标阈值进行比较，评估系统健康度。

7.如权利要求6所述的装置，其特征在于，所述分类量化技术指标计算模块进一步用于将计算得到的分类量化技术指标输出至所述分类量化技术指标阈值存储模块，相应地，

所述分类量化技术指标阈值存储模块，用于根据接收的分类量化技术指标包含的时间段信息以及存储的分类量化技术指标阈值包含的时间段信息，计算累计的时间段内的分类量化技术指标并作为分类量化技术指标阈值进行存储。

8.如权利要求6至7任一项所述的装置，其特征在于，所述装置进一步包括：系统健康度阈值存储模块以及系统健康度计算模块，

系统健康度阈值存储模块，用于将分类量化技术指标阈值与相应的分类量化权值相乘后求和，作为数据库运行稳定时的系统健康度阈值并存储；

系统健康度计算模块，接收分类量化技术指标计算模块输出的分类量化技术指标，根据分类量化技术指标以及预先设定的分类量化权值相乘后求和计算系统健康度，输出至系统健康度评估模块；

系统健康度评估模块根据系统健康度以及系统健康度阈值，评估系统健康度。

9.如权利要求8所述的装置，其特征在于，所述装置进一步包括：

系统健康度曲线生成模块，用于以分类量化技术指标阈值包含的时间信息为横轴、以分类量化技术指标阈值以及分类量化技术指标为纵轴生成系统健康度对比曲线；和/或，

以系统健康度阈值包含的时间信息为横轴、以系统健康度阈值以及系统健康度为纵轴生成系统健康度对比曲线。

Images