CN106886478A - 一种数据过滤方法及监控服务器 - Google Patents
一种数据过滤方法及监控服务器 Download PDFInfo
- Publication number
- CN106886478A CN106886478A CN201710094890.0A CN201710094890A CN106886478A CN 106886478 A CN106886478 A CN 106886478A CN 201710094890 A CN201710094890 A CN 201710094890A CN 106886478 A CN106886478 A CN 106886478A
- Authority
- CN
- China
- Prior art keywords
- busy percentage
- time period
- cpu busy
- peak value
- monitoring server
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3024—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a central processing unit [CPU]
Landscapes
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Telephonic Communication Services (AREA)
Abstract
本申请实施例提供了一种数据过滤方法及监控服务器,用于提高监控服务器监控CPU利用率的精准性。本申请实施例方法包括:监控服务器对预设时间段内的各CPU利用率瞬时峰值进行平均值计算得到所述预设时间段内的基准值;所述监控服务器基于小波和所述基准值,对所述各CPU利用率瞬时峰值进行方差计算得到所述预设时间段内的方差值;所述监控服务器判断所述方差值是否小于方差阈值,所述方差阈值用于指示所述预设时间段内的所述各CPU利用率瞬时峰值的预设正常波动范围;当所述方差值不小于所述方差阈值时,所述监控服务器将所述各CPU利用率瞬时峰值丢弃。
Description
技术领域
本申请涉及涉及服务器监控、监控数据过滤领域,具体涉及一种数据过滤方法及监控服务器。
背景技术
随着互联网的飞速发展,监控服务器对数据中心的监控变得必不可少,例如一个万级服务器规模的数据中心中,一方面,所有服务器在运行过程中,会出现不同程度的出现卡顿或因其他外部因素造成的瞬时负载满载,另一方面,对于同一台服务器而言,所处的时间段不同,不同业务应用承担的访问压力也会有所不同。
现有服务器监控中由于上述两方面的原因,导致服务器中中央处理器(CentralProcessing Unit,CPU)的CPU利用率出现瞬时的、波动性不在正常波动范围内的峰值,或者出现较大范围的非正常波动,使得监控服务器监控到的CPU利用率变得不准确,无法对各CPU利用率进行有效的监控。
发明内容
本申请实施例提供了一种数据过滤方法及监控服务器,用于提高监控服务器监控CPU利用率的精准性。
本申请实施例的第一方面提供了一种数据过滤方法及监控服务器,包括:
监控服务器对预设时间段内的各CPU利用率瞬时峰值进行平均值计算得到所述预设时间段内的基准值;
所述监控服务器基于小波和所述基准值,对所述各CPU利用率瞬时峰值进行方差计算得到所述预设时间段内的方差值;
所述监控服务器判断所述方差值是否小于方差阈值,所述方差阈值用于指示所述预设时间段内的所述各CPU利用率瞬时峰值的预设正常波动范围;
当所述方差值不小于所述方差阈值时,所述监控服务器将所述各CPU利用率瞬时峰值丢弃。
从以上技术方案可以看出,本申请实施例具有以下优点:
可以理解的是,基于小波计算各CPU利用率瞬时峰值的方差值,由于小波是采用高时间分辨率对高频信息进行分析,才低时间分辨率对低频信息进行分析,更加有针对性,因此得到的基于小波得到的方差值更加准确,并且预设时间段内均有对应的方差阈值,根据预设时间段对应的方差阈值来与预设时间段内的小波方差值进行比较,对各CPU利用率瞬时峰值进行过滤,可以使得未被过滤掉的各CPU利用率瞬时峰值变得更加准确,因此,本申请实施例可以有效提高各CPU利用率瞬时峰值的准确性,从而实现对各CPU利用率瞬时峰值更精准的监控。
本申请实施例的第二方面提供了一种监控服务器,包括:
第一计算单元,用于对预设时间段内的各CPU利用率瞬时峰值进行平均值计算得到所述预设时间段内的基准值;
第二计算单元,用于基于小波和所述基准值,对所述各CPU利用率瞬时峰值进行方差计算得到所述预设时间段内的方差值;
判断单元,用于判断所述方差值是否小于方差阈值,所述方差阈值用于指示所述预设时间段内的所述各CPU利用率瞬时峰值的预设正常波动范围;
丢弃单元,用于当所述方差值不小于所述方差阈值时,将所述各CPU利用率瞬时峰值丢弃。
从以上技术方案可以看出,本申请实施例具有以下优点:
可以理解的是,第二计算单元基于小波计算各CPU利用率瞬时峰值的方差值,由于小波是采用高时间分辨率对高频信息进行分析,才低时间分辨率对低频信息进行分析,更加有针对性,因此得到的基于小波得到的方差值更加准确,并且预设时间段内均有对应的方差阈值,判断单元根据预设时间段对应的方差阈值来与预设时间段内的小波方差值进行比较,对各CPU利用率瞬时峰值进行过滤,可以使得未被过滤掉的各CPU利用率瞬时峰值变得更加准确,因此,本申请实施例可以有效提高各CPU利用率瞬时峰值的准确性,从而实现对各CPU利用率瞬时峰值更精准的监控。
本申请实施例的第三方面提供了一种监控服务器,包括:
输入设备,输出设备,存储器和处理器;
所述存储器,用于存储操作指令;
所述处理器,用于通过调用所述操作指令,执行如下操作:
对预设时间段内的各CPU利用率瞬时峰值进行平均值计算得到所述预设时间段内的基准值;
基于小波和所述基准值,对所述各CPU利用率瞬时峰值进行方差计算得到所述预设时间段内的方差值;
判断所述方差值是否小于方差阈值,所述方差阈值用于指示所述预设时间段内的所述各CPU利用率瞬时峰值的预设正常波动范围;
当所述方差值不小于所述方差阈值时,将所述各CPU利用率瞬时峰值丢弃。
从以上技术方案可以看出,本申请实施例具有以下优点:
可以理解的是,处理器基于小波计算各CPU利用率瞬时峰值的方差值,由于小波是采用高时间分辨率对高频信息进行分析,才低时间分辨率对低频信息进行分析,更加有针对性,因此得到的基于小波得到的方差值更加准确,并且预设时间段内均有对应的方差阈值,处理器根据预设时间段对应的方差阈值来与预设时间段内的小波方差值进行比较,对各CPU利用率瞬时峰值进行过滤,可以使得未被过滤掉的各CPU利用率瞬时峰值变得更加准确,因此,本申请实施例可以有效提高各CPU利用率瞬时峰值的准确性,从而实现对各CPU利用率瞬时峰值更精准的监控。
附图说明
图1为本申请实施例中数据过滤方法的一个实施例示意图;
图2为本申请实施例中监控服务器取样示意图;
图3为本申请实施例中各CPU利用率瞬时峰值的方差计算示意图;
图4为本申请实施例中基于方差的过滤策略数据库示意图;
图5为本申请实施例中基于小波分析的服务器CPU利用率瞬时峰值过滤原理示意图;
图6为本申请实施例中分布式CPU利用率瞬时峰值传输示意图;
图7为本申请实施例中监控服务器的一个实施例示意图;
图8为本申请实施例中监控服务器的另一个实施例示意图;
图9为本申请实施例中监控服务器的另一个实施例示意图;
图10为本申请实施例中监控服务器的另一个实施例示意图;
图11为本申请实施例中监控服务器的另一个实施例示意图。
具体实施方式
本申请实施例提供了一种数据过滤方法及监控服务器,用于提高监控服务器监控CPU利用率的精准性。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了便于理解本申请实施例中的数据过滤方法,下面将从以下几个方面对本申请实施例中的数据过滤方法进行详细说明。
请参阅图1对本申请实施例中的数据过滤方法进行说明,包括:
101、监控服务器对预设时间段内的各CPU利用率瞬时峰值进行平均值计算得到预设时间段内的基准值。
本实施例中,监控服务器对预设时间段内的各CPU利用率瞬时峰值进行计算得到该预设时间段内各CPU利用率瞬时峰值对应的平均CPU利用率即基准值,该预设时间可以根据实际CPU的运行情况进行设置。
还需要说明的是,一种可能的实现方式中,首先,监控服务器先对各CPU利用率瞬时峰值进行取样,得到一定数量的预设时间段内的CPU利用率样本,最后,监控服务器对该预设时间段内的CPU利用率样本进行平均值计算得到该基准值。
如图2所示为监控服务器具体地取样过程示意图,如计算1:00到3:00这段时间的基准值,监控服务器取样本时每10分钟取一个点,共取12个点作为基准值计算的样本,然后取这组样本值的平均值,此平均值即作为该时间段的基准值。因为不同时间段的基准值会动态变化,所以基准值都附带有时间属性,标示其所有效的时间范围。
还需要说明的是,在一种可能的实现方式中,监控服务器采用多对多的分布式CPU利用率接收模块接收各CPU利用率瞬时峰值,这样,当双方不能建立有效连接时,还有第二个、第三个接收方供其进行连接;连接建立后,服务器端CPU利用率发送代理每秒发送CPU利用率给连接的分布式CPU利用率接收模块,完成数据通信。
102、监控服务器基于小波和基准值,对各CPU利用率瞬时峰值进行方差计算得到预设时间段内的方差值。
本实施例中,如图3所示为各CPU利用率瞬时峰值的方差计算示意图,监控服务器基于小波的方差计算模块,根据预设时间段内的基准值对各CPU利用率进行方差计算得到该预设时间内的方差值。
103、监控服务器判断方差值是否小于方差阈值,若方差值小于方差阈值,则执行步骤105;若方差值不小于方差阈值,则执行步骤104。
本实施例中,首先,监控服务器从过滤策略数据库中获取预设时间段对应的方差阈值,然后,监控服务器将预设时间内的方差值和该方差阈值进行比较,若方差值小于方差阈值,则执行步骤105;若方差值不小于方差阈值,则执行步骤104。
另外,还需要说明的是,过滤策略数据库中关于时间段设置,一种可能的实现方式,如图4所示时间段之间的间隔为两分钟,当然也可以是其他时间间隔,对此此处不做限定。
104、监控服务器将各CPU利用率瞬时峰值丢弃。
本实施例中,当方差值不小于方差阈值时,监控服务器将各CPU利用率瞬时峰值批量性的丢弃。
105、执行其他步骤。
本实施例中,当方差值小于方差阈值时,监控服务器执行其他步骤。
需要说明的是,一种可能的实现方式中,监控服务器将各CPU利用率瞬时峰值保存下来,并将其存入CPU利用率对应的时间-序列数据库中。
本实施例中,还需要说明的是,在步骤101之前,还可以包括:监控服务器采用分布式CPU利用率接收模块和服务器端CPU利用率发送代理模块,建立多个分布式CPU利用率接收模块为服务器端的CPU利用率发送代理提供请求服务,当双方不能建立有效连接时,还有第二个、第三个接收方供其进行连接;连接建立后,服务器端CPU利用率发送代理每秒发送CPU利用率给连接的分布式CPU利用率接收模块,完成数据传输;如图5所示为基于小波分析的服务器CPU利用率瞬时峰值过滤原理示意图,图6为分布式CPU利用率瞬时峰值传输示意图。
本实施例中,基于小波计算各CPU利用率瞬时峰值的方差值,由于小波是采用高时间分辨率对高频信息进行分析,才低时间分辨率对低频信息进行分析,更加有针对性,因此得到的基于小波得到的方差值更加准确,并且预设时间段内均有对应的方差阈值,根据预设时间段对应的方差阈值来与预设时间段内的小波方差值进行比较,对各CPU利用率瞬时峰值进行过滤,可以使得未被过滤掉的各CPU利用率瞬时峰值变得更加准确,因此,本申请实施例可以有效提高各CPU利用率瞬时峰值的准确性,从而实现对各CPU利用率瞬时峰值更精准的监控。
上面对本申请实施例中的数据过滤方法进行了详细说明,下面从以下几个方面对本申请实施例中的监控服务器进行详细说明。
请参阅图7对本申请实施例中的监控服务器进行详细说明,包括:
第一计算单元701,用于对预设时间段内的各CPU利用率瞬时峰值进行平均值计算得到该预设时间段内的基准值;
第二计算单元702,用于基于小波和该基准值,对该各CPU利用率瞬时峰值进行方差计算得到该预设时间段内的方差值;
判断单元703,用于判断该方差值是否小于方差阈值,该方差阈值用于指示该预设时间段内的该各CPU利用率瞬时峰值的预设正常波动范围;
丢弃单元704,用于当该方差值不小于该方差阈值时,将该各CPU利用率瞬时峰值丢弃。
本实施例中,第二计算单元702基于小波计算各CPU利用率瞬时峰值的方差值,由于小波是采用高时间分辨率对高频信息进行分析,才低时间分辨率对低频信息进行分析,更加有针对性,因此得到的基于小波得到的方差值更加准确,并且预设时间段内均有对应的方差阈值,判断单元703根据预设时间段对应的方差阈值来与预设时间段内的小波方差值进行比较,对各CPU利用率瞬时峰值进行过滤,可以使得未被过滤掉的各CPU利用率瞬时峰值变得更加准确,因此,本申请实施例可以有效提高各CPU利用率瞬时峰值的准确性,从而实现对各CPU利用率瞬时峰值更精准的监控。
如图8所示,监控服务器还包括:存储单元805;
第一计算单元801,用于执行与上述第一计算单元701类似的功能,对此此处不再赘述;
第二计算单元802,用于执行与上述第二计算单元702类似的功能,对此此处不再赘述;
判断单元803,用于执行与上述判断单元703类似的功能,对此此处不再赘述;
丢弃单元804,用于执行与上述丢弃单元704类似的功能,对此此处不再赘述;
存储单元805,用于当该方差值小于该方差阈值时,将该各CPU利用率瞬时峰值存入目标数据库。
如图9所示,第一计算单元901还可以包括取样模块9011和计算模块9012;
取样模块9011,用于对该各CPU利用率瞬时峰值进行取样,获取该预设时间段内的CPU利用率样本;
计算模块9012,用于对该预设时间段内的CPU利用率样本进行平均值计算得到该预设时间段内的基准值;
第二计算单元902,用于执行与上述第二计算单元702类似的功能,对此此处不再赘述;
判断单元903,用于执行与上述判断单元703类似的功能,对此此处不再赘述;
丢弃单元904,用于执行与上述丢弃单元704类似的功能,对此此处不再赘述。
如图10所示,监控服务器还可以包括:接收单元1001;
接收单元1001,用于采用多对多的分布式方法接收该各CPU利用率瞬时峰值;
第一计算单元1002,用于执行与上述第一计算单元701类似的功能,对此此处不再赘述;
第二计算单元1003,用于执行与上述第二计算单元702类似的功能,对此此处不再赘述;
判断单元1004,用于执行与上述判断单元703类似的功能,对此此处不再赘述;
丢弃单元1005,用于执行与上述丢弃单元704类似的功能,对此此处不再赘述。
请参阅图11对本申请实施例中的一种监控服务器进行说明,包括:
输入设备1101、输出设备1102、处理器1103和存储器1104。本发明实施例中的输出设备可以是显示设备。
存储器1104可以包括只读存储器和随机存取存储器,并向处理器1103提供指令和数据。存储器1104的一部分还可以包括非易失性随机存取存储器(英文全称:Non-VolatileRandom Access Memory,英文缩写:NVRAM)。
存储器1104存储了如下的元素,可执行模块或者数据结构,或者它们的子集,或者它们的扩展集:
操作指令:包括各种操作指令,用于实现各种操作。
操作系统:包括各种系统程序,用于实现各种基础业务以及处理基于硬件的任务。
本发明实施例中处理器1103用于:
对预设时间段内的各CPU利用率瞬时峰值进行平均值计算得到该预设时间段内的基准值;
基于小波和该基准值,对该各CPU利用率瞬时峰值进行方差计算得到该预设时间段内的方差值;
判断该方差值是否小于方差阈值,该方差阈值用于指示该预设时间段内的该各CPU利用率瞬时峰值的预设正常波动范围;
当该方差值不小于该方差阈值时,将该各CPU利用率瞬时峰值丢弃。
处理器1103控制适配器40的操作,处理器1103还可以称为中央处理单元(英文全称:Central Processing Unit,英文缩写:CPU)。存储器1104可以包括只读存储器和随机存取存储器,并向处理器1103提供指令和数据。存储器1104的一部分还可以包括NVRAM。
上述本发明实施例揭示的方法可以应用于处理器1103中,或者由处理器1103实现。处理器1103可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器1103中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1103可以是通用处理器、数字信号处理器(英文全称:Digital Signal Processing,英文缩写:DSP)、专用集成电路(英文全称:Application Specific Integrated Circuit,英文缩写:ASIC)、现成可编程门阵列(英文全称:Field-Programmable Gate Array,英文缩写:FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1104,处理器1103读取存储器1104中的信息,结合其硬件完成上述方法的步骤。
图11的相关描述可以参阅图1方法部分的相关描述和效果进行理解,本处不做过多赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (9)
1.一种数据过滤方法,其特征在于,包括:
监控服务器对预设时间段内的各CPU利用率瞬时峰值进行平均值计算得到所述预设时间段内的基准值;
所述监控服务器基于小波和所述基准值,对所述各CPU利用率瞬时峰值进行方差计算得到所述预设时间段内的方差值;
所述监控服务器判断所述方差值是否小于方差阈值,所述方差阈值用于指示所述预设时间段内的所述各CPU利用率瞬时峰值的预设正常波动范围;
当所述方差值不小于所述方差阈值时,所述监控服务器将所述各CPU利用率瞬时峰值丢弃。
2.根据权利要求1所述的数据过滤方法,其特征在于,所述方法还包括:
当所述方差值小于所述方差阈值时,所述监控服务器将所述各CPU利用率瞬时峰值存入目标数据库。
3.根据权利要求1所述的数据过滤方法,其特征在于,所述监控服务器对预设时间段内的各CPU利用率瞬时峰值进行平均值计算得到所述预设时间段内的基准值,包括:
所述监控服务器对所述各CPU利用率瞬时峰值进行取样,获取所述预设时间段内的CPU利用率样本;
所述监控服务器对所述预设时间段内的CPU利用率样本进行平均值计算得到所述预设时间段内的基准值。
4.根据权利要求1至3中任一项所述的数据过滤方法,其特征在于,在所述监控服务器对预设时间段内的各CPU利用率瞬时峰值进行平均值计算得到所述预设时间段内的基准值之前,还包括:
所述监控服务器采用多对多的分布式方法接收所述各CPU利用率瞬时峰值。
5.一种监控服务器,其特征在于,包括:
第一计算单元,用于对预设时间段内的各CPU利用率瞬时峰值进行平均值计算得到所述预设时间段内的基准值;
第二计算单元,用于基于小波和所述基准值,对所述各CPU利用率瞬时峰值进行方差计算得到所述预设时间段内的方差值;
判断单元,用于判断所述方差值是否小于方差阈值,所述方差阈值用于指示所述预设时间段内的所述各CPU利用率瞬时峰值的预设正常波动范围;
丢弃单元,用于当所述方差值不小于所述方差阈值时,将所述各CPU利用率瞬时峰值丢弃。
6.根据权利要求5所述的监控服务器,其特征在于,所述监控服务器还包括:
存储单元,用于当所述方差值小于所述方差阈值时,将所述各CPU利用率瞬时峰值存入目标数据库。
7.根据权利要求6所述的监控服务器,其特征在于,所述第一计算单元还包括:
取样模块,用于对所述各CPU利用率瞬时峰值进行取样,获取所述预设时间段内的CPU利用率样本;
计算模块,用于对所述预设时间段内的CPU利用率样本进行平均值计算得到所述预设时间段内的基准值。
8.根据权利要求5至7中任一项所述的监控服务器,其特征在于,所述监控服务器还包括:
接收单元,用于采用多对多的分布式方法接收所述各CPU利用率瞬时峰值。
9.一种监控服务器,其特征在于,包括:
输入设备,输出设备,存储器和处理器;
所述存储器,用于存储操作指令;
所述处理器,用于通过调用所述操作指令,执行如下操作:
对预设时间段内的各CPU利用率瞬时峰值进行平均值计算得到所述预设时间段内的基准值;
基于小波和所述基准值,对所述各CPU利用率瞬时峰值进行方差计算得到所述预设时间段内的方差值;
判断所述方差值是否小于方差阈值,所述方差阈值用于指示所述预设时间段内的所述各CPU利用率瞬时峰值的预设正常波动范围;
当所述方差值不小于所述方差阈值时,将所述各CPU利用率瞬时峰值丢弃。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710094890.0A CN106886478A (zh) | 2017-02-22 | 2017-02-22 | 一种数据过滤方法及监控服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710094890.0A CN106886478A (zh) | 2017-02-22 | 2017-02-22 | 一种数据过滤方法及监控服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106886478A true CN106886478A (zh) | 2017-06-23 |
Family
ID=59180228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710094890.0A Pending CN106886478A (zh) | 2017-02-22 | 2017-02-22 | 一种数据过滤方法及监控服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106886478A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107451031A (zh) * | 2017-07-28 | 2017-12-08 | 郑州云海信息技术有限公司 | 一种服务器cpu利用率瞬时峰值过滤方法及装置 |
CN111078400A (zh) * | 2019-11-30 | 2020-04-28 | 浪潮电子信息产业股份有限公司 | 一种基于cpu使用率的负载均衡方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770419A (zh) * | 2008-12-31 | 2010-07-07 | 中国银联股份有限公司 | 系统健壮性分析器和分析方法 |
WO2011110026A1 (zh) * | 2010-10-29 | 2011-09-15 | 华为技术有限公司 | 一种实现数据中心资源负载均衡的方法及装置 |
CN104270434A (zh) * | 2014-09-22 | 2015-01-07 | 珠海许继芝电网自动化有限公司 | 一种基于云服务的服务状态监视系统 |
CN105071983A (zh) * | 2015-07-16 | 2015-11-18 | 清华大学 | 一种面向云计算在线业务的异常负载检测方法 |
CN106294070A (zh) * | 2016-08-10 | 2017-01-04 | 浪潮软件集团有限公司 | 对服务器内存cpu及硬盘使用率的监控方法 |
-
2017
- 2017-02-22 CN CN201710094890.0A patent/CN106886478A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770419A (zh) * | 2008-12-31 | 2010-07-07 | 中国银联股份有限公司 | 系统健壮性分析器和分析方法 |
WO2011110026A1 (zh) * | 2010-10-29 | 2011-09-15 | 华为技术有限公司 | 一种实现数据中心资源负载均衡的方法及装置 |
CN104270434A (zh) * | 2014-09-22 | 2015-01-07 | 珠海许继芝电网自动化有限公司 | 一种基于云服务的服务状态监视系统 |
CN105071983A (zh) * | 2015-07-16 | 2015-11-18 | 清华大学 | 一种面向云计算在线业务的异常负载检测方法 |
CN106294070A (zh) * | 2016-08-10 | 2017-01-04 | 浪潮软件集团有限公司 | 对服务器内存cpu及硬盘使用率的监控方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107451031A (zh) * | 2017-07-28 | 2017-12-08 | 郑州云海信息技术有限公司 | 一种服务器cpu利用率瞬时峰值过滤方法及装置 |
CN111078400A (zh) * | 2019-11-30 | 2020-04-28 | 浪潮电子信息产业股份有限公司 | 一种基于cpu使用率的负载均衡方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110471821B (zh) | 异常变更检测方法、服务器及计算机可读存储介质 | |
CN109120463B (zh) | 流量预测方法及装置 | |
CN110399728A (zh) | 一种边缘计算节点信任评估方法、装置、设备及存储介质 | |
CN110995524B (zh) | 流量数据监控方法、装置、电子设备和计算机可读介质 | |
CN110633977A (zh) | 支付异常处理方法、装置及终端设备 | |
CN110454910B (zh) | 一种空调除霜的方法及设备 | |
CN106096926B (zh) | 事件处理方法、装置、电子装置和存储介质 | |
CN106886478A (zh) | 一种数据过滤方法及监控服务器 | |
CN111768287A (zh) | 周期识别方法、装置、服务器及可读存储介质 | |
CN109165947B (zh) | 账户信息确定方法、装置及服务器 | |
CN111176985B (zh) | 软件接口的性能测试方法及装置、计算机设备、存储介质 | |
CN112651632A (zh) | 基于营销数据的信息分析处理方法和装置 | |
CN109857816B (zh) | 测试样本的选取方法及装置、存储介质、电子设备 | |
CN111340062A (zh) | 一种映射关系确定方法及装置 | |
CN113870021B (zh) | 一种数据的分析方法、装置、存储介质和电子设备 | |
CN113255137B (zh) | 目标对象应变数据的处理方法、装置及存储介质 | |
CN108989461B (zh) | 一种多控存储均衡方法、装置、终端及存储介质 | |
CN109670980B (zh) | 一种充电业务数据的处理方法、系统及设备 | |
CN108984101B (zh) | 在分布式存储系统中确定事件之间关系的方法及装置 | |
CN112261018B (zh) | 异常对象的检测方法及装置、存储介质、电子装置 | |
CN116908832B (zh) | 列车速度确定方法及装置 | |
CN116938993A (zh) | 车辆升级成功率预测方法、车辆升级服务器和车辆 | |
CN113672426A (zh) | 存储设备的异常确定方法及装置、存储介质、电子装置 | |
CN114860827A (zh) | 多租户环境下应用与数据库之间的连接建立方法及装置 | |
CN114266661A (zh) | 数据匹配方法和数据匹配装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170623 |